基于强化学习的足球机器人协作策略研究

利用强化学习方法实现足球机器人协作策略。对于不同情况,分别将零和策略及一般和策略作为强化学习的理论框架,并且借助概率增量编程进化提高系统的稳定性。     

基于参数分离机器人手眼视觉标定方法研究

提出一种简单,快速、不需要标定摄像机内外部参数的标定方法。详细推导了机器人平面手眼视觉系统变换关系,完成了从视觉平面坐标系到机器人参考坐标系的坐标变换。通过参数分离简化求解过程,实践表明这种方法求解速度快、精度高。     

基于深度强化学习的图像去模糊方法

目的为了有效地去除多种图像模糊,提高图像质量,提出基于深度强化学习的图像去模糊方法。方法选用GoPro与DIV2K这2个数据集进行实验,以峰值信噪比(PSNR)和结构相似性(SSIM)为客观评价指标。通过卷积神经网络获得模糊图像的高维特征,利用深度强化学习结合多种CNN去模糊工具建立去模糊框架,将峰值信噪比(PSNR)作为训练奖励评价函数,来选择最优修复策略,逐步对模糊图像进行修复。结果通过训练与测试,与现有的主流算法相比,文中方法有着更好的主观视觉效果,且PSNR值与SSIM值都有更好的表现。结论实验结果表明,文中方法能有效地解决图像的高斯模糊和运动模糊等问题,并取得了良好的视觉效果,在图像去模糊领域具有一定的参考价值。     

基于人体动作识别的类人机器人动作模仿

基于模仿学习以及人机交互技术,借助Kinect深度相机传感器对类人机器人上半身动作模仿问题进行了研究。首先,将改进的D-H模型应用于NAO机器人的手臂完成了手臂运动学模型的精确建立及求解,解决了传统建模方法两相邻关节平行时出现的奇异性问题。其次,提出了一种改进的基于深度图像的手势识别算法,完成了对于示教者手势的判定及模仿,与传统基于彩色图像的手势识别相比,不受光照影响的同时提升了识别准确率,改进算法的平均识别准确率达到96.2%。最后将NAO机器人作为试验平台的实验表明:NAO机器人对于示教者上半身动作的实时在线模仿运动轨迹平滑且稳定,并且在抓取实验中也显现出了较好的准确性。     

基于深度学习的分拣机器人目标智能定位仿真研究

机器人目标定位方法,存在耗时长、准确率低下问题.采用深度学习机制,明确分拣机器人定位方法.采集机器人图像,按照亮度均值,改变图像空间对比度,通过HSI彩色图像空间序列、类间方差法,筛选出最佳阈值,分割机器人工作环境图像.本文基于深度学习,仿真研究分拣机器人目标智能定位,仅供参考.     

基于核竞争学习算法的图像特征提取

利用核函数学习可有效解决图像特征线性不可分的特性,结合稀疏表示算法的优势,提出了一种新的图像特征提取方法。采用基于竞争学习规则的独立分量分析法对图像进行稀疏表示,该算法可提取数据的高维特征,且不需要优化高阶的非线性函数和进行稀疏密度估计,因而有较快的收敛速度。与仅使用基于竞争学习的独立分量分析法相比,在PolyU数据库上的实验结果表明,采用基于核函数学习和稀疏表示相结合的方法所提取的数据特征有利于提高特征分类精度。     

基于改进判别字典学习的故障诊断方法

近年来,基于稀疏表示的分类技术在模式识别中取得一定的成功。该框架中,字典的学习和分类器的训练通常是两个独立的模块,降低了方法的识别精度。针对以上问题,提出了一种特征提取和模式识别相融合的改进判别字典学习模型,将重构误差项、稀疏编码判别项及分类误差项进行了整合,并用K奇异值分解算法对目标函数进行优化,实现了字典和分类器的同步学习。该方法先对原始信号进行经验模态分解,并从分解的本征模态函数中提取时、频特征,形成故障样本;然后将训练样本输入改进模型用K奇异值分解优化;最后用习得字典及分类器权重对测试样本进行识别。实验结果表明：该算法不但适用于小样本故障问题,而且鲁棒性和分类性能都明显高于其它算法。         

基于线结构光传感器的工业机器人运动学参数标定

针对工业机器人绝对定位精度较低问题,提出一种基于线结构光传感器的工业机器人运动学参数标定方法.首先,将线结构光传感器固定安装在机器人末端,建立传感器测量模型,然后建立机器人运动学模型,通过手眼关系将传感器模型与机器人模型连接组成完整的标定系统模型.其次,使线结构光传感器在不同位姿下对某一固定点进行测量,得到该点在机器人...     

基于矢量量化的强化学习及其在机器人行为学习中的应用

针对强化学习(RL)中状态空间过大所引起的学习时间过长或算法难于收敛等问题,提出了一种基于矢量量化(VQ)技术的表格型强化学习方法--VQRL方法,该方法用矢量量化器的码书矢量来逼近强化学习的状态空间,从而有效地解决了强化学习的状态空间分割问题,并提高了学习的收敛速度.同时根据等失真理论将一种失真敏感自组织特征映射(S...     

基于深度学习算法的矿用巡检机器人设备识别

为了实现矿用巡检机器人对煤矿井下设备的识别与匹配,通过基于卷积神经网络的深度学习算法建立了煤矿设备类型识别模型,分别在明亮环境下、昏暗环境下以及设备重叠情况下采集大量待识别设备图像样本,再对识别模型进行训练,实现巡检机器人对煤矿设备的精确识别与分类。使用基于粒子群优化的SVM（support vector machine,支持向量机）建立了煤矿设备匹配模型,将巡检机器人相对于煤矿坐标系的三轴位置信息、三自由度角度和视觉相机转角作为匹配模型的输入量,将相机视野中设备序号作为输出量,实现煤矿设备类型识别模型识别出的设备与已知设备序号一一对应。实验结果表明基于深度学习算法的煤矿设备类型识别模型对外界的干扰不敏感,识别准确率高;基于SVM的煤矿设备匹配模型的匹配准确率达到了93.2%,在匹配准确率的训练和测试效率上均优于基于BP（back propagation,反向传播）神经网络的匹配模型。研究结果可为煤矿井下巡检机器人的研制提供参考。     

基于GPS的蛇形机器人导航方法

将GPS技术应用于蛇形机器人自主运动控制。根据蛇形机器人的基本运动方式,针对其现有的前进、后退、近似角度转弯等运动特点,提出了一种适用于该种蛇形机器人的自主移动算法,即用蛇头运动的方向近似看作蛇体运动方向。通过仿真验证了该算法的有效性,能够使蛇形机器人自主地到达目标点。     

基于Logistic-Fisher的老龄陪伴机器人外观形态评价方法

目的提出一种基于眼动追踪的老龄陪伴机器人的外观形态评价方法。方法首先借助眼动实验,获得老年人观看陪伴机器人时的眼动特征,提取眼动指标、心率指标与被试变量,利用SPSS23.0软件平台对变量信息进行描述统计和二元Logistic回归分析;其次根据老年人的生理和心理的特殊性将老龄陪伴机器人的外观形态评价定义为二分类问题,以影响显著性最强的几个因子作为判别因子建立Fisher判别函数模型,并进行实验验证。结果性别、年龄、文化程度、心率指标均对陪伴机器人外观关注度无显著影响;总注视时间对其产生显著负向影响,平均注视时间、注视次数产生显著正向影响,判别模型预测样本与实际样本相比准确度为91.0%。结论 Logistic-Fisher方法准确度较高,为构建老龄陪伴机器人的外观形态设计评价体系提供了一种可行的技术途径。     

基于强化学习的机场行李装箱优化方法

目的针对因行李随旅客无序抵达而无法提前得知行李尺寸信息的机场行李装箱问题,以行李车的装箱空间利用率为优化目标,提出基于强化学习的行李在线装箱方法。方法首先,根据机场行李装箱的实际情况,建立行李装箱的数学模型;接着,针对行李在行李车内寻找合适装箱位置和姿态的问题,设计行李装箱位置选择方法和装箱姿态评价方法;最后,借助强化学习的"试错"学习模式,通过训练行李装箱模型获得行李在线装箱策略。结果在仿真实验中文中算法的行李车空间利用率能够达到82.9%,计算耗时0.39 s,这2项指标均优于机器学习算法。结论在求解机场行李在线装箱问题上具有较好的实用性。     

基于模糊迭代Q-学习的冶金工业机器人轨迹跟踪控制研究

冶金工业机器人在现代工业生产中扮演着越来越不可替代的角色。由于工业自动化程度的大幅提升,人们对冶金工业机器人的性能也不断地提出新要求,尤其是对其控制系统的稳定性提出了更高的要求。针对目前冶金工业机器人轨迹跟踪精度较低且不具有自适应动态调节特性等问题,提出了一种模糊迭代Q-学习控制算法。以6-DOF（six degree-of-freedom,六自由度）双臂机器人为研究对象,利用Fuzzy工具箱编写模糊控制规则,以机器人产生的位置误差以及位置误差的变化率为模糊控制器的输入量,并引入Q-学习策略,以调整模糊控制器中的量化因子、比例因子以及迭代学习控制中的PD（proportional derivative,比例微分）参数,完成模糊迭代Q-学习控制器的设计。然后,联合ADAMS（automatic dynamic analysis of mechanical systems,机械系统动力学自动分析）和MATLAB软件搭建6-DOF双臂机器人仿真平台,开展高精度轨迹跟踪的轴孔装配任务模拟。仿真结果表明,6-DOF双臂机器人关节空间的轨迹跟踪精度较高,同时可以完成双臂轴孔协调装配任务,验证了所提出控制算法的有效性和先进性。研究结果可为双臂协作机器人实现高精度轨迹跟踪的轴孔装配提供参考,具有一定的实际应用价值。     

基于距离精度的测量机器人标定模型及算法

对机器人绝对位置误差进行检测和补偿时,通常要涉及到测量系统坐标系与机器人基础坐标系间的坐标变换,由于这个变换很难精确测定,从而导致测量机器人的绝对位置精度降低.为了克服这一情况,可改用空间两点间的距离精度来衡量机器人的绝对位置精度,这样可简化测量过程.利用距离精度的定义,建立了机器人的距离误差模型,该模型可以避免坐标转换带来的误差,降低对测量系统的精度要求.同时,激光跟踪仪测试技术的应用,使得机器人的位姿测量变得非常容易.最后给出了此模型及算法在IRB2400机器人上的应用实例.     

基于几何参数标定的串联机器人精度提升

为了提升串联机器人绝对定位精度,提出了基于零参考模型(ZRM)的机器人几何参数标定方法。建立了包含方向矢量和连接矢量的机器人零参考模型;针对模型特点,利用改进遗传算法(IGA)优化求解零位方向分量和位置方向分量,给出了用IGA标定几何参数目标函数值计算方法及求解几何参数误差的具体步骤。通过对ER10L-C10工业机器人不同测点下仿真标定及实测研究结果表明:IGA方法能够快速对机器人ZRM的几何参数实现标定,当标定点设定为50个左右时,标定后的机器人在测试点的精度提升泛化能力较好,对ER10L-C10机器人在整个工作空间内实测标定其末端绝对定位精度提升约90%,该方法适于在有高定位精度要求的串联机器人中推广应用。     

一种通用的工业机器人位姿检测方法

为满足带有不同末端执行器的工业机器人系统的绝对位姿检测需求,提出一种通用的检测方法。其基本原理是以激光跟踪仪测量固定在机器人末端的4个参考点从而间接测量机器人的绝对位姿,并与指令位姿比较实现机器人位姿准确度和位姿重复性检测;其中,参考点坐标及机座坐标系通过多姿态约束同步标定,并设计非线性标定算法。通过末端带有制孔执行器的KUKA KR210 R2700工业机器人的位姿检测实验表明：该检测方法的准确性可满足机器人位姿检测的需要,且无需特殊的机械工装,具有良好的通用性;基于多姿态约束的非线性标定方法具有良好的鲁棒性,可有效的减小因机器人运动模型不准确引起的标定误差。     

基于Q学习的任务调度问题的改进研究

论文针对协同工作中的任务调度问题,建立了相应的马尔可夫决策过程模型,在此基础上提出了一种改进的基于模拟退火的Q学习算法。该算法通过引入模拟退火,并结合贪婪策略,以及在状态空间上的筛选判断,显著地提高了收敛速度,缩短了执行时间。最后与其它文献中相关算法的对比分析,验证了本改进算法的高效性。     

基于闭环测量的机器人关节刚度标定方法

针对机器人在加工装配中的结构弱刚性问题,提出一种基于闭环测量的机器人关节刚度标定方法.首先,本文提出一种由六支位移传感器组成的闭环标定装置和测量机器人末端位姿的原理;其次,建立机器人各连杆坐标系,推导出其运动学方程和雅可比矩阵,同时建立了考虑关节刚度的机器人静刚度模型;最后,利用闭环标定装置和UR10机器人进行关节刚度...