循迹机器人是智能机器人领域内非常重要且被广泛研究的一种智能移动装置机器人控制实验，国内许多重要的比赛都以循迹机器人为核心进行开展的。本文设计的智能循迹避障机器人的控制系统主要由四个模块组成：最小系统模块、循迹模块、避障模块、电机驱动模块。该机器人能在规定的场地上按指定路线行走机器人控制实验，实现各种直走、转弯、调头、加速、减速、爬坡、探测障碍的能力。
大学生创新能力的培养是高等教育创新教育、素质教育的本质要求，是建设创新型国家、构建国家创新体系的重要组成部分，是校园文化的更高层次，是促进科研体制改革和产学研结合的有效途径，必将直接推动生产力发展，产生直接的经济和社会效益。
机器人竞赛作为一种高科技创新活动为大学生创新能力的培养提供了广阔的舞台。智能机器人作为一种人的思维与机器融为一体的自动化设备正在为改善人们的生产、生活环境，促进人类社会文明的发展发挥着越来越重要的作用。人们已经研制了各式各样的具有感知、决策、行动和交互能力的特种机器人和各种智能机器人，如水下机器人、军用机器人、空中空间机器人、搬运机器人、娱乐机器人等。可见，机器人技术的应用已经从制造业向非制造业领域发展，循迹机器人的研究也成为机器人研究领域不可或缺的一部分。循迹机器人是一种能够自动按照给定的路线进行移动的机器人，它是一个运用传感器、信号处理、电机驱动及自动控制等技术来实现路面探测、障碍检测、信息反馈和自动行驶的技术综合体，对提高学生的创新能力、综合工程应用能力将起到积极的作用。
本文针对“中国机器人大赛中的机器人游中国项目”比赛，设计制作了智能循迹避障机器人。该比赛场地采用与地面颜色有较大差别的线条作为引导线，场地上有桥、减速坡等各种障碍，并根据机器人到达景点的多少及其难度计算比赛成绩。为了能够在竞赛中取得好成绩，就必须能够对赛场上的引导线和各种障碍进行准确的检测，以便准确控制机器人行进。本文开发的机器人采用灰度传感器自动检测引导线，并沿引导线移动，采用红外传感器判断障碍物实现循迹避障的功能。
机器人控制系统的硬件部分主要由5个模块组成：控制模块、循迹模块、避障模块、电机驱动模块、电源模块。机器人控制系统的框图如图1所示。
1.控制系统模块。在机器人游中国的比赛中，要时时准确的检测引导线和障碍，保证机器人准确快速到达各个景点，为此本机器人采用ATmega128控制芯片。ATmega128为基于AVR
RISC结构的8位低功耗CMOS微处理器，运算速度快，具有多路PWM输出，可将测速、避障等电路产生的输入信号进行处理，并输出控制信号给驱动放大电路，从而控制电机转速，此方式产生的PWM信号比用定时器中断产生的PWM信号实时性更好，而且不会占用系统的定时器资源。
基于ATmega128开发的机器人控制系统具有速度调节性能好、稳定性高、功能易拓展、成本低、体积小等特点。
2.循迹模块。循迹是指小车在比赛场地上循白色引导线线行走，循迹模块的原理图如图2所示。循迹模块采用灰度传感器，发射管为普通LED灯，接收管为光敏三极管3DU33。工作原理为：不同颜色的物体对LED发射光反射不同的亮度，光敏三极管3DU33接收这些不同亮度的光线，就会呈现不同的电压Vx。Vx输入到比较器LM339的同相端，并与电位器设定的电压V0相比较，当VxV0时，比较器输出高电平，当Vx循迹机器人前后两端均是由7个灰度传感器组成的循迹模块。7个灰度传感器的布置图如图3所示。其中，中间三个灰度传感器起巡线的作用，两端的灰度传感器起探测弯道作用，剩下两个灰度传感器交替进行巡线和探测弯道。实验证明，这样的灰度传感器的布置图，机器人循迹的效果好，且“性价比”非常高。
机器人控制理论机器人控制实验：控制方法千奇百怪，这里仅举机器人臂的两个比较经典而常用的方法机器人控制实验：混合力位控制和阻抗控制。
混合力/位控制（Hybrid Force/Position Control）是Mark Raibert（现今Boston Dynamics老板）和John Craig于70s末在JPL的工作成果，当时他们是在Stanford臂上做的实验，研究例如装配等任务时的力和位置同时控制的情况。
阻抗控制（Impedance Control）是N.Hogan的工作成果。维纳晚年，对人控制机器臂很感兴趣。后来，他组织了MIT的Robert Mann，Stephen Jacobsen等一伙人开发了基于肌肉电信号控制的假肢臂，叫Boston Elbow。后来，Hogan继续Mann的工作，他觉得假肢是给人用的，不应当和工业机器人一样具有高的刚度，而应该具有柔性，所以后来引入了阻抗。
其他控制。
建议：自己也在钻研，共同学习吧。
首先，要建立控制理论的基本概念，如状态方程、传递函数、前馈、反馈、稳定性等等，推荐Stanford大学教授Franklin的《Feedback Control of Dynamic Systems》机器人控制实验；
关于机器人控制的入门读物，解释的最清晰的当属MW Spong的《Robot modeling and control》，书中不仅详细讲解了基于机器人动力学的控制，也讲解了执行器动力学与控制(也即电机控制)。
关于非线性控制理论，推荐MIT教授J.J.E. Slotine的《Applied Nonlinear Control》。
1) Harvard的Roger Brokett教授及其学生Frank Chongwoo Park等；
2) UC Berkeley的Shankar Sastry教授及其学生Richard Murray，Zexiang Li等。
3) uPenn的Vijay Kumar教授，他和他的学生Milos Zefran以及Calin Belta在90年代研究了基于Differentiable Manifold的单刚体运动学和动力学。
4）上述2）中Richard Murray的学生Andrew Lewis和Francesco Bullo等研究了基于differentiable manifold和Lagrange Mechanics的机器人动力学以及几何控制理论（Geometric Control Theory）。
首先，把描述机器人运动学和力学搞定。J.J. Craig出版于80s的《Introduction to Robotics: Mechanics and Control 》，或者R. Murray出版于90s的《A Mathematical Introduction to Robotic Manipulation》都行。对于机器人的数学基础，最新的成就是基于Differentiable Manifold（微分流形）、Lie group（李群）和Screw Theory（旋量理论）的。在这方面，个人认为以下研究团队奠定了机器人的数学基础理论：
再次，必要的反馈控制基础当然是不能少的。关于控制，并不推荐把下面的教材通读一遍，仅需要了解必要的控制理念即可。陷入繁杂的细节往往不得要领，并浪费时间。具体的问题需要研读论文。
百度知道
工业机器人工作原理？
毛毛学姐谈高考
高能答主
专注校园的知识合伙人～
咨询成为第131位粉丝
工业机器人是现代制造非常常用的自动化核心机械机器人控制实验，常用也叫做机械手臂机器人控制实验，工业机械手，机械臂，机器人手臂，机械人手等等。现在广泛使用的工业机器人，其基本工作原理是示教运行机器人控制实验：
示教也称为引导，即用户根据实际任务引导机器人并逐步进行操作机器人控制实验；
机器人会自动记住在引导过程中的每个动作的位置，姿势，运动参数和过程参数，并自动生成一个连续执行所有操作的程序机器人控制实验；
完成示教后，只需向机器人发出启动命令，机器人便会准确地按照示教动作逐步完成所有操作；
以上即是工业机器人工作原理，下面海智机器人详细讲讲工业机器人执行机构的组成，运动方式，工业机器人工作原理组成。
工业机器人工作原理(图1)
机械手臂轨迹运动：
机器人机械手末端轨迹从起点位置和姿态到终点位置和姿态的空间曲线称为路径。
轨迹规划的任务是使用一个函数来“插值”或“近似”给定的路径，并沿时间轴生成一系列“控制设定点”，用于控制机械手的运动。目前，常用的轨迹规划方法有两种：空间联合插值和笛卡尔空间运动。
工业机器人工作原理(图2)
机器人手臂执行机构的组成：
手腕部：连接手和手臂的部件主要用于调整抓取物体的方向。
手臂部：它是支撑被抓取物体、的、手腕的重要部分。通过与驱动装置配合，可以实现各种动作。
手部：与待操作物体接触的部件包括夹紧手和吸附手。夹紧手由手指或爪子和传力机构组成，传力机构有多种类型，如滑槽杆、连杆杆、斜面杆、齿条齿轮、丝杠螺母弹簧型和重力型。
工业机器人工作原理(图3)
机器人机械手位置检测设备：
位置检测装置主要由传感器组成，控制系统可以通过传感器反馈的信息实现机械臂各自由度的运动模式，从而形成稳定的闭环控制。
