欧亿平台| 欧亿平台在线登录注册|欧亿平台APP登陆下载【官网站点】

【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器

虽然增加机械臂使两轮自平衡辅助机器人(TSAR)具有取物的能力,但如果不考虑机械臂工作时机器人重心(CoG)位置的影响,就会出现平衡性能下降的问题。为了解决这个问题,提出了一种双回路模糊运动控制(DFMC)系统,以控制TSAR的移动、转弯和达到所需位置,同时保持TSAR的平衡。提出了一个CoG监督控制器来控制TSAR的身体俯仰角与机械手手臂操作。为了表明CoG监督控制器的有效性,在存在外部干扰和系统不确定性的情况下,应用了三种啮合场景。The experimental results show that the proposed DFMC system with considering CoG supervising controller can achieve better motion performance than without considering that. 此外,采用视觉服务技术进行物体识别,并提出了模糊导引控制(FGC),使TSAR能够实现物体跟踪任务。实验结果表明,不仅DFMC系统可以维持TSAR的平衡,而且FGC系统可以引导TSAR成功地获取目标物体。本文以“Double-loop fuzzy motion control with CoG supervisor for two-wheeled self-balancing assistant robots”为题于2020年2月21日发布于《International Journal of Dynamics and Control》杂志上。

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

研究背景

助理机器人可以在不规则的地形上工作或搬运笨重的物体等危险的工作,使人类的生活变得更加轻松。多轮辅助机器人(MAR)是最常见的辅助机器人之一,因为它可以轻松实现机器人的运动,而且成本低。然而,MAR总是太重,体积大,尤其是当其重心(CoG)过高时,它们可能会倒下。这个缺点是MARs在实际应用中最关键的障碍之一。相反,双轮自平衡辅助机器人(TSAR)由一个机体和一个双轮底盘组成,与MAR相比,它的结构更简单,有助于减轻机构的重量。为了获得良好的运动控制性能,提出了一种PID控制方法,但控制增益应通过耗时的整定过程预先构造。模糊控制是为了获得良好的运动性能而设计的,然而,大量的模糊规则使得分析变得复杂。

同时,针对TSAR运动控制,提出了自适应控制等自学习控制方法。利用梯度下降法或李雅普诺夫稳定性定理,设计了一种在线参数整定算法,用于处理系统的不确定性和未知的外部扰动。然而,这些自学习控制律的计算量很大,控制器参数的收敛速度较慢。

研究过程与结果

该研究将研制的四自由度双臂TSAR系统分为两个子系统:一个是移动子系统,另一个是机械手子系统。对于移动子系统,提出了一种双环模糊运动控制(DFMC)方法,以稳定TSAR机器人的俯仰角和机器人位置。对于机械手子系统,采用摄像机视觉传感器帮助TSAR找到目标对象。为了实现目标跟踪任务,提出了一种模糊制导控制(FGC)方法,通过视觉传感器对目标进行识别,使TSAR自动移动到正确的位置和方向。实验结果表明,采用DFMC平衡控制方法的FGC系统能够很好地完成捕获任务。这意味着TSAR可以被认为非常适合支持需要高度安全和工作能力的人类工作。

图形给出了TSAR的系统结构,与具有三个或更多轮子的类似尺寸的机器人相比,TSAR的足迹更小。

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为TSAR体系结构

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为TSAR坐标系

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为四自由度双臂的运动学构型

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为TSAR控制系统框图

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

场景图

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

RGB图像

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

二值化图像

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图像信息

该研究用MPU 6050测量机器人的俯仰角,通过电机编码器得到机器人的位置。对于双机械手结构,每个机械手有四个A1-16伺服和一个SG-90伺服,伺服通过UART接口和TTL接口连接到Arduino Mega 2560板。收发器频率被设置为100 Hz,用于运动同步和分组丢失中的平衡控制。Arduino采集所有A1-16伺服电机的伺服位置,计算齿轮位置,然后利用齿轮位置信息设计DFMC系统。同时,利用蓝牙设备将TSAR系统的实时信息发送给D/A转换模块。

文中给出了三种接入方案,验证了所开发的DFMC系统的有效性。这些测试的目的是展示DFMC对TSAR的反应是如何平衡在一个理想的位置,即使在操纵者手臂操作的时候。首先是机器人在给定位置保持平衡并举起左臂的站位情况。第二种是移动场景,机器人将向前移动20厘米,同时举起左臂;第三种是不确定性场景,即将重量为1.0 kg的有效载荷添加到2.9kg重的机器人上。对于移动场景和不确定性场景,给出了一个使机器人移动约20 cm的外部扰动。

【欧亿app注册】研究人员通过固态电池的研发以提高电动汽车的行驶距离

固态电池,电动汽车,丰田,宾夕法尼亚大学【欧亿电脑版登录地址】【欧亿在线平台注册】

首先,采用无齿轮控制器的DFMC系统。驻站方案的实验结果如图所示。虽然可以获得良好的平衡控制性能,但当机械手关节改变运动时,位置控制性能会受到影响。由于机械手的工作,整个机器人的齿槽位置向前移动,产生倾斜力矩。因此,它使TSAR前进,直到扭矩和位置误差相互抵消。机械手臂的不同姿态会产生不同的力矩,因此根据扭矩的大小,位置误差是不同的。移动场景的实验结果如图所示。地面上的每一个间隔都是10厘米。即使机器人前进,机器人也无法移动到所需的位置指令。由于机械手的工作,机器人的齿轮从机器人的中心移动,产生退化的跟踪响应。不确定情况下的实验结果如图所示。虽然可以获得良好的平衡控制性能,但当机械手关节改变运动时,位置控制性能会受到影响。

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为静止状态下不控制齿槽位置的实验结果

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为移动场景不控制齿槽位置的实验结果

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为不控制不确定情况下齿槽位置的实验结果

在此基础上,重新应用了带齿轮监控控制器的DFMC系统。

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为静止状态下齿槽位置控制的实验结果

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为移动场景中齿槽位置控制的实验结果

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为不确定情况下齿槽位置控制的实验结果

图像视觉系统通过Raspberry板对网络摄像机中的图像进行截取和处理,并将处理后的信息发送给Arduino板。

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为获取过程的框图

在下图中给出了TSAR抓取任务的实验结果。

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为不控制齿槽位置获取任务的实验结果

《【欧亿注册地址】双轮自平衡辅助机器人:双环模糊运动控制与CoG监督器》

图为控制齿槽位置获取任务的实验结果


综上所述,可以的出实验结论。

实验结论

该研究提出了一种在保持TSAR平衡的同时,控制TSAR运动、转弯和到达预定位置的DFMC系统。为了补偿齿槽位置变化的影响,设计了齿槽监控控制器。同时,在基于视觉的目标识别之后,提出了一种FGC算法,使TSAR能够完成目标跟踪任务。该研究从以下几个方面提出了自己的看法。(1)采用双环进给的DFMC系统,使TSAR在两个车轮上保持平衡的同时,能够向前移动,转向,达到预期的位置。(2)齿槽监控控制器可以补偿齿槽位置变化的影响,避免倾摆,使位置控制更加精确。(3)FGC系统使TSAR自动移动到正确的位置和方向,使机器人上的机械手成功地获取目标目标。

参考文献:Chun-Fei Hsu & Wei-Fu Kao , Double-loop fuzzy motion control with CoG supervisor for two-wheeled self-balancing assistant robots,International Journal of Dynamics and Control volume 8, pages851–866(2020)

【欧亿怎么注册】【欧亿账号怎么注册】

【欧亿代理注册】非线性柔性关节机器人:分布式定时超扭转滑动模式跟踪协议设计

机器人,

点赞