共查询到20条相似文献,搜索用时 406 毫秒
1.
2.
3.
《制造业自动化》2020,(6)
针对移动机器人在复杂动态工作环境下如何进行定位和导航的问题做了深入研究,全文阐述了移动机器人混合导航和地图重建的基本方法。首先,介绍了移动机器人结构与软件平台框架,对整个系统进行了总体的技术分析。然后,分析了经典双轮差动模型,并总结了移动机器人上的应用范围;再次,对移动机器人的传感器进行了详细的介绍,移动机器人任务决策系统属于移动机器人的核心控制端,不仅需要负责对数据处理与分类处理,而且同时做出相应的分类反应;最后,通过对信息数据的采集实现了对于环境特征的提取,建立了导航图像和导航机器人导航,机器人导航属于数据信息交互的传输端,负责将移动机器人在移动的过程中产生的信息数据传输到决策系统作为输入端,信息决策系统将信息数据进行分类再由总线将这些信号进行分类发送。经过实验证明,该移动机器人具有良好的导航性能,可以将其应用于移动机器人控制系统。 相似文献
4.
5.
为提高移动机器人的工位定位精度,通过实验分析了超声波传感器的测量距离d和入射角α对测量精度的影响。基于代数神经网络能实现样本空间的精确映射并具有较好非线性逼近能力,设计了一种移动机器人侧向定位融合模型。经实验比较,该定位融合模型具有较高的精度,使得位置误差小于0.9957mm,角度误差小于0.2966°。将该定位融合模型应用于自主研发的移动机器人的定位实验中,定位位置精度可达到±2.5mm,姿态角精度可达到±0.42°,满足定位要求。 相似文献
6.
针对柔性臂坐标测量机误差因素复杂且误差影响之间呈非线性的问题,分析了误差因素并对部分动态误差进行研究,提出了一种基于模拟退火和神经网络的柔性臂坐标测量机动态误差补偿方法。利用BP神经网络建立动态误差补偿模型,通过模拟退火算法优化权值从而解决了神经网络的收敛速度慢的问题。通过实验获得数据样本,训练所建模型后对测试数据进行误差补偿。与BP神经网络模型进行对比结果表明,补偿测试点后得出的单点重复性测量误差提高了60.85%,长度测量误差的精度提高了54.79%,证明了所提方法的有效性和可行性。 相似文献
7.
8.
9.
10.
11.
GPS/INS组合导航系统的研究 总被引:8,自引:1,他引:7
讨论了飞机惯性导航系统(INS)与全球卫星导航系统(GPS)的利与弊以及卡尔曼滤波方法在组合定位中的应用情况,进一步提出了基于神经网络数据融合方法的GPS/INS组合导航系统.系统神经网络结构采用单隐层的三层神经网络,输入输出神经元数目是4个,基于256个训练样本由经验公式求得隐层神经元数目为8个,同时还建立了惯导系统的数学模型和数据融合的数学模型.给出了利用MATLAB编制的神经网络训练程序并对这一神经网络进行了训练和仿真.实验表明,组合导航系统经度误差可达9m,纬度误差可达8m,与单独GPS定位和INS定位相比精度得到了提高. 相似文献
12.
随着安防机器人应用领域的扩大,其工作环境的复杂性随之增加。在烟雾、灰尘和昏暗等特殊的室内环境中,视觉和激光导航方式不再适用。针对该问题,在开展毫米波雷达测距原理的研究的基础上,首先开展二脉冲对消器的研究,滤除静态杂波,并设计动态门限检测器,准确获取毫米波雷达与移动机器人之间的距离;为了提高导航精度,提出一种分割聚类法,处理距离数据集合;最后基于三角定位原理设计安防机器人导航系统。实验结果表明,利用分割聚类法相比均值法,机器人的导航精度更高。在烟雾、昏暗的环境下,机器人可以沿着设定的直线和曲线运行,其导航误差约为0.11 m。 相似文献
13.
14.
15.
《工业仪表与自动化装置》2021,(3)
为了提高中央空调节能控制系统的通用性和控制精度,该文利用神经网络算法建立了系统各设备的数学模型,并开发了等SCOP算法对模型进行能效最优求解。该文以某地铁项目冷冻机房设备配置应用为例,利用厂家提供的设备设计性能模型,验证了神经网络模型的精度以及等SCOP算法的可行性。同时研究也发现,利用设计模型数据训练的神经网络模型直接用于实际项目控制,会带来较大误差。模型需要根据现场实际数据进行训练,才能提高控制精度。 相似文献
16.
惯性/卫星组合导航系统结合精密单点定位技术可有效提高导航定位精度。但精密单点定位技术一般需采用双频接收机,成本较高;同时该系统中采用载波相位作为部分或全部观测量,极容易受到周跳的影响而导致精度下降和系统不稳定。针对上述问题,设计了一种惯性/卫星精密定位紧组合导航系统以及基于动态周跳补偿的鲁棒滤波算法。该系统采用低成本的单频接收机(SFGPS),以精密单点定位技术(PPP)处理过的伪距和载波相位作为观测信息,与惯性导航系统(INS)等效观测量进行紧组合,建立了相应紧组合观测模型并引入周跳作为信息融合滤波状态模型中的状态量,以滤波器信息构建周跳检测统计量并对周跳幅值进行识别和估计,实时补偿观测量以提高观测信息精度,同时以前述周跳估计的结果对状态模型中周跳状态量部分滤波参数进行实时调节。上述方法通过动态补偿周跳误差提高导航精度,通过滤波器参数自适应调节提高滤波稳定性。仿真结果验证了该系统模型及算法的有效性。 相似文献
17.
18.
《中国工程机械学报》2019,(6)
移动机器人在复杂环境中运动,容易受到各种波形的干扰,导致移动机器人跟踪误差较大.对此,创建了移动机器人平面简图模型,建立移动机器人动力学方程式.在传统PID控制方法的基础上,设计了模糊神经网络PID控制方法.采用改进粒子群算法优化模糊神经网络PID控制参数,输出最优PID控制参数.采用Matlab软件对移动机器人跟踪误差进行仿真,并与传统PID控制方法进行比较和分析.仿真结果显示:在正弦波的干扰环境中运动,传统PID控制方法不能抑制外界环境的干扰,实际运动轨迹与理论运动轨迹偏差较大;而改进模糊神经网络PID控制方法能够抑制外界环境的干扰,实际运动轨迹与理论运动轨迹偏差较小.移动机器人控制系统采用改进模糊神经网络PID控制方法,能够在线调整PID控制器参数,控制精度较高. 相似文献
19.
20.
三维表面扫描机器人误差建模与补偿方法 总被引:2,自引:0,他引:2
对于三维表面扫描机器人系统,整个系统的测量误差主要来源于如下几个环节:机器人的本体定位误差、线结构光传感器的数据采集误差和手眼矩阵带来的误差。对于以上环节的各个部分,可以看成是局部过程。不论各个环节或部分的误差为多大,最后的误差均归结于所得到的测量数据。然而,整个系统的误差模型很难通过解析方法得到。为了提高系统的测量精度,通过微粒群径向基神经网络建立系统的误差模型,网络的输入选择激光条纹图像坐标系中的坐标,输出选择为经过迭代最近点算法配准后的最近点与测量点之间的误差。利用微粒群算法优化初始所得的神经元中心和宽度,在相同网络性能的前提下,压缩了网络的规模。在测量过程中利用所建立的误差网络模型将测量误差得以补偿,通过实际的试验验证该方法提高系统测量精度的有效性。 相似文献