两轮自平衡机器人动力学建模与运动控制

为兼顾低成本、小体积,可实现负重行走的运动控制,设计了一种基于姿态传感器的两轮桌面式小型机器人SmallRot-I.介绍了机器人的系统构成,包括机械结构部分和电气结构部分.使用Lagrange方程对此机器人进行了动力学建模,并采用双闭环PID算法对此机器人分别进行了系统仿真和实物的控制.机器人负重保持自平衡行走和转向运动时的仿真结果和实物控制结果证明了机器人物理系统和控制方法的合理性与有效性.     

两轮自平衡机器人系统建模与模糊自整定PID控制

针对不稳定、非线性、强耦合的两轮自平衡机器人系统,运用牛顿力学方法建立了转向运动的数学模型.介绍了用模糊控制进行PID参数整定的原理和方法,并用该方法实现对两轮自平衡机器人系统的控制.仿真结果和实际应用均表明,该方法能使系统有更好的快速性和稳定性.     

基于Boltzamnn机的机器人自主学习算法

针对两轮机器人自平衡运动控制问题,提出了一种基于Boltzamnn机的Skinner操作条件反射学习机制作为机器人仿生自主学习的算法.该算法利用Boltzamnn机中Metropolis判据平衡Skinner操作条件反射学习中探索和利用的比例,并依据概率取向机制以一定的概率选择最优行为,从而使机器人在未知环境下可获得像人或动物一样的仿生自主学习技能,实现机器人的自平衡运动控制.最后,分别用基于Boltzamnn机的Skinner操作条件反射的学习算法和基于贪婪策略的Skinner操作条件反射的学习算法做了仿真实验并进行了比较.结果表明,基于Boltzamnn机的Skinner操作条件反射的学习算法能使机器人获得较强的运动平衡控制技能和较好的动态性能,体现了机器人的自主学习特性.     

复杂环境下两轮自平衡机器人稳定控制研究

针对两轮自平衡机器人在控制过程中的抖动现象,采用一种快速跟踪的有限记忆递推最小二乘估计方法,实现系重心偏移角的参数辨识.仿真表明,在参数突然变化时,该方法能快速辨识系统参数.通过增加一个惯导元件,用一个倾角仪A中采集的数据辨识出的偏移角对另一个倾角仪B的零位进行修正,将B采集的数据反馈到控制器中,对机器人实施平衡控制.分析表明,考虑重心偏移的控制策略是一种自适应的控制方法,能有效去除抖动现象,提高两轮自平衡机器人平衡控制的鲁棒性.     

两轮自平衡机器人的控制方法研究

由于两轮自平衡机器人在工业和社会的应用日益广泛,结合传统的机器人控制理念,提出了两种思路新颖、效果更优的控制方法.在数学建模基础上对自平衡机器人的运动进行分析,把非线性模型线性化.并针对两轮自平衡机器人平衡点线性化模型,采用现代控制理论经典的极点配置方法设计状态反馈控制器,对初始倾角及初始位移控制进行了仿真分析,同时也运用了LQR方法,对现代控制理论中的状态空间方程给出的线性系统进行研究,对倾角控制和位移控制进行仿真.     

基于参数寻优的自学习算法在两轮机器人控制上的应用

针对两轮机器人现有控制算法的弊端,基于自学习参数寻优算法设计自适应控制器.该控制器结构简单,无需依赖精确数学模型,经过多次学习训练,即可获得最优控制参数.将该控制器应用于两轮机器人的平衡控制中,并与线性二次型(linear quadratic regulator,LQR)最优控制器进行对比,仿真结果验证了该算法的正确性、有效性,凸显出较强的鲁棒性和仿生学习性;将该控制器应用于两轮机器人物理系统,取得了良好的控制效果.     

滑模变结构方法在两轮自平衡机器人上的应用

研究了滑模变结构理论在两轮自平衡机器人系统的稳定控制.将滑膜变结构控制应用于具有非线性及强扰动性的两轮自平衡机器人.设计了滑模控制器,利用滑模控制器的特点实现对被控对象快速、有效的控制;针对滑模控制器本身的抖动问题,提出了一种模糊控制和滑模控制策略相结合的模糊滑模控制器,推导出模糊滑模控制律,根据Lyapunov稳定性定理,建立模糊逻辑规则库.通过仿真验证,控制方法有可行性和有效性,结果表明,本文提出的方法不仅保留了滑模控制系统所具有的较强的鲁棒性,而且消除了系统的高频颤动.     

两轮自平衡机器人运动控制研究

轮式移动机器人是典型的不完整控制系统,其自身的不确定性影响控制的性能.以两轮自平衡机器人为研究对象,建立了机器人的运动学与动力学模型.利用多惯性传感器信息融合建立的基于T-S模糊模型的模糊控制器有效地解决了两轮自平衡机器人平衡控制的问题,并同时对轨迹跟踪的问题进行了探讨.仿真结果表明,通过多惯性传感器的信息融合建立的控制器对于机器人的平衡和跟踪问题是有效的,并在实际的实验中得到了验证.     

移动机器人模糊PID运动控制技术研究

针对轮式移动机器人系统的非线性和常规PID控制方法的不足,将模糊推理与常规PID控制相结合,设计了一种基于参数自整定的模糊PID运动控制系统,给出了参数自整定规律,给出了以参数分配器实现移动机器人线速度和角速度的双闭环控制方法.在自行研制的移动机器人上进行了运动控制实验研究.结果表明,该运动控制系统比常规PID控制方法相比的机器人响应速度快,线速度和角速度控制的超调量及稳态误差等控制品质得到了明显改善,同时该运动控制系统具有较强的抗干扰能力.     

两轮直立式自平衡移动机器人的控制系统设计

研究了两轮直立式自平衡机器人的系统组成,并利用动力学原理建立系统的数学模型,在Matlab环境下设计了状态反馈控制器(LQR),并进行了仿真和机器实体的实验,系统具有良好的鲁棒性.表明了系统建模和控制器设计的合理性和有效性.这种机器人两轮共轴、独立驱动,车身重心倒置于车轮轴上方,通过运动保持平衡,可直立行走.由于特殊的结构,其适应地形变化能力强,运动灵活,可以胜任一些复杂的工作.为机器人的自主控制、自学习提供了可靠的实验平台.     

基于视角不变的三维手势轨迹识别

提出了一种新颖的基于视角不变的三维手势轨迹识别方法,手势分割采用Kinect传感器获取图像深度信息,通过先定位起始点再定位结束点的方法定位手心点,使手势轨迹点定位有自动无延时的特性。采用改进的质心距离函数表示视角不变的三维轨迹特征,隐马尔可夫模型用于训练和识别有效的轨迹。实验结果表明,该方法具有光照及复杂背景鲁棒性,数字0～9的平均识别率可达97.7%。     

基于深度信息的动态手势识别算法

针对目前手势识别方法计算复杂、特征量提取不可靠等问题,提出基于Kinect传感器深度信息快速动态手势识别算法。通过Kinect的深度摄像头获取深度图像,利用阈值分割法对深度图像进行预处理;结合深度信息,利用OpenCV函数库来提取前景;选用动态时间规整(dynamic time warping)算法计算测试行为模板与参考行为模板之间的相似度以实现样本的分类;最终结合OpenNI和OpenCV,在VS2010环境下实现了该算法。与其他算法相比,该算法改进动态手势特征的提取方法和分类过程,能够快速跟踪手部,有效分割手势。实验结果表明,本方法对具有时空特性的动态手势有很高的识别率,在不同光照和复杂背景下具有较好的鲁棒性。     

基于Kinect的配电作业机器人智能人机交互方法

为实现操作人员与配电作业机器人的自然交互,提出一种基于Kinect手势识别的配电作业机器人智能人机交互方法。通过Kinect的深度信息及骨骼信息对操作人员的手势进行分割,选取几何不变矩Hu矩作为手势特征,采用支持向量机(support vector machine, SVM)的机器学习方法分类识别操作人员的手势。将手势映射为机器人的运动,通过手势对机器人进行运动控制。试验结果验证了本研究所提的配电作业机器人智能人机交互方法的可行性。     

基于人体手臂关节信息的非接触式手势识别方法

为了实现在复杂环境中对连续动态手势的识别,以人体固有的手臂关节之间的约束关系及特定手势在三维空间的运动轨迹为特征,提出了一种非接触式手势识别方法. 首先,通过Kinect传感器获取人体手臂关节的三维数据;然后,对手势轨迹进行分割,并将具有三维空间特征的手势轨迹转化为一维的手势轨迹;最后,将手势预判断过程与改进的动态时间规整( dynamic time warp, DTW)算法相结合,实现对动态手势的快速高效识别. 实验结果表明:该方法对具有时空连续特征的动态手势识别率较高,在复杂背景和不同光照环境中都有较强的鲁棒性.     

基于Kinect骨骼跟踪技术的人机交互

基于Kinect提供的深度信息和骨骼跟踪技术进行手势识别,利用手势代替鼠标实现人机交互.首先,引入以人体为参考系的人体坐标系统,将手势位置通过坐标系变换映射到计算机屏幕,实现计算机屏幕上光标的位置显示和跟踪.其次,研究计算机操作系统响应鼠标事件的工作模式,设计固定的手势静态及动态工作模式,通过一定的映射关系将特定的一组手势与计算机系统基本操作指令进行对应.并定义状态机,根据手势状态触发系统操作事件,从而达到对计算机系统的体感控制.实验表明,该人机交互系统自然、合理、有效.     

改进的多特征融合手语字母识别方法

为了实现手语视频中手语字母的准确识别,提出一种基于DI_CamShift(depth image CamShift)和手语视觉单词(sign language visual word,SLVW)特征结合的算法.首先,采用Kinect获取手语字母手势视频及其深度信息;其次,通过计算获得深度图像中手语手势的主轴方向角和质心位置,计算搜索窗口对手势跟踪;再次,使用基于深度积分图像的大津法(OTSU)分割手势并提取其尺寸不变特征转换(scale invariant feature transform,SIFT)特征和Gabor特征,并通过典型相关分析(canonical correlation analysis,CCA)方法进行特征融合;最后,构建SLVW词包并用支持向量机(support vector machine,SVM)进行识别,单个手语字母最高识别率为99.89%,平均识别率为96.34%.     

线上线下结合的实时手势跟踪系统

手势识别跟踪一般采用线下训练分类器,不能有效检测跟踪形变的手势,针对手势形变及在窗口的暂时性消失等问题,提出了一种通过线下训练结合线上提取样本对分类器进行训练的检测方法,同时采用跟踪一检测一学习(TLD)的方法不断对跟踪器的结果进行纠正.试验结果表明,本算法对手势形变、短暂消失具有很好的适应性,与TLD算法相比较具有更好的稳定性.     

基于Kinect深度和骨架信息的指尖检测方法

为克服指尖检测方法易受不同光照、复杂背景和手腕信息的影响,提出了一种基于深度和骨架信息的指尖检测方法.首先对Kinect获取的深度图像进行中值滤波和形态学闭操作处理,以消除噪声和填充空洞; 接着通过骨架跟踪得到的右手关节点锁定用户并进行手势分割; 然后在计算手心和最高指尖点位置的基础上,利用Freeman链码提取手势左右轮廓; 最后根据指尖点之间的轮廓曲线特征提取其他指尖点.实验结果表明,该方法具有良好的指尖检测效果,且对光照、背景和手腕信息鲁棒.     

人机交互中基于可穿戴式计算的手势和活动辨识

人与机器人交互是机器人技术领域、尤其是生活辅助机器人领域的重要课题。本文以辅助老年人、病人和残疾人为应用背景,提出了"智能辅助生活系统"(SAILSystem),并解决了该系统中人的手势识别和日常动作识别两个重要问题。对于手势识别问题,本文采用一个惯性传感器来采集被试验人手指部位活动的信号,运用人工神经网络进行手势捕捉,并应用一个分层隐马尔可夫模型结合前后手势的关联信息,来提高手势识别的准确率。对于动作识别问题,数据来源于位于被试验人一侧的脚面和腰部的两个惯性传感器,并采用多传感器融合方法识别各种日常动作。在对两个传感器的数据进行融合的粗分类之后,细分类应用了隐马尔可夫模型和启发式方法来进一步识别各个动作类型。该穿戴式传感器系统经过实验测试,结果证明了本识别算法的有效性和精确性。     

利用双目视觉视频的实时三维裸手手势识别

为了解决三维裸手手势识别算法识别率低、易受类肤色物体干扰的问题,提出一种利用双目视觉视频的三维裸手手势识别算法．首先依据双目视觉原理推导出三维空间内手势深度与手势面积的关系,基于此关系对三维手势进行快速识别．为进一步降低算法复杂度,根据极线约束规则提出一种只计算手势质心匹配点的立体匹配算法．实验结果表明,与现有算法相比,所提算法性能在处理速度、识别准确率、鲁棒性方面均有明显提高．同时,提出的算法具有较强的开放性,可进一步根据需求定义、添加需识别的三维手势．