[01197149]网络环境下的机器人自适应控制与遥操作

网络化遥操作机器人系统是一个完全实时分布式反馈系统,它使得操作者、遥控机器人、以及通讯网络形成一个整体。遥操作可以在不同系统之间进行数据传输,为不同地点的操作者实现资源共享和协调合作。随着网络通讯技术的高速发展,能够实现远程数据传输和数据交换,使得基于网络的遥操作机器人控制系统近年来在各种应用中得到迅速发展。网络化遥操作机器人控制是进入21世纪以来机器人系统与控制领域的热点研究方向之一。来自于不同传感器的主从机器人信息可能存在采样速率不一致、异步、传输过程中会发生数据丢失、传递时滞等现象,严重影响系统性能,甚至使系统失稳。本项目探索了机器人运动与环境交互的物理本质,揭示了机器人广义坐标中存在运动和力非线性、强耦合关系,建立了一组受限机器人的降阶动力学（微分）方程, 该方程消除了以往描述机器人的动力学方程的奇异性,并提出了该降阶动力学（微分）方程的两个基本特性, 基于这两个基本特性, 构建了多类机器人系统的运动和力的解耦模型,建立了鲁棒力/运动控制和多机器人协调控制的分析理论和方法,取得了一系列有特色的研究成果。 【1】提出了空间变换理论建模新理论与方法。通过构建雅可比和质量耦合矩阵,将多类混合约束下机器人系统拉格朗日动力学映射到雅可比和质量耦合矩阵空间,即机器人动力学在雅可比和质量耦合矩阵空间张成的子空间投影,成功将机器人广义坐标状态空间分解为多个正交子空间,创新性的发现了机器人系统的运动/力解耦空间。构建了多类机器人系统的运动和力解耦模型包括：欠驱动机器人系统空间变换模型和多机器人协调与协作空间变换模型,为机器人的力位并环控制器设计奠定了基础。 【2】提出了机器人动态鲁棒力/运动控制设计与分析的体系架构。基于空间变换理论获得的运动/力解耦空间,提出了实现机器人力位并环控制的一系列智能控制方法,包括：确定性鲁棒控制器、鲁棒自适应控制器、神经自适应控制、模糊自适应控制以及支持向量机的学习控制器等多种类的基于运动-力并环的控制方法,发展了机器人动态鲁棒力/运动控制设计与分析的新方法体系,克服了系统中的运动和力耦合、不确定性动力学、外界扰动等对机器人控制性能的影响,解决了机器人动态鲁棒力/运动控制设计与分析难题,为地面、空中、水下等移动机器人自主行为研究提供了技术路线与系统结构。 【3】分析了网络化控制系统非线性结构化、非线性动态、非完整信息,明确了网路化控制系统的非完整性信息具有马氏跳变的特点,提出了具有自学习能力的非结构化建模方法,建立实用的网络化控制系统逼近模型,为机器人网络化控制系统建模开辟了新的途径。在基于卡尔曼滤波信息量化策略、网络化控制移动机器人系统的滤波及数据融合方面系统地给出了非完整性网络化信息处理的解决方法,提高了信息量化精度,解决了量化误差精确描述和刻画的难题。 以网络化遥操作机器人、工业机械臂、移动机械臂、多自由度机器人为典型平台,开发了嵌入式多轴同步运动控制板块,开发了机械臂空间精确定位和运动规划和控制系统,全面验证了所提空间变换理论与基于运动-力并环的控制方法的有效性和可行性。研究成果在国际上产生重要学术影响的同时,为一系列国家重大重点项目奠定了理论方法与技术基础。本成果得到了教育部中央高校业务费、国家自然科学基金、教育部新世纪优秀人才计划、教育部博士点基金等支持。项目组于2012 年和2013 年分别在德国 Springer 出版社和美国CRC Press出版了英文专著《Advanced control of wheeled inverted pendulum systems 》和《Fundamentals in Modeling and Control of Mobile Manipulators》,针对网络化遥操作机器人运动/力混合控制、多机器人系统协调、欠驱动控制、零动态操纵等重要科学问题,取得了创造性、前瞻性的研究成果。