软体机械臂水下自适应鲁棒视觉伺服

水下仿生软体机器人在水底环境勘测,水下生物观测等方面具有极高的应用价值.为进一步提升仿章鱼臂软体机器人在特殊水下环境中控制效果,提出一种自适应鲁棒视觉伺服控制方法,实现其在干扰无标定环境中的高精度镇定控制.基于水底动力学模型,设计保证动力学稳定的控制器;针对柔性材料离线标定过程繁琐、成本高,提出材料参数自适应估计算法;针对水下特殊工作条件,设计自适应鲁棒视觉伺服控制器,实现折射效应的在线补偿,并通过自适应未知环境干扰上界,避免先验环境信息的求解.所提算法在软体机器人样机中验证其镇定控制性能,为仿生软体机器人的实际应用提供理论基础.     

基于BSRGAN的集气站仪表读数识别

为解决集气站的巡检机器人采集到的仪表图像分辨率低、常伴有噪点和仪表图像畸变、不便于读数算法直接应用等问题,提出了一种基于盲超分辨率生成对抗网络(BSRGAN)的仪表读数算法。首先,利用BSRGAN提高输入仪表图像的分辨率,较传统方法能够显著增强仪表图像的视觉感知水平。自然图像质量评估(NIQE)在测试集中表现较好,结构相似性指数(SSIM)值均大于0.85。利用尺度不变特征变换(SIFT)算法对重建图像进行特征提取。特征点数量在重建后显著增加,有助于表盘图像的校正。然后,采用连通域划分和指针细化等形态学操作提取指针中心线。最后,利用角度法识别表盘读数。试验读数结果与真实值的平均相对误差为0.625%。试验结果表明,所提算法可行、有效、精准,能够提高仪表图像清晰度和视觉感知,适用于集气站及其他复杂环境的仪表读数。     

变长度柔性双足机器人行走控制及稳定性分析

针对传统双足机器人模型缺少脚质量和躯干的问题,提出考虑摆动腿动态及躯干影响的柔性双足机器人模型,并对其行走控制及稳定性进行研究。首先,建立系统的动力学模型并采用欧拉-拉格朗日法推导了系统的动力学方程;同时,在弹簧负载倒立摆（SLIP）模型的基础上添加刚性躯干、脚质量及采用变长度伸缩腿,充分考虑躯干及摆动腿动力学对机器人行走步态的影响;其次,设计基于变长度腿的反馈线性化控制器来跟踪目标轨迹,以及调节摆动腿和躯干的姿态;最后,利用Newton-Raphson迭代法和庞加莱映射分析机器人的不动点及轨道稳定性条件,并在理论分析的基础上进行仿真。仿真结果表明,所提控制器可以实现机器人的周期行走,对外界干扰具有良好的鲁棒性,且雅可比矩阵所有特征值的模均小于1,能形成稳定的极限环,证明系统是轨道稳定的。     

基于深度学习的RGB图像目标位姿估计综述

6自由度（DoF）位姿估计是计算机视觉与机器人技术中的一项关键技术,它能从给定的输入图像中估计物体的6DoF位姿,即3DoF平移和3DoF旋转,已经成为机器人操作、自动驾驶、增强现实等领域中的一项至关重要的任务。首先,介绍了6DoF位姿的概念以及基于特征点对应、基于模板匹配、基于三维特征描述符等传统方法存在的问题;然后,以基于特征对应、基于像素投票、基于回归和面向多物体实例、面向合成数据、面向类别级的不同角度详细介绍了当前主流的基于深度学习的6DoF位姿估计算法,归纳整理了在位姿估计方面常用的数据集以及评价指标,并对部分算法进行了实验性能评价;最后,给出了当前位姿估计面临的挑战和未来的重点研究方向。     

基于模型预测—中枢模式发生器的六足机器人轨迹跟踪控制

为了模仿动物卓越的运动能力和环境适应能力,提出了六足仿生机器人的轨迹跟踪控制方法。首先建立了机器人的运动学模型,接着通过转向参数将机器人的速度和角速度与中枢模式发生器（CPG）参数结合起来,设计了转换函数。然后通过转换函数将模型预测控制器和CPG网络结合起来,提出了基于CPG的模型预测控制器（MPC-CPG）,并证明了其稳定性。最后对机器人跟踪圆周轨迹和直线轨迹进行了仿真和实验。实验表明,在有初始误差的条件下,机器人在MPC-CPG控制器的作用下能够快速地消除位置误差和航向角误差,跟踪上参考轨迹。轨迹跟踪的位置误差始终保持在-0.1～0.1 m,航向角误差保持在-27?～20?。在MPC-CPG控制器的作用下,机器人不仅具有较高的轨迹跟踪精度,同时还表现出良好的运动平滑性和协调性,进一步验证了所提出的MPC-CPG控制器的有效性。     

基于无线通信网络技术的机器人巡检远程监控系统

该文提出一种基于无线通信网络技术的机器人巡检远程监控系统,监控输电线路故障。系统的硬件设计包括主控模块设计、无线通信网络设计、驱动器接口电路设计、远程监控模块设计;系统软件设计主要是在远程监控模块利用增量式PID控制算法控制机器人巡检驱动,实现机器人巡检远程监控。实验结果表明,该系统可控制巡检机器人巡检输电线路、监测输电线路故障状态,可监测不同风速下线路风偏角变化情况,且该系统具备较好的信息传输能力和运行可靠性。     

水陆两栖仿生机器人构形、运动机理及建模控制综述

从水陆两栖机器人本体构形、推进动力学建模、多环境运动控制等方面对水陆两栖机器人近期的研究现状进行综述。首先,按照两栖机器人结构类型将两栖机器人分为腿式推进、轮腿/鳍复合式推进、蛇形推进、球形两栖机器人等;然后,介绍两栖机器人在水、陆环境中推进的动力学建模方法,以及目前常用于水陆两栖机器人的多环境运动控制策略。最后归纳得到两栖机器人的关键技术及未来发展方向,包括新型推进机构设计、系统建模、推进机理研究和多模态自主控制技术等。     

基于机器视觉技术的变电站巡检机器人自动导航系统

该文设计基于机器视觉技术的变电站巡检机器人自动导航系统,有效规划巡检机器人巡检路径,实现巡检机器人自动导航。该系统利用以PIC16F73为单片机的核心控制器,通过机器视觉采集模块采集变电站巡检设备和路线图像,经过图像处理模块分割、去噪处理后,由无线传输模块传输至巡检导航模块,结合栅格法和蚁群算法得出变电站巡检机器人路线规划最优路线;利用PID控制器控制巡检机器人按照规划路线行驶,实现变电站巡检机器人自动导航。实验结果表明,该系统无线通信性能好、覆盖范围广,可准确采集变电站巡检设备和路线图像并精准实现巡检机器人定位,能够有效规划巡检路线,实现巡检机器人自动导航。     

基于6DOF机器人的能耗最优轨迹规划

为研究MOTOMAN-UP6机器人的运动学和轨迹规划,该文采用标准D-H建模方法对该机器人进行运动学建模。基于该机器人的特性,采用了一种可易编程的位姿分离法进行逆运动学分析;因逆解的不唯一性,为使得轨迹的能耗最优,提出关节加权系数对轨迹点之间的关节变量进行处理后,得到最优轨迹;同时为减少机器人在运行中的冲击和振动,采用七次多项式对最优轨迹进行轨迹规划,得到了机器人各关节下的位移、速度、加速度、冲击的仿真曲线,曲线光滑且连续,同时也表明了在关节冲击方面优于五次多项式的规划。     

基于神经网络的机器人学习与控制：回顾与展望

机器人因其高效的感知、决策和执行能力,在人工智能、信息技术和智能制造等领域中具有巨大的应用价值。目前,机器人学习与控制已成为机器人研究领域的重要前沿技术之一。各种基于神经网络的智能算法被设计,从而为机器人系统提供同步学习与控制的规划框架。首先从神经动力学(ND)算法、前馈神经网络(FNNs)、递归神经网络(RNNs)和强化学习(RL)四个方面介绍了基于神经网络的机器人学习与控制的研究现状,回顾了近30年来面向机器人学习与控制的智能算法和相关应用技术。最后展望了该领域存在的问题和发展趋势,以期促进机器人学习与控制理论的推广及应用场景的拓展。