报告题目：铸件表面缺陷检测系统中双臂协调运动控制研究

报告人：张卉

报告时间：2023年12月5日（周二），18:00-22：00

报告地点：安徽工业大学秀山校区机械楼502

主办单位：复杂系统多学科管理与控制安徽普通高校重点实验室

报告对象：全校感兴趣的老师和学生

报告摘要：双臂机器人可以通过双臂协作方式执行类人操作任务，在较大质量和复杂外形目标物体的抓取、搬运和夹持操作上较单臂机器人表示出更为显著的优势，在越来越多的机器人场景中表现出广阔的应用潜力。然而双臂机器人是一种集成强耦合、高度非线性、多输入-多输出和参数时变特性为一体的复杂智能设备系统，其动力学建模中存在的惯性参数误差和外界环境多源复合扰动因素的共同作用，使得实现精确控制效果的控制器结构较为复杂。针对冶金工业领域中复杂构型零件的夹持操作任务，采用双臂协同配合抓取模式是较为可靠的实现策略，然而大多传统控制技术中对机器人的左右手臂采取单独控制方式，这可能导致双臂机器人运动过程中部分构件之间存在空间干涉，潜藏着较大的自身运动安全隐患。近年来，研究人员在双臂机器人的控制方面进行了广泛研究，许多学者尝试通过多种控制策略相结合方式来应对这个问题，主要包括PID控制、迭代学习控制、模糊控制、滑模控制、RBF神经网络控制和自适应阻抗控制等，但是按照预定期望轨迹实现高精度地稳定夹持物体运动，仍然被认为是双臂协作控制领域的主要挑战之一。

本报告研究基于铸件的全方位稳定翻转和高精度轨迹跟踪运动控制需求，提出了一种基于RBF神经网络补偿的模糊滑模控制（RBF-FSMC）算法。改进了滑模变结构控制中的准滑动模态，采用改进双曲正切函数代替传统饱和函数作为滑模平滑切换函数，使用模糊自适应逻辑算法来逼近滑模控制器中的切换增益，以解决滑模控制带来的大幅度抖振问题，通过RBF神经网络的滑模补偿控制器，自适应逼近方式来补偿控制系统中存在的不确定性项，减小了机械臂关节振荡幅值，消除了外部干扰以及建模误差对控制系统的不利影响，从而实现了双臂机器人翻转铸件的高精度检测轨迹跟踪和稳定协调控制效果。

报告人简介：张卉，博士研究生在读，主要从事冶金智能制造、机器人控制与轨迹规划、深度学习等研究工作。现任安徽工业大学创新教育学院创新实践部主任，在国内外学术期刊上发表学术论文二十余篇，授权发明专利3项。主要参与国家重点研发计划项目1项、安徽省中央引导地方科技发展专项项目1项、安徽省重点研发计划项目-对外科技合作项目1项，主持校青年基金1项。