纯方位角目标跟踪及移动平台可观性控制方法

为了解决未知环境下的单目视觉移动机器人目标跟踪问题,提出了一种将目标状态估计与机器人可观性控制相结合的机器人同时定位、地图构建与目标跟踪方法。在状态估计方面,以机器人单目视觉同时定位与地图构建为基础,设计了扩展式卡尔曼滤波框架下的目标跟踪算法;在机器人可观性控制方面,设计了基于目标协方差阵更新最大化的优化控制方法。该方法能够实现机器人在单目视觉条件下对自身状态、环境状态、目标状态的同步估计以及目标跟随。仿真和原型样机实验验证了目标状态估计和机器人控制之间的耦合关系,证明了方法的准确性和有效性,结果表明:机器人将产生螺旋状机动运动轨迹,同时,目标跟踪和机器人定位精度与机器人机动能力成正比例关系。     

基于双目视觉导航的仿生机器人鲁棒控制算法

仿生机器人在定姿过程中受到空间扰动因素的影响容易产生控制误差,需要对机器人进行精确标定,提高仿生机器人的定位控制精度,因此提出一种基于双目视觉导航的仿生机器人鲁棒控制算法。利用光学CCD双目视觉动态跟踪系统进行仿生机器人的末端位姿参量测量,建立被控对象的运动学模型;以机器人的转动关节的6自由度参量为控制约束参量,建立机器人的分层子维空间运动规划模型;采用双目视觉跟踪方法实现仿生机器人的位姿自适应修正,实现鲁棒性控制。仿真结果表明,采用该方法进行仿生机器人控制的姿态定位时对机器人末端位姿参量的拟合误差较低,动态跟踪性能较好。     

基于大数据聚类的移动机器人运动跟踪控制系统设计

目前研究的移动机器人运动跟踪控制系统控制过程易受到外界扰动影响,导致控制稳定性较差,运动跟踪准确性较差,为此,基于大数据聚类算法设计了一种新的移动机器人运动跟踪控制系统。硬件部分主控制器负责远程无线通讯,图像采集的数据传输和舵机驱动连接,驱动控制器为机器人行走提供动能保证;远程控制模块负责数据,图像和指令的传输;舵机控制模块机器人的行走、转向;软件部分首先通过大数据聚类的方法分析机器人移动步态,根据运动超声波传感器原理判定障碍物位置,考虑移动机器人运行状态与足端轨迹,构建机器人行走控制模型。通过髋关节调节机器人姿态,消除外部扰动对机器人姿态和运动速度的影响,得到抗扰动控制模型。实验结果表明,所设计系统在对机器人运动控制的稳定性及对抗外界扰动方法具有较好的性能,能够实现对移动机器人运动的准确跟踪。     

基于LS–SVR的机器人空间4DOF无标定视觉定位

研究了基于智能算法的机器人无标定视觉伺服问题, 提出了一种新的基于最小二乘支持向量回归的机器人无标定视觉免疫控制方法. 利用最小二乘支持向量回归学习机器人位姿变化和观测到的图像特征变化之间的复杂非线性关系, 其中最小二乘支持向量回归的参数由自适应免疫算法加5折交叉检验优化确定, 在此基础上利用免疫控制原理设计了视觉控制器. 六自由度工业机器人空间4DOF 视觉定位实验结果表明了该方法的有效性.     

机器人视觉听觉融合的感知操作系统

智能机器人面对复杂环境的操作能力一直是机器人应用领域研究的前沿问题,指称表达是人类对指定对象定位通用的表述方式,因此这种方式常被利用到机器人的交互当中,但是单一视觉模态并不足以满足现实世界中的所有任务。因此本文构建了一种基于视觉和听觉融合的机器人感知操作系统,该系统利用深度学习算法的模型实现了机器人的视觉感知和听觉感知,捕获自然语言操作指令和场景信息用于机器人的视觉定位,并为此收集了12类的声音信号数据用于音频识别。实验结果表明:该系统集成在UR机器人上有良好的视觉定位和音频预测能力,并最终实现了基于指令的视听操作任务,且验证了视听数据优于单一模态数据的表达能力。     

助老伴行机器人的触滑觉驱动控制系统设计开发

为了帮助老年人能够更加柔顺自然的与助老伴行机器人之间进行交互,设计开发了一种基于触滑觉感知的助老伴行机器人驱动控制系统。首先提出了助老伴行机器人触滑觉驱动控制系统的总体设计方案;然后设计开发了一种触滑觉感知系统,并以助老伴行机器人机械本体为基础设计搭建了完整的驱动控制系统;提出并研究了一种基于BP神经网络的助老伴行机器人驱动模式识别方法。最后,对整个系统进行集成并进行了试验。结果表明：为助老伴行机器人设计开发的触滑觉驱动控制系统是完全可行的,能够实现老年人与助老伴行机器人之间的驱动控制功能。     

MOTOMAN-SV3XL机器人手眼视觉立体定位系统

分析了基于恒定旋转矩阵的机器人视觉立体定位方法原理,提出利用机器人控制命令参数直接获取恒定旋矩阵的方法,该方法大大简化了摄像机内外参数的标定过程。设计了MOTOMAN-SV3XL机器人手眼视觉控制系统,制了相应的控制软件,进行了大量的实验研究,并取得了良好的效果。     

基于全景视觉与里程计的机器人自定位方法研究

通过分析全景视觉与里程计传感器的感知模型的不确定性，提出了一种基于路标观测的移动机器人自定位算法. 该算法利用卡尔曼滤波器，融合多种传感器在不同观测点获取的观测数据完成机器人自定位．与传统的、采用单一传感器自定位的方法相比，它利用视觉和里程计的互补特性，提高了自定位的精度．实验结果证明了上述方法的有效性．     

基于机器学习的物流自动分拣机器人定位精度检测算法

在物流自动分拣机器人定位精度检测中,需要使用大量外部仪器设备,使检测流程十分繁琐,设计一种基于机器学习的定位精度检测算法,实现简单的定位精度检测。提取机器人的三类视觉特征信息,通过原始输入特征获取、白化处理、保持长宽比三步预处理数据,基于机器学习设计检测模型,实现对机器人的定位精度检测。测试算法性能,测试结果表明设计算法的检测精度高于90%,定位精度检测误差较低,证明了算法性能的优异。     

基于双移动信标的多机器人编队控制算法

针对多机器人在未知环境下的编队控制问题,提出了一种基于双移动信标的多机器人编队算法.该方法在以两个移动信标机器人为领航机器人的基础之上,设计了基于超宽带测距技术的多机器人定位模型,通过摔制从机器人的位姿状态,实现多机器人编队控制,并且设计了多传感器数据融合算法,有效提高多机器人编队的精度.该方法解决了多机器人在未知环境中的编队控制问题,提高了多机器人编队控制的精度.仿真结果表明了该方法的可行性和有效性.     

高精度激光测距下的机器人自主避障控制

在机器人自主避障过程中,由于传感器数据的误差会降低机器人感知和决策的准确性,从而影响机器人自主避障能力。为此,提出高精度激光测距下的机器人自主避障控制方法。通过设计机器人体系结构,建立机器人运动学模型,为机器人避障控制提供依据。采用高精度激光测距技术,构建机器人移动场地地形。通过自适应阈值方法,完成机器人的自主避障控制。实验结果表明,所提方法的机器人自主避障控制效果好,且障碍物位置测试值与实际位置值的误差保持在0.5m以内,具有较高的避障控制精确度。     

一类有序化多移动机器人群集运动控制系统

群集运动控制(flocking control)是一种新型的多移动机器人运动协调控制, 目前的研究多集中于无leader模式下群集运动控制器的设计. 为此, 本文阐述了一类多移动机器人有序化群集运动系统控制方案及其性能评价方法. 首先, 在前人的研究基础上, 本文介绍了基于Agent的有序化编队控制机制; 然后, 运用非完整约束下移动机器人的动力学原理, 设计了由Agent到移动机器人的控制转化方法; 并进一步提出了基于“最小稳定时间”的群集运动分析法, 可对有序化群集运动系统进行分析; 最后, 运用仿真实例, 描述了多移动机器人有序化群集运动的控制及分析过程. 实验结果验证了此控制方案的有效性.     

基于行为的多机器人任意队形的控制

针对多机器人队形优化控制任务,提出一种快速收敛的机器人任意队形的控制算法。各机器人在奔向目标的过程中以队形的几何中心为参考点,自主地确定队形向量。在保持队形的过程中,采用动态死区法,通过对各个区域大小的控制达到对机器人速度的控制,维持规定队形。采用反向避碰、切线避障,根据各机器人间的位置,引入整体队形向量约束机器人的方向,达到机器人整体队形的方向与机器人运动方向一致。实验结果表明该算法可以快速、有效地完成各种编队任务。     

基于D-DQN强化学习算法的双足机器人智能控制研究

针对现有双足机器人智能控制算法存在的轨迹偏差大、效率低等问题,提出了一种基于D-DQN强化学习的控制算法;先分析双足机器人运动中的坐标变换关系和关节连杆补偿过程,然后基于Q值网络实现对复杂运动非线性过程降维处理,采用了Q值网络权值和辅助权值的双网络权值设计方式,进一步强化DQN网络性能,并以Tanh函数作为神经网络的激活函数,提升DQN网络的数值训练能力;在数据训练和交互中经验回放池发挥出关键的辅助作用,通过将奖励值输入到目标函数中,进一步提升对双足机器人的控制精度,最后通过虚拟约束控制的方式提高双足机器人运动中的稳定性;实验结果显示：在D-DQN强化学习的控制算法,机器人完成第一阶段测试的时间仅为115 s,综合轨迹偏差0.02 m,而且步态切换极限环测试的稳定性良好。     

Concurrent localization of multiple robots

A concurrent localization method for multiple robots using ultrasonic beacons is proposed. This method provides a high-accuracy solution using only low-price sensors. To measure the distance of a mobile robot from a beacon at a known position, the mobile robot alerts one beacon to send out an ultrasonic signal to measure the traveling time from the beacon to the mobile robot. When multiple robots requiring localization are moving in the same block, it is necessary to have a schedule to choose the measuring sequence in order to overcome constant ultrasonic signal interference among robots. However, the increased time delay needed to estimate the positions of multiple robots degrades the localization accuracy. To solve this problem, we propose an efficient localization algorithm for multiple robots, where the robots are in groups of one master robot and several slave robots. In this method, when a master robot calls a beacon, all the group robots simultaneously receive an identical ultrasonic signal to estimate their positions. The effectiveness of the proposed algorithm has been verified through experiments.     

基于ROS的溯源机器人系统

针对国内外对物联网和机器人相互结合,让机器人更好的服务于物联网展开的相关研究.本文提出了一种基于ROS与物联网的智能机器人系统.硬件上采用stm32传感器节点、树莓派、OpenWRT路由器、Rplidar雷达和C270罗技摄像头等;软件上使用ROS次级操作系统、Contiki、Tensorflow框架、Camshift算法和SLAM算法等;设计实现感知层的数据采集,基于SLAM的自动溯源,语音控制,机器人的物体追踪,物体自动识别以及web端的视频监控、反向控制和感知层数据实时显示等功能;而后搭建相关的试验环境,对系统与设备的相关功能进行测试,验证系统的可行性.     

多机器人任意队形分布式控制研究

本文针对多智能体协作完成特定任务时难以在全自主控制的前提下协作形成任意队 形和队形向量不易确定的问题，通过由各智能体自主简单的确定自己的队形向量，从理论上 扩展基于队形向量的队形控制原理以生成任意队形，改进机器人的运动方式以提高收敛速度 ，提出一种快速收敛的机器人部队任意队形分布式控制算法．为了解决智能体机器人之间的 冲突问题，提出了一个通信协调模型．仿真实验和实际机器人实验均表明了算法的可行性和 有效性．     

智能决策改进的四足机器人ZMP爬行步态算法

提出了一种基于反馈控制和贪婪决策的四足机器人爬行步态规划算法。该算法利用机载惯性传感器IMU（Inertial Measurement Unit）来实时计算零力矩点和姿态角,以稳态裕度为指标在支撑平面内实时规划期望零力矩点（Zero Moment Point,ZMP）轨迹,结合非线性反馈控制器实现对机体ZMP点的连续平滑调节,保证机器人在按给定速度矢量进行连续爬行的同时具有抵抗一定外力扰动的能力。步态规划采用动态步态周期,基于机器人结构约束和贪婪决策实现跨腿的自动触发,提高了步态自适应性。最终通过样机行走实验验证了所提算法应用于微型四足机器人中的可行性,机器人实现了在平坦地面上稳定地全向行走和旋转,所提算法同时兼顾了自适应性和稳定裕度。     

Medical data fusion algorithm based on Internet of things

In order to explore the data fusion algorithm in medical Internet of things, the monitoring of medical data in the Internet of things is discussed and studied focusing on data fusion and related routing technology. According to the particularity of the data in the medical Internet of things, a data fusion cluster-tree construction algorithm based on event-driven (DFCTA) is proposed. The fusion delay problem in the network is analyzed, and the minimum fusion delay method is proposed by calculation of the fusion waiting time of the nodes. Finally, the intelligent health management data fusion system in the medical Internet of things is designed. Aiming at the characteristics of multilevel integration of multisource heterogeneous data fusion for intelligent health management, the data fusion architecture of fusion tree composed of fusion nodes is proposed. The experiment shows that the DFCTA algorithm has good fusion performance. Based on the above findings, it is concluded that the algorithm is a fast and reliable method, which has important practical significance.     

基于D-H参数的爬壁机器人吸附控制系统设计

传统爬壁机器人吸附参量存在同步不对称的问题,导致爬壁机器人吸附控制系统输出控制量精度降低,影响机器人整体控制效果;为了解决爬壁机器人吸附参量不对称问题,提出基于D-H参数的爬壁机器人吸附控制系统设计;基于D-H参数特点,设计系统总体框架,框架共分为硬件与软件两部分;硬件主要利用动态陀螺仪控制器控制处理指令数据,完成处理模块设计;通过无线控制遥感器KJ-F6000X-T6实现控制模块设计;软件部分采用与D-H参数相关的算法对控制程序进行设计;通过实验对比数据表明:提出设计系统具有同步爬壁机器人吸附参量对称性,单次控制量、双次控制量、多次控制量系数分别为0.7、0.6、0.5,符合控制系数标准范围,能够提升系统控制量输出精度。