基于起点预测的单位十字快速运动估计算法

复杂且耗时的运动估计运算给实时视频编码系统的实现带来了困难.为提高视频编码的实时性,文中分析了运动矢量的分布特性和空间相关性,提出了一种基于起点预测的单位十字快速运动估计算法.该算法结合提前中止准则,通过块匹配绝对误差比较法来选择起始搜索点,然后采用单位十字搜索模式进行搜索.实验结果表明,在保持图像质量基本不变的情况下,该算法搜索速度是三步法的3～17倍,是菱形搜索法的2～9倍,是自适应十字搜索法的1.19～4.42倍.该算法计算量小,实时性强,易于硬件实现,在小运动序列运动估计方面具有明显优势.     

具有线性位置解的3-CRU并联机器人轨迹跟踪

针对现有单一的线性伺服控制时机器人运动平台的跟踪轨迹精度较差的问题,基于前馈力矩补偿和滑模变结构控制相结合的控制策略,对具有线性位置解的3-CRU并联机器人的轨迹跟踪进行了相关研究．采用拉格朗日方程建立了该机器人的包含建模误差和外部干扰的动力学模型并辨识了机器人的动力学参数,设计了在线性伺服控制基础上前馈力矩补偿与滑模变结构控制相结合的控制策略．通过实验对比,证明采用上述控制策略不仅提高了机器人动平台的轨迹跟踪精度,而且增强了机器人系统的鲁棒性．同时,线性的位置正解方程这一特性使得机器人驱动滑块的位置误差传递到运动平台上不会呈指数型累积增长,从结构上保证了机器人运动平台的轨迹精度．     

机器人负载的动力学参数辨识

为解决机器人末端负载的时变性给高速运动的机器人带来控制精度降低的问题,研究了参数差值法、力矩求解法、全局参数辨识法的机器人末端负载动力学参数辨识的方法,以提高末端负载的辨识精度.得到的负载动力学参数用于动力学控制以提高机器人动态精度.通过建立拉格朗日动力学线性辨识模型,以最优激励轨迹进行实时数据采集,采样数据经过低通滤波及中心差分的处理后,代入相应的负载辨识方程式,并用加权最小二乘法解决线性方程组,可辨识到不同负载的动力学参数.实验验证了负载辨识方法的可行性.     

用于残余振动抑制的深度神经网络输入整形器

针对多轴伺服系统在高速运动急停段因系统柔性产生的残余振动问题,提出了一种适用性广的后置自适应输入整形器算法.该算法无需辨识系统模态参数,以递归最小二乘法(RLS)为基础,残余振动信号作为算法输入,优化得到当前轨迹下抑振效果最优的整形器系数向量,并引入自适应遗忘因子更新算法,以提高整形器在非平稳环境下的跟踪性能.同时建立...     

孔群钻削机械手的运动规划和加工路径优化

为提高加工效率,对用于钢琴弦轴板孔群钻削加工的三轴直角坐标机械手的运动规划和加工路径优化方法进行了研究.首先采用抛物线过渡的线性插值算法对钻削过程进行运动规划,生成一条位置和速度都连续的平滑运动轨迹.然后以最短加工路径为目标,以无碰撞地绕过所有障碍物为约束条件,建立了孔群加工路径规划问题的数学模型,并采用分层优化的遗传算法获得了孔群加工的优化路径.最后以6种型号弦轴板为例进行计算,结果验证了算法的有效性.     

基于扰动卡尔曼滤波的机器人免力矩传感器拖动示教方法

拖动示教技术操作简便且效率高,更符合现代化的柔性生产,而实现工业机器人的拖动示教需要准确地测量外力与控制由外力所引起的关节运动。为了实现免力矩传感器测量操作者施加的外力,设计一种基于扰动卡尔曼滤波的外力观测器。该观测器通过将关节外力矩作为扰动项,并引入广义动量,建立机器人系统的状态空间方程,进而采用卡尔曼滤波算法得到关节外力矩的最优观测值。其中,为了提高外力的估计精度,提出以刚体动力学模型和深度神经网络相结合的方式建立机器人的动力学模型,该方法不仅避免了关节摩擦力矩的复杂建模过程,而且将模型中未建模的因素通过深度神经网络进行补偿。为了实现机器人在拖动示教过程中的牵引控制,将机器人的关节运动与外力矩之间的动态响应关系等效为一个质量阻尼系统,并提出一种自适应阻尼的导纳控制方法,将观测到的外力矩转换成示教运动的期望关节转角,并根据外力矩的变化趋势自适应地调整系统阻尼参数,以改善机器人的示教效果。实验表明,所建立的动力学模型在预测力矩上具有更低的均方根误差,可减小不少于20%的误差;采用所提出的控制方案在六自由度的工业机器人上实现了免力矩传感器的拖动示教,自适应阻尼调整方法能减少约19%的关节...