基于FuzzyP的多臂机器人机械臂控制系统设计

机械臂是多臂机器人的重要组成部分,针对基于姿态识别控制及位置识别控制系统受到被控量振荡影响,而导致机械臂运动轨迹控制不精准的问题,提出了基于FuzzyP的多臂机器人机械臂控制系统设计;基于FuzzyP控制系统,找到系统控制平衡点,设计系统硬件结构包含3个机械臂,共十八个自由度,简化关节控制器连线,选择直流有刷电机,采用增量型编码器,设计H桥电路,配合74ACT244增强驱动电路,利用NRF24L01无线模块获取与处理位置信息;使用FuzzyP控制器,抑制被控量振荡,控制连杆运动,完成多臂机器人机械臂控制方案设计;由实验结果可知,该系统轨迹与预期轨迹基本一致,较好解决多臂机器人机械臂对接精确定位要求。     

多机器人协作系统轨迹约束关系分析及示教方法

针对多机器人协作中末端位姿的相对运动,分析了其轨迹约束关系并据此提出了一种可行的示教方法.该方法首先分析了协作机器人之间的运动学约束关系,根据协作机器人之间末端位姿的相对运动,将多机器人协作系统的运动模式分为耦合运动以及叠加运动2类.然后给出了这2种运动形式下,主从机器人末端位姿在笛卡儿坐标系内的运动学约束方程并据此提出一种用于多机器人协作系统的轨迹示教方法,最后在搭建的双机器人协作焊接系统上,验证了本文提出的约束关系及示教方法.     

基于STFT的仿人机器人手臂轨迹生成方法

为了提高机器人轨迹生成算法的泛化性,提出了一种基于时间-空间特征模板(STFT,spatiotemporal feature template)的机器人手臂轨迹生成方法.首先,针对机器人示教轨迹往往存在的时间长短和幅度差异较大的问题,采用广义的典型时间规整(generalized canonical time warping,GCTW)方法来统一时间和幅度的变化,从而获取机器人示教轨迹的共同特征模板.其次,基于STFT,引入机器人轨迹生成的平滑性约束、任务约束等因素,设定轨迹生成的目标函数并优化.最终在NAO仿人机器人平台上验证了所提出的轨迹生成算法,基于STFT生成机器人弧形轨迹并完成数字书写.实验结果表明,本文提出的基于STFT的轨迹生成策略可以生成满足期望条件的机器人轨迹,并具有一定的泛化性.     

一种基于高斯过程混合模型的机械臂抓取方法

为了避免现有的基于视觉的机械臂抓取方法中存在的标定繁琐和求逆困难的不足,提出一种基于高斯过程混合模型的机械臂抓取方法.在学习阶段,利用高斯过程混合模型直接构建目标物体的位姿到机械臂关节角度的映射.在抓取阶段,通过相机获取目标物体的位姿,分别计算各个高斯分量下该位姿的生成概率,选取后验概率最大的高斯分量对应的高斯过程回归计算相应的机械臂关节角度.定位容差为20 mm时,仿真抓取成功率达到93.3%,实际抓取成功率达到了88.3%,对于精度要求不高的抓取作业,该方法可以实现机械臂的快速部署和使用.     

基于动态系统的机器人模仿学习方法研究

针对当前机器人模仿学习过程中,运动模仿存在无法收敛到目标点以及泛化能力差的问题,引入一种基于动态系统（dynamical system,DS）的模仿学习方法。该方法通过高斯混合模型（gaussian mixture model,GMM）将示教运动数据建模为一非线性动态系统;将DS全局稳定的充分条件作为约束,以保证DS所生成的所有轨迹收敛到目标点;将动态系统模型的参数学习问题转化为求解一个约束优化问题,从而得到模型参数。以7bot机械臂为实验对象,进行仿真实验和机器人实验,实验结果表明:该方法学习的DS模型从不同起点生成的所有轨迹都收敛到目标点,轨迹平滑,泛化能力好。     

一种基于双令牌的多机器人协作策略研究

规划协作和自组织协作是两种比较常见的多机器人协作方式，前者规划精度高，但设计复杂，且系统鲁棒性不强，后者灵活性很强，但由于单个机器人自主性很强，因此，协作存在一定盲目性。该文为此提出了一个基于双令牌的多机器人自组织协作模型。模型中采用了具有两级策略评价标准的多机器人策略调整机制，通过双令牌来协调机器人之间的策略调整行为。设计了一个基于本文自组织模型的多机器人控制系统，进行了仿真实验验证。     

基于一种蚁群算法的多机器人动态感知任务分配

多机器人系统在具有任务聚集特征的动态感知任务环境下执行搜集任务时,存在着由于任务分配不当而引起的冲突加剧问题.针对这一问题,提出了一种基于排斥信息素型蚁群算法的多机器人任务自主分配方法.进行了未知非结构化环境下的多机器人协作搜集仿真实验.仿真结果表明,采用本文所提方法可以实现多机器人搜集任务的自主分配,有效减少机器人的空间冲突,尤其在机器人数量较多的情况下,更能显示出该方法的优势.     

基于ROS的多机械臂协同控制

随着21世纪医学技术发展,手术机器人已经成为近些年国内外机器人领域的一大热点,骨科1手术机器人更是其中的核心问题。为了解决目前骨科手术机器人中设备结构庞大、难以适用多场景复杂手术的问题,以六自由度机械臂作为研究对象,使用D-H法对机械臂进行数学建模;针对骨科手术的实际需求,使用ROS对单机械臂进行控制;使用串口通信原理,构建出基于包围盒碰撞检测算法和RRT路径规划算法的双机械臂防碰撞系统,并利用该系统完成基于主从协调的策略的跟踪任务。结果表明,该双机械臂防碰撞系统可以有效完成目标任务,这将为之后骨科手术机器人的协同控制研究提供平台。     

一种多机器人协作控制方法

提出了一种基于Petri网模型的多个移动机器人协作控制方法.该方法主要包括两个模块:高层控制模块(HLCM)和低层控制模块(LLCM).HLCM负责任务分配和再规划,LLCM实现单个机器人的控制逻辑.利用可达树对Petri网模型中的死锁进行检测,并给出了消除死锁的方法.仿真实验证明了该方法的有效性.􀁱     

基于改进动态系统稳定估计器的机器人技能学习方法

提出一种基于改进动态系统稳定估计器的机器人技能学习方法. 现有的动态系统稳定估计器方法可以通过非线性优化来确保学习系统的全局稳定性, 但是存在确定高斯混合分量个数困难以及稳定性和精度无法兼顾的问题. 因此, 根据贝叶斯非参数模型可以自动确定合适分量个数的特性, 采用狄利克雷过程高斯混合模型对演示进行初始拟合. 随后利用参数化二次李雅普诺夫函数重新推导新的稳定性约束, 有效地解决了动态系统稳定估计器方法中稳定性和精度难以兼顾的问题. 最后, 在LASA数据库和Franka-panda机器人上的实验验证了新方法的有效性和优越性.     

一种基于高斯混合模型的协同过滤算法

协同过滤技术中的矩阵分解是推荐系统中的有效技术手段。而现在主流的矩阵分解算法假设推荐系统评分数据服从高斯分布,因而受数据噪声影响,其鲁棒性达不到预期。为了解决这个问题,提出基于高斯混合模型的矩阵分解算法。设定评分数据服从高斯混合分布,在此基础上应用基于贝叶斯概率的矩阵分解模型。同时,提出一种基于半监督学习的数据实验方法,充分挖掘有标签和无标签数据。实验结果表明,基于高斯混合分布的矩阵分解算法对评分噪声拥有更强的免疫力,同时可以提高预测准确率。     

基于分层高斯混合模型的半监督学习算法

提出了一种基于分层高斯混合模型的半监督学习算法,半监督学习算法的学习样本包括已标记类别样本和未标记类别学习样本。如用高斯混合模型拟合每个类别已标记学习样本的概率分布,进而用高斯数为类别数的分层高斯混合模型拟合全部(已标记和未标记)学习样本的分布,则形成为一个基于分层的高斯混合模型的半监督学习问题。基于EM算法,首先利用每个类别已标记样本学习高斯混合模型,然后以该模型参数和已标记样本的频率分布作为分层高斯混合模型参数的初值,给出了基于分层高斯混合模型的半监督学习算法,以银行票据印刷体数字识别做实验,实验结果表明,本算法能够获得较好的效果。     

认知推理的家庭服务机器人演示学习研究

提出一种基于对比示范的演示学习方法,旨在指导家庭服务机器人快速智能地学习指定任务决策.在模拟家庭环境下,首先利用视觉手段检测和跟踪任务对象,获取”教师”演示正反例关键信息,通过动作识别和状态检测将信息抽象成符号形式,然后经过认知推理得到演示任务的执行决策和约束条件,并通过动作共享指导机器人重现任务.给定演示实例,在真实移动机器人平台上进行了多次成功演示验证,结果表明本方法在家庭服务机器人快速准确的任务学习方面是有效的.     

淤地坝监测场景下边缘计算协作式任务调度方法

针对目前我国西北地区淤地坝实时监测问题,研究了淤地坝监测与预警任务的调度方法.为避免淤地坝坝体隐患发现不及时,提高预警系统的时效性,本文考虑了任务卸载至边缘服务器的平均等待时间,提出了一种淤地坝监测场景下边缘计算协作式任务调度方法.根据任务计算量、边缘服务器计算能力等信息建立计算任务完成时间模型,然后采用模拟退火算法优化计算任务卸载位置,设计了一种多个边缘计算服务器相互协作的任务调度策略.实验结果表明,该方法有效降低了监测任务的计算时间,提高了监测预警的时效性.     

辅助信息自动生成的时间序列距离度量学习

对于时间序列聚类任务而言,一个有效的距离度量至关重要.为了提高时间序列聚类的性能,考虑借助度量学习方法,从数据中学习一种适用于时序聚类的距离度量.然而,现有的度量学习未注意到时序的特性,且时间序列数据存在成对约束等辅助信息不易获取的问题.提出一种辅助信息自动生成的时间序列距离度量学习(distancemetric learning based on side information autogeneration for time series,简称SIADML)方法.该方法利用动态时间弯曲(dynamic time warping,简称DTW)距离在捕捉时序特性上的优势,自动生成成对约束信息,使习得的度量尽可能地保持时序之间固有的近邻关系.在一系列时间序列标准数据集上的实验结果表明,采用该方法得到的度量能够有效改善时间序列聚类的性能.     

基于二级匹配策略的实时动态手语识别

动态手语可以利用其轨迹与关键手型加以描述。大量的统计实验数据表明,大多数的常用手语通过轨迹曲线的匹配即可实现识别,因此,提出一种针对动态手语的分级匹配识别算法。首先利用体感设备获取手势轨迹,并根据轨迹的点密度分布设计了一种关键帧检测算法以提取手势的关键手型,结合轨迹的曲线特征,实现对动态手语的精确描述。然后利用优化的动态时间规整(DTW)算法完成对手语的一级匹配,即轨迹匹配。若此时可以得到识别结果,那么识别过程可以结束,否则进入二级匹配,即针对关键手型再做匹配识别,从而得到最终的识别结果。实验证明,所提算法不仅实时性好,识别的准确率也较高。     

A multi-manifold semi-supervised Gaussian mixture model for pattern classification

Semi-supervised Gaussian mixture model (SGMM) has been successfully applied to a wide range of engineering and scientific fields, including text classification, image retrieval, and biometric identification. Recently, many studies have shown that naturally occurring data may reside on or near manifold structures in ambient space. In this paper, we study the use of SGMM for data sets containing multiple separated or intersecting manifold structures. We propose a new multi-manifold regularized, semi-supervised Gaussian mixture model (M2SGMM) for classifying multiple manifolds. Specifically, we model the data manifold using a similarity graph with local and geometrical consistency properties. The geometrical similarity is measured by a novel application of local tangent space. We regularize the model parameters of the SGMM by incorporating the enhanced Laplacian of the graph. Experiments demonstrate the effectiveness of the proposed approach.     

A library for constraint consistent learning

This paper introduces the first, open source software library for Constraint Consistent Learning (CCL). It implements a family of data-driven methods that are capable of (i) learning state-independent and -dependent constraints, (ii) decomposing the behaviour of redundant systems into task- and null-space parts, and (iii) uncovering the underlying null space control policy. It is a tool to analyse and decompose many everyday tasks, such as wiping, reaching and drawing. The library also includes several tutorials that demonstrate its use with both simulated and real world data in a systematic way. This paper documents the methods contained within the library, including the implementations of said methods in tutorials and associated helper methods. The software is made freely available to the community, to enable code reuse and allow users to gain in-depth experience in statistical learning in this area.     

一种基于DTW的新型故事时间序列相似性度量方法

现有时间序列相似性度量方法在进行股市序列相似性分析时,通常忽略成交量等其他重要因素对股价的影响,从而导致序列聚类、分类不精确。针对这一问题,本文提出了新的股市时间序列相似性度量方法。该方法在动态时间弯曲算法的基础上,通过引进时间衰竭因子,并结合成交量因素,给出了股市序列的最终度量公式。为了证明提出方法的可行性和有效性,本文实验部分通过选取家电等三个行业中的股票数据进行测试。实验结果表明,基于动态时间弯曲(Dynamic time warping,DTW)的新型股市时间序列相似性度量方法能够在保持股票序列形态特征的基础上,较好地解决股市技术分析中量价关系问题,从而更有效地应用于股市技术分析里关于模式发现等领域。