应用研究

解魔方机器人

近年来，随着机器人学、机器视觉的发展，智能机器人逐渐走进人们的日常生产和生活。在这之中，解魔方机器人因其无与伦比的趣味性和炫酷的交互性，正成为智能机器人中的研究热点。由于其融合了机器视觉、图像处理、电机驱动、解魔方算法等多学科知识，因此实现一个快速、稳定的解魔方机器人具有很大挑战性。右图是本实验室自主研制的一款解魔方机器人。 在机器人的硬件方面：主要由六个步进电机、两个高清摄像头、步进电机驱动模块、STM32最小系统以及树莓派组成。步进电机实现了魔方每个面的旋转，两个高清摄像头分别采集魔方三个面的色块组成，STM32以及步进电机驱动实现了步进电机的精准控制，树莓派则是运行解魔方算法。 在机器人的软件方面：主要由图像识别、解魔方算法、电机驱动程序组成。 高清摄像头采集得到的图像进行灰度化、滤波后通过分水岭算法查找所拍摄的魔方轮廓，结合RGB模型和HSV模型对轮廓内色块的颜色进行判断，最终得到了魔方的六面详情。解魔方算法采用了能较短时间及较少步数还原魔方的Kociemba算法并通过串口将电机旋转步骤发送给STM32。为保证魔方旋转过程中的快速、稳定与可靠，对步进电机进行了S型加减速控制。最终实现了对于魔方的还原。

空白

球杆系统

深度学习技术为数据驱动控制方法的发展提供了新思路。我们提出了一种基于深度学习和Koopman算符理论的数据驱动控制框架，用于研究非线性动力系统的控制。首先，通过利用Koopman算符理论分析非线性动力学的全局线性化；其次，提出了一种分层深度神经网络方法来处理识别有限维Koopman算子的表示，该分层深度神经网络由一个尺度不变约束网络和编码网络组成。最后，针对全局近似升维线性系统模型，提出基于Koopman的类饱和函数预测控制方法，实现输出跟踪控制。下面视频为本课题组基于上述框架所设计控制器作用下，在固高科技ABB-MB-2004球杆系统中实现位置跟踪控制的实验演示。

空白

巡线机器人

为了保证输电线路安全、稳定地运行，需要对输电线路进行定期的巡检。目前线路巡检的方式主要有人工目测和航测法,但是这两种方式在巡检效率和时间 持续性方面都有一定局限性。对于线路的巡检工作，主要存在以下几个难点：首先，输电线路跨越范围广，途中经历各种复杂地形；同时巡检需检查的项目繁多， 工作繁琐；并且在巡检的过程中还要应对各种外界气候环境的干扰。通过研制能跨越线路上各种金具障碍巡线机器人，利用携带的传感仪器对线路运行状况进行检测，可以有效的提高巡检作业效率和巡检精度。

下图为本课题组和电气专业颜文旭教授团队共同开发的高空巡检机器人，该机器人由三个悬臂和一个底座组成，每个悬臂上有四个步进电机，底座由四个伺服电机组成，因此机器人总共配有16个电机。该机器人的控制系统基于STM32开发。经过实地验证，该机器人能够越过输电线路的双挂点、单挂点、防震锤等障碍物，并通过摄像头采集线路上的状况。

空白

旋转倒立摆

倒立摆作为一个典型的欠驱动非线性系统，具有不稳定、多变量、强耦合等特点，并很好的将数学、电学和力学这三门基础学科融合起来。因此，对于倒立摆系统的控制不仅意义重大，而且极具挑战，深受世界各地控制学科的专家学者的重视。除此之外，倒立摆作为机器人、火箭飞行姿态等许多控制对象的最简单模型，是验证各种控制理论策略正确性的理想实验平台，并为控制理论和工程实际应用搭建了一个桥梁。

右图为本实验室自主设计与制作一旋转倒立摆实验平台，基于实时仿真系统DSPACE搭建了其控制系统的软硬件工作平台，实现与MATLAB/Simulink/RTW的完美无缝连接。系统的反馈信号则通过两个增量式编码器读取，一编码器由所采用的直流电机自带，另一编码器则采用Avago光学非接触式编码器AEDB-9340，极大的减小了系统摆杆由于机械误差所导致的摩擦影响。系统的执行器则采用一250W的直流电机和一块自制的由IR2104搭建的宽电压（15V-60V）H桥式驱动电路，通过调节两路PWM的占空比以改变直流电机两端电压，实现了直流电机的快速正反转与调速。系统通过两编码器获取了摆杆、旋臂的位置以及角速度，通过基于系统模型（Lagrange建模）及高幂次趋近律建立的滑膜控制率计算得到直流电机两端的电压，实现了对于旋转倒立摆的控制。

空白

无人机、无人车

四旋翼无人机（Hummingbird与Crazyflie）的控制研究：

在室内的情况下，使用OptiTrack定位系统进行无人机的实时位置与姿态测量；再通过多项式函数规划飞行轨迹，使得飞行参考轨迹足够平滑；设计无人机控制器，由于四旋翼的动力学建模是一个非线性欠驱动系统， 结合无人机的上的电机模型，设计合适的非线性控制器，在实验中，无人机的悬停误差小于正负1毫米，轨迹跟踪飞行误差平均正负2毫米。

无人机和无人车自动控制研究：

无人机使用六旋翼Firefly，搭载Hokuyo单线Lidar，实现Slam；控制使用四旋翼无人机同样的控制算法（针对六旋翼稍作修改）；控制轨迹使用A*和多项式轨迹的结合做到Exploration；

无人车Scout，使用速腾16线Lidar，和Zed2 Camera，实现Slam与目标物检测，小车底盘控制相对于四旋翼过于简单，这里略过；图像识别使用Faster Rcnn，DNN训练的方式。 在室外环境再增加一个GPS + Kalman数据融合。

空白

空白

板球控制系统

板球系统是一个多变量、非线性的控制对象，是球杆系统的二维扩展。板球系统设计自动化控制、运动控制、数字图像处理、机器视觉等课程，对于经典控制理论、现代控制理论、计算机图像处理等课程，板球系统是一个良好的实验对象，可通过实验来检验经典控制理论和现代控制理论的很多问题，包括根轨迹控制、频率响应法、LQR控制、模糊控制等。

右图为本实验设计研制的板球控制系统，机械结构由两个半弧形的齿轮组成，由两个伺服电机带动齿轮旋转来控制平板的位置。该板球系统的硬件系统由两个松下MINAS A6系列的网络型伺服驱动器及伺服电机（带有23bit的绝对式编码器）搭载ZMC204E运动板卡进行控制，通过对ZMC进行编程并通过USB TO RS232串口实现电脑与ZMC之间的通信，发送平板的位置便能够实现对于电机的精确控制。视觉部分则通过灰度化、二值化后对小球的轮廓进行提取，并通过卡尔曼滤波对视觉所采集的小球速度进行优化，实现了对于小球的定位与速度的获取。

空白

桁架系统

桁架系统是工业现场常用的运输载具，然而在悬挂重物运输过程中，尤其是运输到指定位置时，铁链会由于惯性产生震荡，这会给工厂工人带来安全隐患。如果能够实现快速运输同时，在运动到终点时无振动，这是极具应用价值的课题。