一、主从式柔性机械臂计算机控制系统(论文文献综述)
李亿发[1](2021)在《血管介入手术机器人主从同步控制研究》文中认为微创血管介入手术因其术中创口小、病灶定位精准、器械递送灵活、安全性高、术后痊愈快等优势,已成为临床上治疗心血管疾病的主要方式之一。于此同时,医生在血管介入手术机器人辅助下进行人机协同手术能够进一步提高手术的治疗精度与安全性,避免X射线对医生辐射,并使远程手术治疗成为现实。因此血管介入手术机器人已成为医工领域的研究热点。临床上,为保证介入手术的成功性,手术机器人的主从同步控制需具备较高的稳定性与跟随性,使机器人动作执行稳定不产生振荡,且主从端动作高度同步,以满足医生操作要求。但机器人主从端交互指令存在传输时延且大小波动,严重影响系统的同步控制性能。针对机器人的主从同步控制以及指令传输时延对系统同步控制性能影响,本文通过研究和分析相关技术,研制出手术机器人系统,并以此研究平台,对系统的主从同步控制展开研究。本文的主要工作包括:(1)针对传统血管介入手术方式存在的弊端并结合手术中医生的操作流程,研制出主从遥操作式手术机器人系统。(2)针对机器人主从端遥操作中交互指令的传输时延以及指令粘连,提出多连接自适应固定时延通信方法,保证指令有序可靠传输且将传输时延进行可调整式固定。(3)针对机器人主从间指令传输时延对系统同步控制稳定性与跟随性的影响,对模糊PID控制方法与Smith预估控制方法展开研究并设计Smith-Fuzzy控制器降低控制系统对被控对象模型精确度的依赖以及系统时延环节对其的影响。进一步应用多连接自适应固定时延方法降低指令传输时延波动对系统的影响。经仿真试验验证,系统在Smith-Fuzzy控制器作用下,有效克服指令传输时延对系统性能影响,主从端同步控制的稳定性与跟随性满足设计要求。(4)搭建系统-人体血管模型实验平台和系统-动物实验平台,测试已研制手术机器人系统的主从同步控制的跟随精度与稳定性,以及验证手术机器人系统在临床上的可行性与安全性。
倪志学[2](2021)在《腹腔微创手术机器人控制系统研究》文中进行了进一步梳理机器人辅助微创手术可减小患者的创伤,缩短术后康复的时间,因此受到患者的青睐。本文针对自主研发的机器人辅助微创手术系统,进行了微创手术机器人控制系统的研究,研究内容主要包括主-从直观控制、柔性手术器械运动学和主操作手操控舒适性研究。首先根据微创手术机器人的结构建立了主操作手、从端机器人和柔性手术器械运动学模型,并建立驱动绳缆长度变化与柔性器械末端位置变化的对应关系。软硬件方面:硬件系统采用上下位机的控制模式,由运动控制卡实现多轴实时运动控制,提高了系统实时性,软件系统模块化实现多机械臂主-从切换控制。控制策略方面:根据主-从异构和主-从控制特点,提出了位姿分离的控制策略实现主-从增量控制;并根基根据微创手术切口位置固定的工作特点,建立了内窥镜到手术器械坐标系的变换关系,实现了主-从直观控制。为了提高医生操控的舒适性,针对自主开发的七自由度位姿解耦的串联型主操作手提出了一种杆长优化方法。该方法根据微创手术要求,利用人机工程学和主操作手运动学建立了关于主操作手工作空间和操作灵巧度的多个优化指标,并采用组合赋权法通过合理赋予不同优化指标权重建立了主操作手杆长优化的综合性能指标。设计主操作手性能测试实验,验证了优化后的主操作手工作空间覆盖了人手极限操作空间和人手操作舒适空间,在人手极限操作空间内具有较高的灵巧度。使用自主研制主操作手在内窥镜视野下控制柔性器械,操作者通过主操作手控制器械,使器械在内窥镜反馈的图像与主操作手具有相同的运动趋势,验证了机器人系统的运动学和主-从控制策略的有效性,实验证明在所提出的运动学求解方法和主-从控制策略下,从端机器人可以在主操作手的控制下完成主-从直观操控,并通过3D动作捕捉系统记录主-从跟随轨迹,通过主-从跟随轨迹对比,验证了机器人系统具有良好的运动精度。最后通过小环抓取实验验证该机器人系统能在主-从式控制下实现精细化操作。
邵文[3](2021)在《多机器人系统运动学参数标定和协作精度补偿策略研究》文中提出近年来随着机器人技术的飞速发展,多机器人系统协同操作已经被应用于生产生活中的各个领域,由于其具备并行工作效率高、协同工作能力强、灵活性和容错性好等单机器人无法比拟的优点,在远地作业、军事行动、灾后搜救、地外基地建设、智能制造、农业生产以及教育娱乐等领域具有潜在的应用价值。多机器人系统的操作精度决定了其任务执行能力,也直接影响其应用的广度与深度,然而多机器人系统中灵活多变的协作形式,使得其在长时间无人环境下的操作精度更加难以保证,制约多机器人系统向自主化、智能化和高精度化方向发展。而多机器人系统运动学参数标定与精度补偿是提升其操作精度的关键手段,立足于多机器人系统未来发展需求,设计更加自主、高效的多机器人系统标定与精度补偿方法成为亟待解决的难题。本文以国家自然科学基金面上项目“深空探测空间机械臂智能在线自标定方法研究”为依托,开展多机器人系统运动学参数标定和协作精度补偿策略研究。具体包括:多机器人系统操作精度影响因素分析、多机器人系统运动学参数与基座位姿同步标定方法设计、多机器人系统协作精度补偿策略研究以及多机器人系统运动学参数标定实物实验。首先,现有的多机器人系统标定方法均为在单个机器人标定的基础上进行基座标定,导致标定流程复杂、人工参与多且标定结果仅适用于当前协作形式,难以充分发挥多机器人系统灵活自主的工作优势。为此本文设计了一种采用手眼相机进行测量的多机器人标定系统,并提出一种多机器人自主标定方法,用于提升多机器人协同工作的精度;并针对多机器人系统的协作任务特点,梳理影响单机器人和多机器人系统末端位姿精度的误差来源及其影响规律;针对多机器人标定系统的特点,建立完整、连续的多机器人系统运动学模型,为后续标定与精度补偿提供基础。其次,多机器人协作精度受到单机器人自身精度和机器人基座间位姿误差的耦合影响,为了避免现有分步标定方法导致误差累积对多机器人协作精度的影响,本文提出了多机器人系统运动学参数与基座位姿同步标定方法。由于多机器人标定系统闭环运动链中主/从机器人运动学建模方式不同,分别研究两类机器人的运动学误差模型,推导两者运动学参数误差对多机器人协作误差的映射关系;并基于两种运动学误差模型推导多机器人系统运动学误差模型,建立多机器人及其基座位姿误差与多机器人末端协作误差之间的映射关系;针对多机器人系统参数多可能导致计算复杂的问题,采用两步法完成多机器人运动学参数和基座坐标系位姿关系参数的辨识,实现同步标定。再次,设计精度补偿策略对标定后残余误差进行补偿,进一步提升多机器人协作精度,为多机器人系统在高精度操作场景的应用提供可能。基于多机器人系统高阶运动学误差,设计多机器人系统误差补偿判别条件,作为精度补偿的评价标准;针对多机器人系统中存在的基座参数冗余导致的误差,研究基座初始参数的求解方法和多机器人系统基座位姿误差补偿策略,有效地提升了多机器人系统的协作精度。最后,搭建多机器人标定系统实物实验平台,并设计相应的软件控制平台,开展多机器人系统标定实验,验证了本文设计的多机器人标定系统可以实现在无人工直接参与的情况下进行多机器人系统标定数据采集和部分处理工作;通过测量实验前后多机器人系统的协作误差,并进行数据分析,证明采用本文提出的多机器人系统运动学参数标定和精度补偿方法有效地提升多机器人操作精度。
李孟虔[4](2021)在《双工业机器人协调运动中的标定方法与轨迹规划研究》文中研究表明二〇三五远景目标提出坚定不移建设制造强国、质量强国,工业机器人是制造加工行业必不可少的自动化设备,但面对复杂化和柔性化的任务,单个机器人已经无法满足智能制造的需求,两台甚至多台形成闭环运动链的机器人系统可以满足上述要求。同时双工业机器人系统协调控制等问题成为现阶段的技术难题,也是目前机器人领域的研究热点之一。面对目前双机器人空间位置标定和协调轨迹方面存在的精度、实用性等方面的问题,本文以两台六轴串联工业机器人为研究对象,准确规划双机器人协调运动中的轨迹为任务最终目标,重点研究双机器人基坐标系关系和面对不同任务时机器人协调的关键性问题。本文主要内容如下:建立单机器人运动学模型,在此基础上推导双机器人协调系统的数学模型。以JLRB8-600型机器人为对象建立正逆运动学模型,使用MATLAB验证模型的正确性;采用蒙特卡洛法和遍历搜索对比法寻找双机器人共同工作空间,确定双机器人在空间中的相对位置;分析多种运动形式与控制方法并选择主—从式方法控制双机器人运动,建立广泛适用的双机器人协调运动模型。提出一种经济实用的双机器人基坐标系标定方法,对此方法进行验证。针对现阶段双机器人基坐标系技术操作繁琐,过程复杂与辅助设备昂贵等问题,提出基于“三点定圆”的改进双机器人基坐标系标定方法,阐述此方法的原理和步骤;分析标定过程中可能受到的干扰,由此引入观测误差和编码器干扰误差,并在无误差和受干扰误差的情况下分别设置实验验证标定方法的正确性和准确性;结果证明提出的标定方法不仅操作简单成本低,也能满足精度要求,具有实际意义。设计双机器人协调运动轨迹规划方法,初步验证方法的可行性。双机器人协调运动的关键在于机器人的轨迹是否满足任务要求,本文按任务种类划分为紧约束运动和松约束运动,并分析与设计两种运动的轨迹规划原理和方法;以搬运和写字为例,使用MATLAB初步验证两种方法中机器人运行的稳定性和正确性。搭建多软件联合的双机器人协调运动仿真平台,设计实验进一步验证前文提出的算法,研究搬运任务中位置和姿态均改变时端点和中间点轨迹的准确性;利用多软件不同方面的优势搭建实验平台,在平台中验证条件复杂化的双机器人标定算法和协调运动算法;结果表明,即使面对复杂位置与轨迹,机器人仍然能够保持正确与精准,证明了提出的方法具有良好的有效性和适应性。
苗金波[5](2021)在《主从式手术机器人运动误差建模与分析》文中进行了进一步梳理手术机器人因制造与装配等原因产生的几何尺寸误差,以及在机器人运动过程中所转化成的运动误差,使得手术机器人末端执行机构的实际位置与理论位置产生偏差,从而给手术时的精度带来了很大的隐患。为了解决这个问题,有必要对手术机器人的运动以及其在运动过程中产生的误差进行研究,从而在控制以及反馈系统中给予一定的补偿。为了保证手术机器人在工作过程中的可靠性,手术机器人的从手的运动应当符合医生控制的主手的运动,因此分析研究手术机器人的运动模型以及其运动误差模型是特别重要的。在手术机器人的研发中,必须使的手术机器人的运动误差模型与实际的误差模型相接近,才能使得研发的手术机器人的具有更高的可靠性,从而提高手术精度。而且误差模型的研究以及相关可靠性的研究工作也可以为机器人的设计研发及改善理论依据。本文以某国产微创腹腔镜手术机器人为研究对象,针对手术机器人的运动精度问题进行深入研究。本文的主要的研究工作如下:(1)首先以微创腹腔镜手术机器人从动器械臂为研究对象,依据系统可靠性的相关理论依据,对其展开FMEA和FTA,找出研究对象的所有可能的故障模式,找出风险较高的故障模式。(2)为研究手术机器人故障模式的机理,将传统的D-H模型分别应用于机器人的主手和从手,得到主手和从手末端的位置矢量和姿态矢量。利用蒙特卡洛仿真,得出主手的工作空间。分析主手和从手的映射关系,为后面的误差模型的搭建奠定基础。(3)为了使机器人的位姿误差的建模、计算和分析更为便捷,对标准的D-H模型进行改进,不再对各种误差源进行细分或者逐个建模,而是将其转化融合到机器人的连杆的D-H参数误差之中。建立手术机器人的误差模型,并分别计算主手和从手的位姿误差。(4)针对机器人主手和从手的误差模型,采用蒙特卡洛仿真,来分析手术机器人的误差分布空间、误差匹配性等问题,对运动精度可靠性指标进行评估。
刘思远[6](2021)在《多移动机械臂协同作业研究与系统设计》文中提出随着人类在科学技术上的发展,单个机器人在很多方面的能力都得到了巨大的提升,包括系统性能、安全性、容错性和对任务的执行效率等。但是单个机器人在执行更复杂、更高效、更并行的任务时却无法胜任,相较于单个机器人而言,多机器人系统在均衡负载、降低成本、提高容错性能以及鲁棒性方面有更大的潜在优势,而且当多个机器人以一定的队形行进并协同工作时,它可以带来的很多好处是单机器人无法超越的。因此对多机器人协同作业问题的研究具有重要意义。本文针对多移动机械臂协同作业系统搬运目标物体的问题展开研究,并对其进行系统设计,主要做了以下几方面工作:首先,研究基于位置约束的多移动机械臂协同作业平台的搭建,研究协同作业系统的总体方案设计,对移动机械臂、核心控制板以及运输平台等多个部分进行设计,并针对控制实验平台执行作业任务的软件系统环境进行编写,完成一个具有成本低、接口开放、可移植和可扩展等优点的可靠的嵌入式多移动机械臂协同作业平台的搭建其次,对多移动机械臂协同作业领域的研究提出一种新的方法,将放置在机械臂和运输平台之间,使用力传感器进行力约束的传统控制问题转化成使用放置在运输平台四个角上的柔性抓取点充当位置传感器的位置约束问题。通过移动机器人轨迹跟踪和多移动机器人主从式编队控制相结合的方法对协同作业问题进行研究,在实现轨迹跟踪的基础上增加了协同作业队形的稳定性,保证任务的顺利执行。其中通过公式推导及仿真分析对提出的协同控制律进行验证,验证所设计协同控制律的稳定性和有效性。最后,对多移动机械臂协同作业系统进行实验研究,针对上位机监控组态软件中的两种运行模式进行验证,并对实验结果进行分析,通过完成多移动机械臂对目标物体的协同抓举以及搬运等实验,验证所搭建实验平台软件和硬件的可行性以及控制算法的有效性。
刘久台[7](2021)在《基于迭代学习的工业机械臂轨迹跟踪控制策略研究》文中研究指明在众多控制方法中,迭代学习控制是针对机械臂重复作业工作特性的一种有效的研究方法。然而针对非周期的外界扰动和不确定参数,传统的迭代学习控制仍有很大的局限性,比如:学习速度慢、收敛精度低、控制效果不佳等。因此,本文针对机械臂轨迹跟踪中存在的各种扰动和不确定参数等问题,采用迭代学习控制与其他智能控制方法相结合,解决传统的迭代学习控制方法应用在机械臂中所遇到的上述局限性。本文主要工作如下:(1)针对机械臂的建模问题。本文采用了D-H参数法,通过MATLAB仿真工具Simulink中的Robotics Tools机器人工具箱建立了双臂机器人Baxter的运动学模型,并根据D-H参数表和Baxter的运动学模型,采用Robotics Tools机器人工具箱创建了Baxter机器人的3D可视化工作空间。利用欧拉-拉格朗日法建立了机械臂的动力学模型,为搭建机械臂运动控制器仿真实验提供了理论支撑。(2)针对含部分未知动力学、不确定参数和外界扰动的机械臂在任务空间下执行重复作业的位置轨迹跟踪问题,提出了两个控制方案,第一个控制方案采用的是自适应迭代学习控制,它类似PD一样的反馈结构,将自适应控制与迭代学习结合设计轨迹跟踪控制器。第二个控制方案采用的是自适应迭代学习控制与神经网络相结合,在第一个方案基础之上加了RBF神经网路,在第二个控制方案中,自适应迭代学习控制是用来学习机械臂周期性的不确定部分,这些周期性的不确定部分归因于机械臂末端的重复运动,RBF神经网络用于逼近和补偿所有非周期的不确定部分。两个方案的控制器的稳定性和收敛性均通过基于Lyapunov的复合能量函数严格证明。仿真中将两个控制方案与经典文献和近几年参考文献中的控制方案进行了对比,仿真结果表明:自适应迭代学习控制与神经网络相结合能更好地实现机械臂位置轨迹跟踪,并且提高了机械臂系统的迭代学习速度和误差收敛精度。(3)针对含部分未知动力学、不确定参数和外界扰动的机械臂在任务空间下执行重复作业的位置轨迹跟踪问题,提出了融合非线性干扰观测器与自适应迭代学习控制的控制方案。该方案首先是把机械臂部分未建模动力学模型和外界干扰整体作为一个不确定项,然后采用非线性干扰观测器对不确定项进行逼近和补偿,并运用Lyapunov函数证明了干扰观测器的稳定性。最后在此基础之上采用自适应迭代学习控制来设计机械臂的控制器,仿真实验是在二连杆刚性机械臂进行验证,仿真结果表明:相比未加非线性干扰观测器补偿的控制方案,所提出的方案能使机械臂更好地实现位置轨迹跟踪。(4)针对含完全未知动力学、不确定参数和外界扰动的机械臂在任务空间下执行重复作业的位置轨迹跟踪问题,提出了基于模型整体逼近的机械臂神经网络自适应迭代学习控制方案。该方案首先是把机械臂动力学模型和外界干扰整体作为一个不确定项,然后采用神经网络对不确定项进行逼近和补偿,并在此基础之上采用自适应迭代学习控制作为机械臂的控制器,最后基于Lyapunov函数设计控制律对控制器参数进行实时调节。仿真实验是在二连杆刚性机械臂进行验证,仿真结果表明:所提出的方案能使机械臂很好地实现位置轨迹跟踪。
严超[8](2020)在《模型不确定的主从式机械臂系统同步控制研究》文中认为随着经济的发展和科技的进步,越来越多的机械设备被应用到日常生活与工业生产中,机械臂作为一种常见而又实用的装置,在如今的生产生活中扮演着越来越重要的角色。机械臂是一类具有强耦合、非线性、时变等复杂动力学特性的装置,且存在各种不确定性因素,例如系统未建模动态、外部负载变化、参数测量误差、外部干扰及外部攻击信号等,导致无法获得机械臂的精确数学模型。由于这些不确定因素的存在,对机械臂系统控制性能造成严重影响,尤其是对于一些需要高精度、高性能运行的系统,研究系统模型存在不确定性和外部干扰等情况下的控制问题就显得尤为重要。本文主要针对机械臂系统通信通道可能遭受来自外部攻击者的欺骗攻击以及模型存在不确定性的情况进行研究,提出了一些有效的控制理论与算法。本文的主要研究内容如下:首先,对机械臂的数学模型进行建模分析并给出了一些基于动力学方程式的基本性质,其次,简要介绍了图论矩阵分析理论以及李雅普诺夫稳定性理论,为后续研究提供数学基础。然后关于主从式多机械臂系统的同步控制问题,设计了三种有效的控制策略。第一,对于主从式多机械臂系统在遭受欺骗攻击的情况下进行同步控制问题的研究。将系统受到的攻击信号描述成符合Bernoulli分布的随机序列,以随机概率来分别表示系统受到攻击与安全两种情况,提出了一种基于脉冲控制的同步策略,并通过对二连杆机械臂进行仿真验证所设计的控制律的有效性。第二,主要研究主从式多机械臂系统在遭受欺骗攻击和存在通信时延的情况下的同步控制问题,设计一种基于脉冲控制的同步控制策略,该控制器仅使用离散时刻每个机械臂及其邻居的采样数据,并基于一种处理延迟脉冲的方法,得出一个一般的充分共识条件。最后,给出仿真例子来验证理论结果的有效性。第三,主要研究机械臂模型存在参数不确定性且系统的通信通道可能遭受欺骗攻击的情况。将对系统进行攻击的干扰信号量与机械臂模型参数的不确定量进行估计,然后结合非线性滤波器通过反步法设计同步控制策略,最后仿真实例证明了控制算法良好的跟踪能力。最后,对本文的主要研究结果进行总结,指出研究中存在的一些不足之处,并对后续的进一步研究进行了展望。
胡作勇[9](2020)在《基于力反馈的机械臂远程操控系统设计与研究》文中研究说明力反馈的机械臂远程操控系统,能够为操控者提供临场感,缩短任务时间,提高操控效果和实现精细操控。研究人员对远程操控系统的机械结构和控制系统进行了大量研究,但大多都基于提高性能和解决延时等问题,远程操控系统作为人机交互设备,人机工效会对操控任务产生很大影响,本文围绕人机工程学进行设计,研究适合人体力觉感知的人机交互系统。在机械结构方面,操控台的人机工程学、反馈力大小、机构的灵活性以及操控主手高精度、低质量和良好的重力补偿策略都将影响操控者的操控体验、操控精度和操控效率。本文在基于目前操控器构型基础上,将位置和姿态分离,使用左手位置控制,右手姿态控制的双手协调操控方式,解决通常力反馈设备反馈力大小和机构灵活性存在冲突的问题,也同时解决力传感器安装问题,实现力的闭环控制。在操控器结构优化上,改进转动副结构,引入直驱电机和绳驱动组合的方式,解决操控器间隙问题,引入被动重力补偿机制,对左手操控器Delta机构的主动臂进行改进,通过改变主动臂构型的方式改变主动臂重心,并引入弹簧提供补偿力矩,在减轻机构重量的同时提供了高扭矩的被动重力补偿量,对右手串联型操控器,采用对称结构设计加配重的方式调节重心位置,提供被动重力补偿,增加被动重力补偿机制,有效的减少主动重力补偿下的电机扭矩输出,提高了系统安全裕量。在控制系统方面,针对力反馈-位置型存在操控稳定性问题,通过引入警告力代替干涉情况下的大刚性接触,提高操控稳定性。考虑到关节的耦合作用,结合具体机构,设计具有动力学补偿的力反馈闭环解耦控制策略,实现异构型主手的解耦控制,为操作者提供稳定的六自由度力反馈,并在此基础上详细分析左手操控器动力学特征,结合人手操控这一实际应用情况对动力学补偿量进行取舍,降低操控系统运算量,提高系统的实时性。在测控系统设计方面,使用工业控制计算机和运动控制卡结合的方式搭建硬件系统,测控系统软件上采用Lab VIEW和Matlab联合的方式进行开发。最后,使用可视化仿真模型对操控器的工作空间、被动重力补偿策略以及力反馈控制策略进行验证,证明设计合理。
汪凌峰[10](2020)在《微创外科手术机器人力控制技术研究》文中研究指明二十一世纪以来,机器人技术在导航定位、运动规划、智能识别以及远程控制等技术领域取得了突破性的研究进展,并广泛应用于微创外科手术机器人系统。目前,应用于临床外科手术的微创手术机器人系统主要有达芬奇(Da Vinci)和(Zeus)手术机器人系统。手术机器人的应用不但避免了传统手术操作中存在的手自然颤抖、创口大、稳定性差及精度低等技术缺陷,还具有疼痛感低、康复时间短、灵活性高等优点,极大地提高了手术成功率,在医疗领域具有划时代的意义。然而,微创手术仍然存在着关键技术缺陷,即手术机器人没有力觉反馈功能,医生在执行微创手术过程中不能直观的获得手术器械与患者病变器官组织之间的交互力信息,制约了微创手术机器人技术的进一步发展。为了使医生在微创手术中获得直观的力觉信息,避免安全隐患,对微创外科手术机器人进行力控制技术研究有着重要的意义。首先,本文针对微创外科手术机器人存在力反馈功能缺失的问题,搭建了手术机器人从手端样机;设计了基于石墨烯新型敏感单元的柔性力觉传感器和传感器压力信号数据采集系统;设计了手术机器人微器械夹钳力控制系统,包括控制系统硬件设计和基于Labview图形化编程语言的上位机软件设计。其次,对手术机器人从手机械臂进行了正向运动学建模求解,并在MATLAB机器人工具箱中进行仿真验证;采用基于粒子群(PSO)优化算法对手术机器人从手机械臂进行了最优逆解求解;在基于运动学分析的基础上对从手机械臂进行了工作空间分析与末端操作器轨迹规划,为后续手术机器人从手样机进行手术实验提供了理论基础。建立了手术机器人从手微器械动力模型,为控制算法研究提供了控制对象。然后,分别基于阻抗控制算法和模糊PID控制算法对手术微器械夹钳进行控制仿真分析。以微器械夹钳动力学模型为控制对象,设计了阻抗控制器,仿真结果表明该控制算法控制精度高、位置误差小、响应速度快,能够实现较好的力/位控制效果;以微器械夹钳单关节电机数学模型为控制对象,设计了模糊PID控制器,仿真结果表明模糊PID控制算法与传统PID控制相比超调量小、控制精度高,具有更好的控制性能。最后,搭建了微创外科手术机器人从手样机实验平台;设计了基于新型石墨烯柔性力觉传感器的数据采集和压力标定实验,实验结果表明传感器与现有传感器相比精度高、灵敏性好,具有更好的力检测性能;设计了手术微器械夹钳力控制实验,实验验证了微器械控制系统能够实现准确的力控制。
二、主从式柔性机械臂计算机控制系统(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、主从式柔性机械臂计算机控制系统(论文提纲范文)
(1)血管介入手术机器人主从同步控制研究(论文提纲范文)
摘要 |
英文摘要 |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 主从式血管介入手术机器人系统国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 论文组织结构与研究内容 |
第二章 血管介入手术机器人主从同步控制系统总述 |
2.1 系统总体结构 |
2.2 系统主从端机构设计 |
2.2.1 系统主端机构设计 |
2.2.2 系统从端机构设计 |
2.3 系统主从同步控制功能开发 |
2.3.1 推拉动作实现 |
2.3.2 旋转动作实现 |
2.3.3 力感知实现 |
2.3.4 安全机制实现 |
2.4 本章小结 |
第三章 血管介入手术机器人系统主从指令传输方法设计 |
3.1 系统主从通信时延构成和性能影响分析 |
3.2 系统主从通信时延测试 |
3.3 系统主从多连接自适应固定时延的指令传输方法 |
3.3.1 交互指令粘连与拆分现象分析 |
3.3.2 多连接自适应固定时延的指令传输方法 |
3.4 本章小结 |
第四章 血管介入手术机器人Smith-Fuzzy控制器研究 |
4.1 器械递送机构数学模型 |
4.2 PID控制器设计 |
4.2.1 PID控制器理论介绍 |
4.2.2 PID控制器参数整定 |
4.3 模糊PID控制器设计 |
4.3.1 模糊控制系统基本原理 |
4.3.2 模糊PID控制器设计 |
4.4 模糊PID控制系统仿真 |
4.5 Smith预估控制原理 |
4.6 Smith预估器的改进 |
4.7 Smith-Fuzzy控制器的设计与仿真 |
4.8 本章小结 |
第五章 血管介入手术机器人系统实验 |
5.1 系统主从同步控制精度测试 |
5.2 系统血管模型实验 |
5.3 系统动物实验 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术成果 |
(2)腹腔微创手术机器人控制系统研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景目的及意义 |
1.2 微创手术机器人研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 主操作手研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 本文课题来源 |
1.5 本文主要研究内容 |
第2章 微创手术机器人控制系统设计 |
2.1 引言 |
2.2 微创手术机器人系统组成 |
2.2.1 主操作手 |
2.2.2 从端机器人 |
2.2.3 末端执行器械 |
2.3 硬件设计 |
2.4 软件设计 |
2.5 本章小结 |
第3章 微创手术机器人主-从控制策略研究 |
3.1 引言 |
3.2 微创手术机器人系统运动学分析 |
3.2.1 从端机器人运动学分析 |
3.2.2 远心机构运动学分析 |
3.2.3 主操作手运动学分析 |
3.2.4 柔性器械精确控制分析 |
3.3 微创手术机器人主-从控制策略 |
3.3.1 位姿增量控制 |
3.3.2 手眼协调直观控制 |
3.4 本章小结 |
第4章 主操作手控制舒适性研究 |
4.1 引言 |
4.2 人手操作空间分析 |
4.3 主操作手运动空间分析 |
4.4 主操作手优化函数建立 |
4.5 本章小结 |
第5章 主操作手及主-从控制实验 |
5.1 引言 |
5.2 主操作手性能验证 |
5.2.1 主操作手运动空间实验 |
5.2.2 主操作手灵巧度实验 |
5.3 机器人运动实验 |
5.4 主-从控制实验 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简介及科研成果 |
致谢 |
(3)多机器人系统运动学参数标定和协作精度补偿策略研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 多机器人系统发展现状 |
1.3 国内外相关技术研究现状 |
1.3.1 多机器人系统误差分析研究现状 |
1.3.2 多机器人系统运动学参数标定技术研究现状 |
1.3.3 多机器人系统协作精度补偿策略研究现状 |
1.4 主要研究内容及安排 |
第二章 多机器人系统操作精度影响因素 |
2.1 引言 |
2.2 多机器人标定系统设计 |
2.3 多机器人系统误差源梳理 |
2.4 多机器人系统运动学建模 |
2.4.1 多机器人标定系统建系方法的选择 |
2.4.2 多机器人系统运动学建模 |
2.5 数值仿真与分析 |
2.5.1 机器人运动学参数误差对末端位姿误差的影响 |
2.5.2 关节角误差对末端位姿误差的影响 |
2.6 本章小结 |
第三章 多机器人运动学参数与基座位姿同步标定方法 |
3.1 引言 |
3.2 主/从机器人运动学误差模型建立 |
3.2.1 主/从机器人运动学误差模型分析 |
3.2.2 主机器人运动学误差模型推导 |
3.2.3 从机器人运动学误差模型推导 |
3.3 多机器人系统运动学误差模型建立 |
3.4 多机器人运动学参数与基座坐标系同步标定算法设计 |
3.5 数值仿真与分析 |
3.5.1 主/从机器人运动学误差模型 |
3.5.2 多机器人运动学误差模型 |
3.6 本章小结 |
第四章 多机器人系统协作精度补偿策略 |
4.1 引言 |
4.2 多机器人系统误差补偿判别条件 |
4.2.1 多机器人末端位姿的高阶运动学误差分析 |
4.2.2 多机器人系统误差补偿判别条件 |
4.3 多机器人系统基座位姿误差补偿 |
4.3.1 多机器人系统基座坐标系初始位姿 |
4.3.2 多机器人系统基座坐标系位姿关系优化 |
4.4 数值仿真与分析 |
4.4.1 基座位姿误差对多机器人位姿误差的影响 |
4.4.2 基座位姿矩阵误差补偿实验 |
4.5 本章小结 |
第五章 多机器人系统运动学参数标定实物实验 |
5.1 引言 |
5.2 多机器人系统运动学参数标定地面实验平台设计 |
5.3 多机器人系统标定实验流程及结果分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
附录 |
致谢 |
攻读学位期间发表的学术论文目录 |
(4)双工业机器人协调运动中的标定方法与轨迹规划研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题来源 |
1.2 课题研究背景及意义 |
1.3 国内外相关领域研究现状及分析 |
1.3.1 双机器人协作研究现状 |
1.3.2 双机器人基坐标系标定研究现状 |
1.3.3 双机器人协调运动轨迹规划技术研究现状 |
1.4 课题研究的目的与意义 |
1.5 课题主要研究内容和章节安排 |
2 双工业机器人协调运动系统数学分析 |
2.1 引言 |
2.2 单机器人运动学分析 |
2.2.1 机器人运动学建模 |
2.2.2 机器人正逆运动学建模 |
2.2.3 机器人运动学模型验证 |
2.3 双工业机器人协调运动分析 |
2.3.1 双工业机器人协调运动的空间范围选择 |
2.3.2 双工业机器人运动建模方法 |
2.4 本章小结 |
3 双机器人基坐标系标定方法及验证 |
3.1 引言 |
3.2 单机器人工具坐标系标定方法 |
3.3 基于“三点定圆”的改进双机器人基坐标系标定方法 |
3.3.1 双机器人基坐标系标定方法简介 |
3.3.2 基于“三点定圆”的改进双机器人基坐标系标定方法理论研究 |
3.4 双机器人基坐标系标定方法实验 |
3.5 双机器人基坐标系标定方法误差分析 |
3.5.1 误差分析 |
3.5.2 加入误差后的双机器人基坐标系标定实验 |
3.6 本章小结 |
4 双机器人不同约束下的协调运动轨迹规划方法 |
4.1 引言 |
4.2 双机器人多种约束下的协调运动轨迹规划方法 |
4.2.1 双机器人紧约束下的协调运动轨迹规划 |
4.2.2 基于MATLAB的双机器人紧约束轨迹验证 |
4.2.3 双机器人松约束下的协调运动轨迹规划 |
4.2.4 基于MATLAB的双机器人松约束轨迹验证 |
4.3 本章小结 |
5 基于多软件联合的双机器人协调运动系统仿真实验研究 |
5.1 引言 |
5.2 基于多软件联合的双机器人协调运动系统仿真实验平台搭建 |
5.2.1 仿真平台软件选取 |
5.2.2 仿真平台搭建 |
5.3 双机器人协调运动系统仿真实验 |
5.3.1 基于“三点定圆”的改进双机器人基坐标系标定实验验证 |
5.3.2 双机器人紧约束下的协调运动轨迹验证 |
5.3.3 双机器人松约束下的协调运动轨迹验证 |
5.4 本章小结 |
6 总结和展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士期间发表的论文及所取得的研究成果 |
致谢 |
(5)主从式手术机器人运动误差建模与分析(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 手术机器人国内外研究现状 |
1.2.1 手术机器人国内研究现状 |
1.2.2 手术机器人国外研究现状 |
1.3 手术机器人运动误差建模研究现状 |
1.4 本文主要研究内容 |
第二章 主从式手术机器人从手器械臂FMEA和FTA |
2.1 引言 |
2.2 手术机器人介绍 |
2.3 主从式手术机器人从手器械臂结构与功能分析 |
2.4 主从式手术机器人从动器械臂FMEA |
2.4.1 FMEA概述 |
2.4.2 FMEA实施过程 |
2.4.3 FMEA分析结论 |
2.5 主从式手术机器人从手器械臂故障树分析 |
2.5.1 故障树分析概述 |
2.5.2 从手器械臂故障树的建立 |
2.5.3 故障树定性分析 |
2.6 本章小结 |
第三章 主从式手术机器人运动学模型构建与工作空间分析 |
3.1 引言 |
3.2 基于D-H表示法的机器人运动学模型 |
3.3 主从式手术机器人的运动学模型 |
3.3.1 主手的运动学模型 |
3.3.2 从手的运动学模型 |
3.4 工作空间分析 |
3.4.1 蒙特卡洛工作空间 |
3.4.2 力反馈主手工作空间 |
3.5 基于工作空间的主从映射 |
3.6 本章小结 |
第四章 主从式手术机器人位姿误差建模 |
4.1 引言 |
4.2 位姿误差建模 |
4.2.1 机器人的误差源分析 |
4.2.2 误差模型与微分运动 |
4.3 位姿误差计算方法 |
4.3.1 微分矢量法 |
4.3.2 摄动法 |
4.3.3 基于摄动法的分坐标系计算模型 |
4.4 主从式手术机器人位姿误差模型 |
4.4.1 主手的位姿误差模型 |
4.4.2 从手的位姿误差模型 |
4.5 本章小结 |
第五章 基于误差模型的仿真分析 |
5.1 引言 |
5.2 蒙特卡洛概述 |
5.3 仿真分析算法 |
5.4 研究位置的确定 |
5.5 位置误差分布空间 |
5.5.1 误差源的分布 |
5.5.2 主手位置误差分布空间 |
5.5.3 从手位置误差分布空间 |
5.6 误差匹配分析 |
5.6.1 主手和从手的匹配分析 |
5.6.2 减小从手末端位置误差的方法 |
5.7 基于蒙特卡洛仿真的可靠度计算 |
5.8 本章小结 |
第六章 总结与展望 |
6.1 全文总结与创新点 |
6.2 后续工作与展望 |
致谢 |
参考文献 |
附录 |
攻读硕士期间取得的成果 |
(6)多移动机械臂协同作业研究与系统设计(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源与研究的目的意义 |
1.2 多机器人协同作业研究现状 |
1.3 主要研究内容 |
第2章 多移动机械臂协同作业系统设计 |
2.1 系统总体结构 |
2.2 移动机械臂结构设计 |
2.3 核心控制板设计 |
2.3.1 底层电源驱动板设计 |
2.3.2 顶层电路板设计 |
2.4 运输平台设计 |
2.4.1 激光雷达 |
2.4.2 位置传感器 |
2.5 本章小结 |
第3章 基于树莓派的协同作业系统程序设计 |
3.1 系统软件平台结构设计 |
3.2 上位机监控组态软件设计 |
3.2.1 上位机通信模块 |
3.2.2 数据输入模块 |
3.2.3 数据发送模块 |
3.2.4 数据存储模块 |
3.3 下位机程序设计 |
3.3.1 树莓派网络通信 |
3.3.2 激光雷达数据获取 |
3.3.3 位置传感器数据获取 |
3.4 本章小结 |
第4章 基于位置约束的多移动机械臂协同作业控制 |
4.1 问题描述 |
4.2 轮式移动机器人运动学模型 |
4.3 位置约束的协同作业控制律设计 |
4.4 稳定性分析 |
4.5 仿真结果 |
4.6 本章小结 |
第5章 系统实验与结果分析 |
5.1 调试模式实验 |
5.2 自动模式实验 |
5.3 本章小结 |
总结 |
参考文献 |
攻读学位期间发表的论文和其它成果 |
致谢 |
(7)基于迭代学习的工业机械臂轨迹跟踪控制策略研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 机器人的国内外研究现状 |
1.2.1 国外机器人的研究现状 |
1.2.2 国内机器人的研究现状 |
1.3 迭代学习控制的研究现状 |
1.4 本文研究内容及章节安排 |
2 机械臂运动学和动力学建模 |
2.1 机械臂运动学建模 |
2.1.1 机械臂正运动学模型 |
2.1.2 机械臂逆运动学模型 |
2.2 Baxter双臂机器人 |
2.2.1 Baxter双臂机器人简介 |
2.2.2 Baxter双臂机器人的正运动学模型 |
2.2.3 Baxter双臂机器人的逆运动学模型 |
2.2.4 Baxter可视运动学模型与工作空间识别 |
2.3 机械臂动力学建模 |
2.4 本章小结 |
3 神经网络自适应迭代学习控制 |
3.1 自适应迭代学习控制思想 |
3.2 自适应迭代学习控制器设计 |
3.2.1 问题的提出 |
3.2.2 控制器设计 |
3.2.3 收敛性分析 |
3.2.4 实验仿真 |
3.3 神经网络自适应迭代学习控制器设计 |
3.3.1 RBF神经网络 |
3.3.2 控制器设计 |
3.3.3 收敛性分析 |
3.3.4 实验仿真 |
3.4 本章小结 |
4 融合非线性干扰观测器与自适应迭代学习控制 |
4.1 机械臂系统描述 |
4.2 干扰观测器设计 |
4.2.1 基本的干扰观测器结构 |
4.2.2 修改后的干扰观测器结构 |
4.3 非线性干扰观测器设计 |
4.4 实验仿真 |
4.5 本章小结 |
5 基于模型整体逼近的神经网络自适应迭代学习控制 |
5.1 问题的提出 |
5.2 控制器设计 |
5.3 实验仿真 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表论文及科研成果 |
致谢 |
(8)模型不确定的主从式机械臂系统同步控制研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 本文主要工作 |
第二章 机械臂系统运动学建模和预备知识 |
2.1 引言 |
2.2 机械臂系统的数学模型 |
2.3 预备知识 |
2.3.1 代数图论 |
2.3.2 矩阵理论 |
2.3.3 Lyapunov稳定性分析理论 |
2.4 本章小结 |
第三章 欺骗攻击下主从式机械臂系统的同步控制 |
3.1 引言 |
3.2 问题描述 |
3.3 欺骗攻击下的脉冲同步控制器设计 |
3.4 仿真实例 |
3.5 本章小结 |
第四章 存在时延的主从式机械臂系统同步控制 |
4.1 引言 |
4.2 问题描述 |
4.3 脉冲同步控制器的设计 |
4.4 仿真实例 |
4.5 本章小结 |
第五章 模型不确定的主从式机械臂系统同步控制 |
5.1 引言 |
5.2 问题描述 |
5.3 同步控制器的设计 |
5.4 仿真实例 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
附录2 攻读硕士学位期间申请的专利 |
致谢 |
(9)基于力反馈的机械臂远程操控系统设计与研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 机械臂远程操控系统研究现状 |
1.2.1 国外机械臂远程操控系统研究现状 |
1.2.2 国内机械臂远程操控系统研究现状 |
1.3 力反馈操控器研究现状 |
1.4 力反馈控制技术研究现状 |
1.5 论文主要研究内容和安排 |
第2章 基于力反馈的机械臂远程操控系统总体设计 |
2.1 基于力反馈的远程操控系统总体介绍 |
2.2 操控器构型设计 |
2.2.1 操控器构型分析 |
2.2.2 操控器机械结构 |
2.3 远程操控控制结构设计 |
2.3.1 双边控制系统的透明性 |
2.3.2 双边控制系统的控制结构 |
2.4 主手控制器设计 |
2.4.1 力源执行器选择 |
2.4.2 异构型操控器力反馈解耦控制 |
2.4.3 主手控制器优化 |
2.5 本章小结 |
第3章 基于力反馈的机械臂远程操控系统操控台结构设计 |
3.1 操控台需求分析 |
3.1.1 功能需求 |
3.1.2 性能需求 |
3.2 操控台人机工程学设计 |
3.2.1 坐姿活动空间 |
3.2.2 双眼可视角度 |
3.2.3 手柄握持姿态 |
3.3 操控台结构设计 |
3.3.1 操控台总体布局 |
3.3.2 左手操控器结构设计 |
3.3.3 左手操控器结构优化 |
3.3.4 右手操控器结构设计 |
3.4 操控器的静刚度分析 |
3.5 本章小结 |
第4章 操控器运动学及动力学分析 |
4.1 操控器正向运动学分析 |
4.2 左手操控器逆向运动学分析 |
4.3 力的雅可比 |
4.3.1 左手并联机构力的雅可比 |
4.3.2 右手串联机构力的雅可比 |
4.4 左手操控器动力学分析 |
4.4.1 左手操控器动力学建模 |
4.4.2 模型简化 |
4.4.3 基于虚功原理的动力学求解 |
4.4.4 动力学验证 |
4.4.5 动力学补偿量研究 |
4.5 本章小结 |
第5章 力反馈远程操控台测控系统设计 |
5.1 操控台测控系统总体设计 |
5.2 操控台硬件设计 |
5.2.1 主控制器选择 |
5.2.2 力源电机 |
5.2.3 力传感器选择 |
5.2.4 其它传感器选择 |
5.3 控制系统硬件连接 |
5.3.1 电机驱动 |
5.3.2 数据采集 |
5.4 多维力传感器信号处理 |
5.5 操控系统软件设计 |
5.5.1 力反馈远程操控系统控制流程 |
5.5.2 Lab VIEW与 Matlab的联合程序设计 |
5.6 本章小结 |
第6章 系统仿真与分析 |
6.1 可视化仿真模型建立 |
6.1.1 左手操控器Sim Mechanics模型建立 |
6.1.2 右手操控器Sim Mechanics模型建立 |
6.2 左操控器并联机构工作空间验证 |
6.3 操控器被动重力补偿策略验证 |
6.3.1 左手操控器被动重力补偿研究 |
6.3.2 右手操控器被动重力补偿研究 |
6.4 远程操控系统力反馈控制策略验证 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 主要工作总结 |
7.2 创新点 |
7.3 研究展望 |
参考文献 |
攻读硕士学位期间取得的成果 |
致谢 |
(10)微创外科手术机器人力控制技术研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 微创外科手术机器人研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 手术机器人力反馈装置研究现状 |
1.4 论文主要研究内容 |
2 手术机器人力控制系统设计 |
2.1 手术机器人力控制系统总体方案设计 |
2.2 手术机器人控制系统硬件设计 |
2.2.1 桌面实验台结构设计 |
2.2.2 微器械电机驱动装置结构设计 |
2.2.3 从手机械臂与手术微器械选型 |
2.2.4 控制系统电气设计 |
2.2.5 石墨烯柔性力觉传感器设计 |
2.3 力控制系统软件设计 |
2.3.1 传感器数据采集软件设计 |
2.3.2 微器械运动控制模块软件设计 |
2.4 本章小结 |
3 手术机器人运动学分析与动力学建模 |
3.1 机器人的数学模型 |
3.1.1 三维空间位姿描述 |
3.1.2 关节坐标变换描述 |
3.2 手术机器人从手机械臂正向运动学分析 |
3.3 粒子群优化算法求解机器人逆解分析 |
3.3.1 粒子群算法原理 |
3.3.2 手术机械臂逆运动学PSO求解方法 |
3.3.3 MATLAB仿真实验结果分析 |
3.4 工作空间分析 |
3.5 轨迹规划 |
3.6 手术机器人从手微器械动力学分析 |
3.6.1 拉格朗日方程概述 |
3.6.2 手术机器人末端微器械动力学建模 |
3.7 本章小结 |
4 手术微器械力反馈控制算法设计与仿真 |
4.1 手术机器人微器械阻抗控制器的设计与仿真 |
4.1.1 阻抗控制原理 |
4.1.2 阻抗控制方法 |
4.1.3 阻抗控制仿真分析 |
4.2 模糊PID控制的建模与仿真 |
4.2.1 传统PID控制 |
4.2.2 模糊控制 |
4.2.3 模糊PID控制 |
4.2.4 仿真实验 |
4.3 本章小结 |
5 实验与分析 |
5.1 实验平台搭建 |
5.2 传感器数据采集实验 |
5.3 石墨烯柔性力觉传感器压力标定实验 |
5.4 手术机器人微器夹钳力控制实验 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
个人简历、在学期间发表的学术论文及取得的研究成果 |
四、主从式柔性机械臂计算机控制系统(论文参考文献)
- [1]血管介入手术机器人主从同步控制研究[D]. 李亿发. 北京邮电大学, 2021(01)
- [2]腹腔微创手术机器人控制系统研究[D]. 倪志学. 吉林大学, 2021(01)
- [3]多机器人系统运动学参数标定和协作精度补偿策略研究[D]. 邵文. 北京邮电大学, 2021(01)
- [4]双工业机器人协调运动中的标定方法与轨迹规划研究[D]. 李孟虔. 中北大学, 2021
- [5]主从式手术机器人运动误差建模与分析[D]. 苗金波. 电子科技大学, 2021(01)
- [6]多移动机械臂协同作业研究与系统设计[D]. 刘思远. 哈尔滨理工大学, 2021(09)
- [7]基于迭代学习的工业机械臂轨迹跟踪控制策略研究[D]. 刘久台. 西华大学, 2021(02)
- [8]模型不确定的主从式机械臂系统同步控制研究[D]. 严超. 南京邮电大学, 2020(03)
- [9]基于力反馈的机械臂远程操控系统设计与研究[D]. 胡作勇. 长春理工大学, 2020(02)
- [10]微创外科手术机器人力控制技术研究[D]. 汪凌峰. 重庆理工大学, 2020(08)