智能海洋机器人技术进展

智能海洋机器人是可以在复杂海洋环境中执行各种任务的智能化无人平台, 包括智能水下机器人和智能水面机器人. 基于实践和在相关技术难题上的经验, 提出了一些关键技术问题的解决方案. 在智能水下机器人方面, 探讨了体系结构、运动控制、智能规划与决策和系统仿真等关键技术. 在智能水面机器人方面, 探讨了快速性和智能化问题. 我国在智能海洋机器人技术研究方面已经取得了较大的进步, 但距离全面应用还有很大差距.     

人工智能与机器人的交叉研究

机器人、人工智能,它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学.实时人工智能是实时系统和人工智能技术相互结合的一个新的研究领域.实时人工智能系是统是一种在动态的环境中,能够利用有限的资源来可靠地完成关键性任务的系统.机器人、人工智能实时系统作为一个整体的研究才刚刚开始,离我们的目标还很遥远.但人工智能在某些方面将会有较大的突破.     

方兴未艾的多智能体机器人技术

目前的工业系统正向大型、复杂、动态和开放的方向转变,传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战.分布式人工智能(DAI,Distributed Artificial Intelligence)与多智能体系统(MAS,Multi-AgentSystem)理论为解决这些挑战提供了一种最佳途径.将DAI、MAS充分应用于工业系统和多机器人系统的结果,便产生了一门新兴的机器人技术领域-多智能体机器人系统(MARS,Multi-Agent Robot System),MARS技术正在蓬勃发展之中.     

基于人工智能的电力调度机器人功能架构研究

针对现有电力调度机器人智能化程度不高、集成度较差等问题,以电力调度系统的运行机制和规章制度为基础,设计了一种基于人工智能的电力调度机器人功能架构.该架构技术路线融合了人工智能和异源异构数据存储关联分析等技术.论述了架构组成,详细阐述了调度机器人功能模块,包括:智能监控、智能学习、智能决策等.最后,对其应用前景进行了展望.     

一个足球机器人视频跟踪算法

随着机器人和人工智能技术的发展,在复杂环境中特别是足球机器人的实时比赛的环境进行识别和跟踪已是一个挑战性的课题,提出了一个基于投影的目标跟踪算法,该算法首先把比赛场地分成了若干区域,在这些区域内搜索一个种子点,然后以此点为起点沿垂直或水平方向在目标区域搜索,计算该点的投影值,根据这些投影值识别出目标的一个顶点(或小球的球心),进而识别出目标;最后,提取出7个运动目标的位置和方向,实验结果表明,该算法与其他方法相比有计算量少、图像处理速度快和易于实现等优点。同时,该算法在仿真系统中得到了检验。     

基于树莓派的六足机器人目标跟踪系统研究

在室外环境进行机器人目标识别与跟踪是计算机视觉和机器人技术的前沿发展方向,机器人在导航、智能监控、多机协作、人机交互等领域应用广泛.设计了一种基于树莓派的六足机器人目标识别与跟踪系统.通过六足机器人搭载Kinect高清摄像头对行人和目标六足机器人进行识别与跟踪,YOLO v3进行行人和目标六足机器人的检测与识别,得到质...     

人工智能技术在矿山智能化建设中的应用初探

介绍了人工智能技术的相关概念、发展概述及其在煤炭行业发展中的应用,指出目前人工智能技术在矿山应用只是点状结合和浅度结合,没有实现人工智能技术和矿山某个生产或管理系统层面的深度融合。概述了智能矿山的发展历程,指出智能矿山是人工智能技术、大数据技术、物联网技术和矿山实体的深度融合体,利用智能通信、智能控制和智能计算技术实现数字化矿山的计算、处理,构建数字孪生矿山,通过数字孪生矿山和物理矿山的智能交互演化,达到对煤矿安全、高效、绿色的生产控制。构建了将人工智能技术和矿山深度融合的包括设备层、智能层、应用层的智能矿山三层构架:应用层处于智能矿山的最高层,其中的数字孪生矿山子层相当于“数字大脑”,实现矿山最高层次的智能控制;智能层中的智能体要求子系统不仅仅是应用人工智能技术处理子系统所产生的数据,而是从架构上就要将智能计算、智能通信、智能控制融为一体。展望了智能矿山建设的发展趋势:智能化矿山需要加强人工智能技术和矿山融合度的深入研究,将现有的基于人工智能的故障检测、诊断及超前干预技术应用到机器人系统中,智能计算、智能通信、智能控制融合的巡检机器人将是最早能推广的井下智能体之一;智能化矿山需要进一步加强复杂巨系统建模技术的研究,只有建立了矿山的复杂巨系统模型,才能实现采矿活动和环境的协同互动,实现采煤活动的精准控制,复杂巨系统模型的缺乏将是未来智能矿山建设亟需解决的问题。     

协作机器人智能视觉系统设计与实现

伴随着科技的发展,人工智能技术得到了飞速发展。协作机器人和机械臂在各大领域的应用变得越来越重要。传统的机械臂只能按照已规划好的路径进行物体的抓取,当物体不在或挪动位置时,抓取便无法正常完成,还需要重新规划路径,严重影响了工作效率。为了能够使机械臂自主获取外界信息,拥有自我感知周围环境的能力,基于视觉的协作机器人得到了快速发展。文中首先对基于视觉的协作机器人技术进行了简要介绍,随后对智能视觉系统进行了相关设计,接着介绍了智能视觉目标检测和识别模块,最后在周围环境以及外界信息未知的情况下,利用智能视觉系统实现了协作机器人对具体目标的识别定位和抓取。实验结果表明,该系统可以投用到实际的工程应用中,具有良好的使用价值。     

水下智能识别与自主抓取机器人设计与实现

设计了一款面向海珍品捕捞的水下智能识别与自主抓取机器人. 首先通过YOLOv4-tiny网络对海珍品图像 离线训练, 设计单双目自适应切换与多目标选择算法以实现海珍品在线识别与持续定位. 进一步, 采用声呐与深度 传感器融合策略获取水下机器人深度信息, 设计基于模糊比例–积分–微分控制的定深抓取控制器, 以确保目标定位 与抓取过程中深度信息的有效反馈. 所提目标识别算法, 具有实时性强、复杂度低优点; 同时, 定深与抓取控制器, 不依赖于系统复杂模型, 可适应不同海况下的精确抓取. 最后, 通过试验验证了方法的有效性.     

舰船辐射噪声功率谱特征提取及系统实现

舰船辐射噪声特征提取是水下被动声探测装置进行目标识别、分类的关键技术;针对于此,研究了基于功率谱的连续谱、线谱特征实时提取技术和工程实现;该技术以分段拟合为基础,首先提取功率谱中的连续谱特征,再从原始功率谱中减去连续谱得到线谱分布,然后进行线谱特征提取;在此摹础上,详细介绍了舰船噪声功率谱特征提取的软、硬件系统设计和实现技术;系统经过实验验证,能有效提取不同类型目标的特征,系统性能良好,可满足新一代水下智能被动探测的要求.     

AUV智能化现状与发展趋势

归纳总结了国内外AUV单体平台与人工智能方法相结合的主要成果.从探测感知、航行控制决策、路径规划、故障诊断等核心技术环节进行深入剖析,探讨了人工智能方法在AUV典型作业场景下的应用.最后,指出了AUV的智能化发展趋势.     

海流环境下多AUV多目标生物启发任务分配与路径规划算法

针对多障碍物海流环境下多自治水下机器人(AUV)目标任务分配与路径规划问题, 本文在栅格地图构建的 基础上给出了一种基于生物启发神经网络(BINN)模型的新型自主任务分配与路径规划算法, 并考虑海流对路径规 划的影响. 首先建立BINN模型, 利用此模型表示AUV的工作环境, 神经网络中的每一个神经元与栅格地图中的位 置单元一一对应; 接着, 比较每个目标物在BINN地图中所有AUV的活性值, 并选取活性值最大的AUV作为它的获 胜AUV, 实现多AUV任务分配; 最后, 考虑常值海流影响, 根据矢量合成算法确定AUV实际的航行方向, 实现AUV路 径规划与安全避障. 海流环境下仿真实验结果表明了生物启发模型在多AUV水下任务分配与路径规划中的有效性.     

自主水下航行器安全抛载系统设计

自主水下航行器(AUV)在海洋资源勘探与开发中发挥着重要作用,安全性作为其研究的重要内容与关键技术,关乎着水下任务能否顺利完成并安全返回;为进一步加强AUV在水下应对故障及危险的处理能力,依托实体AUV,设计一套安全抛载系统;该系统基于ARM Cortex—M4处理器,搭建抛载电路,使其不仅能够响应程序预先设定的抛载指令,还能根据一些突发或紧急情况,自动触发抛载动作,如:系统掉电、死机或漏水等;最后通过岸上模拟实验与真实水下实验,测得对10 kg抛载块进行抛载测试的准确执行率达100％,且抛载系统功耗为2.8 W;此外,对抛载系统进行了耐压测试,压力测量装置显示,在10 MPa压力范围内,该系统仍能正常可靠工作,其耐压性得到有效验证,符合总体设计要求.     

Magnetic survey and autonomous target reacquisition with a scalar magnetometer on a small AUV

A scalar magnetometer payload has been developed and integrated into a two‐man portable autonomous underwater vehicle (AUV) for geophysical and archeological surveys. The compact system collects data from a Geometrics microfabricated atomic magnetometer, a total‐field atomic magnetometer. Data from the sensor is both stored for post‐processing and made available to an onboard autonomy engine for real‐time sense and react behaviors. This system has been characterized both in controlled laboratory conditions and at sea to determine its performance limits. Methodologies for processing the magnetometer data to correct for interference and error introduced by the AUV platform were developed to improve sensing performance. When conducting seabed surveys, detection and characterization of targets of interest are performed in real‐time aboard the AUV. This system is used to drive both single‐ and multiple‐vehicle autonomous target reacquisition behaviors. The combination of on‐board target detection and autonomous reacquire capability is found to increase the effective survey coverage rate of the AUV‐based magnetic sensing system.     

智慧社区教育的微信云服务平台建设

智慧社区教育微信云服务平台耦合集成了5G、大数据挖掘和人工智能等高新技术。针对平台智慧服务新功用,探讨了5G高新技术强基、大数据挖掘和人工智能算法赋能、微信新功能衍生新模态等细分技术内涵,分析了平台体系架构、核心智慧算法模型Look-alike与RALM、微信开发工具与开发技术Springboot与ThinkPHP等。     

Coverage Path Planning with Real‐time Replanning and Surface Reconstruction for Inspection of Three‐dimensional Underwater Structures using Autonomous Underwater Vehicles

We present a novel method for planning coverage paths for inspecting complex structures on the ocean floor using an autonomous underwater vehicle (AUV). Our method initially uses a 2.5‐dimensional (2.5D) prior bathymetric map to plan a nominal coverage path that allows the AUV to pass its sensors over all points on the target area. The nominal path uses a standard mowing‐the‐lawn pattern in effectively planar regions, while in regions with substantial 3D relief it follows horizontal contours of the terrain at a given offset distance. We then go beyond previous approaches in the literature by considering the vehicle's state uncertainty rather than relying on the unrealistic assumption of an idealized path execution. Toward that end, we present a replanning algorithm based on a stochastic trajectory optimization that reshapes the nominal path to cope with the actual target structure perceived in situ. The replanning algorithm runs onboard the AUV in real time during the inspection mission, adapting the path according to the measurements provided by the vehicle's range‐sensing sonars. Furthermore, we propose a pipeline of state‐of‐the‐art surface reconstruction techniques we apply to the data acquired by the AUV to obtain 3D models of the inspected structures that show the benefits of our planning method for 3D mapping. We demonstrate the efficacy of our method in experiments at sea using the GIRONA 500 AUV, where we cover part of a breakwater structure in a harbor and an underwater boulder rising from 40 m up to 27 m depth.     

智能汽车人机协同控制的研究现状与展望

随着人工智能、互联网技术、通信技术、计算机技术的快速发展,以电动化、智能化及网联化为基础的智能汽车成为汽车行业发展的一大趋势.按照汽车智能化、自动化的发展进程,美国汽车工程师协会将智能汽车的发展分为手动驾驶、驾驶辅助、部分自动化、有条件自动化、高度自动化和完全自动化6个级别,虽然不同层次、不同功能的汽车智能化技术正迅猛发展,但是真正意义上的全工况自动驾驶在短期内很难实现.因此,在未来很长一段时期内,智能汽车必然面对人机协同控制的局面,本文详细介绍了智能汽车人机协同控制中驾驶员建模及人机驾驶权动态优化控制的国内外研究现状,同时简要介绍了智能汽车测试与评价的国内外研究现状,提炼了共性问题,并对人机协同控制的发展趋势给出了一些观点.     

Observer Kalman filter identification of an autonomous underwater vehicle

This paper deals with the identification of linear discrete-time multivariable models of an autonomous underwater vehicle (AUV). The observer Kalman filter identification (OKID) method is applied with the main objective of evaluating its effectiveness to the experimental identification of the dynamic behaviour of an AUV. After presenting the mathematical background of the OKID algorithm, the proposed method is first validated on the basis of simulated data of both the linearized and nonlinear yaw dynamics of an AUV. Subsequently, the identification algorithm is applied to a set of experimental data. Results suggest that the method can be an efficient tool for the experimental identification of AUV dynamics.     

A time differences of arrival‐based homing strategy for autonomous underwater vehicles

A new sensor‐based homing integrated guidance and control law is presented to drive an underactuated autonomous underwater vehicle (AUV) toward a fixed target, in 3‐D, using the information provided by an ultra‐short baseline (USBL) positioning system. The guidance and control law is first derived at a kinematic level, expressed on the space of the time differences of arrival (TDOAs), as directly measured by the USBL sensor, and assuming the plane wave approximation. Afterwards, the control law is extended for the dynamics of an underactuated AUV resorting to backstepping techniques. The proposed Lyapunov‐based control law yields almost global asymptotic stability (AGAS) in the absence of external disturbances and is further extended, keeping the same properties, to the case where known ocean currents affect the motion of the vehicle. Simulations are presented and discussed that illustrate the performance and behavior of the overall closed‐loop system in the presence of realistic sensor measurements and actuator saturation. Copyright © 2009 John Wiley & Sons, Ltd.