血管介入手术机器人推进机构设计及精度研究

根据血管介入手术的需求,研制了一种高精度、高可靠性、可远程操作的新型血管介入手术机器人推进机构,详细论述了其设计理念及机构原理,同时制作出了样机。基于此样机开展了推进机构的精度研究,分析了影响推进机构精度测试实验,实验结果证明了所开发的推进机构满足精度设计要求。     

用于机器人辅助穿刺手术进针策略研究的猪肝进针力建模

为研究机器人辅助肝脏穿刺手术中的进针策略以确保手术安全,基于实验数据建立了猪肝的进针力模型.方法如下:在2个新鲜离体猪肝3个不同区域内共采集了18条进针力曲线数据,根据针尖位置及进针力特征将力曲线划分为“被膜刺破前”、“进入肝脏前”和“进入肝脏后”3个阶段,然后采用已有的力模型分别进行每一阶段的进针力建模,通过对比各阶段的建模效果,确定最优的各阶段进针力模型,最后组合成完整的进针力模型.最终的进针力模型比较表明,相同个体不同区域的力模型差异较小,可以用一个力模型来表示该个体进针力特征,不同个体的进针力特征能否用一个力模型表示还需进一步验证.猪肝进针力模型的建立,可为实现机器人辅助人体肝脏穿刺手术中的进针控制和手术安全提供重要依据.     

一种基于模糊PID的立方体机器人控制系统

针对以棱边为支点的立方体机器人坡面自平衡控制问题,提出了一种基于模糊PID的立方体机器人控制系统的设计方法.首先,基于自主设计的一种内部集成的动量轮立方体机器人,通过Lagrange方程建立了坡面上立方体机器人的动力学模型,证明了在平衡点附近是一个不稳定系统且具有能控性和能观性.其次,设计了一种基于模糊PID的角速度-...     

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。     

一种开放式通用机器人控制器的研究与设计

介绍了一种面向多关节机器人的开放式通用控制器。它基于PC平台、其硬件以DSP数字处理器,构成运动控制卡,可方便地在ISA总线上进行扩展,实现多轴伺服控制。软件采用模块化设计,C语言编程,实现了示教盒菜单模式下的汉化操作。该控制器在硬件和软件方面都具有良好的开放性和通用性,扩展性,可移植性强,适用于不同的关节型示教再现机器人。     

一种新型的动物机器人遥控训练系统

设计了一种用于训练动物机器人的新型无损试验平台.该平台可用于分析外部电刺激与动物运动行为之间的关系,为进一步研究动物行为的可控性、动物机器人训练的可行性提供了一种便捷的试验平台和试验手段,同时也为生物医学、人工智能和认知科学的研究提供了新的研究思路.该试验平台主要包括两部分,即动物所背负的基于单片机控制的无线遥控多功能电刺激器和基于数字摄像机的动物运动行为分析测控系统.用此平台对家兔和新西兰兔进行了体表刺激,对成年雄性SD大鼠进行了开颅MFB区刺激试验,验证了本系统的有效性和稳定性.试验证明本系统可以精确、实时地用于动物行为试验,具有很好的抗干扰性.     

基于模糊理论的NC机床位置检测装置的研究

本文讨论了以通过设计模糊自适应PID控制器对位置检测装置进行设计，在传统PID闭环控制系统的基础上引入模糊控制理论，考虑了一些对位置检测和反馈装置产生影响的不确定性因素，以便更加精确的驱动伺服系统实现精确定位和对工件的加工。     

一种涵管检测机器人行走机构

针对坝内涵管检测的问题，在总结了目前存在的几类管内作业机器人的基础上，结合轮式与履带式行走机构的特点，提出了一种新型的、用于涵管检测机器人的行走机构。     

一种新的运动目标检测与跟踪算法

常用的运动目标检测算法无法解决在摄像机运动-目标运动情况下的运动目标检测，为此提出了背景匹配法。通过相关匹配算法使背景对齐，结合帧间差分技术有效地将运动目标提取出来；然后利用卡尔曼预测器对运动目标在图像中的位置进行预测，结合增量式带死区的PID控制算法，控制摄像机对准目标。实验结果表明，匹配块的选择加快了处理速度和提高了算法的稳定性，卡尔曼预测器使得跟踪更为平稳可靠。本方法具有简单、通用、抗噪等特点。     

一种基于运动检测的粒子滤波跟踪方法

针对传统粒子滤波的建议分布没有利用到当前观测信息的不足,本文提出了一种基于运动检测以改进建议分布的粒子滤波跟踪方法.该方法利用系统的状态转移密度分布,结合目标当前时刻的运动信息共同决定目标的先验分布.首先从一阶自回归的状态转移模型中生成部分粒子,然后采用单高斯背景建模进行局部运动检测,在检测到的运动区域中采样其余粒子,由此得到粒子的先验分布.用该方法分别对动态背景和存在完全遮挡情况下的运动目标进行跟踪,实验结果表明该方法有较高的跟踪精度和较强的稳定性.     

基于ADT8940A1运动控制器的食品分拣控制系统设计

目的 为解决食品包装过程中漏抓率、误抓率高及分拣困难等问题,以分拣抓取为研究对象,设计一种基于ADT8940A1运动控制器的食品分拣控制系统.方法 实际分拣过程中,待分拣的食品形状多样,分布杂乱,情况较为复杂,采用传统的控制方式一般较难满足要求.为了克服传统分拣方法出现的各种问题,采用并联机器人控制,以ADT8940A1运动控制器为核心,提出一种模糊神经网络的PID控制方法.结果 系统最大抓取速度达150次/min,漏抓率小于0.1％,误抓率小于0.05％,能够满足设计要求.结论 采用该控制方法设计的食品分拣系统抓取精度高,具有较为稳定可靠的工作状态,能够满足食品分拣和包装要求,具有较高的市场应用前景.     

一种低成本高性能的巡逻保安机器人

为满足在办公室、仓库等建筑内巡逻的要求,研制了一种低成本、高性能的巡逻保安机器人.其传感器系统采用分层模糊理论,能够在比较复杂的情况下完成自主导航和障碍避碰等任务.火灾探测系统采用神经网络和灰色预测理论,提高了报警的灵敏度,减少了误报警,缩短了报警时间.无线通讯的方式更适合于网络监控和远程操纵.实验证明,该巡逻保安机器人具有低成本、高性能的特点,具有较高的性价比,适合办公室、仓库、厂房等环境的巡逻与监控.     

A novel approach for efficient stance detection in online social networks with metaheuristic optimization

In the 19th and 20th centuries, social networks have been an important topic in a wide range of fields from sociology to education. However, with the advances in computer technology in the 21st century, significant changes have been observed in social networks, and conventional networks have evolved into online social networks. The size of these networks, along with the large amount of data they generate, has introduced new social networking problems and solutions. Social network analysis methods are used to understand social network data. Today, several methods are implemented to solve various social network analysis problems, albeit with limited success in certain problems. Thus, the researchers develop new methods or recommend solutions to improve the performance of the existing methods. In the present paper, a novel optimization method that aimed to classify social network analysis problems was proposed. The problem of stance detection, an online social network analysis problem, was first tackled as an optimization problem. Furthermore, a new hybrid metaheuristic optimization algorithm was proposed for the first time in the current study, and the algorithm was compared with various methods. The analysis of the findings obtained with accuracy, precision, recall, and F-measure classification metrics demonstrated that our method performed better than other methods.