刘 山

作业智能机器人群体协作控制实验室

1 实验室研究目标

（1）复杂作业柔性智能机械臂控制技术

针对智能柔性机械臂末端轨迹跟踪的高精度需求，设计适用于复杂环境的柔性机械臂系统样机，研究能够克服柔性机械臂高频振动的高可靠性多轴运动控制技术、视觉实时标定技术、视觉伺服跟踪技术以及人机交互技术。

（2）复杂环境下智能作业机器人群体协作控制技术

针对复杂环境下智能作业机器人群体的空间分布、功能分布和时间分布等特点，研究动态与不确定环境中的多机器人任务分配、路径规划、竞争与合作、仿真系统及协调控制等技术，通过共享资源弥补单个机器人的能力不足，扩展任务执行能力，增强系统的可靠性与稳定性。

2 实验平台

（1）作业柔性智能机械臂协作平台

该平台包含两套柔性机械臂系统样机，以实际机械臂为模拟对象，由双柔性机械臂和机器视觉设备等组成。双柔性臂由两个多关节柔性机械臂构成，悬挂在支架上并可沿导轨移动，用以完成对工件的加工或相关操作；视觉设备由多个摄像机和云台组成，可获取全局和局部视觉信息；每个机械臂均配备一台独立的计算机作为控制器，各计算机通过局域网连接通信。

在此样机平台上可开展如下研究：

●  柔性机械臂建模与控制

●  柔性机械臂协作

●  机器视觉与多传感器信息融合

●  基于视觉伺服的柔性机械臂控制

（2）智能作业机器人群体协作平台

该平台为多移动机器人协作系统样机，由三个移动机械臂组成。每个移动机械臂由一个多关节机械臂和一个轮式移动平台组装而成，机械臂主要用于完成对工件的抓取与操作，移动平台负责移动和承载。系统配备由多个摄像机组成的视觉系统和声呐传感设备，每个移动机械臂均配备一台独立的计算机作为控制器，各计算机通过局域网连接通信。

在此样机平台上可开展如下研究：

●   动态不确定环境与信息不完全条件下的分布式多机器人协作运动规划

●   基于多传感器融合的机器人交互、多机器人系统信息融合与环境建模

●   不确定环境下分布式多机器人的实时协调控制

●   基于视觉伺服的移动机器人控制

3 实验室主要成果

实验室以异质多工业机械臂协作系统为实际背景，研究动态不确定环境下分布式多机器人系统的运动规划与协调控制问题，旨在为多机器人系统提供解决方案与关键技术，使其能够灵活、快速地响应环境和任务变化，从而在复杂环境中高效、可靠地完成协作任务。在学科建设经费支持下，建成了由两套悬挂移动式柔性智能机械臂和多套地面移动式多关节机械臂组成的作业智能机器人群体协作控制平台。其中，悬挂移动式柔性机械臂用于工件加工，地面移动式机械臂负责工件的拾取与托载；系统配备由多个摄像机组成的视觉系统、声呐传感设备及相应的检测装置；每个移动机械臂均配有独立的计算机作为控制器，各计算机通过局域网连接通信。

主要创新点：

（1）作业智能机器人群体协作控制系统的软硬件平台实现。

（2）柔性机械臂的构建、建模与控制。针对柔性机械臂的柔性结构和欠驱动造成的非最小相位特性，建立适合其末端跟踪控制的模型；研究在模型不确定情况下，将非因果稳定逆技术、模型预测控制与迭代学习控制相结合，以保证末端轨迹跟踪精度的控制问题。

（3）多机器人系统的构建与协作。重点解决不确定环境下分布式多机器人系统的协作运动规划问题。

（4）基于视觉伺服的机器人控制。

相关工作承担国家自然科学基金项目2项，发表论文10余篇，授权专利2项，计算机软件著作权2项。

非标准条件下的迭代学习控制算法

针对重复运行的被控系统，采用兼具反馈与前馈作用的开闭环综合迭代学习控制结构，着重研究各种非标准条件下迭代学习控制器的设计问题，旨在避免传统迭代学习控制律参数选择的盲目性，拓宽迭代学习控制的应用范围，增强其实用性。

主要创新点：

（1）分析得到了非标准条件下保证迭代学习控制鲁棒收敛的条件，并依据收敛速度与系统模型及控制律参数的关系，将迭代学习技术与反馈控制中的鲁棒优化技术相结合，给出了兼顾收敛速度和跟踪性能的鲁棒迭代学习控制设计方法。

（2）将系统结构参数化，结合变结构控制与自适应控制技术，设计了用于系统参数学习的鲁棒迭代学习律，克服了常规迭代学习控制无法用于非一致期望轨迹跟踪的缺陷。

（3）针对柔性机械臂的非最小相位特点，采用非因果迭代学习律形式，改善了迭代学习控制在非最小相位系统上的应用效果。

（4）首次将迭代学习控制技术应用于无缝钢管轧制过程。

相关工作承担国家自然科学基金项目2项、浙江省自然科学基金项目1项；发表论文20余篇。其中，论文《基于最优化指标的迭代学习控制》获“第四届全球智能控制与自动化大会”最佳优秀论文奖。论文《基于小波逼近的非线性系统鲁棒迭代学习控制》（《自动化学报》，2004, Vol.30, No.2, 270-276）、《基于稳定逆的非最小相位系统的迭代学习控制》（《控制理论与应用》，2003, Vol.20, No.6, 831-837）和《无缝钢管张减过程平均壁厚控制迭代自学习方法》（《钢铁》，2002, Vol.37, No.4, 28-34）被收入谢胜利、田森平、谢振东编著的《迭代学习控制的理论与应用》（科学出版社，2005）。

无缝钢管张减过程控制系统

张力减径过程对无缝钢管热轧生产的成品质量和规格多样化起着关键作用。结合无缝钢管热轧生产线设备的技术条件，综合利用热连轧过程料流跟踪的实时信息，应用现代控制理论与方法，开展热轧钢管壁厚最优控制技术研究，提出了一种国内外独创的平均壁厚控制与管端增厚控制迭代学习策略。

在此基础上，采用自适应与前馈控制技术，设计开发了符合钢铁厂实际需求、具有国际先进水平的无缝钢管热轧过程钢管壁厚前馈自适应控制系统，并成功应用于宝钢钢管厂热轧主作业线。

该系统能够减小成品钢管的壁厚偏差，降低生产过程中的材料和能源损耗，从而有效提高轧制收得率、提升产品质量并降低生产成本。

主要创新点：

（1）无缝钢管实时数学模型及仿真技术

（2）张减机钢管壁厚自适应控制技术

（3）张减机壁厚前馈控制技术

（4）新型管端切头（CEC）控制技术

应用效果与奖励：

●  根据年度生产运行统计，每年可创造直接经济效益1500万元。

●  上海市科委组织鉴定认为，该系统已达到国际先进水平。

●  成果先后获得上海宝钢集团公司技术创新奖特等奖，中国钢铁工业协会、中国金属学会冶金科学技术奖一等奖，上海宝山钢铁股份有限公司宝钢重大科技进步成果奖一等奖。

相关工作承担项目5项，发表论文3篇，授权专利3项，计算机软件著作权2项。论文《无缝钢管张减过程平均壁厚控制迭代自学习方法》（《钢铁》，2002, Vol.37, No.4, 28-34）被作为迭代学习控制的应用实例，编入蔡自兴所著《智能控制原理与应用》（清华大学出版社，2007）。