工业无线网络化控制系统结构及调度问题研究

无线通信技术在工业网络化控制系统中的应用已成为当今工业领域中的研究热点。然而无线通信技术在恶劣的工业环境中通信质量严重下降，使得现有无线通信技术在工业网络化控制系统中的应用受阻。为此在不断提高和改进无线信号传输性能的同时，更要在控制系统级层面上充分考虑无线通信技术的特点，进行相关系统结构和实时调度机制等方面的改进，以达到使系统产生的通信任务在应用层上得到可靠、实时调度的目的。同时也要从无线网络技术层面上入手，解决上层下达的通信任务在数据链路层中的实时调度问题。要设计适合工业无线网络化控制系统应用特点的MAC协议来有效调度网络所有节点的信息收发，减少高层下达的通信任务在网络中的平均时延，提高吞吐量，进而保证工业无线网络化控制系统的实时性。 因此，本文从工业无线网络化控制系统中的通信任务在数据链路层和应用层上的调度角度出发，以解决、改善工业无线网络化控制系统的实时性和可靠性等性能指标为目的。对工业无线网络化控制系统的结构、应用层调度策略和优化以及数据链路层中的MAC协议进行了系统的研究。主要工作和贡献有以下几点： （1）对工业网络化控制系统的基本问题和引入无线通信技术后产生的问题进行了探讨。在定性分析了工业环境对无线通信的影响及要求的同时，又推导出了无线通信的链路预算模型，并利用Matlab对该预算模型进行了建模，计算出了在工业级噪声指数和工业要求的误码率下，IEEE802.11b和IEEE802.15.4两大主流无线通信技术的链路预算情况及具体的量化数据。 （2）提出了工业无线网络化控制系统的双频二级拓扑结构和多路径传输机制。利用了无线信道特点和路径冗余优势，在系统级上改进了目前无线通信技术在工业网络化控制系统中的应用模式，部分缓解了无线通信技术在工业恶劣环境中的实时性和可靠性问题。为工业无线网络化控制系统结构的设计做了有益的尝试。同时，首次将DS-UWB技术应用于工业网络化控制系统中，设计出了基于该结构的UWB和FF及PROFIBUS的集成方案，为该结构的快速应用提供了有效的途径。 （3）提出了极大容忍无线通信时延的调度算法(GTD)。有效解决了工业无线网络化控制系统中周期性通信任务的实时性问题,部分弥补了因无线网络时延而导致周期性通信任务超时的缺陷。并针对GTD调度算法产生的通信窗口碎片问题进行了优化处理，又提出了面向非周期信息吞吐量最大化的优化调度算法，该算法提高了非周期性通信任务的吞吐量。同时，给出了基于这两种调度算法的非线性规划模型的调度时间表求解方法。 （4）提出了根据通信任务调度时间表进行分配无竞争期的混合CAP和CFP的MAC协议（HAF-MAC）。解决了工业无线网络化控制系统上层下达的周期性通信任务和非周期性通信任务在数据链路层中的实时调度问题，并有效解决了本文提出的应用层调度算法生成的预留时间可能存在浪费的问题。同时，在理论分析了HAF-MAC协议时隙利用率的基础上，提出了基于时隙的HAF-MAC（TSHAF-MAC）协议。TSHAF-MAC协议比HAF-MAC协议提高了时隙利用率，使吞吐量和平均延时得到了进一步改善，进而提高了非周期性通信任务的实时性。最后，对这两个协议进行了仿真建模与验证，进而较系统地解决了工业无线网络化控制系统中的通信任务的实时调度问题。 （5）分别将论文中的第三章和第四章的部分研究成果,在本人博士研究阶段研发的无线智能照明控制系统这一物理实验平台上进行了一定的验证。

基于时间序列数据挖掘的旋转机械预诊断方法研究

基于状态的维护(CBM, Condition Based Maintenance)是近年来新兴的一种设 备维护策略，它的基本理念是在机械设备需要维护的时候才对其进行维护，强调 维护要及时、准确和经济。采用这种维护策略，能够提高工业生产的安全性和可 靠性，系统地降低企业运营成本。 机械设备状态预诊断是实现CBM 的核心支撑技术，对其进行深入研究，对推 动CBM 的发展具有重要意义。但是，由于相关研究起步不久，目前预诊断技术还 未能得到很好的实现，研究人员有必要不断地尝试各种新的有效方法来更好地解 决这一问题，加快其实现方法与技术应用的成熟进程。基于此，本文从数据挖掘 的角度，探索了机械设备预诊断新的解决方法和途径，深入研究和探讨了基于时 间序列数据挖掘的旋转机械预诊断方法。本文的主要工作包括： 1. 结合CBM 的基本理念和应用实际的需求，对机械设备状态预诊断的基本 内涵进行了系统分析。将状态评估、故障预测和剩余有效使用寿命预测三个预诊 断基本功能进一步抽象，提出了包含特征提取、状态预测和模式匹配三个子问题 的预诊断一般流程模式。在详细分析机械设备状态预诊断理论方法和应用技术研 究现状的基础上，提出了预诊断技术研究的发展趋势及各子问题的研究侧重点。 并对利用时间序列数据挖掘这一理论方法解决机械设备状态预诊断问题的可行性 进行了分析。 2. 针对具有波动频繁、噪声干扰严重等特点的原始振动量时间序列无法直接 用于旋转机械性能状态分析的问题，结合全息诊断信息融合分析旋转机械振动全 貌的思想，提出了全息状态矩阵的概念并给出定义，用类时间轴上的多维序列表 征转子系统振动全貌，以实现振动量时间序列的高级表示，为后续预测与匹配分 类工作提供良好的数据源，同时增强全息诊断的信息检索和知识自动获取的能力。 3. 将旋转机械性能状态预测，归结为旋转机械设备维护应用背景下的一维数 值型时间序列预测问题来进行深入研究。针对现有预测方法长期预测能力较弱， 且自动化水平低的不足，提出了用于旋转机械性能状态预测的ARIMA 动态间隔预 测法。该方法以动态间隔获取时间序列样本建模并预测的策略，提高了ARIMA 模 型用于设备状态长期预测的准确性，并且能够实现建模与预测的自动化，满足CBM 系统的实时性要求。 4. 针对全息状态矩阵表示的旋转机械性能状态特征数据，提出了一种全息状 态矩阵相似性匹配方法。结合旋转机械预诊断领域应用的特点定义了全息状态矩 阵的相似性度量模型，基于全息状态矩阵近似距离三角不等式设计了剪枝搜索策 略，并在此基础上设计了全息状态矩阵相似性高效准确匹配算法，不需要借助专家经验和人工识别确认，在一定阈值范围内能够实现高质量的旋转机械性能状态 相似性匹配。 5. 旋转机械基本振动量特征时间序列具有海量、超高维度、短期波动频繁和 大量噪声等特征，与时间序列数据挖掘传统应用的金融商业领域数据不同，直接 采用传统方法会存在搜索速度大幅度降低的问题。针对这一问题，提出了基于随 机投影的时间序列相似性搜索方法。该方法利用近年来新兴的随机投影统计学降 维法，将原始时间序列集映射到低维空间，并利用R*树进行索引，能够在保持高 准确率的同时，实现旋转机械基本振动量特征时间序列相似性快速搜索。 6. 针对现有机械设备性能状态分类方法不考虑误分类代价的问题，提出了一 种代价敏感直推式旋转机械设备性能状态分类法。该方法将代价敏感分类和直推 式学习的基本思想和理论相结合，采用一种代价敏感的直推式分类机制，实现了 机械设备性能状态的代价敏感分类。该方法在保证较高分类准确率的基础上，明 显地降低了误分类总代价。 7. 基于CBM 的基本理念，设计了旋转机械CBM 系统的基本结构，并以本 文理论方法的研究成果为核心，详细设计了各模块的基本功能和处理逻辑，采用 VC#.net 与Matlab 混合编程的方式开发了一个面向大型旋转机械的CBM 系统原 型，以验证本文机械设备预诊断方法研究成果的可操作性和实用性，为CBM 系统 应用技术研究做出了有益的探索。

基于视觉里程计的机器人自主定位导航

设计了一种基于双目立体视觉的视觉里程计来实现移动机器人在非结构化环境下的自主定位导航.对图像序列中提取的环境特征进行跟踪和匹配获得特征序列，根据三维重建的不确定性，利用最小二乘法和极大似然法对移动机器人进行定位和运动估计.在MATLAB环境下的仿真实验结果表明，视觉里程计可精确估计机器人位置和运动状态，对运动过程中的测量误差进行补偿，减小了机器人在非结构化环境下长距离导航的定位和运动状态估计累积误差，验证了这种视觉自主定位导航控制方法的可行性和有效性。

X射线在介质中的剂量分布计算

研究了放射治疗中X射线在介质中的输运过程,编程实现了基于蒙特卡罗方法的剂量计算．并在便于图形处理的软件Matlab中对光子输运结果进行了可视化处理．对X射线在均匀介质和菲均匀介质中的蒙特卡罗模拟结果与实测结果、其他蒙特卡罗软件模拟结果进行了比较,结果符合较好．实验结果表明该方法既可以获得很快的仿真速度,又能得到精确直观的剂量计算结果,为提高放射治疗水平具有重要的指导意义和应用价值．

宜人化双臂操作型服务机器人建模、控制和协调

为宜人化双臂操作型服务机器人建立了动力学模型,该模型的特点是独立的机理建模技术结合黑箱技术共同描述出完整的模型;结合建立的模型,提出一种基于NN的自适应鲁棒控制器,并证明了其渐近稳定性.最后,在分析宜人化双臂操作型服务机器人运动特征的基础上,提出一种基于事件的在线协调的策略.

基于约束的4自由度并联机床的可达工作空间分析

针对一种新型的4-DOF并联机构的结构特点,采用基于逆解计算的网格法对其工作空间求解的算法进行了详细的分析,并利用Matlab编制了相应的程序,以Matlab图的形式描绘了几种情况下的工作空间区域,并对此进行了分析。

拟人机器人交互作用力的研究

拟人机器人的动力学具有高度非线性、高度耦合的特点,分析清楚各组成部分之间的交互作用力是实施高级控制方法的基础。文章在以往分析移动机械手的基础上,从整体建模的角度入手,对拟人机器人的交互作用力提出了一个新的模型,即神经网络模型。利用该模型对一个特殊的单一手臂运动的例子进行了拟合,其结果是收敛的。这说明提出的模型是有效的,此后,我们将陆续给出研究成果。

多移动机器人主—从编队控制研究

多机器人编队控制是多移动机器人自主协调控制领域中的关键技术。这篇论文在基于局部测量和局部控制的框架下，研究具有主—从跟踪结构的移动机器人编队系统的建模和控制问题。论文的主要研究内容可分为如下三个方面：针对一阶运动学和二阶运动学模型的编队控制器设计；将基于运动学的编队控制器与基于从机器人动力学的载体控制器相结合；将队形反馈信息融入主机器人的轨迹跟踪控制器，给出了主机器人的协调编队控制器的设计。具体内容可概括为如下几个方面：（1）以主—从机器人编队中从机器人的固联视觉传感器的观察角度出发，用视觉等效相对速度建立了主—从机器人编队系统的运动学模型。同时，在该模型中考虑了由视觉传感器时间延迟所导致的模型误差对编队系统的影响。在基于该运动学模型的编队控制器的设计过程中结合了基于从机器人载体的动力学的速度控制器。这种基于编队运动学和机器人本体动力学相结合的控制方法，避免了以往文献中速度跟踪响应无限快的假设。使得对编队控制系统的分析和设计更趋于实际。用Lyapunov稳定性理论证明了主—从机器人之间的编队跟踪误差和从机器人载体的速度跟踪误差都可以收敛到零--整体系统的渐进稳定性。（2）结合上述编队控制律，提出了一种编队系统中从机器人主动避障的方法，该方法能够令从机器人在避开动态障碍物的同时，与主机器人保持期望的相对距离或相对方位。这种方法的实质是由主机器人来引导从机器人的避障过程，主—从机器人之间通过相互协作来完成避障任务。这就使得从机器人即使在避障的过程中也能够与主机器人保持部分的协作。这样，当避障过程结束之后，主—从机器人之间可以迅速的恢复队形。（3）导出了一种新的基于相对运动学的主—从跟踪系统的二阶运动学模型。利用这个运动学模型，我们设计了一个由反馈线性化控制器和一个滑模控制器组成的复合控制器，来实现机器人主—从跟踪系统的控制。运用Lyapunov理论证明了所设计的队形控制器能够镇定包括内部动力学系统在内的整个主—从跟踪系统。同时，该控制器使得队形跟踪系统对主机器人的绝对加速度具有鲁棒性。此外，在前述控制器的基础上，我们设计了一个自适应队形控制器来处理主—从跟踪系统中存在的参数不确定性。（4）将上述基于二阶运动学的编队控制方法与从机器人的载体动力学控制系统相结合，给出了将编队运动学与载体动力学相结合的编队控制器设计方法。同时，针对载体动力学模型中含有参数不确定性的情况，设计了基于自适应控制方法的编队控制器。同时，利用Lyapunov理论给出了保证整体系统稳定性的条件。（5）基于主—从编队系统的二阶运动学模型，将队形反馈信息引入主机器人的轨迹跟踪控制器中，形成了主—从机器人协调编队的辅助控制律。该辅助控制律所对应的虚拟协调力通过主机器人的动力学系统形成了真实的协作控制力。该控制器与前一章中的从机器人的鲁棒编队跟踪控制器共同形成了主—从编队系统的协调控制器。应用Lyapunov理论给出了在主—从机器人分别采用协调编队控制器的作用下所形成的闭环系统的稳定性条件。进一步地，我们将主机器人的面向轨迹跟踪任务的协调控制器转换为面向路径跟踪任务的协调控制器。分别利用了基于MATLAB的仿真平台和实际的多移动机器人系统，验证了以上各方法的有效性。

基于神经元群的网络遥操作机器人控制研究

遥操作技术是机器人学中的一个重要研究方向，互联网的出现和快速发展为本地机器人系统和远端操作者之间提供了新的交互媒介。通过网络将操作者智能与机器人局部自主相结合，充分利用操作者与机器人系统间的交互能力，实现远距离、动态非线性环境下的复杂任务操作，极大地拓展了遥操作机器人系统的应用范围，具有广阔的应用前景。但由于网络传输特性产生的随机时延和多通道问题会严重降低遥操作系统的稳定性；环境的复杂性和动态性也会影响系统的操作性能，使得操作者与机器人之间难以实现良好的交互和控制，甚至威胁到机器人自身的安全。针对这一问题，本文在分析了现有的遥操作理论和方法的基础上，采用事件驱动和动态神经元群控制相结合的方法，研究网络遥操作机器人系统的建模和控制问题。通过提高遥操作机器人的局部自主能力，结合学习能力、短期记忆结构和内部表达方式的建立，增强遥操作机器人的环境适应能力。论文的主要研究内容可分为如下三个方面：基于事件和神经元群方法的控制系统整体设计；具有局部自主的神经元群控制器分析与实现；将多层延迟结构引入神经元群模型，给出了动态神经元群控制器设计。具体研究内容概括如下： 1. 论文对遥操作机器人系统发展历程、研究现状，以及在网络遥操作机器人系统研究中所涉及的一些主要方法，存在的问题和已有的解决方案进行了归纳总结和较为全面系统的分析，然后给出本文研究的主要内容和研究所需的一些准备知识。 2. 论述了涵盖三个大脑信息处理特性：选择性、适应性及协同性的神经元群选择理论，详细分析了选择性神经元群网络的结构、功能和算法。建立了基于选择性神经元群网络的遥操作机器人控制模型。在此基础上进行的仿真对比实验，验证了其在学习能力和收敛精度方面，比传统的人工神经网络方法更具优势。 3. 针对网络遥操作机器人系统中存在的随机时延和模型所具有的未知、不确定和非线性特性，造成系统不稳定和操作性能下降等问题，提出采用基于事件和神经元群控制相结合的方式建立系统控制模型。综合考虑两种控制策略的特点，分别设计两端控制器。通过神经元群模型提高本地机器人的局部自主能力，实时跟踪远端的位置和速度信息；结合基于事件控制方法实现切换控制，降低网络随机时延的影响，保证系统稳定性，提高系统操作性能。在此基础上，结合轮式移动足球机器人模型、网络通讯协议和时延数据的分析，进行仿真实验，结果验证了所提控制方法的有效性。 4. 将神经动力学概念引入到网络遥操作系统中，建立一种新的具有分层延迟结构的动态神经元群模型。引入时延单元增加记忆功能，由此导出的模型更适合应用于处理序列数据。动态神经元群模型将事件序列的时变量转化为空间向量表示，进而转化为多维曲线的分类问题。利用这个模型，实现对遥操作机器人系统动态特性参数的辨识和远端操作者意图的分析预测，并进行了全局渐近稳定性和同步状态分析。通过这种方式克服网络随机时延的影响，保证系统的稳定性和操作性能。针对轮式移动足球机器人进行了仿真实验研究。最后，本文分别利用了基于MATLAB和MSVisual C++开发的仿真平台，验证了以上方法的有效性和控制器的性能。本文所作的理论分析工作及仿真实验，验证了基于事件和神经元群方法实现对网络遥操作机器人控制的有效性。

基于关节限位的自治水下机器人机械手系统运动规划研究

对自治水下机器人搭载的四功能水下电动机械手进行了简要描述。考虑到自治水下机器人机械手系统的运动学冗余,将关节限位算法用于系统逆运动学求解,避免载体大幅度姿态变化。利用Matlab仿真表明该算法在解决系统冗余的同时有效的限制了关节位移。

水下机器人-机械手系统构建与研究

描述了一水下机器人——机械手系统研究平台的搭建,详细介绍了三功能水下电动机械手的设计与实验,给出了载体分系统的设计结果,利用Matlab工具箱和M函数构建了系统仿真模型,可以有效地对系统规划和控制算法进行验证(包括分别对载体分系统和机械手分系统的控制),可为进一步的现场试验提供指导和方法验证。

浮力调节系统在作业型AUV上的应用研究

本文根据我国正在研制开发的作业型水下机器人的特性及其对浮力调节和姿态控制的要求,应用PID控制策略,设计了一个浮力调节系统,仿真结果证明该设计方案可以达到预期的目标。(100039北京市中国科学院研究生院)常海龙

水下滑翔机器人载体外形设计与优化

借助流体动力计算软件CFX和Matlab,对水下滑翔机器人载体外形进行设计和优化.通过对 4种载体方案的分析计算和运动仿真,最终得到了一种比较合理的外形方案.研究结果表明,采用CFX流体动力计算软件对于研究水下机器人载体的外形结构,尤其是在方案设计阶段在外形流体动力设计中具有重要的作用,可缩短研制周期、降低设计成本.

自治水下机器人全自由度仿真

由于自治水下机器人技术的复杂性 ,系统仿真技术变得越来越重要。系统地分析了自治水下机器人 (AUV ,AutonomousUnderwaterVehicle)的运动模型和空间运动方程 ,运用MATLAB下的SIMULINK ,设计了自治水下机器人的全自由度仿真工具箱 ,包括机器人本体运动、位姿求解和坐标系转换等多个部分 ,可以方便地进行控制方法的全自由度的仿真。

浮力调节系统在远程AUV上的应用研究

本论文在参阅大量国内外文献的基础上，对远程AUV浮力调节系统进行了结构设计与控制方法的研究。 随着AUV技术的发展，流线型AUV应用浮力调节系统的需求越来越高，尤其对于远程航行，浮力调节和姿态调节变的尤为重要。水下机器人的浮力调节在远程AUV中的应用，将使机器人在水中的浮力随时保持零浮力状态，节约了航行中的动力消耗，而且可以调整机器人的姿态，减少水的阻力，为机器人更好的航行提供保障。 本文列举了几种典型的AUV浮力调节方法，并对其浮力调节的方式和特点进行了一定的描述。通过对这些浮力调节方法的探讨，提出了远程AUV的浮力调节方式。文中详细地介绍了此种调节方法，以远程AUV系统的的特性及其对浮力调节和姿态控制的要求，应用PID控制策略，对远程AUV设计了一个浮力调节系统。本系统选用油作为工作介质。通过向四个皮囊抽油或注油来改变排水量，从而调节浮力来改变载体的浮力、横倾和纵倾。 以远程AUV的动力学模型为对象，采用该调节方法进行了仿真验证，在matlab下仿真了浮力调节装置在远程AUV中的应用，包括浮力调节，横滚和纵倾角度的调节。结果表明在载体不同的超载或者压载不足的情况下，系统都可以取得满意的调节效果。 利用水下机器人中心的实验平台，设计了一套浮力调节装置，并在实验平台上进行了验证。通过水池实验验证了我们的想法，水下机器人的浮力状况能够得到很好的调节，能够达到预期的目标。