基于小生境粒子群优化的挖掘机器人自抗扰视觉伺服控制

被引：10

作者：

王福斌 ^{[1
,2
]}

刘杰 ^{[1
]}

陈至坤 ^{[2
]}

焦春旺 ^{[1
]}

机构：

[1] 东北大学机械工程与自动化学院

[2] 河北联合大学电气工程学院

来源：

机械工程学报 | 2012年 / 48卷 / 01期

关键词：

挖掘机器人; 自抗扰控制器; 视觉伺服; 小生境粒子群; 参数优化;

D O I：

暂无

中图分类号：

TP242 [机器人];

学科分类号：

1111 ;

摘要：

为提高挖掘机器人的自主挖掘能力,设计一种基于图像的自抗扰视觉伺服控制器,对挖掘机器人的动臂、斗杆、铲斗组成的3节机械臂末端位置和姿态在x-z平面进行控制,实现自主挖掘目标任务。针对自抗扰控制器需要整定的参数较多,参数间相互影响,整定困难的特点,引入粒子群算法对控制器参数进行优化。由于原始粒子群算法存在后期易陷入局部最优的缺欠,采用小生境粒子群算法对自抗扰控制器参数进行整定优化。对粒子群及小生境粒子群算法的优化性能进行比较研究的基础上,设计了适合挖掘机器人的自抗扰视觉伺服控制器,采用小生境粒子群算法得到自抗扰控制器整定参数。搭建xPCTarget主机—目标机环境进行试验及仿真,表明小生境粒子群优化的自抗扰视觉伺服控制器控制精度高、鲁棒性强。

引用

页码：32 / 38

页数：7

共 10 条

[1]

Design of Robot Welding Seam Tracking System with Structured Light Vision[J]. LIU Suyi1, WANG Guorong2, ZHANG Hua1, and JIA Jianping1 1 Provincial Key Lab of Robot and Weld Automation, Nanchang University, Nanchang 330031, China 2 School of Mechanical and Automotive Engineering, South China University of Technology, Guangzhou 510640, China.Chinese Journal of Mechanical Engineering. 2010(04)

[2] 基于自适应遗传算法分步优化设计智能桁架结构自抗扰振动控制器 [J].

陈文英 ;

褚福磊 ;

阎绍泽 .

机械工程学报, 2010, 46 (07) :74-81

[3] 基于扩张状态观测器和非线性状态误差反馈设计自抗扰振动控制器 [J].

陈文英 ;

褚福磊 ;

阎绍泽 .

机械工程学报, 2010, 46 (03) :59-64

[4]

6-DOF MOTION AND CENTER OF ROTATION ESTIMATION BASED ON STEREO VISION[J]. CAO Wanpeng Department of Automatic Measurement and Control,Harbin Institute of Technology,Harbin 150001,China BI Wei China Academy of Machinery Science and Technology Beijing 100044,China CHE Rensheng Department of Automatic Measurement and Control,Harbin Institute of Technology,Harbin 150001.China GUO Wenbo Department of Electrical Engineering and Automation,Harbin Institute of Technology,Harbin 150001.China YE Dong Depa

[5] 基于自适应免疫整定的机器人无标定自抗扰视觉伺服控制 [J].

辛菁 ;

刘丁 ;

杨延西 ;

徐庆坤 .

控制理论与应用, 2007, (04) :546-552

[6] 小生境粒子群优化算法 [J].

向长城 ;

黄席樾 ;

杨祖元 ;

杨欣 .

计算机工程与应用, 2007, (15) :41-43

[7] 基于耦合ADRC原理的机器人无标定手眼协调 [J].

马红雨 ;

苏剑波 .

机器人, 2003, (01) :39-43

[8]

基于图像的智能机器人视觉伺服系统[D]. 杨延西.西安理工大学 2003

[9]

粒子群优化算法[M]. 冶金工业出版社 , 李丽, 2009

[10]

Using selection to improve particle swarm optimization. Angeline P J. Proceedings of 1998 IEEE International Conference on Evolutionary Computation . 1998

← 1 →