四旋翼两栖机器人姿态求解与控制

介绍了一种基于四旋翼驱动的两栖移动机器人。首先简要介绍了该机器人的机械结构与控制及传感系统,并介绍了机器人由四旋翼机构提供动力,并通过对4个旋翼的转动速度和方向进行配置,从而实现在空中飞行或在地面滚动的原理。然后,采用四元数方法对该两栖机器人进行了姿态求解,在此基础上,基于PID算法开发了机器人的飞行控制算法,并进行了相应的仿真。最后通过实验验证了该两栖机器人能够实现预期的两种运动模式,即空中飞行和地面滚动。该机器人提高了传统只具有单一运动模式的移动机器人的环境适应能力。     

重载油缸坯料搬运系统模态分析与结构改进

基于有限元法,对重载油缸坯料搬运系统进行模态分析,得到了前六阶振型和固有振动频率。对其模态特性进行了分析,找到结构刚度的薄弱点,进而对系统整体结构进行了改进设计。通过改进设计改善了结构模态特性,提高了系统的稳定性和安全性。通过锤击法对改进后的整体模态特性进行了实验验证,并由实验结果的模态参数辨识验证了改进设计的有效性。这种分析改进方法可以推广到其它机械设备的结构改进中,具有较大的工程实用价值。     

形状自适应欠驱动三关节机器人手指设计

根据欠驱动原理研制的三指10个自由度的机器人手爪具有驱动元件数量少、抓取物体范围广泛等优点．在欠驱动手爪的4个主要机构中,欠驱动手指对抓取物体具有被动柔顺和形状自适应的特性．首先对三关节欠驱动手指机构进行静力学分析,提出合理的设计目标和约束条件;然后根据设计目标,采用遗传算法得到手指机构的各个关节连杆尺寸和抓取物体时的特殊构形,使得在抓取给定物体时各关节指面的接触力达到均匀分布,得到高效的力传递和更加紧凑的机构尺寸．     

多用途欠驱动手爪的自主抓取研究

对欠驱动手爪自主抓取进行了研究,将其分为自主决策和抓取控制两个过程．首先分析了欠驱动手爪的特点、主要的抓取模式,并借鉴人的抓取经验,采用模糊输入方法,综合考虑抓取任务要求和物体本身的特征属性,利用模糊神经网络良好的分类特性选择合适的抓取模式．在此基础上,完成手指姿势调整,采用基于传感器反馈的控制策略,在被抓物体上形成的合适的力分布以获得稳定抓取,并通过抓取实例验证了抓取决策和控制的正确性,提高了欠驱动手爪抓取的自动化水平．     

电涡流汽车空调压力传感器弹性元件的优化设计

针对汽车空调压力线性测量的要求,分析了现有产品及相关成果,提出了电涡流测量方案;设计了集被测体、电感线圈和处理电路为一体,独立的电涡流汽车空调压力传感器的弹性元件;继而分析了弹性元件的结构、工艺和材料,并从理论计算、有限元分析两个方面对弹性元件的工作状态进行计算、模拟;最后实验测得该传感器传感器具有很高的灵敏度(151mV/0.1MPa)和线性度,从而验证了设计的合理性和正确性.     

表情机器人研究现状

本文首先介绍对表情机器人的研究具有指导意义的恐怖谷理论,其次介绍表情实现的理论基础,即通过对脸部肌肉的分析说明表情运动的机理和实现机器人表情的方法。在此基础上,本文综述近年来国内外表情机器人的研究实例,最后就该领域的研究内容及如何进行更深层次的研究进行探讨。     

基于FPGA的五轴联动控制器的设计

在机器人运动控制系统中,利用脉冲增量法进行多轴联动控制时,需要在运行过程中实时改变各轴伺服电机的脉冲数量和频率,以保证机械臂能够准确经过期望路径点。本文利用FPGA芯片,采用DDS算法实现了高精度5路脉冲的产生,并且设计了SPI接口和通讯协议与DSP主控芯片通信,完成了5路脉冲的实时控制。文中通过对比直接采用DSP芯片内部PwM模块来生成多路脉冲的方法,从产生的脉冲频率精度,范围以及控制方式上,阐明该控制方法的优势。最后采用Altera公司的EP2C5T144C8N搭建了硬件控制实验平台,实现了对五个步进电机的联动控制。     

软体机器人驱动技术研究进展

软体机器人是一类新型仿生机器人,具有环境适应性强、运动灵活和本体柔软性等突出优点,在空间探索、灾害救援、医疗健康等诸多领域拥有广泛的应用前景。软体机器人主要由柔性本体材料和智能驱动/传感材料构成。聚焦软体机器人的驱动技术,首先介绍了以气/液流体弹性体材料为主体的流体驱动模式;然后,对气液相共同作用下的混合气液驱动技术进行介绍;接着,围绕现有研究较广泛的电驱动技术,重点分析了电动液压技术在软体机器人领域的最新进展及应用;最后,对电/磁/光/热驱动技术及其典型应用进行了分析和讨论;同时对未来软体机器人发展所面临的困难与机遇进行了展望。     

基于MPSO-BP神经网络方法的人体步态识别

为提高人体下肢步态相位识别准确率以实现外骨骼机器人控制,采用一种改进的粒子群优化MPSO-BP神经网络方法识别不同运动模式下的人体步态相位。通过自适应调整学习因子构造MPSO-BP神经网络分类器,以多种传感信息组成的特征向量样本集训练神经网络分类器,用于识别人体下肢在平地行走、上楼梯和起坐三种典型运动模式下的步态相位。实验结果表明,MPSO-BP神经网络分类器能有效识别三种不同运动模式的步态相位,识别准确率均达到96%以上,识别性能优于传统的BP神经网络模型和粒子群优化神经网络模型。     

欠驱动仿人机器人手爪的精确捏取与包络抓取研究

研制出一种基于欠驱动机构的仿人机器人手爪,分析了手爪可实现的2种抓取模式(精确捏取和包络抓取),应用力矩平衡分析了精确捏取模式下末关节对物体的作用力与输入转矩的关系,应用虚功原理分析了包络抓取模式下各关节对物体的作用力与输入转矩的关系,并比较了2种抓取模式的抓取质量.最后在COSMOSMotion仿真环境中模拟了2种模式对圆柱形物体的抓取,验证了对抓取质量的分析.