移动机器人室内场景主动识别的强化学习方法

为了在传统场景分类器基础上进一步提高场景识别准确率,提出了一种采用Q学习(Q-learning)实现室内场景主动识别的算法.该算法采用极限学习机(Extreme Learning Machine,ELM)与反向传播梯度下降相结合的方式近似Q-learning值函数的神经网络.算法基于Q-learning动态地学习场景识别率最高的机器人朝向角,使机器人能够自主获取多次更为可靠的传感器信息并将对应识别结果融合,进而提高场景识别准确率.将算法应用在移动机器人场景识别中进行实验,结果表明该算法可以有效提高场景识别准确率.     

磁致伸缩压力传感器设计及其输出特性

研究了铁镓合金(Galfenol)的磁致伸缩特性,提出一种基于Galfenol的新型磁致伸缩压力传感器,以实现机器人的触觉力精确感知。该传感器利用磁致伸缩逆效应将压力转换为电压信号,从而完成对压力的精确测量。设计、制作了磁致伸缩压力传感器,采用双永磁体回形磁路优化了压力传感器的磁场。对传感器进行了理论分析与实验研究,讨论了偏置条件、外压力等因素对输出电压峰值的影响。实验结果表明,在偏置磁场为4.8kA/m、施加的压力为2.5Hz、6N时,传感器的输出电压峰值达16mV,且输出电压峰值与压力呈较好的线性关系。研制的传感器具有结构简单、线性度好、反应速度快等特点,可以满足机器人触觉感知的需求,也可应用于其他领域的压力测量。