移动机器人DGPS／DR组合导航技术研究

分析了变电站环境下DGPS的定位情况,针对该环境下GPS易受到干扰的特点,提出了DGPS／DR组合导航方案;通过对自主航位推算的误差特性的建模分析,设计了DGPS／DR组合导航算法;对实际环境下采集的DGPS,DR的数据进行了组合导航计算,结果表明：DGPS／DR组合导航系统克服了DGPS受干扰后的定位紊乱,提高了移动机器人的导航性能,达到了厘米级的导航精度。     

大视场室内移动机器人高精度动态定位方法

高精度室内定位是移动机器人实现自主导航、运动控制和协同作业等任务的前提条件.利用单目视觉定位原理,提出了一种针对大视场的室内移动机器人绝对定位方法.该方法适用于室内多移动机器人同步动态定位,解决了大视场环境下多相机非线性标定和视场融合问题,相机标定精度提高了52.6％.为提高移动机器人动态定位精度,设计了基于光信标的高...     

移动机器人传感器与导航控制

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。     

基于代数神经网络信息融合的侧向定位的实验研究

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.     

基于代数神经网络信息融合的侧向定位的实验研究

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。      

柔性臂坐标测量机动态误差补偿算法研究

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。     

基于MLP神经网络的数控铣床几何误差补偿方法

针对三轴数控铣床加工工件的几何误差问题,提出一种基于多层感知器(MLP)神经网络的误差补偿方法。首先,设定铣床沿X轴和Y轴方向对工件进行铣削加工,通过3D坐标测量机测量刀头在Z轴上的定位误差数据。然后,利用这些数据来训练MLP神经网络模型,拟合出三维的误差曲面。最后,根据获得的误差曲面,对铣床加工时的刀头坐标进行实时校正,以此提高加工精度。实验结果表明,提出的方法能够对机床加工误差进行精确地补偿,具有有效性和可行性。     

基于PCA与BP神经网络的滚动轴承故障诊断

为了提高滚动轴承故障诊断效果,提出主成分分析结合BP神经网络的方法。简要介绍主成分分析法将轴承振动信号时域与频域的特征数据降维处理以及BP神经网络训练过程的原理。利用主成分分析与BP神经网络模型对凯斯西储大学轴承数据进行训练,将滚动轴承的状态类型作为网络输出结果。经过600组训练数据以及145组测试数据的仿真,结果表明主成分分析与BP网络模型比BP神经网络的训练误差精度相对提升了31.14%,测试误差精度相对提升了29.86%。     

用神经网络算法降低车辆动态称重误差

为了提高车辆动态称重测量系统的精度,在对误差分析的基础上,本文引入了神经网络算法。通过确定神经网络的输入输出变量,建立了神经网络模型。然后在MATLAB软件上进行网络训练,建立函数关系,最终通过实验验证用神经网络算法提高车辆动态称重精度是确实可行的。     

精密视觉对准系统的精度分析与误差补偿

为了减小全自动视觉锡膏印刷机视觉对准系统的纠偏误差,提高锡膏印刷机的印刷精度,在介绍了视觉对准系统的组成和功能的基础上,对其进行精度分析,计算纠偏平台终端姿态,推导出视觉运动系统定位误差对终端姿态的误差传递公式,对定位误差进行定量分析和测量,并根据测量数据设计了一种误差补偿方案。通过实验结果表明,补偿方案能有效减小视觉运动系统的定位误差,提高视觉对准系统的纠偏精度,对运动系统的误差分析有一定的指导意义。     

GPS/INS组合导航系统的研究

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.     

基于调频毫米波的安防移动机器人导航系统

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。     

神经网络遗传算法在粉体流量测量的应用

利用浓度和速度电容式传感器分别测量粉体的浓度和速度,结合阀门开度、喷吹罐压力、温度等参数构造神经网络粉体流量测量模型,考虑BP算法训练神经网络测量模型时收敛速度慢、动态特性不够理想等不足,用遗传算法来优化神经网络测量模型的参数,以提高测量系统的精度。在现场与电子秤比对,最大满量程误差小于4.2%,具有工程应用价值。     

BP网络在矿车动态轨道衡数据处理中的应用

当矿车以一定速度通过轨道衡系统时,其动态称重信号由于受外界各种干扰因素的影响,给数据精度处理带来了较大的难度。针对轨道衡动态称重系统中数据处理的复杂性,提出了利用BP神经网络算法对动态称重信号中影响测量精度的主要因素进行数据处理,提高轨道衡动态称重的测量精度。     

基于神经网络和等SCOP算法的中央空调节能控制技术研究

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。     

INS/SFGPS PPP紧组合系统动态补偿滤波算法

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。     

基于改进EKF的室内机器人充电站自主定位方法研究

针对智能机器人自主寻找充电站充电时对充电站位置的定位和自定位问题,采用红外定位模块与里程计定位信息进行数据融合,分析并建立了两轮驱动室内移动机器人的运动模型与观测模型,利用有限差分线性化方法和小循环迭代结构改进了扩展卡尔曼滤波方法,一方面提高了机器人对目标充电站定位和自身定位的精度,同时减小了因增加计算量而造成的时间损失。仿真实验证明,采用改进方法可使机器人的自定位误差均方差减小约20％,对充电站位置定位的误差控制在约4cm。     

采用改进模糊神经网络PID控制的移动机器人运动误差研究

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.     

基于GA-BP神经网络系统的滚珠丝杠热误差建模

滚珠丝杠是数控机床进给系统的关键部件,其热变形影响机床的定位误差。为提高数控机床的精度,提出一种基于GA-BP神经网络的热误差预测方法。以TX1600G镗铣加工中心进给系统的滚珠丝杠为研究对象,运用有限元法对丝杠进行热特性分析,并据此获得其温度和热误差数据。针对BP神经网络模型训练时间长,容易陷入局部极值等缺点,运用遗传算法优化BP神经网络的阈值和权值,并建立滚珠丝杠的热误差预测模型。通过MATLAB完成仿真实验,结果证明,GA-BP神经网络模型比BP神经网络模型拟合性能更好,预测能力更强。     

三维表面扫描机器人误差建模与补偿方法

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。