针对传统矿用挖掘机难以在复杂矿岩环境下高效开采的问题,基于环境的雷达点云信息提出一种在面对复杂堆料时挖掘机器人的自主作业规划方法,以实现其连续、高效的自主化采掘任务。该方法首先利用挖掘机器人的激光雷达对复杂未知的物料环境形貌进行建模分析,通过点云信息的特点识别并筛选不同的物料堆面,然后采用多项式插值的方法对不同物料堆面的挖掘轨迹进行在线规划。结果表明,基于环境点云的自主规划方法能够使挖掘机器人在满足满斗率的条件下对不同的物料堆面实现快速有效的自主作业规划,并保证挖掘机器人连续高效的挖掘作业,对复杂工况环境下矿用挖掘机自主化的高效开采方面的研究有很大的指导意义。

针对挖掘机器人工作装置液压系统存在滞后、不确定性和非线性,不能实现有效精确控制的问题,设计一种基于模糊PID的电液比例位置自调整控制策略。介绍了电液比例位置控制系统组成和自调整模糊PID控制器原理,建立了控制规则表,采用中点向下融合法进行模糊推理和去模糊化处理。仿真与实验验证结果表明:该控制方法具有很好的鲁棒性,控制效果满足技术要求。

为提高液压挖掘机器人工作装置轨迹规划控制精度,减小按照理想模型进行控制的阀控缸系统存在的控制误差,获得更接近实际状况的阀控缸系统控制模型,采用RBF神经网络方法,建立含阀控缸系统待辨识参数及Jacobian信息的线性方程组.以挖掘机斗杆油缸为研究对象,经实验获得油缸进回油压力、斗杆倾角参数,辨识出阀控缸模型中阀的增益系数kq、体积模量Eoil和内泄漏系数Cli.最后通过对阀控缸系统进行力控制实验对比研究,验证了采用辨识参数的系统模型控制精度较好,有很强的鲁棒性.

从挖掘机器人动力传动系统节能角度考虑,通过对挖掘机器人功率匹配的分析,研究了基于RBF神经网络-PID控制算法在节能控制系统上的应用。试验结果表明采用的节能方法和神经网络-PID控制算法在挖掘机器人节能控制系统上是可行的。神经网络-PID控制器能根据不同的环境和作业工况进行实时参数自调整,具有自学习的功能。研究结果为进一步研究开发智能挖掘机提供了参考。

挖掘机器人伺服系统存在高度非线性、参数不确定和未建模动态等诸多不利因素,提出了一种结合径向基函数(RBF)神经网络的非线性滑模控制器,以提高控制精度和鲁棒性。首先,建立了单联伺服系统的数学模型;其次,采用RBF神经网络对系统的不利因素进行逼近,提出积分滑模面进一步减小稳态误差,同时减少对伺服系统参数的依赖,在此基础上,设计了基于RBF神经网络的滑模控制器(SMC-RBF),利用Lyapunov理论证明了系统的渐近稳定性;最后,通过不同的参考信号和整平实验验证了控制器的优越性。仿真结果表明,SMC-RBF控制器响应快,跟踪精度高且鲁棒性强,与PID控制器相比正弦轨迹跟踪精度提高了46%。整平实验结果表明,铲斗末端轨迹跟踪精度提高了52%。

为了提高挖掘机器人电液伺服系统的轨迹精度,首先,建立挖掘机器人电液伺服系统模型;其次,对遗传算法的种群、适应度函数、交叉概率和变异概率进行改进,设计改进遗传算法的PID控制器,在联合仿真平台上进行了仿真研究,用阶跃和斜坡信号评估控制器性能;最后,搭建挖掘机器人轨迹控制实验平台,采用对挖掘机器人精度要求较高的斜坡作业验证控制器性能。结果表明:相比较于传统的PID控制器和经典遗传算法优化的PID控制器,改进遗传算法优化的PID控制器调整时间短,响应快速,实际动作控制时轨迹跟踪误差最小,可用在挖掘机器人实际轨迹控制中。

为研究如何在满足强度要求的前提下降低铲斗的质量,提出一种基于连续挖掘轨迹和极限挖掘力的铲斗轻量化设计方法。基于连续轨迹理论选定当挖掘机器人动臂处于主挖区内,由铲斗、斗杆液压缸交替挖掘的4段轨迹作为研究前提,计算并分析了连续轨迹上极限挖掘力的数值变化规律;使用APDL语言建立铲斗参数化模型,以极限挖掘力为外载荷研究铲斗结构强度的变化规律;以铲斗质量和应力为优化目标建立铲斗结构优化模型,使用遗传算法对铲斗进行优化。结果表明:铲斗液压缸挖掘时铲斗的应力、变形明显大于斗杆挖掘;优化后铲斗的质量减少了5.27%、最大应力减少了6.23%,验证了优化方法的可行性。

利用模糊滑模控制理论和混合控制理论设计了力和位置混合控制器,它在对液压缸的驱动力进行控制的同时,又对液压活塞杆的位置进行跟踪控制.仿真试验表明,模糊滑模控制器既具有滑模控制鲁棒性好和响应速度快的特点,又利用模糊控制有效地削弱了普通滑模控制的抖振现象,能够很好地满足挖掘机器人运动系统的要求.

利用三维实体建模软件Pro/E与机械系统动力学仿真分析软件ADAMS建立了挖掘机器人机械子系统、液压子系统模型并在ADAMS环境中利用参数关联技术将两个子系统模型集成建立起挖掘机液压与机械一体化的虚拟样机模型;在此基础上进行了大量的运动学和动力学仿真。研究结果为预见设计方案的可行性及物理样机的试制提供了一定参考;可提高产品开发速度和精度降低开发成本;具有重要的理论与工程意义。

从挖掘机器人动力传动系统节能角度考虑，通过对挖掘机器人功率匹配的分析，研究了基于RBF神经网络-PID控制算法在节能控制系统上的应用。试验结果表明：采用的节能方法和神经网络-PID控制算法在挖掘机器人节能控制系统上是可行的。神经网络-PID控制器能根据不同的环境和作业工况进行实时参数自调整，具有自学习的功能。研究结果为进一步研究开发智能挖掘机提供了参考。