排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
由n(n<6)条SPS主动支链和一条被动约束支链构成的并联机构结构简单而且承载能力更强,具有非常广泛的应用前景。以4-SPS/S结构的并联机构为研究对象,实现模拟船舶在海浪中的3自由度摇摆运动功能。运用螺旋理论分析4-SPS/S并联机构真实的自由运动特性。运用坐标旋转矩阵变换和矢量导数法,推导出并联机构位置逆解的解析表达式以及各主动支链和动平台的微分运动特性。运用杆长约束条件和Sylvester结式消元法,推导出该机构位置正解的解析解。仿真研究和实例验证结果表明,该机构具有4组位置正解,其中2组为实解,另外2组为虚解,验证了位置正解求解算法的正确性。 相似文献
2.
针对多移动机器人运动协调中的动态安全避碰问题,在分析速度障碍法原理的基础上,设计用于机器人之间相互避让的互动速度法则,并通过制定机器人的碰撞时间、碰撞距离因子对构型障碍的大小进行实时调整,把运动障碍物、动力学约束下的多步可达窗口、目标点都映射到一种速度变化空间当中,使多机器人的动态避碰问题转化为一种最优化问题,并构造了新的优化评价函数;设计了基于改进速度障碍法的机器人动态避碰规划算法。仿真实验表明,该方法有效地克服了碰撞冲突,实现了多机器人之间的运动协调控制,提高了机器人追踪运动目标的快速性。 相似文献
3.
为了进行准确和有效的导航,提出了利用机器人的车载激光测距仪来检测环境中的障碍物.利用激光测距仪对机器人的局部环境建立栅格地图,在该模型下对障碍物进行检测.针对连续变化时刻(t-1)和(t)下的两帧“图像”,在极坐标系中进行障碍物分割,根据分割结果建立障碍物链Object_ List (t-1)和Object_ List (t),计算出各特征参数,并作进一步的匹配和分类分析.如果存在动态障碍物,估计出相应的运动参数,更新得到t时刻的动态障碍物集Dob (N).为了验证算法的有效性,利用visual C++进行仿真,仿真实验结果表明,该方法进行环境中的动静态障碍物的检测是可行的和有效的. 相似文献
4.
概述了TMS320LF2407A中ADC模块的功能特性和工作原理.针对基于TMS320LF2407A的液压转台控制系统中的数据采集部分,对ADC模块的应用进行了详细的分析与说明,如模拟输入信号的调理方法、AD转换结果的处理以及具体的软件设计.在结语中,总结了AD C模块应用中应该注意的几个问题. 相似文献
5.
6.
针对卫星拒止环境中移动机器人高精度定位需求,提出一种基于误差状态扩展卡尔曼滤波(ES-EKF)的激光定位子系统/视觉定位子系统/全局速度测量子系统松耦合融合定位方法,并设计了一个误差低漂移的组合定位系统。首先,根据向量加法和矩阵乘法对系统状态的误差进行最小表示,建立误差形式的卡尔曼滤波模型,以误差状态的最优估计对系统状态的估计值进行补偿。然后,针对激光和视觉定位子系统位姿不确定度未知的问题,将位姿输出依时间戳转化为位姿增量,并建立位姿增量观测模型。其次,针对组合定位系统缺少全局速度约束的问题,利用姿态航向参考系统(AHRS)和正向运动学模型构建全局速度测量子系统,并建立全局速度观测模型。最后,在街道和野外两个场景中进行测试,本文算法的相对定位误差小于0.4%,相较于仅受局部速度约束的EKF和ES-EKF融合定位算法降低了约40%。实验结果表明,所提出的算法有效提升了定位系统的精度。 相似文献
7.
针对未知相机标定及目标3D几何模型,研究机器人无模型视觉伺服定位方法.引入状态空间,建立机器人“视觉空间-运动空间”雅可比非线性映射的状态方程和观测方程,提出神经网络联合卡尔曼滤波雅可比预测算法,网络在线动态补偿系统近似误差与参数估计误差,实现最小均方差条件下的雅可比预测;以李雅普诺夫稳定性准则构建雅可比预测的无模型图像视觉伺服控制方案,避免了相机标定和目标建模.“眼在手”六自由度机器人定位比较实验表明,图像空间特征轨迹平滑稳定在相机视场中,笛卡尔空间机器人末端运动平稳,无震荡回退,定位精度在10个像素范围内. 相似文献
8.
9.
基于多模特征深度学习的机器人抓取判别方法 总被引:2,自引:0,他引:2
针对智能机器人抓取判别问题,研究多模特征深度学习与融合方法.该方法将测试特征分布偏离训练特征视为一类噪化,引入带稀疏约束的降噪自动编码(Denoising auto-encoding, DAE),实现网络权值学习;并以叠层融合策略,获取初始多模特征的深层抽象表达,两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性.实验采用深度摄像机与6自由度工业机器人组建测试平台,对不同类别目标进行在线对比实验.结果表明,设计的多模特征深度学习依据人的抓取习惯,实现最优抓取判别,并且机器人成功实施抓取定位,研究方法对新目标具备良好的抓取判别能力. 相似文献
10.
针对模拟船舶在海上运动的摇摆姿态及重载的要求,根据并联机器人机构综合理论,提出运用4SPS-1S结构的并联机构实现模拟船舶在重载情况下的摇摆运动。通过对该机构的运动学分析,推导出三自由度并联机构位置逆解的解析表达式。考虑到位置正解的解析解难以求出,运用一种改进型、高效率的迭代神经网络对其位置正解模型进行求解,最后借助Matlab软件对位置正解模型进行了仿真研究。研究结果表明:该改进型迭代BP神经网络不但性能上优于普通的BP神经网络和误差补偿函数为f(ε)=ε的迭代BP神经网络,且所建立的位置正解模型可以满足实时控制要求。 相似文献