移动机械臂动力学控制与视觉伺服关键技术

本文主要探讨了分布式优化和统计学习在移动机械臂动力学控制与基于视觉的物体抓取中的应用，以及视觉伺服技术在机器人领域的最新进展。首先，回顾了机器人视觉伺服的发展历程，自20世纪80年代起，随着计算机技术和图像处理技术的进步，视觉伺服系统逐渐成为提高机器人智能化的重要手段，被广泛应用于工业生产和科研探索。 视觉伺服根据反馈信息可分为两类：基于图像的视觉伺服和基于位置的视觉伺服。基于图像的视觉伺服直接通过图像计算误差，无需目标位置信息，但设计复杂度较高，对机器人位姿不敏感；而基于位置的视觉伺服则利用图像和机器人自身位姿计算目标位置，反馈信号为位置信息，便于内环控制器处理，但对摄像机和机器人标定精度要求较高。 本文的研究焦点在于移动机械臂，特别是MT-ARM模块化移动机械臂和两自由度机械臂模块。研究的目标是解决动力学上的轨迹跟踪问题，通过先进的控制方法使机械臂能够精确跟踪预设的轨迹（包括位置、速度和加速度）。然而，实际系统可能存在测量误差、未建模动态和外部扰动，这些因素导致系统模型不精确，特别是在抓取物体的工作任务中，系统受到强烈扰动。 针对这些挑战，研究者针对具有不确定性的机械臂，探索具有鲁棒性的视觉伺服控制策略，旨在提高轨迹跟踪的稳定性和准确性。这包括动态模型的建立，误差补偿机制的设计，以及视觉信息的有效融合，以减少对外部因素的依赖。本文的研究成果将有助于提升移动机械臂在复杂环境下的操作性能，推动机器人技术在制造业、医疗、服务等领域的广泛应用。 在整个研究过程中，作者陈建业在刘士荣教授的指导下进行了深入研究，并遵循了杭州电子科技大学的学位论文原创性声明和使用授权规定。通过这篇论文，读者不仅能了解到视觉伺服技术的最新发展，还能深入了解移动机械臂动力学控制的复杂性和解决策略。