四足爬行机器人控制研究

本文介绍一种四足爬行机器人的组成结构及其控制系统的构成.控制系统主要由上位机控制界面和下位机控制单元组成.上位机通过Java语言编写调试控制界面,与下位机通过串口进行通信,下位机采用STM32作为核心控制器,接收上位机的相关控制信息,通过控制舵机控制器,实现四足爬行机器人的行走控制.     

基于LIN总线的语音控制智能家居系统

一种基于LIN总线的语音控制智能家居系统,系统采取分布式控制方式,即由一个中央处理器和多个从机组成控制网络,系统采用凌阳SPCE061A作为主机,采用89C51单片机作为从机。凌阳SPCE061A对语音命令进行识别,识别结果通过LIN总线传给特定的从机,再由从机执行对家电的操作。语音识别部分采用特定人识别和命令分层技术,系统对家庭各个成员的语音命令进行采样、存储,从而实现对家庭各个成员的语音识别。     

基于C8051F040的模型车无线控制系统的设计

为了给汽车耐久性试验的驾驶机器人提供仿真驾驶平台,实现对模型车运动的无线控制,设计了由无线收发单元与运动控制单元组成的模型车无线控制系统.系统以单片机C8051F040为控制核心,使用基于ZigBee的无线收发芯片CC2431与上位机通讯.通过接受上位机的信号,系统能实现机器人仿真驾驶,对机器人驾驶算法的可靠性进行验证.     

基于WIFI的视频监控智能小车机器人

为了实现对未知、危险的区域进行探测或实施救援,本文设计了一种基于单片机和WIFI的控制方式极为方便的智能小车机器人。上位机(PC/移动终端)通过WIFI实时接收下位机传回的画面,并保持实时通信,上位机通过检测记录鼠标的坐标变化转化为一系列控制信号发送给下位机驱动模块A4988,以及四个步进电机,进而控制小车按预设轨迹行走。     

面向居家养老的智能机器人伴侣

开发机器人伴侣以帮助人类对家庭环境进行交互控制是解决养老问题的重要技术手段。为此,文中提出了一种可自主调整家居环境的智能机器人伴侣的系统设计。通过用户行为姿势的识别,机器人伴侣可作为整套智能家居设备的核心,通过无线网络对智能家居设备进行自主控制。此外,机器人伴侣还集成了语音交互功能以提高用户体验。试验表明,所开发的试验原型能够识别用户的基本行为并自适应控制智能家居设备,同时具有一定的语音交互能力。     

个人卫生护理机器人控制部分的设计与实现

介绍了个人卫生护理机器人控制部分的设计与实现,该系统采用单片机作为微控制器,利用串口扩展芯片,实现了对洗头、洗澡、生命体征检测、上位机通信以及语音提示等功能模块的控制,完成了全自动洗澡的功能。实验证明,该系统具有较高的研究开发和实用价值。     

基于LabVIEW的ISD语音芯片录放系统

针对现有ISD语音芯片拷贝系统普遍存在不能自动精确定位每段语音首地址,提出了一种基于LabVIEW的ISD语音芯片录放系统.该系统以带有片上USB外设的C8051F340处理器为下位机,以PC机与LabVIEW GUI软件作为上位机并通过USB总线连接并控制下位机完成语音录放操作,另外借助一种特殊的采样调理电路与阈值判决方法实现对任意语音段首地址的自动精确定位.与传统拷贝系统相比,本系统在良好LabVIEW人机界面支撑下,功能更加全面实用.     

基于语音控制的舞蹈机器人的设计与制作

本文主要介绍了基于语音控制的舞蹈机器人的设计与制作过程。通过对舞蹈机器人机械、电气和程序的设计与实现,使机器人完成优美的舞蹈动作。行走电机采用继电器控制,以AT89S51单片机为中央处理器,实现各种舞蹈动作,采用语音识别技术实现语音控制。     

支持向量机语音识别算法在OMAP5912上的移植

针对语音识别这种典型的多类分类问题,提取MFCC参数作为语音特征,采用支持向量机(SVM)作为识别算法,进行非特定人孤立词识别.在给出一种多类分类方法并分析该算法优缺点的基础上,对算法中的所有参数进行测试,选取最佳参数进行实验,识别率达到95%以上.为了满足语音识别系统对实时性和便携性的要衷,将该算法在0MAP5912嵌入式系统开发平台上进行实现,与传统的语音识别系统相比,该系统易于使用,语音识别更为快速便捷.并且具有一定的通用性.     

基于MP3数字语音的话费查询系统设计与实现

本系统由上位机和下位机两部分组成.上位机通过串口接收电话号码,查询关系数据库得到相应的话费字段,对话费字段进行处理,最后经过语音合成,通过声卡实现语音播报.数字语音处理部分采用MP3文件拆分与合成的方法,考虑到杂音问题,进行整数帧拆分.文件合成时采用文件流复制的方法.     

多通道舵机控制器设计

为了实现对机器人、无人机的控制,提出一种利用微处理器产生多路舵机控制信号的方法。该方法以AT89C52单片机作为控制芯片,通过实验实现了8路舵机控制脉冲的生成,可广泛应用于机器人、无人机等控制系统,并按上位机与下位机的通信要求设计了一种简单的通信协议,以满足实时控制的需要。     

基于NAO机器人的BLSTM-CTC的声学模型研究

针对于NAO机器人自身语音识别准确率低的问题,提出一种基于NAO机器人的BLSTM-CTC的声学模型研究方法.基于BLSTM-CTC的声学模型进行建模,以BLSTM为声学模型和CTC为目标函数,以音素作为基本建模单元,建立中文语音识别端到端系统.实验结果证明,本文算法相较于NAO机器人自身,取得了良好识别效果.     

微小地面机器人监控系统设计

为了解决微小地面机器人群体控制及状态监测及显示的问题,设计一种微小地面机器人的监控系统。系统由上位机、ZigBee通信模块和下位机组成。上位机采用VB语言设计监控界面,利用MSComm控件实现串口通信,并通过调用Matlab的COM组件,实现粒子群优化算法预推目标运动轨迹;ZigBee芯片选用高度集成、低功耗、高灵敏度的784/868/915MHz 的ZigBit900,通过串口与上位机及下位机连接,实现下位机与上位机组网通信;下位机以DSPIC33F单片机为主处理器,完成与上位机、小车和其它模块之间的数据传输控制,实现监控系统对微小地面机器人群的监测和控制。通过实验表明,该监控系统稳定、实时、可靠。     

基于WiFi技术的智能搜救机器人

为了实现对地震、泥石流等灾害现场的实时监控,依托WiFi网络和遥控机器人技术设计了一台智能搜救机器人,引入多种传感器设备,实现灾后现场的实时监控和救援。通过无线传输技术实现机器人上位机与下位机之间的通信,下位机软件将机器人采集到的视频信息传送到上位机,上位机根据所接收到的视频信息向下位机发送控制命令,实现远距离移动监控。通过在机器人车体上搭载机械臂拓展机器人的搬运功能,实现作业现场障碍物清除工作。重点阐明了基于WiFi技术的智能控制机器人系统的硬件和软件设计。实验结果表明,本次设计的智能搜救机器人能有效实现灾后现场的远程移动监控和救援,具有一定的可靠性和实用性。     

基于LPC2132控制步进电机在康复机器人中的应用

为了实现下肢外骨骼康复机器人的实时跟随,并且恒力减重功能。在下肢外骨骼康复机器人顶部设立可移动的减重平台。采用LPC2132控制器对步进电机进行闭环控制。电路控制系统中,采用A/D转换模块获取传感器信号,PWM发射模块驱动步进电机运动,串口通信模块与上位机进行交互。利用Proteus对脉冲信号进行仿真,通过试验证明了系统具有稳定的运行状态。     

家电控制系统的语音关键词识别算法研究

介绍了一种适用于家电控制系统的语音关键词识别算法.算法包括对关键词的搜索与确认两部分.通过对关键词和非关键词分别建立模型,建立起一个并行识别网络.使用帧同步的Viterbi算法在网络上搜索关键词.为使关键词的识别结果精确,在对支持向量机(SVM)的原理进行简要分析后,提出将SVM作为分类器对基于HMM的最大似然搜索结果进行关键词确认.实验结果显示,联合采用HMM和SVM的关键词语音识别混合算法具有较高的性能.     

基于视觉的取药机器人系统设计

针对现有药房药剂师取药任务繁重、效率低下等问题,设计了基于机器视觉的取药机器人系统,提出了一种基于融合局部特征匹配和Mean Shift算法的药品识别算法,系统整体实现了药品的识别、定位及抓取任务。首先,安装于药架之间的抓药机器人接收上位机发送的药品信息,通过摄像头识别药品,使用AKAZE算法对货架上的药品进行匹配,获取药品坐标后,将匹配的药品抓取放至传送带上;位于取药处的分拣机器人得到上位机发送的药品信息后,通过改进的Mean Shift算法对传送带上的动态药品进行二次识别,将识别到的药品抓取放至取药处,完成整个系统的取药功能。实验证明,以二次分拣为保证,系统能够准确地识别药品,且药品定位信息比较准确,误差较小,可适用于药房药品的抓取。     

基于数据融合的机器人超声测距系统设计

超声波测距作为一种典型的非接触测量方法,在机器人视觉识别等方面得到了广泛应用。文中介绍了一种应用于教学的机器人超声测距系统的软硬件设计与实现,详细阐述了系统的硬件组成、硬件电路设计和软件设计;并对数据处理方法以及超声测距仪与上位机(PC机)之间的通信做了详细论述。经实验验证,系统的稳定性、通信的实时性,以及测量精度均获得了较好的效果。     

基于语音静音段特征的手机来源识别方法

手机来源识别已成为多媒体取证领域重要的热点问题.提出了一种基于语音静音段特征的手机来源识别方法,该方法先通过使用自适应端点检测算法得到语音的静音段;然后将静音段的梅尔频谱系数(MFC)的均值作为分类特征;最后结合WEKA平台的CfsSubsetEval评价函数按照最佳优先(BestFirst)搜索进行特征选择,并采用支持向量机(SVM)对手机来源进行识别.实验部分对23款主流型号的手机进行了分类,结果表明所提特征具有较好的分类性能,在TIMIT数据库和自建的CKC-SD数据库上,平均识别准确率分别为99.23％和99.00％.另外,与语音段MFC特征和梅尔倒谱系数(MFCC)特征进行了对比,实验结果证明所提特征具有更加优越的性能.     

基于SVM的语音信号情感识别

在智能人-机交互系统中,语音信号的情感分类是目前热点的研究领域,并且得到了广泛的应用.本文提出一种基于特征提取和借助支持向量机(support vector machine,SVM)分类器(classifier)的情感互相关性的方法,并应用于情感语音识别.利用这种方法对3种情感语音信号进行情感分类.SVM分类器是利用情感语音信号中情感互相关性的特征提取进行分类的.这种通过 SVM 分类器的情感互相关性的自动分类方法,可以将情感识别率大幅提高,并且在识别愤怒情感时的准确率可以达到95.04%.