基于认知神经学模型全程优化自主机器人运动控制研究

将仿人智能控制与认知神经科学和全流程优化控制的相关研究成果相结合，基于认知神经学模型，研究三大系统的结构及其工作机制，包括以中枢执行机构和记忆系统为中心的控制系统、以工作记忆和长期记忆为数据基础的学习和检索系统、以注意机制为核心的感知系统；建立与运动控制相关的机器人运动轨迹预测模型、基本运动控制及其轨道模型、工作环境模型、指标预报模型、控制回路预设定模型和故障诊断模型；综合上述结构、模型和各类规划控制算法，提出面向工作效能指标，基于认知神经学模型的全程优化仿人智能机器人运动控制系统结构和控制方法；用于存在非完整性运动学约束和动力学约束的自主轮式搬运机器人实际系统上，解决自主机器人运动控制研究中路径规划、轨迹跟踪、底层控制的集成、综合和动态优化问题，以提高机器人运动控制的控制能力与控制品质。研究不仅具有广阔应用前景，而且将丰富智能控制的理论宝库，为建立系统而成熟的智能控制理论做出一定的贡献。

将仿人智能控制与认知神经科学和全流程优化控制的相关研究成果相结合，建立机器人运动相关模型，提出基于认知神经模型的全程优化仿人智能机器人运动控制系统结构和控制方法，用于存在非完整性运动学约束和动力学约束的自主轮式搬运机器人实际系统上，解决自主机器人运动控制研究中路径规划、轨迹跟踪、底层控制的集成、综合和动态优化问题，以提高机器人运动控制的控制能力与控制品质。.取得了如下研究成果：.提出了考虑负载变化的存在耦合的移动机器人运动系统类等效模型及其参数确定方法。搭建了负载可调两轮差速轮式移动机器人实验平台进行了验证。.提出了一种由仿人智能控制底层执行层、动态参数自适应调整层和任务协调层三层构成的智能控制器，应用于两轮轮式移动机器人点镇定控制器的设计及其控制器参数整定，以及全向移动机器人轨迹跟踪控制器的设计及其控制器参数整定，并针对底层控制提出了分级控制驱动电流上限的驱动控制方法，设计了一种基于智能控制的直流电机双闭环驱动器。进行了仿真和实际系统点镇定和轨迹跟踪运动控制实验，与多种控制方法进行了对比，验证了方法的有效性。针对系统的自适应，进一步探索了一种两级双层结构轨迹跟踪控制器，实现自适应和解耦控制，并用Lyapunov函数对控制器进行了稳定性分析。.针对六自由度机械臂无标定视觉伺服控制，提出了双目视觉系统两轴平行布局方法，保证摄像机坐标系至少一个轴与世界坐标系近似平行，使得机械手末端沿世界坐标系的轴线平移时，摄像机坐标系的特定坐标近似不变；选择位置与姿态近似解耦的点、线作为图像特征；证明了特征的单调性；建立了定性定量描述的图像特征映射模型；基于图像特征映射模型，提出了机械手孔轴装配无标定视觉伺服控制方法。在此基础上进一步提出了基于仿人智能控制机械臂五自由度无标定视觉伺服方法。该方法采用基于点和角度特征的双目视觉图像雅可比矩阵近似描述机械手无标定视觉伺服动态手眼映射关系，并依据机械手与摄像机先验知识划分图像特征模态，在卡尔曼滤波估计在线更新图像雅可比矩阵基础上，结合仿人智能控制定性决策与定量控制二次映射方法，设计了机械手五自由度无标定视觉定位仿人智能多模态视觉伺服控制器,并采用李雅普诺夫理论证明控制器的稳定性条件。均在搭建的工业机械臂实际系统上得到了验证。.进一步将结合轮式移动机器人和机械臂构成更复杂的搬运机器人，研究基于认知神经科学和全流程优化控制的一体化控制方法。

内容获取失败，请点击重试