基于末端轨迹修正的导弹跟踪稳定性控制方法

舰载导弹在制导飞行的末端容易受到空气小扰动的影响产生轨迹偏离,需要进行轨迹偏离修正控制,提高弹道对目标跟踪的姿态稳定性,提出一种基于改进的扩展Kalman滤波(EKR)和误差反馈修正的导弹跟踪端轨迹修正控制方法.以陀螺仪采集的导弹的横滚角、俯仰角以及航向偏离的参量为控制约束指标集,采用扩展Kalman滤波算法进行姿态参量融合,结合Smith结构建立导弹跟踪控制的被控对象模型,计算末端轨迹中姿态角与真值的偏差,根据偏差进行导弹的惯性姿态反馈调节,采用自适应的量化融合跟踪识别方法进行导弹定姿处理,通过对末端轨迹的误差反馈修正提高姿态角的输出精度,根据姿态的不断变化实现自适应的位姿修正,实现导弹对敌目标跟踪的稳定性控制.仿真结果表明,采用该方法进行导弹控制的姿态角解算的误差较小,定姿精度较高,提高导弹跟踪控制的稳定性和鲁棒性.     

应用多传感器激光视觉的焊接机器人变质心补偿控制

制造、安装、机械传动和温度变化等诸多方面的误差较大,产生补偿机器人变质心偏移度,任务执行途中失去期望位姿,为了提高焊接机器人工作效率,提出应用多传感器激光视觉的焊接机器人变质心补偿控制方法。建立焊接机器人变质心模型,应用激光传感器扫描焊接机器人实际轨迹和位姿的几何特征,获取激光视觉图像标定管道焊缝,结合PLC控制器,调整焊接机器人轨迹和位姿,消除惯性力对变质心位移的干扰,实现焊接机器人变质心补偿控制。实验结果表明,在X-Y坐标面、Z-X坐标面和Z-Y坐标面上的变质心补偿轨迹均与期望轨迹误差5 cm左右,高度重合;控制后,焊接机器人惯性位移在0.1 cm之内,近似于零,惯性力不再引导焊接机器人移动,可以稳定停靠在目标位置,变质心控制性能好。     

基于激光视觉传感器的机器人实时焊缝跟踪方法

为实现变姿态焊接过程的实时焊缝跟踪,提出基于机器人坐标系下绝对焊缝轨迹的实时跟踪算法。将线式激光传感器安装在机器人的法兰盘上,且位于焊枪运行的前方。焊接过程中,激光传感器连续采集焊缝位置信息,并结合手眼标定矩阵以及机器人实时姿态,将传感器采集的焊缝坐标转换到机器人基础坐标系下,从而形成空间绝对焊缝轨迹;再根据焊枪的当前位置与焊缝的空间绝对轨迹生成位置偏差。为了提高计算精度,提出采用三次非均匀有理B样条进行数据插值和检索;最后,将位置偏差变换到焊枪工具坐标系下进行实时修正。实验结果表明:该跟踪算法能够实现焊接机器人针对变姿态焊接过程的连续跟踪,跟踪过程平滑光顺,跟踪整体精度优于0.5 mm。基本满足焊缝实时跟踪应用的一般要求。     

篮球运动中最优投篮角度的视觉校对与分析

为了提高篮球运动中的投篮命中率,采用图像分析方法进行投篮视觉校对,提出最优投篮角度的视觉校对方法。首先进行篮球投篮轨迹特征角点提取,然后采用边缘轮廓组合滤波方法进行信息增强,对增强处理后的篮球轨迹角点进行自适应跟踪融合处理,从而实现最优投篮角度的视觉校对。实验结果表明,该方法可以实现最优投篮轨迹跟踪识别,通过视觉回放校对指导篮球投篮动作的校正,提高命中率。     

基于相对测量的水下机器人主动定位方法研究

水下机器人的自主快速精确定位是完成海洋资源勘探、目标探测定位与追踪等水下作业任务的前提.论文研究基于相对测量的水下机器人主动定位方法,解决存在大的初始定位偏差情况下多水下机器人的快速定位问题.论文提出包括测量、估计和控制三个模块的多水下机器人快速主动定位框架,降低相对测量误差、初始偏差带来的定位不确定性,同时使多机器人定位具有良好的可扩展性.提出的主动接近信标策略优势在于:被定位机器人与信标的相对几何位置收敛过程中,机器人的定位估计快速指数收敛.利用受噪声干扰的相对测距信息,论文采用强化学习方法实现提出的主动接近信标机动策略.开展的数值仿真实验结果表明:相对于基于圆形轨迹、梳状形轨迹机动策略的定位方法,论文所提方法使得水下机器人定位过程具有更好的快速性和鲁棒性.     

互电容触控坐标精确处理和上报算法

在触控屏上用手指或触控笔划动时,由于手抖、噪声及不稳定的感应信号,触控轨迹会产生不期望的震荡,呈现出锯齿波和曲线断点,导致用户体验很差.针对此问题,提出了一种基于互电容的触控坐标精确上报的处理算法.通过微控制器对触控坐标原始数据的处理,找到触发时电容信号的相对变化峰值及高于阈值门限的等高线轮廓,再通过轮廓插值得到不规则多边形,利用其顶点的凹凸性区分两个或多个触控点,并计算多边形的质心,确定划线标识,再通过线性二次指数平滑滤波后,实现了坐标数据的精确上报.滤波后的坐标轨迹视觉上更加平滑,结果表明该算法能消除曲线边缘的锯齿波及曲线断点,成功地处理触控信息.     

一种轮式机器人轨迹跟踪控制算法的研究

针对轮式机器人轨迹跟踪控制问题，提出了一种轨迹跟踪控制算法。通过对轮式机器人进行运动学分析，建立了运动学模型来描述其在水平面内的运动规律；提出了轨迹跟踪控制算法，并对迹跟踪控制算法进行仿真试验，直线轨迹跟踪的纵向偏差 0.09m，横向偏差 0.06m， 航向角偏差 3.7°；曲线轨迹跟踪的纵向偏差 0.13m，横向偏差 0.09m，航向角偏差 5.1°。仿真试验结果表明本研究所设计的轨迹跟踪控制算法具有良好的动态响应，可以支撑实际应用。     

基于神经网络的焊缝跟踪系统视觉标定方法

文中提出一种基于深度神经网络的焊缝跟踪系统机器人视觉标定方法，实现了机器人的简单快速标定。将焊缝跟踪传感器安装在机械臂末端，使用线激光器对被检测角点进行定位，工业相机拍摄对应的标定棋盘图像，用角点提取算法获取到相应棋盘格点的数字图像坐标，并通过示教器读取机械臂的各个关节角，利用神经网络极强的非线性映射能力，将其传入训练好的BP神经网络进行三维空间坐标的预测。此方法能够实现机器人的快速标定，避开传统标定方法中复杂的非线性运算，并减少坐标转换间的累积误差。实验结果表明，基于神经网络的标定方法具有较高的精度，且标定过程简单，为机器人视觉标定提供了一种新的方法。     

基于点云数据的数字化比对检测系统设计与实现

点云数据与CAD模型的坐标匹配和对应关系的建立是数字化比对检测系统的关键技术。利用k-D树空间快速搜索策略改进传统ICP算法实现点云数据与CAD模型坐标精确匹配,采用半边数据结构建立点云数据与CAD模型对应关系,利用点到边和点到点的对应关系解决待测工件的边缘和棱线以及特征明显变化区域的偏差检测问题。在此基础上研制了数字化比对检测系统。试验结果表明该系统运算速度快、精度高,具有很好的应用效果。     

基于单目主被动视觉结合的焊接偏差检测方法

针对管道全位置机器人自动焊,提出了一种基于单目主被动视觉结合的熔化极气体保护焊(gasmetal arc welding,GMAW)焊接偏差测定方法。设计出一种调光玻璃,使采集到的同一帧焊接图像中包含了激光条纹和焊丝尖端等信息。首先,根据焊接图像噪声类型呈高斯分布这一特性,针对性的采用LoG算子分别对电弧区域和激光条纹区域图像进行滤波处理;然后,设计图像处理算法分别提取出焊丝和焊缝坡口中心位置坐标;最后,计算出两坐标点在Y轴方向的偏差值。试验证明,此方法能在填充焊焊接图像中实时测定出焊接偏差量,焊接误差可以控制在02mm以内,可为实现管道焊接机器人自动焊缝跟踪控制提供可靠依据。