机器人关节用挠性驱动单元研制与负载特性试验_吴伟国

合集下载

《机器人控制的实际应用》思考题与习题

哈工大机电工程学院硕士研究生课程《机器人控制的实际应用》课程学习指导、思考题与习题哈工大机电工程学院机械设计系仿生仿人机器人及其智能运动控制研究室教授、博导吴伟国编写 2009 年 9 月第一部分：学习指导第一章绪论——机器人操作臂理论与技术基础概述一、教学目的和教学要求通过本章学习，重点掌握本课程研究的工业机器人操作臂在目前机器人技术发展概况、本课程所讲述的工业机器人操作臂所处的应用技术较成熟的第 2 代机器人位置、机器人操作臂的机构构成、机器人控制所需的基本方法概述、本课程内容的构成。

二、教学内容和重点知识解析主要讲授：机器人操作臂理论与技术基础概述重点知识解析： 1、机器人操作臂的发展现状综述； 2、机器人操作臂的基本构成； 3、机器人操作臂的基本控制方法（本课程内容的构成）第二章机器人操作臂运动学一、教学目的和教学要求通过本章学习，重点掌握机器人操作臂机构的构成、位置表示、坐标变换、正运动学和逆运动学等机器人操作臂控制所需的基础知识，从而通过本章学习达到将机器人操作臂末端操作器运动与各关节运动之间的关系上升到位置表示、数学关系表达、求解方法的理论程度，为实际的编程做好理论准备。

要求学员具备矢量、矩阵等线性代数基础、机械原理有关机构、运动副、自由度等基本概念和基础知识。

二、教学内容和重点知识解析-11主要讲授：机器人操作臂运动学的基本概念、分析方法、逆运动学求解方法重点知识解析： 1、机器人机构与位置、姿态表示：关节、自由度、机构、末端操作器位姿； 2、坐标系的表示和坐标变换：各种坐标系表示、回转/平移/齐次变换矩阵、 D-H 参数法及关节坐标系建立； 3、正运动学：什么是正运动学（或运动学正问题）？矩阵齐次变换法、解析法、实例； 4、逆运动学；何谓逆运动学（或运动学逆问题）？几何法、矩阵齐次变换法、实例等。

第三章机器人操作臂动力学一、教学目的和教学要求通过本章学习，重点掌握机器人动力学研究的意义和必要性、用拉格朗日方程推导机器人操作臂的运动方程式、机器人操作臂动力学的牛顿-欧拉法等主要内容，为设计基于模型的控制器做好理论准备。

赵学增-机电工程学院-哈尔滨工业大学

吴伟国
导师简介：吴伟国，1966.04月出生，机械设计系教授，机械设计及理论学科，日本名古屋大学微系统工学博士后研究员；机械设计系副主任，主管机械设计及理论学科研究生教学工作。

1991年、1995年在哈工大先后获机械学学科工学硕士、机电控制及自动化学科工学博士学位；1991年4月11日留校任教，1998年1月、2003年8月、2005年4月先后被评为副教授、教授、博士生导师。

《哈尔滨工业大学学报（自然科学版）》编委，主要研究方向为仿生仿人机器人及其智能运动控制，先后主持完成国家自然科学基金、国家863计划、国家重点实验室、教育部归国留学基金项目以及主要参与完成国家863计划、横向课题等10余项；获部级科技进步1、2等奖各一项，发表内容独立的SCI、EI、核心期刊、IEEE国际会议方面中英文学术论文70余篇，其中第1、2作者60余篇；培养本科毕业生（14名）、硕士（37名）、博士（2名）人才累计53名。

科研成果详细情况参见哈工大个人网页：/pages/wuweiguo/5
计划招收硕士（1）
计划招收硕士（3）。

基于柔索驱动的踝关节康复机器人的研究

柔索驱动并联机构具有结构简单、质量轻、可
达工作空间大、惯性小、制造成本低、易于进行结构变更等一系列优点，正被逐步应用于康复运动的主动控制中＿５＿。因此设计一种基于柔索驱动的康复机器人以满足不同患者对踝关节的康复需求，这不仅拓宽了柔索驱动并联机器人的应用范围，而且在探索康复机器人领域的研究中有着重要的理论价值。同时，将踝关节康复机器人转化为机器人产品，为踝足关节损伤患者提供一种更安全可靠的康复设备，也具有重要的实际意义。
１踝关节运动特点
分析踝关节的运动特点是设计踝关节康复机器人的前提，也是评价踝关节康复效果的主要依据［６ｌ。
人体踝关节可视为球面副，其运动可简化为在３个平面内的转动，最主要运动为背伸～２５。～一３０。、趾屈４０。～５０。，此外还有内收２５。～３０。、外展一２５。～一３０。和外翻１５。、内翻一３５。～一４０。２种运动方式【７ｌ。
２柔索驱动踝关节康复机器人整体设计方案
由于柔索只能施加单向的拉力，所以必须有冗余力才能实现动平台的力闭合，为实现个自由度的运动，必须有（＋１）根柔索作为驱动元件＿８Ｊ。由于柔索驱动的特性限制，完整约束机器人实现的运动形式很有限，为此本文加人由支撑杆和球铰组
变化都是连续的，证明了实验的可操作性。
３ｏ０
１２０
（ａ）内翻、外翻运动

一种基于3-UU并联机构的腕关节康复机器人研制

2024年第48卷第4期Journal of Mechanical Transmission一种基于3-UU并联机构的腕关节康复机器人研制田培良刘智飞王炜博马晓宝兰媛（太原理工大学机械与运载工程学院，山西太原030024）摘要在3-UU并联机构基础上研制腕关节康复机器人样机，辅助中风患者进行腕关节康复训练。

回顾了3-UU机构演化过程和自由度，根据3-UU机构的约束关系和几何特性，采用球坐标法和滚动-俯仰-偏航（Roll-Pitch-Yaw，RPY）法分析机构逆运动学，得到机构平台和驱动的关系式；将研制的样机与经典的3-RRR腕关节康复机构进行对比，得出本机构不存在多解和奇异值等优点；对样机运动性能以及前臂两大肌群的肌电信号进行了测试。

实验表明，该机构的最大横滚角度为-90°~90°，俯仰角度为-90°~90°，虚拟偏航角度为-180°~180°，最高能产生950 mV的肌电信号。

上述结果表明，所研制的样机能满足腕关节运动需求，对前臂肌群进行训练。

关键词腕关节训练并联机构逆运动学康复机器人Research and Manufacturing of Wrist Joint Rehabilitation Robots Based onthe 3-UU Parallel MechanismTian Peiliang Liu Zhifei Wang Weibo Ma Xiaobao Lan Yuan(College of Mechanical and Vehicle Engineering, Taiyuan University of Technology, Taiyuan 030024, China)Abstract Based on the 3-UU parallel mechanism, a prototype robot for wrist joint rehabilitation is devel⁃oped to assist stroke patients in wrist joint rehabilitation training. Based on the constraint relation and geometric characteristics of the 3-UU mechanism, the inverse kinematics of 3-UU mechanism is analyzed by spherical co⁃ordinate method and roll-pitch-yaw (RPY) method， and the relation between the platform and the driver is ob⁃tained. Compared with the classic 3-RRR wrist joint rehabilitation mechanism, the developed prototype has no advantages such as multi-solution and singular value. The motion performance of the prototype and the electro⁃myographic signals of the two major muscle groups in the forearm are measured. The experimental results show that the maximum roll angle is -90° to 90°, the pitch angle is -90° to 90°， and the virtual yaw angle is -180° to 180°. The maximum electromyogram (EMG) signal can be generated at 950 mV. The results show that the devel⁃oped model can meet the requirements of the wrist motion and train the forearm muscle group.Key words Wrist joint training Parallel mechanism Inverse kinematics Rehabilitation robot0 引言中风是一种很常见的疾病，会使大部分患者有不同程度的大脑受损，最终导致肢体僵硬。

科技部公布国家重点研发计划“智能机器人”重点专项2017年度项目名单

项目牵头承担单位
中国科学院自动化研究所中国科学院自动化研究所
天津大学哈尔滨工业大学北京理工大学苏州绿的谐波传动科技有限公司秦川机床工具集团股份公司广州数控设备有限公司深圳市［川技术股份有限公司浙江智昌实业有限公司北京翼辉信息技术有限公司杭州新松机器人自动化有限公司河北工业大学重庆德新机器人检测中心有限公司北京中车重工机械有限公司哈尔滨工大焊接科技有限公司成都飞机工业（集团）有限责任公司北京卫星制造厂上海航天设备制造总厂上海振华重工（集团）股份有限公司中信重工机械股份有限公司北京理工华汇智能科技有限公司上海电气自动化设计研究所有限公司浪潮软件集团有限公司中广核研究院有限公司中国铁建重工集团有限公司首都医科大学附属北京同仁医院上海长海医院上海交通大学附属第一人民医院北京大学第三医院华中科技大学同济医学院附属协和医院南京医科大学第一附属医院泰富重装集团有限公司中车株洲电力机车研究所有限公司中国汽车工业工程有限公司宝山钢铁股份有限公司重庆华数机器人有限公司哈尔滨博实自动化股份有限公司赣州汇明木业有限公司经纬纺织机械股份有限公司太仓市康辉科技发展有限公司中国人民解放军总医院中国人民解放军总医院首都医科大学附属北京天坛医院
中央财项目实项目负责人政经费施周期
（万元）（年）谭民９３８３乔红８９９３明东９５９３刘伊威１３９６３宋遒志ｌ３６０３储建华ｌ３４０３陈兵奎ｌ３３２３徐殿国吴成东迟永琳１２９０３牛建伟９１４３李正刚９１３３韩旭９０７３欧家福９２４３丁汉ｌ３６６３李瑞峰１３８０３罗云ｌ２３９３刘海涛孟光陈再兴１０８７３郝兵１４３４３李兵９４８３程洪８７３３周风余８８１３黄文有ｌ３６８３程永亮１３１７３边桂彬９４０３高小峰９６３３董频８４７３余家阔８９７３章小平９２３３李建清８９２３徐连勇ｌ３９６３王勇智１３５０３赵新华ｌ３７３３吴瑞珉ｌ３４０．５３杨海滨１３２６３谭建勋ｌ２８６３訾斌ｌ３Ｏ４３张洁ｌ３６７３兰陟８８７３张立海１３７６３张海钟１２３６３李佑祥１０８９３

Advances_in_control_of_turbulence_by_artificial_in

人工智能控制湍流进展: 系统、算法、成就、数据分析方法吴　智 †　范德威 †　周　裕 *哈尔滨工业大学(深圳)湍流控制研究所, 广东深圳 518055摘要湍流控制涉及流体力学和控制理论, 对航空航天、运载工具、风力发电等众多领域具有重要的科学意义和应用价值. 由于湍流的复杂性, 传统控制方法在湍流控制领域面临很多瓶颈, 人工智能技术的发展为突破这些瓶颈提供了工具. 本文简要综述了文献报道的有模型和无模型的人工智能控制湍流的进展, 总结了研究中采用的典型的人工智能控制系统、算法、在不同湍流控制应用中取得的突出成果. 作者所在团队在国际上首次尝试对人工智能控制系统产生的海量数据进行分析, 从而挖掘出重要的信息乃至发现控制相似律. 对面临的挑战和未来的展望进行了分析.关键词　人工智能, 大数据, 流动控制, 湍流, 神经网络, 遗传编程, 深度强化学习中图分类号: O351 文献标识码: A DOI : 10.6052/1000-0992-22-045收稿日期: 2022-10-24; 录用日期: 2023-01-28; 在线出版日期: 2023-02-06* E-mail: **************.cn† 共同第一作者引用方式: 吴智, 范德威, 周裕. 人工智能控制湍流进展: 系统、算法、成就、数据分析方法. 力学进展, 2023, 53(2):273-307Wu Z, Fan D W, Zhou Y. Advances in control of turbulence by artificial intelligence: Systems, al-gorithms, achievements and data analysis methods. Advances in Mechanics , 2023, 53(2): 273-307© 2023《力学进展》版权所有第 53 卷　第 2 期力　学　进　展2023 年 6月274力学进展2023年第 53 卷1 引　言湍流被称之为世纪难题, 涉及众多工程领域, 例如航空航天、汽车、高铁、水下航行器、风力发电等, 其重要性不言而喻. 流体流经物体表面产生的气动压差、摩擦阻力、流致振动、流动分离、气动噪声等现象会严重影响设备的性能. 由于实际工程应用环境经常是高雷诺数的湍流环境, 因此, 通过控制湍流改善设备或产品的气动特性, 提升其整体性能, 具有极为重要的工程意义. 通过研究湍流对控制或扰动的响应, 更有助于深入理解湍流机制. 湍流控制可分为被动和主动. 被动方法通过改变流动约束几何外形或安装附加机械装置控制湍流, 无需输入外部能量,但几何外形或机械装置一旦确定或安装后不易调整. 主动方法需要额外注入能量扰动流场, 其控制效果明显且参数易于调整. 目前主动控制研究多采用开环控制, 即通过改变激励器控制参数寻找最佳控制参数. 闭环控制系统可以根据流场的状态实时自动改变激励器控制参数, 从而实现更高的控制效率和更强的鲁棒性. 完整的闭环流动控制系统通常包含控制对象 (例如湍流射流、边界层、钝体绕流等) 、激励器 (例如吹吸气、合成射流、等离子体激励器、压电陶瓷振动片等) 、传感器 (例如热线、热膜传感器、压力传感器、测力传感器等) 和控制器 (例如极值搜索方法、比例微分积分方法) 等四部分. 传感器、激励器和自动控制技术的发展使闭环流动控制的实现越来越容易. 传统闭环流动控制的实验研究多聚焦于参数优化, 优化参数一般不超过三个(Wu et al. 2018b, Fan et al. 2020c) . 近年来, 人工智能技术发展迅猛, 已经在计算机视觉、机器人和无人驾驶等众多领域展现出强大的应用潜力. 由于人工智能算法可对大量参数进行全局寻优, 使寻找较传统的控制方法更为先进的湍流控制策略或控制律成为可能.由于湍流高度复杂, 通常涉及海量的实验或仿真数据, 人工智能在应对大数据分析和湍流控制方面具有独特的优势, 因此获得从事湍流研究的科学工作者越来越多的青睐, 例如湍流建模(张伟伟等2019, Duraisamy et al. 2019) 、气动外形优化 (Li et al. 2022, Rabault et al. 2020) 、流体测量技术(Cai et al. 2019, Wen et al. 2019)和流动控制(任峰等2021, Ren et al. 2020a). Zhu 等(2019)利用纯数据驱动的湍流黑箱代数模型, 实现了与求解器之间的耦合计算, 在NACA0012翼型的三个亚音速状态仿真计算中, 该模型实现了与Spalart-Allmaras模型相同的精度, 大幅提高了计算效率, 并且对计算状态和几何外形也具有一定的泛化能力. 机器学习方法通过与现有模型相结合, 可以进一步改善传统模型的性能. 为改进RANS (Reynolds-averaged Navi-er-Stokes)中的湍流模型, Wang 等(2017)和Wu 等 (2018c)利用机器学习方法开发了一种更全面的扰动策略来预测雷诺应力张量的大小、各向异性和方向的差异, 在两组典型流动的验证中,发现该策略可大幅提升预测雷诺应力和平均速度的精度. Cai 等 (2022)系统论述了物理信息网络 (physics-informed neural networks, PINNs)在流场预测和重构方面的研究工作. 更多人工智能技术在湍流建模方面的相关研究可以参考张伟伟等 (2019)、Duraisamy 等 (2019) 和 Jovan-ović (2021). 在利用粒子图像测速技术中, Cai 等 (2019)设计一个卷积神经网络(convolutional neural network, CNN), 利用图像估计密集运动场, 相比传统的互相关算法, 该方法在不降低精度的情况下可提高计算效率. Wen 等(2019)提出了一种构建全域相位平均流场的新方法, 该方法利用k-近邻算法在不参考时间分辨信号的情况下, 通过采集高分辨率的局部流场图像构建高分第 2 期吴智, 范德威, 周裕 : 人工智能控制湍流进展: 系统、算法、成就、数据分析方法275辨率的全局流场信息. 此外, 由于人工智能具有强大的寻优能力并往往伴随着流场大数据, 当应用于气动外形优化时, 也取得诸多研究成果(Li et al. 2022).在流动控制研究领域, 任峰等 (2021) 和Ren 等 (2020a)对流动控制最常用的遗传类算法和人工神经网络类控制方法做了介绍, Zhang和Noack (2021)也简要介绍了人工智能技术在流体力学领域的机遇以及挑战. 本文将从湍流控制系统的分类、人工智能技术在有模型湍流控制、无模型湍流控制中的应用以及对人工智能控制优化或学习过程中产生的巨量数据分析方法等方面系统论述当前人工智能在湍流控制领域的应用以及取得的主要成就.2 湍流控制系统的分类根据控制系统是否依赖被控对象的数学模型, 流动控制系统可以分为有模型控制和无模型控制. 图1给出了人工智能控制湍流方法的典型分类. 在自动控制系统中, 通过对系统建模可以预测系统内部的状态信息, 并可以有针对性地设计控制器, 进而改善系统的稳定性、精度以及响应时间. 流体系统模型可以是白箱模型、灰箱模型或者黑箱模型. 直接数值模拟 (direct numeric-al simulation, DNS) 可以解析流体系统的所有特征, 被称之为白箱模型. 例如, Choi 等 (1994)利用DNS仿真槽道湍流, 计算得到距壁面特定高度处的垂直方向速度, 利用反向控制方法调节壁面位置处垂直方向的吹吸气速度, 使其与测量平面的速度大小相等但方向相反. 研究发现当测量点在10个壁面单位高度位置时 (y+ = 10) , 可以实现湍流边界层20% ~ 30%的减阻效果. 此类模型虽然精确, 但是需要大量的计算资源, 不适用于实际应用. 灰箱模型又被称为降阶模型, 只可以描述流体系统部分特征, 例如基于本征正交分解 (proper orthogonal decomposition, POD)的伽辽金模型(Noack et al. 2011). 黑箱模型只依赖系统的输入输出信号, 通过系统辨识方法得到数学模型. 例如传递函数模型是系统输出信号与输出信号的拉氏变换之比, 只能描述系统输入与输出之间的数学关系, 不能反映系统内部各个状态间的物理关系; 神经网络模型也只能反映系统输入与输出间的关系, 不能反映系统内部各个物理状态. 由于流体力学系统由纳维-斯托克斯方程主导, 具有高维、非线性、状态变量测量困难和时间滞后等特点, 降阶模型和传递函数模型很难实现对流场的高精度建模, 限制了其在实际控制中的应用(Kim & Bewley 2007). 神经网络模型是由大量基于神经元的数学模型广泛连接形成的复杂网络系统, 是一个高度复杂的非线性学习系统, 在提取非线性特征和拟合非线性映射方面具有明显的优势, 已成为了研究人员解决复杂湍流问题的有效手段之一.在湍流控制的应用中, 可以不依赖系统模型, 利用机器学习方法直接寻找最佳激励器控制参数或控制律 (control law) . 图2给出了一个典型的人工智能控制湍流系统的结构框图, 相比于传统的闭环控制系统, 该系统增加了一个思维子系统, 可以实现对反馈控制律、开环控制律以及控制参数的优化. 其中控制参数优化方法包含进化策略(Koumoutsakos et al. 2001)、遗传算法(Yu et al. 2021)、贝叶斯优化法(Blanchard et al. 2022)、强化学习方法(Lai et al. 2021)、K-mean聚类法(Kaiser et al. 2017)、探索梯度法(Li et al. 2021)和蚁群优化方法(Zhang et al. 2022)等, 控制律优化方法包含遗传编程 (Li et al. 2017)、强化学习 (Ren et al. 2021a) 以及其他基于神经网络的控制律优化方法. 该类方法将流体系统视为一个黑箱模型, 在大量数据测试的基础上得到最佳的控制参数或控制律, 因此, 具有更强的普适性. 本文将从基于有模型和无模型的湍流控制应用出发, 系统地论述人工智能控制在流动控制领域的应用.3 基于模型的人工智能湍流控制利用神经网络对流体系统建模在流动控制应用中已成为典型的研究方法, 例如深度模型预测控制和基于神经网络的反向控制等. 神经网络由多层节点组合而成, 包含一个输入层、一个输出层和一个或多个隐藏层 (如图3所示) . 每个节点也称为一个神经元, 是一个包含输入、输出和计算功能的模型, 与其他节点相互连接, 每一个连接上都有一个权重. 神经网络的训练就是令人工智能控制湍流基于模型的控制无模型控制深度模型预测控制 (Deep MPC)基于神经网络模型的反向控制控制参数优化控制策略优化进化策略 (ES)遗传编程 (GP)强化学习 (RL)遗传算法 (GA)贝叶斯优化方法强化学习方法 (RL)K-mean 聚类方法探索梯度法 (EGM)其他其他其他基于神经网络的控制律优化方法图 1人工智能在湍流控制中的应用分类湍流射流湍流边界层混合层•吹/吸气•合成射流•等离子体激励器•热线、热膜•压力传感器•测力传感器，等传感器激励器钝体绕流ahmed body图 2典型的人工智能控制湍流系统276力学进展2023年第 53 卷权重的值调整到最佳, 使整个网络的预测效果最好. 表1列举了人工智能方法在基于系统模型的湍流控制研究中的应用.槽道湍流减阻中, 当壁面吹吸气速度与壁面上方y + = 10处的垂直速度大小相等方向相反时, 摩擦阻力可以降低20% ~ 30% (Choi et al. 1994), 但是y + = 10处的垂直速度信息不容易获取, 为克服该缺点, Lee 等 (1997)利用数值计算方法首次将神经网络技术应用到雷诺数Re τ =100的槽道湍流控制研究中, 利用壁面剪切应力和壁面上方10个壁面单位高度位置的垂直速度信息训练得到一个可以预测y + = 10位置处垂直速度的模型 (如图4所示) , 利用该模型和反向控制方法调节壁面吹气和吸气速度, 实现减阻20%. 在该控制策略下, 壁面吹吸气可以抵消由流向涡引起的上下运动, 抑制了近壁面流向涡的产生, 该发现与Choi 等 (1994)报道的结果一致.在相同的湍流环境中, 为了进一步研究在Re τ = 140时湍流特征尺度对槽道湍流减阻的影响,Lorang 等 (2008)在Lee 等 (1997)的研究基础上, 分别利用在傅里叶空间中选取不同波长信号数据和POD 方法分析得到的第一模态数据训练神经网络. 研究发现后者减阻效果明显强于前者,最大减阻13%. 为进一步提升神经网络的预测精度, 清华大学黄伟希教授团队利用少量权重系数1234 1 23输入层隐藏层输出层图 3神经网络结构示意图表 1 基于模型的人工智能湍流控制应用统计文献控制方法控制对象激励方式传感器研究手段Lee et al. (1997)NN & 反向控制槽道湍流减阻动态吹吸气壁面剪切应力传感器CFD Lorang et al. (2008)NN & 反向控制槽道湍流减阻动态吹吸气壁面剪切应力传感器CFD Kaiser et al. (2017)基于聚类的控制斜坡流动分离脉冲吹吸气速度传感器CFD Han 和Huang (2020)CNN & 反向控制槽道湍流减阻动态吹吸气壁面剪切应力传感器CFD Park 和Choi (2020)CNN & 反向控制槽道湍流减阻动态吹吸气壁面剪切应力传感器、压力传感器CFD Bieker et al. (2020)RNN & MPC 流体弹球尾流控制三个独立旋转的圆柱测力传感器CFDRNN: recurrent neural network; MPC: model predictive control; NN: neural network; CNN: convolu -tional neural networks; CFD: computational fluid dynamics.第 2 期吴智, 范德威, 周裕 : 人工智能控制湍流进展: 系统、算法、成就、数据分析方法277的CNN 替代传统神经网络, 在相似的槽道湍流减阻控制研究中, 利用CNN 和反向控制方法减阻达19% (Han & Huang 2020). Park 和Choi (2020)进一步利用壁面压力信息训练CNN 模型预测y + = 10位置处垂直速度, 并利用低通滤波器过滤掉预测数据中的过拟合中小尺度信号, 在雷诺数为178的槽道湍流壁面吹吸气减阻仿真研究中实现减阻18%, 并且发现该控制律在较高雷诺数 (Re τ = 578) 下依然可以实现相同的减阻效果.在单圆柱和三圆柱组合体 (fluidic pinball) 减阻控制研究中, Bieker 等(2020)利用递归神经网络表征流体系统的低阶特征, 准确预测圆柱尾流关键信息, 配合模型预测控制算法构建一反馈控制系统, 通过调节圆柱转速实现减阻目的. 该方法仅需要少量的流场信息或传感器装置, 因此具有很强的工业应用价值.除了利用神经网络构建系统模型外, Kaiser 等 (2017)在利用分离点上游垂直来流方向的周期性激励抑制曲面斜坡流动分离研究中, 利用聚类算法将相似的流动状态分组到少量聚类中, 然后利用马尔可夫链来描述不同聚类之间的时间演变, 得到一个可以预测特定控制律控制效果的马尔可夫模型, 并以此确定最优控制律, 成功延迟了分离点位置.综上所述, 以神经网络为代表的人工智能模型，因其强大的非线性拟合能力在流体力学系统建模方面性能明显优于传统的降阶模型或传递函数黑箱模型, 因此在流动控制应用中取得突出的控制效果. 需要指出的是, 神经网络模型作为一个黑箱模型并没有包含物理规律的约束, 仅反映系统输入输出之间的映射关系. 为了弥补该缺点, Karniadakis 等(2021)提出一个基于物理规律的机器学习方法, 可以将神经网络与物理模型整合到一起, 研究证实该方法比单纯的神经网络具有更强的预测能力. 但是, 目前该方法还未应用到流动控制领域.4 无模型的人工智能湍流控制虽然基于人工智能系统模型的控制方法比传统控制方法更有优势, 但是目前神经网络模型无法实现对湍流过程的完整模拟. 为了摆脱系统模型的束缚, 研发无模型的人工智能控制就显得尤为重要. 根据优化变量的不同, 无模型控制可以分为参数优化方法或控制律优化方法. Actuation OutputlayerHiddenlayerInputdataSurface shear stresses (d /d t )( wall )图 4槽道湍流减阻控制中的神经网络结构图(Lee et al. 1997)278力学进展2023年第 53 卷4.1 优化控制参数控制参数优化是指控制系统根据控制效果自主优化激励器的开环控制参数, 如激励器激励频率、幅值、相位等. 该类方法通常采用自适应控制的方式, 适用于定常激励或者周期性激励参数的优化, 包含进化策略 (evolutionary strategy) 、遗传算法(genetic algorithm, GA)、探索梯度算法 (explorative gradient method, EGM) 、简化的深度强化学习算法 (deep reinforcement learning, DRL) 及蚁群优化(ant colony optimization)算法等. 表2列举了无模型湍流智能控制优化激励器控制参数的相关应用.4.1.1 进化策略和遗传算法进化策略 (ES) 和遗传算法(GA)均属于基于进化理论的优化算法, 即遗传信息经过一系列基因运算法则, 如复制、变异、交叉等逐代传承, 通过适者生存理论保留适应度高的个体, 最终收敛到最优解 (见图5) . 进化策略是一种求解参数优化问题的方法, 采用实数值的形式表示个体, 通过交叉、变异、变异程度的变化、选择等运算对个体进行优化, 且变异程度是变化的.Koumoutsakos 等 (2001)在雷诺数为500的射流掺混控制研究中, 利用射流出口处相对布置的两个狭缝射流对主射流进行控制, 通过进化策略优化激励器的幅值、频率和相位. 该方法自动寻找表 2 控制参数优化在无模型人工智能流动控制中的应用文献控制方法控制对象激励方式传感器研究手段Koumoutsakos et al. (2001)ES 射流混合正弦狭缝射流速度传感器CFD Hilgers 和Boersma (2001)ES 射流混合螺旋激励和轴向激励速度传感器CFD Benard et al. (2016)GA 后向台阶流动分离等离子体激励压力传感器Exp.Minelli et al. (2020)GA 方柱体减阻前缘吹吸气多频率扰动测力传感器CFD Qiao et al. (2021)GA 俯仰方柱体减阻前缘吹吸气多频率扰动测力传感器Exp.Zigunov et al. (2021)GA 倾斜圆柱体减阻定常微射流阵列组合粒子图像测速仪Exp.Yu et al. (2021)GA 湍流边界层减阻独立控制合成射流阵列热线传感器Exp.Fan et al. (2020b )EGM Ahmed 模型减阻脉冲狭缝射流测力传感器Exp.Maceda et al. (2021)EGM 三圆柱组合体尾流控制三个独立旋转的圆柱速度传感器CFD Li et al. (2021)EGM 三圆柱组合体尾流控制三个独立旋转的圆柱测力传感器CFD Ahmed 模型减阻五个独立定常狭缝射流测力传感器Lai et al. (2021)SDRL 圆柱减阻旋转圆柱测力传感器CFD 沈子凡 (2021)ACO Ahmed 模型减阻五个角度可调节定常狭缝射流测力传感器Exp.Zhang et al. (2022)ACO Ahmed 模型减阻五组定常或非定常狭缝射流激励测力传感器Exp.ES: evolution strategies; GA: genetic algorithm; EGM: explorative gradient method; SDRL: simplified deep reinforcement learning; ACO: ant colony optimization; CFD: computational fluid dynamics; Exp:experiments.第 2 期吴智, 范德威, 周裕 : 人工智能控制湍流进展: 系统、算法、成就、数据分析方法279到一种独特的控制参数组合, 发现了一种从未报道过且能进一步增强主射流扩散的控制模式.Hilgers 和Boersma (2001)通过DNS 方法分别采用螺旋激励和螺旋与轴向激励组合的方式对主射流进行控制, 利用进化策略优化激励频率和幅值, 发现轴向激励和螺旋激励组合的模式比单一的螺旋激励在射流混合方面更加有效.遗传算法 (GA) 通常利用二进制矢量表示个体, 且在进化过程中算法内部参数一般保持恒定, 已在翼型空气动力学性能优化(Huang et al. 2007)、钝体减阻(Milano & Koumoutsakos 2002, Minelli et al. 2020, Qiao et al. 2021, Sengupta et al. 2007, Zigunov et al. 2021)、后台阶流控制(Benard et al. 2016)和湍流边界层(Yu et al. 2021)等方面取得显著控制效果. Huang 等(2007)在对NACA0012翼型的主动控制仿真研究中, 利用狭缝吹气和吸气组合控制的方式提升翼型的空气动力学特性, 利用GA 同步优化吹气和吸气激励器的位置、速度的大小和方向, 发现影响控制效果的关键参数是吸气的位置和角度, 最佳的控制组合是前缘吸气和后缘吹气组合.Minelli 等 (2020)通过大涡模拟仿真技术研究了前缘合成射流对圆角前缘方柱阻力的影响, 吹吸气速度由两个不同频率和幅值的正弦信号的耦合信号控制, GA 负责优化两个正弦信号的频率和幅值, 在雷诺数4.0 × 104时减阻达20%. 在对一个俯仰角为10°的圆角前缘方柱的减阻实验研究中, Qiao 等(2021)利用与Minelli 等(2020)相同的前缘合成射流和GA 优化策略, 在雷诺数4.7 × 105时实现减阻30%. Benard 等(2016)在后台阶流主动控制研究中, 利用GA 优化安装在台阶上游的等离子体激励器驱动电压的幅值、猝发频率和占空比, 通过台阶下游再附着长度或压力脉动信息评估控制效果. 实验结果显示当激励器工作在剪切层不稳定频率时再附着长度最短; 当激励频率为1/2倍的剪切层不稳定频率时壁面压力脉动系数最大. Yu 等(2021)在湍流边界层减阻实验研究中, 利用GA 构建一套人工智能主动控制系统, 优化展向分布的6支独立控制图 5遗传算法基本流程图280力学进展2023年第 53 卷第 2 期吴智, 范德威, 周裕 : 人工智能控制湍流进展: 系统、算法、成就、数据分析方法281的合成射流的控制参数 (射流出口速度、频率和相位) . 该系统优化得到一个展向非均匀的激励模式, 减阻效果远超展向均匀激励模式, 最大局部减阻达60%, 并大幅增加了有效减阻区域的面积. 图6对比了无控制、传统展向均匀激励和GA优化的展向非均匀激励状态下的流场显示图,图中白色条带结构代表低速条带结构. 无控制下低速条带结构在展向上以大概100个壁面单位的间距随机出现, 但施加控制后, 在狭缝下游出现更多稳定的低速条带结构 (如图6中红框区域所示) , 这些稳定的条带结构可以削弱近壁面湍流再生循环, 因此可以大幅降低壁面剪切应力. GA优化控制下的条带结构比传统开环控制 (COC) 更稳定, 因此减阻效果也超过了传统开环控制. 在他们近期的研究中(Yu et al. 2022), 利用11个独立控制的狭缝合成射流装置和9个壁面热线传感器, 基于GA的人工智能系统发现两种不同的最佳展向激励模式 (AI I和AI II) , 其控制下的条带结构比传统展向均匀控制 (CUF) 下的更稳定、更长、恢复区也更长. AI I 的挤压效果最好, 下游恢复也最慢, 最高局部减阻达75%, AI II和CUF则分别取得局部减阻70%和55%.其研究结果表明, 在分布式激励条件下, 基于GA的人工智能控制系统在湍流边界层控制中具有巨大的潜力. 虽然进化策略和遗传算法已经发展了近60年, 但由于其不需要系统模型、多参数优化、能发现全局最优解等优点, 在流动控制领域仍具有很大的应用潜力和前景.4.1.2 简化的强化学习算法强化学习 (reinforcement learning, RL) 是一种不依赖系统模型的人工智能控制方法. 强化学习控制框图如图7(a)所示, 智能体 (Agent, 即需要训练的控制律以及优化控制律的算法) 通过从环境中获得必要的状态信息S t以及控制律对应的控制效果 (即奖励R t) , 优化控制律并产生下一步激励动作A t. 当深度学习与强化学习结合后得到的方法称之为深度强化学习 (DRL) . DRL多用于控制律的优化 (见第4.2.2节) , 已在机器人和自动驾驶等领域取得瞩目的成就. Lai 等 (2021)提出一个简化的强化学习算法, 可以实现对激励器控制参数的优化. 控制系统如图7(b)所示, 在圆柱绕流减阻研究中, 圆柱旋转角速度以余弦的形式变化对圆柱绕流进行控制,系统状态为平均升力和阻力系数, 奖励采用控制前后的阻力系数之差. 该算法实现了对激励频率和幅值的同步优化, 在雷诺数200时减阻达31.6%. 虽然该方法是在层流环境中验证的, 但是对湍流环境中控制参数的优化问题仍然是适用的.4.1.3 探索梯度法为了在多参数优化优化过程中快速收敛到全局最优解, Li 等 (2021)提出一个探索梯度方法(EGM) . 如图8(a)所示, 该方法交替执行下降单纯形方法 (downhill simplex method) 和拉丁超立方抽样迭代(Latin hypercube sampling iteration), 因此在保证收敛速度的同时可以发现全局最优解. 在三个旋转圆柱组合体减阻仿真研究中, 该方法同时优化三个圆柱体的旋转速度, 得到的最佳控制几乎复现了对称康达激励模式 (见图8(c)) , 这种激励模式使气流向正x轴偏转, 并通过反向流有效地消除了“死水区”, 在雷诺数100时减阻达52%, 仅需消耗23%的能量. Maceda 等 (2021)在其研究中也发现了相似的结果, 利用EGM优化三个圆柱的转速, 得到一个非对称的激励模式, 控制效果优于对称激励模式, 完全抑制了卡门涡街的产生. 在对雷诺数为1.9 ×。

一种工业机器人轴关节电机控制系统解决方案

⼀种⼯业机器⼈轴关节电机控制系统解决⽅案⼀种⼯业机器⼈轴关节电机控制系统解决⽅案吴⽂俊，夏蕾，孙洋，陈晓斌，⽅锋，张计悦【摘要】⼯业机器⼈在⽣产⾃动化中的应⽤越来越⼴泛，应⽤在其轴关节的电机控制系统是很重要的执⾏系统。

介绍了⼀种应⽤于⼩功率机器⼈轴关节电机的整体系统解决⽅案，包括机械结构设计和控制系统。

【期刊名称】《科技与创新》【年(卷),期】2018(000)019【总页数】3【关键词】⼯业机器⼈；稀⼟永磁电机；控制系统；轴关节随着现代制造业的发展，越来越多的⼯业机器⼈应⽤在装配、喷涂、焊接等⽣产操作中[1]。

在⼯业机器⼈控制系统中，执⾏关节的控制电机系统是很重要的终端执⾏环节，影响着整个机器⼈的最终运⾏效果，因此，整体电机系统的设计显得尤为重要。

⼯业机器⼈轴关节驱动电机要求具有⼤功率质量⽐、扭矩惯量⽐，⾼启动转矩，低惯量和较宽⼴且平滑的调速范围。

为了满⾜以上要求，稀⼟永磁电机成为机器⼈关节电机的⾸选[2]。

本⽂介绍的是⼀种针对负载5 kg，⼯作范围为85 cm的⼩功率六⾃由度⼯业机器⼈轴关节电机控制⽅案。

其中，包括电机的机械形式和控制系统设计。

1 电机结构设计本⽅案电机本体所处的位置在⼯业机器⼈每个轴关节部位，其所处的位置对于电机结构设计有⼀定的要求。

电机外形要与机器⼈⼀体化，且电机具有⾼效率和⾼启动⼒矩输出。

此外，对于电机的线缆⾛线设计也提出了较⾼的要求，因为线缆分布于机械⼿臂内部，由于空间有限，在设计⾛线上也要综合考虑。

基于以上问题，本⽅案⾸先选⽤稀⼟永磁同步电机，稀⼟永磁体的⾼磁能积和⾼矫顽⼒使得稀⼟永磁电机具有体积⼩、质量轻、效率⾼等特点，这些特点⾮常符合⼯业机器⼈对电机本体的要求[3]。

在设计上，将电机定⼦与⼯业机器⼈外壳⼀体化，缩⼩了设计空间。

在电缆空间设计上，将电机转⼦设计成空芯，这样⼯业机器⼈每个轴节之间的供电和通信总线可以在此空芯空间中布线，且这些线缆采⽤级联试，⼤⼤减少了电缆数量，与外壳⼀体化的空芯电机结构如图1所⽰。

用于机器人关节的柔性压力触觉传感器设计

用于机器人关节的柔性压力触觉传感器设计黄英;陆伟;赵小文;赵兴【摘要】分析了碳纤维/硅橡胶导电复合材料的拉伸、弯曲及压敏特性,基于上述特性设计了一种新型的应用于机器人关节等活动部位的柔性压力触觉传感器.通过解耦算法解决了拉伸、弯曲引起的干扰问题,构建了求解接触压力的数学模型.实验结果表明,该柔性触觉传感器具有拉伸和弯曲性,并消除了拉伸和弯曲对接触压力的检测的干扰,可应用于机器人关节.%On the based of analysis of the tensile, bendability and pressure sensitive characteristics of carbon fiber/ silicone rubber, a new flexible pressure tactile sensor for some robot movement parts such as joint is designed. Using decoupled arithmetic to solve the interference problem caused by the sensor stretched or bent, a mathematical model to calculating the contact pressure is constructed. The experimental results demonstrate that the flexible pressure tactile sensor is stretchable and bendable, and eliminates the stretching and bending interference on contact pressure detection, so it can be used in robot joint 【期刊名称】《计量学报》【年(卷),期】2012(033)006【总页数】5页(P523-527)【关键词】计量学;触觉传感器;碳纤维/硅橡胶;机器人关节;数学建模【作者】黄英;陆伟;赵小文;赵兴【作者单位】合肥工业大学电子科学与应用物理学院,安徽合肥230009;合肥工业大学电子科学与应用物理学院,安徽合肥230009;合肥工业大学电子科学与应用物理学院,安徽合肥230009;合肥工业大学电子科学与应用物理学院,安徽合肥230009【正文语种】中文【中图分类】T9351 引言近年来，机器人敏感皮肤是机器人研究领域的一个热点问题。

一种水压驱动机器人关节动态特性分析及优化

一种水压驱动机器人关节动态特性分析及优化
王璐;张文平
【期刊名称】《机械设计与制造》
【年(卷),期】2024()5
【摘要】为减小水压机器人关节尺寸,提出了一种体积小、输出力矩大的水压驱动的转角伺服机器人关节执行器。

首先根据水压转角伺服机器人关节作动器的结构和工作原理,建立了关节作动器的数学模型,推导了关节作动器的控制方程并进行了线性化处理,并建立了机器人关节执行器的AMESim模型,验证了线性化控制方程的可靠性,在此基础上根据输入角幅值、外部负载扭矩和水压对关节执行器进行优化,优化后的水压驱动机器人关节执行器具有位置跟踪精度高,动态响应快等优点。

【总页数】8页(P338-344)
【作者】王璐;张文平
【作者单位】无锡科技职业学院智能制造学院;江西理工大学电气工程与自动化学院
【正文语种】中文
【中图分类】TH16
【相关文献】
1.关节间隙对机器人动态特性影响分析
2.重载机器人横梁结构静动态特性分析与优化
3.冲击载荷下机器人关节系统动态特性研究
4.机器人关节伺服器传动系统机电耦合动态特性研究
5.机器人关节电机转矩动态特性研究
因版权原因，仅展示原文概要，查看原文内容请购买。

一种新型爬缆机器人的越障能力及夹紧机构分析

一种新型爬缆机器人的越障能力及夹紧机构分析王国志;李想;邓斌;吴文海【摘要】在深入研究国内外典型爬升机器人结构的基础上,针对目前斜拉桥跨度增大、缆索增多的趋势设计了一款检测效率高的新型爬缆机器人.通过对新型爬缆机器人正常爬行和越障时的动力学分析,得到了影响机器人越障能力的主要因素,据此对机器人的压紧机构进行了优化设计.为了增加新型机器人工作时的可靠性,提出了丝杠驱动直线导轨的夹紧机构并对丝杠进行了受力变形分析,分析得到这种机构可以解决丝杠的变形失效问题.该机器人结构简单、可靠性高、易于拆卸,对缆索直径的适应性强,有良好的越障性能.【期刊名称】《机械设计与制造》【年(卷),期】2016(000)006【总页数】4页(P30-33)【关键词】斜拉桥;缆索检测;爬缆机器人;越障性能;夹紧机构【作者】王国志;李想;邓斌;吴文海【作者单位】西南交通大学机械工程学院,四川成都610031;西南交通大学机械工程学院,四川成都610031;西南交通大学机械工程学院,四川成都610031;西南交通大学机械工程学院,四川成都610031【正文语种】中文【中图分类】TH16;TP242.2斜拉桥以其良好的抗震性、广阔的适用范围和简洁优美的线条为桥梁建造师所青睐。

缆索是斜拉桥上主要的承重构件。

由于缆索搭建在河流之上，所以长年会被潮湿的风雨侵蚀，如果疏忽缆索的质量问题，可能会造成严重的安全事故而导致巨大的经济甚至人员损失。

为确保缆索的安全，需要在其表面涂保护层以及定时检查缆索表面的破损程度。

以往使用人工检查，需要检测人员搭载设备由下至上检测，在大型斜拉桥上，缆索的数量多达数十甚至上百根，缆索的高度也接近百米，这就决定了人工检测有不安全和效率低等缺陷。

为了解决这些问题，研究人员设计出了爬缆机器人。

现有的爬缆机器人根据其工作原理主要有气动蠕动式[1-2]、电动连续式[3]和螺旋爬升式[4]。

气动蠕动式机器人的特点是运动呈间歇式，速度中等，可承担较大负载，当机器人配备蓄能装置后，可保护机器人在断电和断气时不会坠落。

搅拌摩擦焊工业机器人结构性能分析及实现研究

搅拌摩擦焊工业机器人结构性能分析及实现研究
万强;吴修玉;吴智慧;周志鹏
【期刊名称】《制造技术与机床》
【年(卷),期】2018(000)011
【摘要】国外工业机器人搅拌摩擦焊已经应用阶段,国内还处于研究阶段.将负重能力为210 kg的ER210-C40机器人改造为搅拌摩擦焊机器人,利用有限元方法对其进行结构性能分析,在实际载荷条件下,机器人结构强度不能满足条件要求,所以必须采用其他方法以实现工业机器人搅拌摩擦焊.但用两台工业机器人同时加载的方法来实现生产线上的搅拌摩擦焊存在诸多不能解决的问题,因此必须采用负载能力更强的重载机器人来实现.
【总页数】4页(P66-69)
【作者】万强;吴修玉;吴智慧;周志鹏
【作者单位】武昌首义学院机电与自动化学院,湖北武汉430064;武昌首义学院机电与自动化学院,湖北武汉430064;武昌首义学院机电与自动化学院,湖北武汉430064;武昌首义学院机电与自动化学院,湖北武汉430064
【正文语种】中文
【中图分类】TP242.2
【相关文献】
1.螺旋齿式限滑差速器的结构性能分析及试验研究 [J], 范春利;宁雪松;申春宝;保万全;徐伟健
2.故宫灵沼轩残损分析及结构性能研究 [J], 淳庆;张剑葳;赵鹏;韩宜丹;孟哲
3.宁波保国寺大殿残损分析及结构性能研究 [J], 淳庆;喻梦哲;潘建伍
4.重载搅拌摩擦焊机器人性能分析及其闭环控制研究 [J], 万强;石从继;吴修玉
5.某带伸臂加强层的型钢混凝土框架-核心筒超高层结构性能分析及试验研究 [J], 江韩;赵学斐
因版权原因，仅展示原文概要，查看原文内容请购买。