多模式两轮移动机器人的设计与运动分析

提出一种具有可变形车身的多模式两轮移动机器人。以平面6R单环闭链连杆机构为车身,通过控制其变形运动,使机器人具有折展模式和三种移动模式。在折展模式下,折叠状态时用于储运和携带,展开状态时启动工作模式。在两轮移动模式下,车身变形形成车尾支撑实现稳定移动,通过调整轮距和车尾长度以增强其地面适应性。在攀爬越障模式下,通过车身变形至类爪状以增强对障碍物的攀附作用,实现台阶越障。在类履滚动模式下,通过杆件在地面交替铺展支撑以增加与地面接触面,实现在不平整或松软路面上的滚动。对所设计构型进行自由度分析和驱动配置。建立运动学模型,分析机器人运动参数并对其进行步态规划。建立动力学仿真模型,验证预设步态合理性。研制一台样机,对其折展模式和三种移动模式进行可行性验证。     

多运动模式的小型地面移动机器人设计与实现

设计了一种可以在复杂环境下运动，并具有多种运动模式的小型地面移动机器人。该机器人所具有的轮式、履带式和腿式等多种运动模式可以提高其环境适应能力和越障能力。研究开发的样机采用了ARM＋DSP结构的嵌入式控制系统以及遥控／半自主的工作方式，具有高机动性、小型化、轻量化、可复位以及低功耗、高实时性等特点。通过爬越台阶、楼梯等越障实验，验证了其越障能力和环境适应能力。     

一种四足多模式移动机器人的设计与仿真

为满足在多种地形下更好地完成任务的需求,设计了一种具有行走模式、越障模式和半折叠模式、并可根据不同地形改变运动模式的四足多模式移动机器人。当机器人处于行走模式时,可在普通较平坦路面行走;处于越障模式时,可通过提升腿部高度翻越障碍物;处于半折叠模式时,通过平台的折叠,可缩短轴距,用于较狭窄路况。利用螺旋理论对机构的平台以及腿部进行了自由度分析;运用D-H参数法求解了四足机器人的正运动学方程;利用Adams仿真软件对机器人的3种模式进行了仿真。结果表明,该机器人可完成行走、越障、半折叠平台通过一定宽度通道的任务,实现了机器人的多运动模式。     

基于速度交叉耦合的三轮全方位移动机器人多轴协调运动

由于全方位移动机器人运动轨迹通过直线拟和得以实现,依据此特性,在底层运动控制中,针对机器人速度误差进行反向交叉耦合补偿,通过设计合理的耦合误差反馈补偿器,来提高机器人的直线运动能力,充分发挥机器人全方位移动的运动优势,并通过实验验证了该方法的有效性。     

非完整移动机器人追踪运动物体的状态反馈控制方法

介绍非完整移动机器人追踪运动物体的状态反馈控制算法.并引入一些非时变函数以计算状态反馈变量,从而获得连续的速度分布.对控制算法的模拟由MATLAB实现.结果表明,通过状态反馈控制算法,轮式机器人可以循合理的轨迹对运动物体进行追踪以及运动避障.     

多运动模式移动机器人的可变形轮腿运动学分析

提出了运用变形关节将腿式与轮式两种运动方式相结合的一种多运动模式新机构,构建了多运动模式移动机器人的可变形轮腿坐标体系,分析了可变形轮腿的运动学特性,建立了其运动学模型,并进行了求解,应用计算机仿真技术对运动学进行了仿真验证,表明该机构不仅可以平稳移动,提高了移动速度,而且大大增加了多运动模式移动机器人对复杂地面的适应能力.     

一种可重构多模式步滚移动机器人

为适应多重复杂地形环境的需求,提出了一种新型的具有行走、变形和滚动能力的可重构多模式移动机器人,该机器人可以根据地形改变不同的运动模式,提高了对非结构化地形的运动适应性。利用螺旋理论找出机构在各运动模式下的奇异位,并对机构在各运动模式下移动可行性进行分析。运用ADAMS软件对多重特征地形进行了仿真试验,结果表明,该机构在步态、稳定性、多环境适应能力等方面有明显的优势,最后样机试验也验证了各运动模式的可行性。     

基于分层多信号流图的飞机空调系统故障诊断

在对飞机空调系统各主要部件进行故障模式影响分析(failure mode and effects analysis,简称FMEA)的基础上,采用分层多信号流图(hierarchy multi-signal flow,简称HMSF)方法对飞机空调系统进行故障诊断与仿真分析,得出了飞机空调系统的故障-测试关联矩阵,并给出系统各部件的故障检测率和故障隔离率。针对系统故障隔离率较低的情况,在尽可能少增检测点的前提下,对飞机空调系统分层多信号流故障模型进行了改进,增加了涡轮等部件共5个检测点,使飞机空调系统的故障检测率从91.4%提高到100%,故障隔离率从32.9%提高到83.9%。研究发现,分层多信号流图方法有助于改善飞机空调系统的故障检测率和故障隔离率,提高系统的故障诊断效率,为飞机空调系统健康管理的设计提供技术基础。     

多肢全自位移动机器人的研究

文章阐述了用多肢体化实现机器人自位功能的可行性,并对其中较为简单的一种－移动机器人三肢体自位机构的运动性能进行了研究。     

移动机器人多传感器信息融合技术综述

阐述了当前在移动机器人领域常用的几种多传感器融合方法,介绍了移动机器人常用的传感器配置及所用的融合算法。对D-S证据理论、卡尔曼滤波、神经网络与模糊推理信息融合方法优缺点进行了对比分析。     

地面移动机器人系统的研究现状与关键技术

在总结了地面移动机器人系统的概念、特点、组成结构的基础上,分析了该领域国内外的最新动态及其关键技术,为多运动方式地面移动机器人的进一步设计与开发提供了翔实的信息与参考依据。最后,提出了一种新颖的足轮混合式地面移动机器人系统,根据不同的环境变换轮式运动和足式运动两种运动方式,达到良好的运动灵活性和较高的移动速度的统一。     

3D obstacle detection of indoor mobile robots by floor detection and rejection

Obstacle detection is essential for mobile robots to avoid collision with obstacles.Mobile robots usually operate in indoor environments,where they encounter various kinds of obstacles; however,2D range sensor can sense obstacles only in 2D plane.In contrast,by using 3D range sensor,it is possible to detect ground and aerial obstacles that 2D range sensor cannot sense.In this paper,we present a 3D obstacle detection method that will help overcome the limitations of 2D range sensor with regard to obstacle detection.The indoor environment typically consists of a flat floor.The position of the floor can be determined by estimating the plane using the least squares method.Having determined the position of the floor,the points of obstacles can be known by rejecting the points of the floor.In the experimental section,we show the results of this approach using a Kinect sensor.     

墙面喷浆抹平机器人故障诊断专家系统的研究

基于相关的人工智能理论，对墙面喷浆抹平机器人的故障原因进行了分析，并综合专家系统和神经网络特点，提出了基于2种方法相互融合的墙面喷浆抹平机器人故障诊断系统，实现了故障的快速、准确诊断及处理．设计了墙面喷浆抹平机器人故障诊断系统总体结构，采用故障树分析法，以墙面灰浆不均匀为例，分析了墙面喷浆抹平机器人出现此故障的可能原因，并创建了常见故障代码表．以Visual Basic为基础语言，开发了状态检测和故障诊断的上位机界面．该研究为喷浆抹平机器人的不断完善和其智能故障诊断系统的开发提供了理论依据．     

基于故障映射的FPGA互连资源故障测试与定位

由于FPGA互联资源故障定位是FPGA故障测试的一个难点,尤其需要准确地判断故障的类型和精确地定位故障的位置,因此文中提出一种通过故障映射方法将SRAM型FPGA的互连资源故障映射到LUT的输出上,间接地测试与定位互连资源故障的一种方法.同时将故障映射这种方法与传统经典的三次配置测试互连资源方法的核心思想相结合,在高故障率的FPGA中实现了互连资源的100％故障测试覆盖率,并精确地将故障定位至FPGA互连金属线段或PIP对.该算法采用了最小可重复单元结构,FPGA中被测试资源可以由连续或不连续的任意数量最小可重复单元组成,因此更适合FPGA的重复性结构和FPGA的在线测试.在FPGA的在线全覆盖测试中,该算法的最小迭代测试(ROTE)次数与FPGA的规模无关,只与用户应用电路所占FPGA总资源的比例相关.     

Fault diagnosis for a class of nonlinear systems via ESO

In this paper, a novel fault detection and identification (FDI) scheme for a class of nonlinear systems is presented. First of all, an augment system is constructed by making the unknown system faults as an extended system state. Then based on the ESO theory, a novel fault diagnosis filter is constructed to diagnose the nonlinear system faults. An extension to a class of nonlinear uncertain systems is then made. An outstanding feature of this scheme is that it can simultaneously detect and identify the shape and magnitude of the system faults in real time without training the network compared with the neural network-based FDI schemes. Finally, simulation examples are given to illustrate the feasibility and effectiveness of the proposed approach.     

Fault detection and diagnosis based on particle filters combined with interactive multiple-model estimation in dynamic process systems

A new approach to fault detection and diagnosis (FDD) is developed for nonlinear stochastic dynamic process systems in this paper. It is called PFs-IMM, which combines particle filters (PFs) and the interactive multiple model (IMM) estimation. In this method, a multiple-model estimation scheme is first formulated to describe the complex process system poorly represented by a single model. The IMM algorithm can deal with abrupt changes in the behavior of operating processes. The residuals of the multiple models are examined for the likelihood of each model. A decision rule is employed to adaptively determine which model is the most appropriate one at each time step. Then based on IMM, a set of PFs run in parallel is used to estimate the states and the reconciled measurements even when the operating mode changes. Each of the PFs utilizes a particular mode to derive the estimation of the state variables as well as the reconciliation of the measured variables based on the probabilistic weighting scheme. From the multiple filters, the interaction among PFs allows the fusing of dynamic estimates. To achieve higher sensitivity to faults and more robustness to disturbances and noises, a new fault index function is developed for FDD. The proposed PFs-IMM approach provides an integrated framework. It can estimate the current operational or faulty mode of the system and derive the overall state estimation and the measurement reconciliation as well. The simulation solutions to the problems are obtained to demonstrate the effectiveness of the proposed method in highly nonlinear dynamic processes.     

多传感器集成氢气检测系统的知识推送故障诊断

针对现有多传感器集成氢气检测系统不能对自身工作状态进行诊断的缺点,对基于知识的故障诊断专家系统进行了分析,提出了一种基于知识管理和知识主动推送的故障诊断方法。对提出的用于多传感器集成氢气检测系统故障诊断的主要层次结构进行了研究。根据专家系统的基本原理介绍了基于知识推送的专家系统的总体结构。分析了系统故障模式,讨论了故障诊断单元知识库的设计方法。建立了知识主动推送的推理机构模型,给出了其推理方法和步骤。最后,给出了基于知识推送的多传感器集成氢气检测系统故障诊断单元的设计方法。实验结果表明:本方法的故障诊断准确率可达到97%以上,验证了该方法的有效性。提出的方法能够主动将知识在适当的时候传递给决策者,提高了故障诊断的速度和准确度。     

基于改进多尺度核主元分析的化工过程故障检测与诊断方法研究

针对化工过程数据的多尺度性和非线性特性,提出了改进多尺度核主元分析法.先利用小波变换分析测量数据的多尺度特性,然后采用核主元分析算法进行在线故障检测,对检测到的故障采用核函数梯度算法实现在线故障诊断,根据每个监控变量对统计量T~2和SPE的贡献程度,绘制贡献图,用于故障的分离.在监控过程中为解决核矩阵计算困难,引入特征向量选择方法.TE过程的仿真结果表明它能有效实现故障检测、故障诊断,与主元分析方法相比,显示出更高的过程监控能力.     

自适应滤波算法在导弹动力系统故障诊断中的应用

基于时间序列的AR模型方法在用于液体导弹动力系统稳态工作段故障检测时遇到了两难题。其一,由于系统差异,在以试车时的动力系统状态的均值作为实际运行时动力系统状态均值时,得到的时间序列必定不再是零均值;其二,导弹动力系统工作环境不同时刻不尽相同,表现在AR模型中其观测噪声是时变的。在实践中,我们采用了基于扩展Kalm an滤波的自适应算法以及带有时变噪声统计的自适应滤波算法很好地解决了相关问题。     

高压输电导线的损伤检测与故障诊断

本文利用红外和电磁传感器分别检测铝绞线和钢芯（钢绞线）的断股故障信号,应用db4小波基对故障信号进行了小波分析,由故障信号的时频域和小波分解细节特征,构造了神经网络诊断模型的输入特征矢量.利用3层BP网络实现了导线断股故障的精确诊断,所研制的红外电磁检测仪器可由巡线机器人携载和操作.