欧美国产伦久久久久久久

<acronym id="cqmsy"></acronym>
<acronym id="cqmsy"><center id="cqmsy"></center></acronym>

24小時論文定制熱線

咨詢電話

熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
您當前的位置:論文定制 > 畢業設計論文 >
快速導航
畢業論文定制
關于我們
我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
代做畢業設計
常見問題

氣動連續型機械臂的結構及系統設計

添加時間:2020/07/20 來源:哈爾濱工業大學 作者:孟 飛
本文主要圍繞采用氣動柔性驅動器的氣動連續型機械臂,進行合理的結構及系統設計,并搭建實驗平臺;進一步地,針對強非線性控制問題,考慮基于數據驅動的方法,開展氣動連續型機械臂的無模型控制策略研究。
以下為本篇論文正文:

摘 要

  連續型機械臂擁有剛性機械臂無法比擬的柔順性,在許多領域內發揮著越來越重要的作用,但與此同時,連續型機械臂的控制問題成為其相關技術研究的重點和難點。本文主要圍繞采用氣動柔性驅動器的氣動連續型機械臂,進行合理的結構及系統設計,并搭建實驗平臺;進一步地,針對強非線性控制問題,考慮基于數據驅動的方法,開展氣動連續型機械臂的無模型控制策略研究。

  首先,針對氣動連續型機械臂的柔順抓捕任務需求,分析連續體生物的仿生機理,并依據肌肉性靜水骨骼原理確定機械臂的動作方式、執行機構的種類與裝配位置;其次,在確定所用氣動柔性驅動器的合理布局之后對其工作原理及內部結構進行分析并確定參數;在完成氣管與電氣布線之后可使氣動連續型機械臂達成靈活彎曲運動的目的。最終,在完成氣動連續型機械臂的總體布局之后,針對機械臂動作快速性與穩定性的要求,分析氣動系統與控制系統的組成與工作原理,對氣動元件和控制元器件進行合理選型,完成硬件實驗平臺系統的設計與搭建工作。

  在建立合理的框架結構的基礎上,考慮較為精確的氣動柔性驅動器模型,對單氣路通道進行控制,通過數值仿真驗證系統設計的合理性并為控制系統實現提供思路。進一步地,針對含有多氣路通道的氣動連續型機械臂超冗余自由度的問題,需要設計合理的運動學模型表達關節空間與任務空間映射關系;針對氣動連續型機械臂在處于豎直狀態下的齊次轉移矩陣奇異問題,根據模式形狀函數建立模態運動學。針對連續型機械臂動力學模型中含有復雜項的積分表達式所導致的計算量過大問題,采用了基于遞歸計算的方法簡化動力學模型表達式以提高計算效率。

  針對系統模型存在不確定性、同時伴有強非線性問題,為了能夠對氣動連續型機械臂進行更好地形狀控制,主要設計了無模型自適應滑?刂破 (Model-freeadaptive sliding mode controller, MFASMC);首先針對拉格朗日型動力學模型,根據廣義 Lipschitz 條件對該模型進行全格式(同時考慮 I/O 變化量)動態線性化,其次,考慮相應的準則函數,得到無模型自適應控制器 (Model-free adaptive controller,MFAC),并依據修正的投影算法估計其中未知的偽偏導數矩陣,再次,為加快誤差的收斂速度,設計滑?刂破 (Sliding mode controller, SMC) 共同作用于被控對象,通過數值仿真觀察控制算法的效果,并與 PD 控制進行對比,最終通過硬件實驗平臺完成柔順抓捕任務,驗證控制策略的有效性。

  關鍵詞:連續型機械臂;氣動柔性驅動器;無模型自適應控制

氣動連續型機械臂

Abstract

  Continuum manipulators have the flexibility that the rigid manipulator cannot match, playing an increasingly important role in many fields; however, there is a significantchallenge on its control issue. This paper mainly focuses on carrying out a reasonable structure for the pneumatically actuated continuum manipulator with flexible pneumatic actuators (FPA), designing its hardware system, and constructing experimental platform. Furthermore, for the problem of strong nonlinear control, a model-free control method is developed, which is exactly a data-driven control strategy, to address the shape control issue for a pneumatically actuated continuum manipulator.

  Aiming at the requirements of the compliant capture task using the pneumatic continuum manipulator, firstly, the biomimetic mechanism of continuum organism is analyzed. Inspired by that, the action mode of the continuum arm, the type and assembly position of the actuators are determined according to the hydrostatic skeletons. Secondly, the internal structure and working principle of the flexible pneumatic actuator are analyzed after the determination of their reasonable layout. Air pipe and electrical wiring are settled, which means the pneumatic continuum manipulator can flexibly achieve the bending/stretching motion afterward. Finally, with designed mechanical structure, the working principle of the pneumatic system and the control system are illustrated. Then, the components of the systems are selected correctly for the purpose of rapidity and stability. The experimental platform is built in the end.

  Based on the functional frame structure, the single-air-channel simulation model is constructed with modified model of the FPA. The rationality of the system design is verified by numerical simulation, which provides the idea for realizing the control system. Furthermore, for the problem of super-redundancy of the pneumatically actuated continuum manipulator with multi-air-channels, it is necessary to design a reasonable kinematics model to reflect therelationship between joint space and task space. Regarding tothe singular problem occurring in homogeneous transfer matrix while under the vertical state, a modal kinematics is established according to the mode shape function for that reason. Aiming at the problem of excessive computation caused by the integral expression of complex terms in the dynamic model of continuum manipulator, the recursive calculation method is used to simplify the dynamic model expression.

  Because of the uncertainties of the system model and the strong nonlinear problem, the model-free adaptive sliding mode controller (MFASMC) is proposed in order to better shape the pneumatic continuum manipulator. Firstly, the equation of motion is processed as a full-form dynamic linearization based on the generalized Lipschitz condition.

  Secondly, with a particular criterion function, model-free adaptive control law (MFAC) is proposed, where the pseudo partial derivative matrices are estimated according to the modified projection algorithm. In order to speed up the convergence speed of the error, the sliding mode control law (SMC) is designed to act on the controlled object jointly. In the end, the effect of the control algorithm is observed through numerical simulation, which is compared with PD controller; furthermore, the MFASMC is employed on the experimental platform, performing the smoothly capture task, to verify its effectiveness.

  Keywords: continuum manipulator, flexible pneumatic actuator, model-free adaptive control

目 錄

  第1章 緒 論

  1.1 課題研究的背景及意義

  當今世界上的大多數機器人是出于提高技術人員或者工人生產效率、替代人類完成枯燥重復或無法完成任務的目的而設計制造出來的,所以廣泛的應用場合和巨大的研究價值吸引著越來越多的研究人員開始著手于機器人方面的研究工作。

  一般地,采用剛性材料制造出來的動作精準、位姿可預測的機械系統可以容易地被建模為在離散關節處連接的多剛性結構,這種離散型機器人自由度有限,因此在工作空間受限的場合中的適應能力較弱[1].但是在自然界中存在身體或部分身體結構可發生形變的生物,它們擁有體內含有剛性骨骼的生物所沒有的優勢,例如章魚觸手和象鼻等沒有骨骼支撐的生物組織,可以在非結構環境下出色地完成物體的柔 順操縱與定位到達等任務,并且可以與人進行安全交互,受啟發于這些生物,研究人員已經開始探索由柔順材料組成的軟體或者連續型機器人的設計與控制問題[2];而在軟體機器人的定義中存在兩種設計方法[3]149:連續型機器人[4]和含有主/被動柔順關節的傳統機器人[5].

  連續型機器人是一種由柔順材料組成的、不含有任何離散關節、理論上自由度無窮多的仿生機器人,它是在超冗余自由度機器人的基礎上發展而來的[6],與超冗余機器人的多關節驅動方式相比,連續型機器人采用段驅動的方式靠彈性完成動作,這使得其結構更加簡潔、易于制造[7].它不僅可以像超冗余機器人一樣在工作空間受限的環境中采用末端執行器完成體積較小物品的抓取工作,還可以在非受限環境中用纏繞動作(全臂抓。┩瓿纱篌w積或不規則物體的抓取任務。因此,涉及到仿生學、材料科學、機器人學和能源學等學科的連續型機器人已經成為機器人學近年來的一個研究熱點。

  針對不同的應用場合,世界各地的學者從仿生原理結構、動力驅動方式和外表變剛度方式等不同角度開展研發連續型機械臂工作,目前已經開發出用于工業生產操作、災后支援、醫療診斷和工廠巡視探傷等場合的連續型機械臂樣機;其中,相比于線驅動、形狀記憶金屬和流體驅動彈性等驅動方式,氣動方式可以完成曲率變化較大的動作。以氣動柔性驅動器(Flexible pneumatic actuator, FPA)作為氣動驅動執行機構的氣動連續型機械臂擁有超大功率密度比,尤其是氣動人工肌肉可擁有超過 400 倍自重的驅動力[8],FPA 正常氣壓下的支撐能力足以可以替代剛性支撐結構。此外,來源于章魚觸手肌肉性靜水骨骼的設計理念使得氣動連續型機械臂能夠承受大應變并具有分布式連續變形能力,靈活地完成各種彎曲與伸縮動作。

  基于 FPA 的氣動連續型機械臂對外界壓力的阻抗小,可以障礙物相容,也可與人進行安全人機交互。因此在地面上,基于 FPA 的氣動連續型機械臂可以應用在行走機器人、醫療康復機器人和工業機械臂等需要大輸出力矩場合中。在太空環境中,視覺精度問題及機械臂柔性關節會帶來末端工具點定位出現偏差問題,因此空間機械臂能實現大容差范圍的抓捕任務[9],這就意味著即使目標載荷與空間機械臂抓手之間存在位姿誤差,機械臂也能完成對目標的抓捕任務。抓捕環節利用柔性捕獲可有效地減輕目標負載在抓捕結束時對整個機械臂及其在軌服務星的沖擊,特別是在對自由漂浮、飛行中的小質量載荷實施抓捕的過程中,空間機械臂與目標星之間的撞擊會造成載荷從機械臂的抓捕空間內彈射出去,導致任務失;此外,具有大質量、大慣量并安裝于固定基座的服務星進行抓捕時,機械臂抓手和目標載荷之間的撞擊會造成器件受損,嚴重情況下會損毀;自由飛行基上空間機械臂的末端執行器與目標星之間的撞擊會改變基座的位姿進而對地面控制造成一定影響。

  因此,空間機械臂在對目標星實施抓捕過程中,末端執行器與目標星之間的碰撞力需要保證在一定范圍內以減小沖擊[10].但是這就意味著需要設計可鎮定、同時兼 顧準確性的復雜力/位置控制算法,這不僅加長了開發周期,而且對不同類型和運動形式的目標載荷要設計特定算法,最終實現柔順抓捕。相比之下,氣動連續型機械臂天然地具有實現柔順抓捕所需要的特點,比如質量輕、大容差捕獲、大載荷質量比等;特別地,不局限于應用末端執行器的抓捕工作方式,還可使用全臂纏繞的方式抓捕,這就意味著在抓捕不同形狀、不同運動狀態下的目標時,工作空間大,抓捕成功率高;表面柔性材料還可降低與目標之間的沖擊力,實現柔順抓捕。

  氣動連續型機械臂的特點總結如下:1)在驅動器為 FPA 的情況下,氣動連續型機械臂具有了與肌肉性靜水骨骼相同的恒容積性質,而且任意部位均可以產生柔性變形;2)采用靈活的超彈性材料作為機械臂的基體材料,變形可高達 300%而不會發生破裂,可以實現大容差柔性捕獲;質量輕,斷裂強度高,響應快速;3)氣道分布在機械臂內部,通過密閉的氣管將不同量的壓縮空氣打入各個 FPA 內腔,超彈性材料產生大變形,實現機械臂在空間的靈活運動;4)氣動連續型機械臂無論從系統復雜度還是研發成本來講,都將比傳統剛性機械臂大大減小。5)在空間中,與飛網等一次性使用的捕獲技術相比,增大氣壓,機械臂可以對目標實施纏繞抓捕,減低氣壓,機械臂又可以松開目標,因此可以重復使用;6)在地面上,柔性材料帶來的柔順性可以使其具有很強的非結構環境適應能力,且可以對不規則的合作目標和非合作目標進行不同工作方式的操作(包括末端工作模式或全臂工作模式等)。

  所以,無論是在地面上的救援場合或者是腔腸手術場合,還是太空中的柔順抓捕場合,一個滿足可靠、效果良好的控制器就顯得必不可少,它能使得系統響應快速、穩定、精確、能量效率高。但是不像傳統剛性機械臂,氣動連續型機械臂固有的連續、復雜、高度順應性質給運動學和動力學建模提出了挑戰。除此之外,采用測量連續型機械臂姿態的非計算機視覺技術的間接方式不易得出機械臂的真實姿態,因為理論上連續型機械臂的自由度大于超冗余機械臂,傳感器的數量少且只能測得到例如關節空間變量等非形狀數據,這些數據不能像剛性機械臂一樣能用指定的三個位移參數和三個旋轉參數表達運動,因此導致無法獲取許多自由度的信息[1].再加上環境對它的影響比對剛性機械臂的影響更為顯著,由材料特性表現出非線性特征,如順應性和滯后性,也限制著系統的控制效果,對控制系統的魯棒性、快速性、準確性提出了更高的要求。

  1.2 連續型機械臂國內外研究現狀

  針對連續型機械臂在核電、航空航天、工業、油氣、安防、搜救、內窺鏡手術等場合的巨大應用潛質,對連續型機械臂的樣機以及控制方法的研究現狀進行調研。國外某些研究機構的研究成果已經在工業、醫療等領域得到了很好的應用,國內相關研究雖晚,但也取得了不錯的研究成果,北京航空制造工程研究所、上海交通大學、哈爾濱工業大學等相關團隊已在航空航天、醫療、工業等領域取得不錯進展。連續型機械臂種類繁多,現可按照三個方面[3]150 將其歸納分類,如下:

 。1) 控制器的建立方法:

  a. 依賴于分析模型的基于模型的控制器;b. 通過機器學習技術或者經驗方法得出的無模型控制器;c. 結合基于模型和無模型方法的混合控制器;(2) 整體設計:

  a. 動作方式:線驅動、氣驅動、模擬平臺;b. 動作細節:機械臂所分的段數的不同、驅動器數量的不同、空間排布的不同、形狀的不同、材料的不同;c. 機械臂細節:針對特定目標應用而產生的不同;(3) 控制目標: a.操作空間:

 、。低級:關節空間、構型空間;Ⅱ。中級:逆運動學、動力學;Ⅲ。高級:路徑規劃;b.控制器細節:平面/非平面的測試應用、是否需要傳感器;c.系統性能:誤差測量、理論誤差收斂、穩定性。

  1.2.1 連續型機械臂樣機的國內外研究現狀

  美國克萊姆森大學的 ID Walker 教授在氣動連續型機械臂領域進行了長期研 究,并對其結構設計、建模和運動控制發展做出了巨大貢獻。2001 年該團隊設計了的一款仿象鼻超冗余機器人[11],如圖 1-1 a)所示,該機器人質量為 4kg,總長為830mm,直徑為 63mm~101mm.該機器人由 4 段關節組成,每一段具有 2 自由度,且各自由度可實現 的彎曲,彎曲動作由其內部的 4 根驅動繩完成,多關節的協調規劃控制可完成覆蓋整個空間的動作,并可以通過環繞動作抓取并維持一定負載。Walker 與 Jones 等共同設計制造了新型 Air-Octor[12],見圖 1-1 b);該機器人分為兩段,總長為 500mm,直徑為 100mm.為了釋放內部空間大大減輕自重,采用氣壓支撐保持姿態,運動方式依靠 3 根繩索的長度變化改變機械臂形狀。通過改 變該機械臂的 3 根驅動繩長度以及兩段內的氣體壓強大小,可完成彎曲、伸長、縮短動作,即 6 自由度。后來該團隊研制出著名的 OctArm 系列機械臂[13-16],目前已開發至第 VI 代。OctArm 的驅動器為 Mckibben 型 PAM,2005 年所研制的第 I 代共分為 4 段,總長為 1100mm,每段大約為 300mm,基部 2 段各含有 6 根 PAM,遠端的 2 段各含有 3 根 PAM.如圖 1-1 c),共 12 個自由度,可實現全局運動,也可實現在空間受限環境下的運動。在 4.5bar 下的垂直負載能力為 12kg,水平負載能力為 0.5kg,末端工具點位置的最大速度為 0.8m/s.2006 年研制的第 IV 代 OctArm由 4 段組成,如圖 1-1 d)所示,總長度為 990mm,外徑為 110mm.可以提供的最 大垂直負載能力為 830N,兩通道充氣下各段水平負載能力為 85N/85N/20N/20N. OctArm V 和 OctArm VI 都由 3 段組成,如圖 1-1 e)和 f)所示,總長度為 930mm,外徑為 14mm,垂直與水平負載能力約為 IV 代的 3 倍;OctArm VI 在 V 上做了拉線式位移傳感器、底座旋轉馬達和螺旋綜合內部空氣管道的改進。


  2013 年 Istituto Italiano di Tecnologia 大學的 Kang 教授研制了模塊化的氣動機械臂[17],以氣動肌肉驅動器作為執行機構,共含有 6 段,總長為 670mm,如圖 1-2所示?刂撇呗圆捎梅旨壙刂茖⒃蜋C的期望動作與各驅動器的輸入聯系起來。

  德國 Festo 氣動自動化公司于 2010 年研制了仿象鼻人機協作機器人 The BionicHandling Assistant (BHA)[18],如圖 1-3 所示,總長度為 750mm,充氣后的最大伸長率為 60%,氣道波紋管由 3D 打印技術制成,材料為聚酰胺纖維,因而重量較輕為1.8kg.該機械臂可以布置在工廠環境中,其靈活性與安全性將給工業制造過程帶來新的啟發[19].

  美國約翰霍普金斯大學的 Simaan 教授團隊設計了可輔助完成喉部手術的線驅動微型機械臂[20],如圖 1-4 所示。該機器人共有 5 個自由度,直徑為 4mm,由兩段關節和末端手術鉗組成。該手術機械臂軸向布有超彈性鎳鈦支撐管,同時沿該支撐管等距排布圓盤,機器人的彎曲動作由圓盤外圍均勻分布的另外 3 根細鎳鈦合金線的伸縮動作完成,末端手術鉗開閉受中心合金管內的合金絲控制。微小的尺寸與受限空間中的靈活特性使得其擁有廣闊醫療前景。 2003 年比利時 Leuven 大學的 Peirs 制作了可用于外科手術的內窺鏡微型機械臂[21],如圖 1-5 所示。該關節以超彈性 NiTi 合金管作為支撐物,具有 2 自由度,可實現任意方向 彎曲旋轉。合金管內 4 根互成 的金屬線為該機器人關節提供彎曲動力,但是彎曲剛度較小。

  2015 年,美國 Massachusetts Institute of Technology 的 Andrew D. Marchese 等人研制出氣動正壓連續型機械臂[22],總長為 500mm,質量為 0.6kg,如圖 1-6 所示。

  該連續型機械臂可以實現任意方向彎曲,對環境的適應能力較強,密封性良好的情況下可以在水下完成彎曲纏繞任務,在受重壓之下亦可繼續工作。

  英國倫敦國王大學的 Lukas 等人于 2016 年研制一個液壓驅動軟體機械臂[23],采用模塊化的思想設計出的樣機如圖 1-7 所示,每模塊內部由互成 的三個液壓腔室組成,在外層材料的限制下容積基本不變且徑向圍度基本不變,加壓只能產生軸向伸長,協調不同腔室內的壓力可以使機械臂產生彎曲。

  瑞士洛桑聯邦理工大學的Paik教授團隊于2017 年研發出了軟體模塊V-SPA[24], 如圖 1-8 所示,每個模塊中都含有三個繞圓周均勻分布的負壓驅動器,同時將控制閥、控制電路板和氣道等制作成一體化,實現即插即用。該機械臂還可以通過顆粒阻塞實現變剛度,完成移動和抓取等運動。
 

  國內研究連續型機器人領域的單位與學者相對較少,而且起步較晚。早期主要針對仿生機器人開展研究工作,有蠕動微型機器人、蛇形機器人、仿生拱泥機器人和仿魚機器人等。2010 年,哈爾濱工業大學的機器人研究所孫立寧教授團隊研制了輔助完成結腸鏡檢查的 NiTi 合金絲驅動機械臂,外觀見圖 1-9 a)。該機器人的支撐材料為聚氨脂樹脂,通過運動學仿真與實驗,樣機運動情況良好[25, 26].隨后于 2013 年研制了第二代多段連續型結構線驅動結腸鏡機器人,其機械結構如圖 1-9 b)所示?傞L度為 550mm,直徑 12mm,支撐作用依靠彈簧管完成,由 5 個關節段組成共 10 自由度,同時 20 根驅動鋼絲分為 10 組由 10 個電機控制[27].

  上海交通大學高鵬于 2012 年研制了一款結腸鏡微型機器人[28],樣機如圖 1-10所示。為減少患者感染病菌幾率,該機器人外層覆蓋醫用聚丙烯;外徑僅為 17mm,收縮后總長為 128mm,重量約為 50g,可減少機器人在患者體內的不適感;驅動方式采用微型電機,經試驗驗證可在多種管道中運動。

  中國民航大學高慶吉等人于 2013 年研制了線驅動連續型機器人[29],如圖 1-11所示,設計初衷為解決飛機油箱內部狹窄環境下的檢查問題。樣機總長度為 250mm,直徑為 30mm,分為三關節,每關節由 4 根驅動繩來控制其彎曲。玻璃纖維支撐架的外圍包裹一層塑料波紋管,整機可以靈活地完成彎曲動作進而完成油箱檢查工作。

  2013 年,上海交通大學俞曉瑾設計了仿章魚柔性機械臂[30],并對其進行了運動學、動力學建模以及視覺伺服控制,如圖 1-12 所示;該機械臂由硅膠灌注,由舵機驅動硅膠內部細線進行彎曲等動作,視覺伺服控制通過內窺鏡相機提取當前位置和期望位置之間的誤差并輸入到相應的自適應控制器中?稍趯嶒炛锌赏瓿尚男匚撌中g的消融操作。

  中國科學技術大學姜皓等人于 2016 年研制了一種氣動網絡軟體機械臂[31],如圖 1-13 所示,這是一種基于嵌入式控制的 5 段蜂巢結構機械臂,重量 1.5kg,原長為 630mm,負載能力為 2.8N,伸長率約 65%,為每個巢充氣膨脹可使機器人進行伸縮或彎曲運動。

  北京航空航天大學文力教授團隊于 2016 年研制了一種氣動軟體機器人[32],如圖 1-14 所示,在結構上由彎曲模塊與關節不變形區組成,整體采用硅膠灌模制作,內部由聚二甲基硅氧烷制作,彎曲與伸縮運動依靠兩種材料的應變差來完成。

  2017 年,哈爾濱工業大學徐王浩淼研制了線驅動柔性充電機器人[33],如圖 1-15所示,該臂在兩關節縫處具有 2 自由度,再將相連 4 個連桿組合為單一模塊,再相互串聯組成整臂,整根臂具有 8 個等效自由度。

  1.2.2 連續型機械臂控制策略研究現狀

  針對連續型機器人控制器,目前可以分為四類:1)基于模型的運動學控制器; 2)無模型運動學控制器;3)基于模型的動態控制器;4)無模型動態控制器。這四種控制器基本覆蓋連續型機械臂這一研究領域中的所有控制器。

 。1)基于模型的運動學控制器

  連續型機械臂自身的無窮多自由度給建模工作帶來了巨大的挑戰,但是學者們通過在受力平衡的情況下所設置的假設條件,開發出一套易于處理的運動學模型,該假設條件令全構型空間可以通過一個低維的狀態空間表示。最通用的運動學模型假設條件是:一段三維連續型機械臂的構型空間可以用三個變量參數表達;例如恒曲率(CC)近似法,每段機械臂利用三個構型空間參數表達了該段在整個三維空間中的姿態[6],將每個 CC 截面銜接所形成的分段恒定曲率(PCC)模型就可表達出多段機械臂的空間姿態[34].當滿足以下條件時 CC 假設條件成立:1)機械臂在形狀上連續一致且驅動器的設計排布是對稱的;2)額外負載對機械臂的作用被忽略,即負載對機械臂的形狀不產生影響;3)機械臂不產生扭轉。線驅動連續型機械臂的建模難點之一就是段與段之間的路徑耦合,而對于獨立動作的方法,僅僅需要考慮負載耦合即可。為了補償模型不確定性使用傳感器和簡單的補償算法[35]可以設計一種構型空間控制器,該控制器可以綜合關于構型的外部傳感信息和關于關節變量的內部傳感信息來實現靜止構型目標的漸近跟蹤。因為路徑隨時間的變化需要通過逆運動學獲得期望關節空間或構 型空間變量的變化,所以文獻[36]為得到差分逆運動學(IK),將 IK 問題轉化為一個有約束的非線性最優問題,將 IK 應用到閉環任務空間運動學控制器中,能提高精度并增強模型的魯棒性。文獻[37]比較了任務空間和關節空間中的兩個閉環控制器得出如下結論:關節空間控制器對離散的驅動器進行獨立控制可使系統更加穩定。而閉環任務空間控制器可以在模型存在不確定性的情況下令誤差漸近收斂。

  此外,文獻[38]應用 Cosserat 桿理論建立了一套更復雜的運動學建模方法,但是這個模型在精確度上提高的并不顯著,其通用性受到計算成本和傳感成本的限制。在此之后,學者們通過擴展 CC 模型得到了新的運動學表達式--可變恒定曲率近似化方法;文獻[39]針對線驅動軟體錐形機械臂提出了利用可變恒定曲率模型在三維空間中對二維圖像特征點進行視覺伺服控制的方法;文獻[40]提出了用于實時求解復雜 Cosserat 模型的數值技術,并遠程操縱機器人驗證了該 IK 求解技術。

  考慮到連續型機械臂的運動學和靜力模型之間存在強耦合,研究人員開始研究順應控制/力控制。文獻[41]在沒有力傳感器的情況下通過數值計算轉換矩陣實現了連續型手術機械臂的剛度控制,文獻[42]設計了構型空間控制器,采用的方法是通過獲取當前內部驅動力信息和構型空間變量,對外部廣義力和關節空間順應性矩陣進行估計(將驅動器力的變化映射到末端執行器),以機械臂末端執行器輸出力。文獻[43]使用差分 IK 和構型空間順應性矩陣(將構型空間變量的變化映射到末端執行器)將期望彎曲與執行器向量的正交投影轉換為構型空間參考值,為多骨架連續型機械臂設計了構型空間中的混合位置/力控制器。 與設計越來越精確模型的思路相反,文獻[44]設計了含簡化運動學模型的任務空間位置控制策略,由于模型計算量小,得到雅克比矩陣的估計值之后可以通過增加的控制循環頻率來補償由于不準確的運動學模型導致的精度降低。文獻[45]使用基于先驗知識的局部近似和插值函數來進行雅可比行列式的數值估計,雅克比行列式不需要不斷更新,所以減少了計算量,依此設計了基于模糊邏輯的運動學控制器。

  目前基于模型運動學控制器都針對特定對象進行設計。文獻[46]提出了完全由低硬度彈性體制成的氣動軟體機器人的運動學控制策略,他使用級聯 PID 分別在構型空間和關節空間中跟蹤構型空間變量。相反,文獻[47]設計了閉環任務空間控制器,并將其應用于連續剛性機械臂。

 。2)無模型運動學控制器

  文獻[48]第一次提出了利用無模型方法設計運動學控制器的思想,利用神經網絡學習非冗余(相對于關節空間和任務空間)軟體線驅動機器人的 IK 模型,經訓練的反向傳輸神經網絡可以表達末端執行器位置與線上的拉力之間的關系。通過自舉(Bootstrapping)和調整 IK 的在線全局 babbling 算 法可以生成 IK 學習樣本[49],將學習算法與反饋控制相結合并應用在非平穩機器人上。文獻[50]設計了一種高度魯棒、準確且通用的閉環無模型運動學任務空間控制方法,基于運動雅可比矩陣在線經驗估計的最優控制策略可使連續型機械臂在多 種非結構化環境中進行穩定動作。類似的,相同原理被用到了受限環境中的混合力/位置控制當中[51],并由經驗計算剛度矩陣。

  最近的無模型方法主要集中在學習連續型機器人的 IK 表示法。機器學習技術被引入進任務空間中的閉環運動學控制當中[52],得到末端執行器反饋的同時進行IK 模型的學習,該無模型方法可以很好地解決非線性隨機連續型機械臂的運動學控制問題,在需要最小限度的傳感元件和極少的可調參數的情形下,算法具有快速性、可擴展性,對隨機性容錯率高。文獻[53]提出了另一種用于學習任務空間和關節空間之間直接映射的方法,即首先利用多層感知器和 RBF 神經網絡估計前向運動學模型,然后使用遠端監督學習來對該學習網絡求逆。進一步地,用于解決關節空間(電位計值)和驅動器空間(腔室壓力)之間映射隨機性的自適應子控制器被提出[54].除此之外,機器學習還可與動力學系統還有隨機優化算法相結合開發一種將章魚臂的運動模式轉移到歐盟章魚計劃手術機器人(STIFF-FLOP)上的算法[55].

  為了學習決定性平穩策略,文獻[56]實現了在強化學習架構中優化軟體機器人的多個目標的工作,完成位置和剛度的同時優化目標。

  運動學控制器還包括結合基于模型和無模型方法的混合控制器;文獻[57]將連續型機械臂建模成具有平移和兩個旋轉自由度的多段平行剛性機械臂,然后使用多個神經網絡來解決冗余并獲得從任務空間到構型空間的逆運動學模型。文獻[58]

  設計了前饋控制,通過機器學習去分析學習誤差模型,然后結合解析模型得到了更好的前向運動學模型和 IK 模型。

 。3)基于模型的動態控制器

  在連續型機器人控制中最具挑戰性的領域是開發考慮整個機械臂完整動力學的非靜態控制器。動態控制器的開發需要制定運動學模型和相關的運動方程。運動學模型的精確有待提高,基于這些不精確模型的運動方程更加劇了模型的不確定性[59].相反,即使建立的運動學和動態模型足夠準確,相應的控制器也需要高維度的感知。因此開發可靠的參數估計算法和準確的感知信息是至關重要的。

  文獻[60]開展了關于連續型機器人動態控制的初期理論研究,設計了簡單的前饋和反饋比例微分(PD)控制器,可以實現指數漸近跟蹤,并利用多段連續型機器人進行了平面運動驗證。文獻[61]首次推導得出了用于連續型機器人的閉環任務空間動態控制策略,首先采用 CC 模型建立二維平面多段連續型機器人運動學模型,并采用集總動力學參數建立了相應的歐拉-拉格朗日型動力學模型。之后該研究團隊用 SMC 對與之前相同的運動學和動態模型進行了閉環構型空間控制[62].然后,文獻[63]針對平面三段連續型機械臂進行了 SMC 的實驗評估,并與構型空間中基于簡單反饋線性化的 PD 控制器進行了比較。

  因為氣動驅動器動力學比線驅動的非線性更強,研究人員開始設計氣動驅動器的最優動態控制器。利用軌跡優化算法可以減少過渡時間和驅動器抖動現象[64].

  文獻[65]又考慮了氣動驅動器腔室的動力學(其響應速度較慢,與電磁閥的動力學相比非線性更強),設計了內環解耦 PD 力矩控制器。除此之外,文獻[66]提出了關節空間中的 PD 扭矩控制器,推導了關節空間中的動力學模型,并提出了一種反演方案將動力學模型中的廣義力矩轉換為期望的驅動器氣壓。

 。4)無模型動態控制器

  對于連續型機械臂的動態控制來說,無模型方法還處于初期研究階段。為了補償動力學不確定性,文獻[67]使用了神經網絡估計技術,控制系統的反饋部分基于連續漸近跟蹤不確定非線性系統,前饋部分利用神經網絡去補償動力學不確定性;但是這個方法僅描述了關節變量的閉環動態控制。

  此外在強化學習領域,文獻[68]建立了一個多段動力學平面運動模型,首先將定點問題建模為一個隱馬爾科夫模型,這樣該問題就可以用非參數高斯瞬時差分學習算法在線解決。此外,文獻[69]提出了基于 actor-critic 的強化學習方法,以解決連續動作空間中的定點問題。但是生成解的實時計算成本是個亟須解決的問題。

  文獻[70]在氣動機械臂領域開創了直接從驅動器空間到任務空間的動態預測控制器。該控制器需要使用一類遞歸神經網絡學習正向動力學模型,并在已學習的模型上使用軌跡優化[71].

  1.2.3 關鍵技術分析連續型機器人研究的核心問題:

  1)因為連續型機器人理論上的無窮自由度即是獨特應用優點又是技術難點,所以機械結構上需要能夠保證動作靈活性、提高負載能力與精確度、降低控制難度的設計方案;2)連續型機器人作為一個新興機器人領域,其建模理論與控制理論的相關研究還不成熟,對于傳統剛性離散型機器人的控制理論,既有可借鑒之處但又有離散機器人控制理論無法解決的方面,而這些方面恰恰是人們需要利用的獨有特性,因此運動學、動力學和控制理論的研究是連續型機器人領域亟需深入研究的地方。在控制策略方面的總結如下:基于模型的運動學控制是目前連續型機器人中研究和使用最廣泛的控制策略。大多數基于模型的控制器依賴于 CC 近似假設,對于均勻、低質量機械臂的靜態控制 CC 近似是最可靠且通用性最強的方法。其他更復雜的模型在計算上的成本相對較高且有時還需估計參數,但帶來的性能提高并不明顯,同時大多數的模型是針對特定原型機設計的。有學者已經在同一平臺上對各種建模方法進行了比較[72].

  鑒于此,無模型方法提供了另一種思路來開發不需要任何底層結構先驗知識的策略。在操作空間方面,閉環構型空間控制器或關節空間控制器將提供更穩定和更快速的控制效果,但是不能保證任務空間誤差收斂,而閉環任務空間控制器理論上可以提供最佳精度。從驅動方面考慮,線驅動系統更難以建模,而氣動執行機構則需要更多傳感器。對于無模型方法來說,一個主要的優點就是可以避免定義構型空間或者關節空間的參數,但是會受到繁多的樣本信息和傳感器噪聲的影響,這也是為什么無模型方法更適用于高度非線性、非統一、受重力影響或者在非結構環境中不可能建模系統的原因。但是因為無模型的黑箱屬性,穩定性分析和收斂性證明較難進行;無模型的運動學控制器還要假設不存在段與段間的動力學耦合,這在實際中也是難以滿足的。

  如前所說,靜力學/運動學控制器是依賴于穩態假設的一種控制器,也恰恰是這種穩態假設阻礙了軟體機械臂的快速性和精度,因此那些設計考慮動力學行為的機械臂控制器對于提高快速性、提升靈巧度、高效節能、平緩跟蹤以及耦合效果不能忽略的場合都至關重要。

  動態控制器在對于時間、能量成本、精度都有一定要求的工業系統中來說是相當普遍的,然而基于模型的連續型機械臂的動態控制器卻處于研究的初期階段,這就意味著在設計、建模、控制等方面都存在著許多的需要處理的技術難點。動力學模型可以直接將控制輸入(電壓、壓力、編碼器數值)映射到任務空間變量,這樣一個模型可以為任何基于模型的控制方法提供理想的效果,F在大部分動力學控制都在研究關節空間控制,如果動力學模型足夠精確,前饋控制將是最理想的控制方案。模型預測控制可以實現低增益精確控制,也是控制連續型機械臂的理想方法,但是現在動力學模型的計算復雜性成為了限制其應用的瓶頸。隨著計算能力、傳感器精度、智能控制效果的提升,基于模型的動態控制器將來會有很大的發展空間。

  隨著人工智能的興起,無模型動態控制策略--基于機器學習的方法開始成為熱點,它能學習開環控制器,具有動力學補償或者學習動力學模型的黑箱性質。

  雖然無模型方法提供了一個相對簡單的方案去設計動態控制器,但是它的實際應用卻受到訓練時間和穩定性[73]的掣肘。但是隨著越來越多的用來訓練遞歸動態網絡的魯棒算法[74]的出現,這種控制器將發揮更大的作用。而且,融合基于模型和無模型的混合方法也將成為一個擁有更廣闊研究前景的方案。

  1.3 本文的主要研究內容及章節安排

  本論文針對連續型機械臂形狀控制與柔順抓捕的任務,完成了氣動連續型機械臂結構布局與硬件實驗平臺設計;此外,對單氣路通道、運動學與動力學進行建模;設計了 MFASMC 控制方案并和 PD 控制作對比,以提高對氣動連續型機械臂的形狀控制效果;最后開展實驗驗證控制器的有效性。本文組織結構圖如圖 1-16所示:

  第 1 章為緒論,介紹了本課題的研究背景與意義、連續型機械臂原理樣機的國內外研究現狀;同時對連續型機械臂控制策略國內外研究現狀進行了介紹與分析,包括基于模型的運動學控制器、無模型運動學控制器、基于模型的動態控制器和無模型動態控制器;最后闡述了本文的主要研究內容。

  第 2 章為氣動連續型機械臂硬件平臺設計。為實現柔順抓捕任務,需建立一套簡單可靠的氣動連續型機械臂原理樣機,考慮章魚臂等連續體生物組織的仿生機理,確定原理樣機的動作方式、執行機構與結構布局。為建立可行的氣動系統實驗平臺,分析氣動系統工作原理與基本組成,根據計算得出的所用空氣體積與流量等數據,對氣動元件進行合理地選型。為完成對其進行形狀控制的功能,建立控制系統實驗平臺,分析控制系統原理與技術指標,完成控制系統元件的選型。最后搭建完整氣動連續型機械臂實驗平臺,為后續的實驗驗證提供硬件設備支持。

  第 3 章研究了氣動連續型機械臂的數學模型。首先,根據實驗平臺工作原理建立單氣路通道控制系統數學模型,其中包括考慮摩擦力與橡膠彈性力的改進后FPA 輸出力表達式。其次,為了使關節空間變量表達出全局的構型空間變量,針對氣動連續型機械臂理論上無窮多自由度的特點,基于分段恒曲率假設條件建立運動學模型,為解決奇異問題,建立模態運動學模型。最后,為了在無樣機情況下進行預研,根據運動學模型建立氣動連續型機械臂運動方程,選擇合適的算法提高運動方程計算效率;第 4 章為氣動連續型機械臂設計了無模型動態控制器。針對模型不確定性以及系統非線性問題,基于數據驅動的方法設計 MFASMC 控制策略,并在Matlab/Simulink 下與 PD 控制進行仿真對比;最后,開發與調試氣動連續型機械臂實驗平臺,利用樣機開展 MFASMC 算法的形狀控制實驗與柔順抓捕實驗,對實驗結果進行分析。


  第 2 章 氣動連續型機械臂硬件平臺設計
  2.1 引言
  2.2 工作原理與布局設計
  2.2.1 仿生機理分析
  2.2.2 氣動柔性驅動器結構及其工作原理
  2.2.3 總體結構布局
  2.3 氣動系統原理及設計
  2.3.1 氣動回路的工作原理
  2.3.2 電氣比例閥選型
  2.3.3 氣動系統其他元件選型

  2.4 控制系統設計
  2.4.1 控制系統組成及原理
  2.4.2 控制系統元器件選型
  2.5 實驗系統簡介與實驗方法
  2.6 本章小結

  第 3 章 氣動連續型機械臂數學建模
  3.1 引言
  3.2 單氣路通道數學建模與仿真
  3.2.1 氣動柔性驅動器的靜態特性模型
  3.2.2 氣動柔性驅動器的動態特性模型
  3.2.3 電氣比例調壓閥建模

  3.2.4 單氣路控制通道仿真結果與分析
  3.3 氣動連續型機械臂運動學
  3.3.1 氣動連續型機械臂弧度參數運動學
  3.3.2 氣動連續型機械臂模態運動學
  3.3.3 氣動連續型機械臂速度運動學與逆運動學

  3.4 氣動連續型機械臂動力學
  3.4.1 基于拉格朗日函數的動力學模型
  3.4.2 基于遞歸計算方法的運動方程
  3.5 本章小結

  第 4 章 氣動連續型機械臂形狀控制策略
  4.1 引言
  4.2 PD 控制策略
  4.2.1 PD 控制器設計
  4.2.2 穩定性分析

  4.3 無模型自適應滑?刂撇呗
  4.3.1 無模型自適應控制器設計
  4.3.2 無模型自適應滑?刂破髟O計
 
  4.4 仿真結果與分析
  4.4.1 PD 控制仿真結果與分析
  4.4.2 無模型自適應滑?刂品抡娼Y果與分析
  4.5 實驗平臺驗證與結果分析
  4.6 本章小結

結 論

  本文針對進行氣動連續型機械臂形狀控制進而完成柔順抓捕任務的需求,開展了以下三個方面的研究:氣動連續型機械臂的機械結構布局與系統設計;FPA 動靜態模型、機械臂運動學模型與動力學模型的建立;控制算法設計及實驗平臺搭建與驗證。主要在以下方面展開了研究并取得相應成果:

 。1)基于章魚觸手等具有肌肉性靜水骨骼生物的生理結構分析,設計了一個 以 FPA 為執行機構的氣動連續型機械臂。經過機構布局設計、氣動系統和控制系統的計算與選型,保證了該氣動連續型機械臂在能完成技術要求的同時還具有機構簡單可靠、動作靈活等優點,實驗平臺的搭建為氣動連續型機械臂的后續建模分析提供了結構依據。

 。2)針對氣動連續型機械臂控制策略設計問題,需要先對氣動連續型機械臂進行數學建模;為了解決動力學控制中控制力不可測問題,進行了單氣動通道控制仿真,首先考慮編織網與套筒間摩擦力以及橡膠自身彈性力影響,建立了改進的FPA 模型,通過對其力、長度和氣壓三者關系進行仿真得出與真實情況相符的結果;其次,依據理想氣體方程與流量公式對 FPA 的動態特性和比例調壓閥建模,得出單氣路通道中的 FPA 輸出力與比例調壓閥控制電壓的關系。針對氣動連續型機械臂無窮自由度問題,基于恒曲率假設并利用改進 D-H 方法建立弧度運動學模型,再由泰勒展開得到模式形狀函數進而得到模態齊次轉移矩陣,建立了關節空間與任務空間映射關系。最后,根據拉格朗日函數得到經典拉格朗日運動方程,由雅克比矩陣和黑塞矩陣的遞歸形式,得到動力學模型的遞歸形式,減小了計算量。

 。3)針對模型的不確定性、非線性問題,設計了 MFASMC,通過數值仿真實驗可知控制系統誤差漸近收斂,驗證了控制算法的合理性;之后利用單段氣動連續型機械臂實驗平臺為控制策略提供實驗驗證結果,結果說明該控制器可以在 1s 內完成指定形狀的跟蹤,即氣動連續型機械臂可以很好地呈現指定形狀,同時負載能力達 0.25kg,證明了控制效果良好。

  本論文雖然完成了階段性的工作,但是今后還存在著值得繼續深入挖掘研究的方面:

 。1)為加快不同形狀間的動態響應速度,可以考慮設計遲滯補償控制。

 。2)目前只能進行基于單段氣動連續型機械臂的平面內形狀控制算法驗證;同時由于缺少相機與固定支架,對當前的實驗驗證結果有待進一步加深。后續可用多段氣動機械臂與兩個單目相機進行三維空間運動姿態控制算法的設計與實現。

  參考文獻
  [1] 孫立寧,胡海燕,李滿天。 連續型機器人研究綜述[J]. 機器人,2010,32(05):688-694.
  [2] Rus D, Tolley M T. Design, Fabrication and Control of Soft Robots[J]. Nature, 2015,521(7553):467-475.
  [3] George Thuruthel T, Ansari Y, Falotico E, et al. Control Strategies for Soft RoboticManipulators: a Survey[J]. Soft Robotics, 2018, 5(2):149-163.
  [4] Laschi C, Mazzolai B, Cianchetti M. Soft robotics: Technologies and SystemsPushing the Boundaries of Robot Abilities[J]. Science Robotics, 2016, 1(1): eaah3690.
  [5] Robinson G, Davies J B C. Continuum Robots-a State of the Art[C]//Proceedings ofthe IEEE International Conference on Robotics and Automation (CAT. No.99CH36288C)。 Detroit, MI, USA, 1999, 1: 2849-2854.
  [6] Walker I D, Hannan M W. Kinematics and the Implementation of an Elephant's TrunkManipulator and other Continuum Style Robots[J]. Journal of Robotic Systems, 2003,20(2): 45-63.
  [7] 趙強,岳永恒。 仿生連續體機器人的研究現狀和展望[J]. 機械設計,2009,26(8): 1-6.
  [8] 閆繼宏,石培沛,張新彬,等。 軟體機械臂仿生機理、驅動及建?刂蒲芯堪l展綜述[J]. 機械工程學報,2018,54(15):1-14.
  [9] 介黨陽。 空間大型機械臂末端執行器抓捕控制及載運軌跡研究[D]. 哈爾濱:哈爾濱工業大學學位論文,2012.
  [10] 豐飛。 空間大容差末端執行器及其軟捕獲策略研究[D]. 哈爾濱:哈爾濱工業大學學位論文,2013.
  [11] Hannan M W, Walker I D. The 'Elephant Trunk' Manipulator, Design and Implementation[C]//IEEE/ASME International Conference on Advanced Intelligent Mechatronics. Proceedings (CAT. No. 01TH8556)。 Como, Italy, 2001, 1: 14-19.
  [12] Mcmahan W, Jones B A, Walker I D. Design and Implementation of a Multi-SectionContinuum Robot: Air-Octor[C]//IEEE/RSJ International Conference on IntelligentRobots and Systems. Edmonton, Alta., Canada, 2005: 2578-2585.
  [13] Walker I D, Dawson D M, Flash T, et al. Continuum Robot Arms Inspired by Cephalopods[J]. Proceedings of Spie-The International Society for Optical Engineering, 2005,5804: 303-314.
  [14] Mcmahan W, Chitrakaran V, Csencsits M, et al. Field Trials and Testing of the OctarmContinuum Manipulator[C]//Proceedings of IEEE International Conference on Robo-tics and Automation. Orlando, FL, USA, 2006: 1050- 4729[15] Jones B A, Walker I D. Practical Kinematics for Real-Time Implementation ofContinuum Robots[J]. IEEE Transactions on Robotics, 2006, 22(6):1087-1099.
  [16] Grissom M D, Chitrakaran V, Dienno D, et al. Design and Experimental Testing ofthe Octarm Soft Robot Manipulator[C]//Unmanned Systems Technology VIII.Orlando (Kissimmee), FL, USA, 2006, 6230: 62301f
  [17] Kang R, Branson D T, Zheng T, et al. Design, Modeling and Control of a Pneumatically Actuated Manipulator Inspired by Biological Continuum Structures[J]. Bioinspiration & Biomimetics, 2013, 8(3): 36008.
  [18] Grzesiak A, Becker R, Verl A. The Bionic Handling Assistant: A Success Story ofAdditive Manufacturing[J]. Assembly Automation, 2013, 31(4):329-333.
  [19] Rolf M, Steil J J. Constant Curvature Continuum Kinematics as Fast ApproximateModel for the Bionic Handling Assistant[C]//IEEE/RSJ International Conference onIntelligent Robots and Systems. Vilamoura, Portugal, 2012: 3440-3446.
  [20] Simaan N. Snake-Like Units Using Flexible Backbones and Actuation Redundancyfor Enhanced Miniaturization[C]//Proceedings of the IEEE International Conferenceon Robotics and Automation (ICRA)。 Barcelona, Spain, 2005: 3012-3017.
  [21] Peirs J, Van Brussel H, Reynaerts D, et al. A Flexible Distal Tip with Two Degrees ofFreedom for Enhanced Dexterity in Endoscopic Robot Surgery[C]//Proceedings ofthe 13th Micromechanics Europe Workshop. Sinaia, Romania, 2002: 271-274.
  [22] Marchese A D, Rus D. Design, Kinematics, and Control of a Soft Spatial FluidicElastomer Manipulator[J]. The International Journal of Robotics Research, 2015,35(7):840-869.
  [23] Lindenroth L, Back J, Schoisengeier A, et al. Stiffness-Based Modelling of a Hydraulically-Actuated Soft Robotics Manipulator[C]//IEEE/RSJ International Conferenceon Intelligent Robots and Systems (IROS)。 Daejeon, South Korea, 2016: 2458-2463.
  [24] Robertson M A, Paik J. New Soft Robots Really Suck: Vacuum-Powered SystemsEmpower Diverse Capabilities[J]. Science Robotics, 2017,2(9): N6357.
  [25] 胡海燕,王鵬飛,孫立寧,等。 線驅動連續型機器人的運動學分析與仿真[J]. 機械工程學報,2010,46(19):1-8.
  [26] 郭偉,肖滔,胡海燕,等。 一種連續型腸道機器人的通過性研究與仿真[J]. 機械與電子,2010(7):63-67.
  [27] Hu H, Wang P, Zhao B, et al. Design of a Novel Snake-Like Robotic Colonoscope[C]//IEEE International Conference on Robotics and Biomimetics (ROBIO)。 Guilin,China, 2009: 1957-1961.
  [28] 高鵬。 結腸微型機器人關鍵技術及實驗研究[D]. 上海:上海交通大學學位論文2012.
  [29] 高慶吉,王維娟,牛國臣,等。 飛機油箱檢查機器人的仿生結構及運動學研究[J]. 航空學報,2013,34(7):1748-1756.
  [30] 俞曉瑾。 柔性機械臂的運動學和動力學建模及視覺伺服控制[D]. 上海:上海交通大學學位論文,2013.
  [31] Jiang H, Liu X, Chen X, et al. Design and Simulation Analysis of a Soft ManipulatorBased on Honeycomb Pneumatic Networks[C]//IEEE International Conference onRobotics and Biomimetics (ROBIO), Qingdao, China, 2016: 350-356.
  [32] Gong Z, Xie Z, Yang X, et al. Design, Fabrication and Kinematic Modeling of a 3dMotion Soft Robotic Arm[C]//IEEE International Conference on Robotics and Biomimetics (ROBIO)。 Qingdao, China, 2016: 509-514.
  [33] 王浩淼。 線驅動柔性充電機器人系統的設計與控制研究[D]. 哈爾濱:哈爾濱工業大學學位論文,2017.
  [34] Jones B A, Walker I D. Kinematics for Multisection Continuum Robots[J]. IEEETransactions on Robotics, 2006, 22(1):43-55.
  [35] Bajo A, Goldman R E, Simaan N. Configuration and Joint Feedback for EnhancedPerformance of Multi-Segment Continuum Robots[C]//IEEE International Conference on Robotics and Automation. Shanghai, China, 2011: 2905-2912[36] Camarillo D B, Carlson C R, Salisbury J K. Task-Space Control of ContinuumManipulators with Coupled Tendon Drive[C]//Experimental Robotics, Berlin, Heidelberg, 2009: 271-280.
  [37] Penning R S, Jung J, Ferrier N J, et al. An Evaluation of Closed-Loop Control Optionsfor Continuum Manipulators[C]//IEEE International Conference on Robotics andAutomation. Saint Paul, MN, USA, 2012: 5392-5397.
  [38] Trivedi D, Lotfi A, Rahn C D. Geometrically Exact Models for Soft RoboticManipulators[J]. IEEE Transactions on Robotics, 2008, 24(4): 773-780.
  [39] Wang H, Chen W, Yu X, et al. Visual Servo Control of Cable-Driven Soft RoboticManipulator[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Tokyo, Japan, 2013: 57-62.
  [40] Mahl T, Mayer A E, Hildebrandt A, et al. A Variable Curvature Modeling Approachfor Kinematic Control of Continuum Manipulators[C]//American Control Conference.Washington, DC, USA, 2013: 4945-4950.
  [41] Mahvash M, Dupont P E. Stiffness Control of Surgical Continuum Manipulators[J].IEEE Transactions on Robotics, 2011, 27(2): 334-345.
  [42] Goldman R E, Bajo A, Simaan N. Compliant Motion Control for Continuum Robotswith Intrinsic Actuation Sensing[C]//IEEE International Conference on Robotics andAutomation. Shanghai, China, 2011: 1126-1132.
  [43] Bajo A, Simaan N. Hybrid Motion/Force Control of Multi-Backbone ContinuumRobots[J]. International Journal of Robotics Research, 2015, 35(4): 422-434.
  [44] Boushaki M N, Liu C, Poignet P. Task-Space Position Control of Concentric-TubeRobot with Inaccurate Kinematics Using Approximate Jacobian[C]//IEEE International Conference on Robotics and Automation (ICRA)。 Hong Kong, China, 2014:5877-5882.
  [45] Qi P, Liu C, Ataka A, et al. Kinematic Control of Continuum Manipulators Using aFuzzy-Model-Based Approach[J]. IEEE Transactions on Industrial Electronics, 2016,63(8): 5022-5035.
  [46] Marchese A D, Rus D. Design, Kinematics, and Control of a Soft Spatial Fluidic Elastomer Manipulator[J]. International Journal of Robotics Research, 2015, 35(7): 840-869.
  [47] Conrad B, Zinn M. Closed Loop Task Space Control of An Interleaved ContinuumRigid Manipulator[C]//IEEE International Conference on Robotics and Automation.
  Seattle, WA, USA, 2015: 1743-1750.
  [48] Giorelli M, Renda F, Ferri G, et al. A Feed-Forward Neural Network Learning theInverse Kinetics of a Soft Cable-Driven Manipulator Moving in Three- DimensionalSpace[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems.Tokyo, Japan, 2013: 5033-5039.
  [49] Rolf M, Steil J J. Efficient Exploratory Learning of Inverse Kinematics on a BionicElephant Trunk[J]. IEEE Transactions on Neural Networks and Learning Systems,2014, 25(6): 1147-1160.
  [50] Yip M C, Camarillo D B. Model-Less Feedback Control of Continuum Manipulatorsin Constrained Environments[J]. IEEE Transactions on Robotics, 2014, 30(4):880-889.
  [51] Yip M C, Camarillo D B. Model-Less Hybrid Position/Force Control: A MinimalistApproach for Continuum Manipulators in Unknown, Constrained Environments[J].IEEE Robotics and Automation Letters, 2016, 1(2): 844-851.
  [52] George Thuruthel T, Falotico E, Manti M, et al. Learning Closed Loop KinematicControllers for Continuum Manipulators in Unstructured Environments[J]. SoftRobotics, 2017, 4(3): 285-296.
  [53] Melingui A, Escande C, Benoudjit N, et al. Qualitative Approach for Forward Kinematic Modeling of a Compact Bionic Handling Assistant Trunk[J]. IFAC ProceedingsVolumes, 2014, 47(3): 9353-9358.
  [54] Melingui A, Lakhal O, Daachi B, et al. Adaptive Neural Network Control of aCompact Bionic Handling Arm[J]. IEEE/ASME Transactions on Mechatronics, 2015,20(6): 2862-2875.
  [55] Malekzadeh M S, Calinon S, Bruno D, et al. Learning by Imitation with the Stiff-FlopSurgical Robot: A Biomimetic Approach Inspired by Octopus Movements[J].
  Robotics and Biomimetics, 2014, 1(1):13-27.
  [56] Ansari Y, Manti M, Falotico E, et al. Multi-objective Optimization for Stiffness andPosition Control in a Soft Robot Arm Module[J]. IEEE Robotics and AutomationLetters, 2018, 3(1): 108-115.
  [57] Lakhal O, Melingui A, Merzouki R. Hybrid Approach for Modeling and Solving ofKinematics of a Compact Bionic Handling Assistant Manipulator[J]. IEEE/ASMETransactions on Mechatronics, 2016, 21(3): 1326-1335.
  [58] Reinhart R F, Shareef Z, Steil J J. Hybrid Analytical and Data-Driven Modeling forFeed-Forward Robot Control[J]. Sensors, 2017, 17(2): 311-29.
  [59] Trivedi D, Lotfi A, Rahn C D. Geometrically Exact Dynamic Models for Soft RoboticManipulators[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. San Diego, CA, USA, 2007: 1497-1502.
  [60] Gravagne I A, Walker I D. Uniform Regulation of a Multi-Section ContinuumManipulator[C]//IEEE International Conference on Robotics and Automation (ICRA)。Washington, DC, USA, 2002: 1519-1524.
  [61] Kapadia A, Walker I. Task-Space Control of Extensible Continuum Manipulators[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)。 SanFrancisco, CA, 2011: 1087-1092.
  [62] Kapadia A D, Walker I D, Dawson D M, et al. A Model-Based Sliding ModeController for Extensible Continuum Robots[C]//Proceedings of the 9th WSEASInternational Conference on Signal Processing, Robotics and Automation. StevensPoint, WI, USA, 2010: 113-120.
  [63] Kapadia A D, Fry K E, Walker I D. Empirical Investigation of Closed-Loop Controlof Extensible Continuum Manipulators[C]//IEEE/RSJ International Conference onIntell-igent Robots and Systems (IROS)。 Chicago, IL, USA, 2014.
  [64] Falkenhahn V, Hildebrandt A, Sawodny O. Trajectory Optimization of PneumaticallyActuated, Redundant Continuum Manipulators[C]//American Control Conference.Portland, OR, USA, 2014: 4008-4013.
  [65] Falkenhahn V, Hildebrandt A, Neumann R, et al. Dynamic Control of the BionicHandling Assistant[J]. IEEE/ASME Transactions on Mechatronics, 2017, 22(1): 6-17.
  [66] Falkenhahn V, Hildebrandt A, Neumann R, et al. Model-Based Feedforward PositionControl of Constant Curvature Continuum Robots Using Feedback Linearization[C]//IEEE International Conference on Robotics and Automation. Seattle, WA, USA,2015:762-767[67] Braganza D, Dawson D M, Walker I D, et al. A Neural Network Controller forContinuum Robots[J]. IEEE Transactions on Robotics, 2007, 23(6): 1270-1277.
  [68] Engel Y, Peter Szabó, Volkinshtein D. Learning to Control an Octopus Arm withGaussian Process Temporal Difference Methods[C]//Advances in Neural InformationProcessing Systems 18 [Neural Information Processing Systems, NIPS 2005, December 5-8, 2005, Vancouver, British Columbia, Canada]. DBLP, 2005: 347-354.
  [69] Silver D, Lever G, Heess N, et al. Deterministic policy gradient algorithms[C]//International Conference on International Conference on Machine Learning. JMLR.org, 2014:387-395.
  [70] Thuruthel T G, Falotico E, Renda F, et al. Learning Dynamic Models for Open LoopPredictive Control of Soft Robotic Manipulators[J]. Bioinspiration & Biomimetics,2017, 12(6): 66003.
  [71] Marchese A D, Tedrake R, Rus D. Dynamics and Trajectory Optimization for a SoftSpatial Fluidic Elastomer Manipulator[J]. The International Journal of RoboticsResearch, 2016, 35(8): 1000-1019.
  [72] Sadati S M H, Naghibi S E, Shiva A, et al. Mechanics of Continuum Manipulators, aComparative Study of Five Methods with Experiments[C]//18th Towards Autonomous Robotic Systems (TAROS) Conference, 2017. Springer, Cham, 2017: 686-702.
  [73] Venkatraman A, Hebert M, Bagnell J A. Improving Multi-Step Prediction of LearnedTime Series Models[C]//Twenty-Ninth AAAI Conference on Artificial Intelligence. Austin, Texas, 2015: 3024-3030.
  [74] Bengio S, Vinyals O, Jaitly N, et al. Scheduled Sampling for Sequence Prediction withRecurrent Neural Networks[J]. 2015: 1171-1179.
  [75] 劉明春。 McKibben氣動人工肌肉的靜動態特性及控制策略研究[D]. 蘭州:蘭州理工大學學位論文,2009.
  [76] Kier W M, Smith K K. Tongues, Tentacles and Trunks: The Biomechanics of Movement in Muscular-hydrostats[J]. Zoological Journal of the Linnean Society, 2010,83(4): 307-324.
  [77] 施光林,鐘廷修。 高速電磁開關閥的研究與應用[J]. 機床與液壓,2001(2):7-9.
  [78] Chou C P, Hannaford B. Static and Dynamic Characteristics of McKibben PneumaticArtificial Muscles[C]//Proceedings of the 1994 IEEE International Conference onRobotics and Automation. San Diego, CA, USA, 1994: 281-286.
  [79] Godage, I S, Medrano-Cerda, G A, Branson D T, et al. Modal Kinematics for Multisection Continuum Arms[J]. Bioinspiration & Biomimetics, 2015, 10(3):035002.
  [80] Godage I S, Medrano-Cerda G A, Branson D T, et al. Dynamics for Variable LengthMultisection Continuum Arms[J]. The International Journal of Robotics Research,2016, 35(6):695-722[81] Luca A D, Siciliano B, Zollo L. PD Control with Online Gravity Compensation forRobots with Elastic Joints: Theory and experiments[J]. Automatica, 2005, 41 (10):1809-1819.
  [82] Salle L, Lefschetz, J&S. Stability by Lyapunov's Direct Method[M]. Academic Press,1977.
  [83] 侯忠生,金尚泰。 無模型自適應控制:理論與應用[M]. 科學出版社,2013.
  [84] 王曉峰,李醒,王建輝。 基于無模型自適應的外骨骼式上肢康復機器人主動交互訓練控制方法[J]. 自動化學報,2016(12)1899-1914

  致 謝

  行文至此,往事一件件地浮現在眼前,此刻的我回味著過去,同時也想象著未來;無論是過去的我、還是將來的我,感恩這兩個字都時刻銘記于心。

  首先應該感恩的是導師馬廣富教授,能夠在哈工大的校園里與馬老師結下這份深深的師生情誼,是我一輩子的榮幸!一日為師,終身為父,這不僅是我心中的老師,更是老師心中的自己;您為團隊所做的一切,既體現著師者的威嚴,又飽含著濃濃的父愛。在科研上,您博學多識、治學嚴謹、一絲不茍,對馬家軍的每一名成員都嚴格要求,特別是在研究的深度與廣度上,既要求有深入的理論分析,又堅持要有實際工程意義作為支撐,正是這種研究思想啟迪著我們,指引著我們在科研的道路上砥礪前行。在生活中,您本著一切為了學生一生幸福的初衷,無私地給予了我們每個人深切的關懷;特別是在學生未來發展方向這件事情上,不僅給予我們廣闊的發展空間,而且為我們提供了堅實的后盾。伴隨著您的諄諄教誨,這一切的一切,都將作為我人生道路上一筆寶貴的財富,深深地刻在我的腦海里。

  同樣感恩傘冶教授。您與馬老師之間深厚的情誼令我崇敬,您的輝煌成就令我不能望其項背,您的學習態度令我受益終生,您的淡泊明志令我心生敬意;您坦然面對挫折時的態度鼓舞著我,您科研攻關時鍥而不舍的精神激勵著我,您經歷生死后笑談人生的境界震撼了我。在您身邊打轉的我也將遠行,此刻有太多話涌上心頭,惟愿您與夫人二老身體康泰、笑口常開,你們健康快樂就是我最大的心愿!

  其次要感恩呂躍勇老師,在兩年的相處中,在學習上、工作上、生活上等諸多方面,我都從呂老師的一言一行中學到了許多知識,感謝指導與關懷。同樣還有李傳江老師、郭延寧老師和邵春濤老師。李老師嚴于律己、寬以待人,潛心教學的精神令我佩服不已。郭老師才思敏捷、足智多謀、身先士卒,實乃吾輩楷模。邵老師為人寬厚、專心致學、豁達機敏,感謝邵老師本科期間對我的關心與幫助。

  感謝空間飛行器控制大家庭中的每一個人。特別要感謝的是我的室友陳亮亮,如果沒有你,我的碩士生涯可能變得黯淡迷茫,正是因為有你,我的懶惰無處躲藏,正是因為有你,讓我知道人的毅力可以如此強大,愿你的美國博士生涯一切順利,早日組成幸福美滿的家庭。同時感謝實驗室高寒師兄、劉昱晗師姐、王鵬宇師兄、耿遠卓師兄、齊佳明師兄,祝愿你們以后學習工作一帆風順、生活幸福。

  感恩我的女朋友金佳賢小姐,一直陪伴著我、支持著我。最后要感恩我的父母,沒有你們的養育,就沒有今天的我,我所取得的一切成績都要歸功于你們,我所能報答的卻不能企及你們給予的萬分之一,惟愿父母身體安康,自己能早日回報你們!

(如您需要查看本篇畢業設計全文,請您聯系客服索。

相關內容
相關標簽:機械手畢業設計
好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!
欧美国产伦久久久久久久
<acronym id="cqmsy"></acronym>
<acronym id="cqmsy"><center id="cqmsy"></center></acronym>