神经动态容错方案,用于双冗余机器人操纵器的协作运动计划
IEEE transactions on neural networks and learning systems
|October 8, 2024
概括
一个新的神经动态故障耐受 (NDFT) 方案解决了双冗余机器人的关节故障. 这种方法确保机器人通过使用健康的关节来补偿故障关节,提高准确性并减少漂移,从而确保机器人完成任务.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 控制系统 控制系统
- 人工智能的人工智能
背景情况:
- 对于双冗余机器人操纵器的协作运动规划,由于关节故障,容易导致任务失败.
- 现有的方法可能无法充分解决复杂机器人系统的故障耐受性.
研究的目的:
- 为双冗余机器人操纵器提出和验证神经动态容错 (NDFT) 方案.
- 通过智能补偿来确保任务完成,尽管共同失败.
主要方法:
- 一个共同的容错策略,以时间变化的平等约束形式制定.
- 使用二级编程 (QP) 集成各种控制和约束方面的容错框架.
- 一个可变参数循环神经网络 (VP-RNN) 来解决 QP 问题,形成 NDFT 方案.
主要成果:
- 通过NDFT计划,有效地利用健康的关节来弥补缺陷关节的影响.
- 计算机模拟和物理实验验证了该方案的可用性,可实现性和准确性.
- 与传统方法相比,比较结果显示了更高的准确性和减少的关节角度偏移.
结论:
- 拟议的NDFT方案使双冗余机器人能够完成终端效应器任务,即使有联合故障.
- 将VP-RNN与基于QP的框架集成,为容错机器人运动规划提供了一个强大的解决方案.
