基于神经网络的机器人路径规划算法

机器人路径规划技术是机器人研究的一个重要领域.针对未知的全局环境,使机器路径最优化,利用机器人传感器网络建立可视区域,将整体任务分解为环境信息已知的一系列子任务,利用神经网络高速并行计算的优点,建立神经网络罚函数,提出一种实时性较高的变参数方法离散化求取罚函数的负梯度方向,控制机器人快速高效地完成子任务,从而驱使机器人到达目标点并进行仿真.仿真结果证明了复杂环境静态和动态目标指引下方法的有效性和实用性,特别适用于实时性要求高的场合.     

避障机器人的设计

在机器人避障问题中,为了便对周围的事物和环境作出判断,机器人在不同的方向上都安装有传感器。由于不同的传感器上接受着不同的信息,传感器越多,对同一事物反馈的信息越多,必然会引起冲突现象的发生,直接影响了机器人对周围事物的正确判断和避障的效率。因此,冲突分解能力的好坏就成了机器人准确、高效避障的关键。在各种冲突分解算法中,树形算法是一种较有效的分解方法,所以本文以轮式机器入的避障问题作为研究对象,在对典型障碍物避障试验中大量试验数据分析的基础上,使用了二叉树冲突分解的方法对避障问题进行了分析和研究,运用基于二叉树冲突分解的避障方法,并且在单片机轮式机器人上进行了实验验证。     

机器人抓取视觉传感目标精确定位方法

机器人抓取目标时,准确完成任务的前提是可以精准检测到目标位置,当距离目标较远时,以信号传感为基础的定位精度和稳定性会受到影响。为解决上述问题,提出基于视觉传感器的机器人抓取目标精确定位方法。利用视觉传感器获取目标图像,并标定目标位姿。采取直线段检测方法提取目标位姿特征,将提取的特征输入到改进粒子群算法的支持向量机回归模型中,输出定位结果。利用回归误差补偿模型对定位结果补偿,完成机器人抓取目标精确定位。实验结果显示,利用视觉传感器后,机器人抓取目标的定位时间为35s、与实际位置的接近程度高于81%、置信度高于92%,由此可知机器人抓取视觉传感目标定位效果较好。     

一种普适机器人系统同时定位、标定与建图方法

机器人定位、传感器网络标定与环境建图是普适机器人系统中三个相互耦合的基本问题, 其有效解决是普适机器人系统提供高效智能服务的前提. 本文提出了普适机器人系统同时机器人定位、传感器网络标定与环境建图的概念, 通过分析三者之间的耦合关系, 给出同时定位、标定与建图问题的联合条件概率表示, 基于贝叶斯公式和马尔科夫特性将其分解为若干可解项, 并借鉴Rao-Blackwellized粒子滤波的思想分别求解. 首先, 联合传感器网络对机器人的观测、机器人对已定位环境特征的观测以及机器人自身控制量,设计了位姿粒子的采样提议分布和权值更新公式; 其次, 联合传感器网络对机器人运动轨迹及已定位环境特征的观测,设计了传感器网络标定的递推公式; 然后, 联合传感器网络和机器人对(已定位或新发现)环境特征的观测,设计了环境建图的递推公式. 给出了完整的同时定位、标定与建图算法, 并通过仿真实验验证了该算法的有效性.     

基于多传感器的运动训练辅助机器人主动跟踪算法设计

针对运动训练辅助机器人对健美操运动员进行检测与跟踪的准确性问题,提出一种基于多传感器的运动训练辅助机器人主动跟踪算法。首先,对主动跟踪算法的总体方案进行设计,提出了基于视觉传感器的机器人主动跟踪方法和基于声纳传感器的机器人主动跟踪方法;然后,采用基于决策层的数据融合方法将两种跟踪方法获取的跟踪方案进行融合,彼此弥补获取最佳的跟踪方案;最后,通过实验测试提出的算法能否实现机器人对健美操运动员的主动跟踪。实验结果表明：设计的基于多传感器的运动训练辅助机器人主动跟踪算法能够让机器人对健美操运动员进行主动跟踪,且整个跟踪过程能够快速检测到目标并朝之靠拢,同时通过调整自身速度安全、平稳地对目标进行跟踪,能够实现辅助运动员进行训练的目的。     

基于多超声波传感器的移动机器人目标识别

移动机器人在不确定环境中的目标识别技术是自主导航及复杂任务分解的一瞎丶际?本文利用自行铑设计的多超声波传感器探测系统感知外界环境,提出了基于目标原型的目标识别和对感兴趣目标的主动探测方法.根据多超声波传感器的TOF(Time-of-Flight)信息,利用Dempster-Shfer证据理论,实现了移动机器人对室内特征环境的准确识别.测试结果及分析验证了该方法的可行性和识别准确性.并且该方法适用于室内机器人运动中的实时探测.     

武术擂台赛无差别组机器人目标搜寻策略

主要对武术擂台赛无差别组机器人进行了介绍,通过灰度传感器与红外传感器检测,对障碍棋子、对方机器人与自身环境的判断,设计出一种机器人有效且安全的目标搜寻运动路径控制策略,增强了机器人在武术擂台赛中的竞争力。     

绝对定位机制下目标位置估计辅助的群机器人搜索

基于扩展微粒群算法模型控制群机器人协同搜索目标时,成员机器人在社会经验和自身认知,主要是社会经验引导下逐步向目标趋近.由于社会经验仅从成员机器人的认知中“选举”产生,未形式化地融合多个机器人的经验,因此文中从群机器人通信子系统在本质上属于无线传感器网络的事实出发,引入集体决策机制,改进社会经验的生成模式.用无线传感器网络中的测距定位方法来估计目标位置,并将估计值作为社会经验引入现有模型.仿真结果表明,当群体规模够大时,采用文中社会经验生成模式可使协同搜索速度得到提高.     

基于多传感器信息融合的自主跟随定位及避障方法

针对自主跟随机器人在自由空间中对移动目标进行跟随时,由于信号源发射角度小,自主跟随机器人很容易进入信号盲区,并且难以对移动目标进行精确定位、移动姿态确定等问题,提出了一种基于多传感器信息融合的自主跟随定位及避障方法,该方法通过在移动目标上增加多信号源,使自主跟随机器人与移动目标之间建立冗余信道,并通过多传感器信息融合方法,计算出移动目标中心位置及实时移动姿态;设置测距模块,使自主跟随机器人能避开障碍,保持跟随。根据此方法建立了多信号源定位模型和算法,并对该算法进行了实验验证。实验结果表明,该方法能够准确的对移动目标进行定位和移动姿态确定,并且信号盲区小,能有效的避开障碍,保持对移动目标的跟随,具有一定的工程应用价值。     

基于动态目标点的行为分解编队算法

多机器人编队可以分解为队形形成和队形保持控制两部分.针对多机器人编队控制任务中的队形形成问题,提出了一种基于动态目标点的行为分解编队算法.此算法是一种改进的基于行为的编队控制方法,这种控制方法的思路为,首先要求各机器人在每一时刻确定一个运动目标点,此运动目标点是根据运动过程中机器人实时的位置运算出来的,是一个动态的目标点.根据此目标点进而产生一个运动需求.再将此运动需求按照有限状态机(FSM)原理分解为不同的子行为,然后给这些子行为分别赋予不同的权值,并求出一组控制变量,最终对这组控制变量加权平均产生一个综合控制变量.仿真实验表明,该方法能快速有效地实现多机器人的编队控制.此编队算法可以有效应用于军事搜索、围捕或机器搬运等多个领域.     

半被动双足机器人控制系统设计

为有针对性地根据不同干扰类型选择正确的抗干扰措施,有必要对无人机数据链所处环境的干扰信号进行分析和分类识别。本文以变换域通信系统(Transform Domain Communication System,TDCS)为载体,对无人机数据链常面临的干扰类型的自动识别进行研究,采用时域、频域、时频联合分析的方法,提出了一组对干信比变化不敏感的特征参数,并利用这组参数提出一种基于决策树理论的干扰分类识别方法,仿真结果表明,该方法能够快速准确地识别出干扰类型,具有很好的鲁棒性,并且在干信比和干噪比在0dB以上时,正确识别率均在90%以上。     

半被动双足机器人控制系统设计

由于双足机器人行走是单腿支撑和双腿支撑交替进行的过程,同时只有在与行走过程相应的控制策略不断变化时(最优控制),双足机器人才能自然稳定地行走,因此,控制起来很困难。针对现有双足机器人控制系统方面的不足,提出了一种通过舵机驱动提供冲击力矩的半被动双足机器人控制系统方案,即由一个上位机(PC机)和一个控制器构成控制系统,通过USB进行高速数据通信。上位机主要负责系统监控和协调控制;控制器采用STM32处理器,实现机器人的三个关节的数据采集、步态规划逻辑运算以及向上位机传送相应的运动状态数据。测试结果表明,当存在一些干扰时,控制系统通过传感器检测到的实时数据是准确可靠的,并且能很好地控制半被动双足机器人行走。     

机器人CAD数据库设计

机器人CAD由于涉及到几何造型、运动学、动力学、轨迹、环境等多方面的问题,有着特别复杂的数据结构,从而决定了数据库是必不可少的使用工具.本文讨论了机器人CAD数据库的结构特点.从实用出发,用关系模型设计了一个机器人CAD数据库,并使用该数据库按真实结构设计了三个机器人.对机器人CAD数据进行了有益的探索.     

云机器人系统研究综述

随着云计算、大数据和其他新兴技术的发展,云技术和多机器人系统的集成使得能够设计出具有改进能源效率、实时性高、成本低的多机器人系统。为了解决云增强系统中机器人的潜力,介绍了云机器人的起源、发展过程以及有关云机器人的研究项目。介绍了云机器人系统的整体架构,然后从开源源码、云计算、雾计算、网络切换管理、机器人即服务（RaaS）、大数据等方面分析了云机器人系统中各层的主要发展驱动力。详细阐述了当前云机器人系统中的关键技术,并给出了一些可能的解决方案。最后,对云机器人系统的未来发展进行了讨论。     

基于大数据聚类的工业遥操作机器人位姿定位控制系统设计

针对工业遥操作机器人位姿定位过程中难以同步控制位置和姿态角,导致位姿定位准确性较差的问题,利用大数据聚类技术,从硬件和软件两个方面优化设计工业遥操作机器人位姿定位控制系统。通过位姿传感器的改装,保证传感器设备能够同时测量机器人位置与姿态,改装定位控制器和驱动器。在系统硬件的支持下,考虑机器人组成结构、运动原理和动力学理论,构建机器人数学模型,在该模型下模拟机器人遥操作过程,确定机器人位姿的定位控制目标。实时采集机器人位姿数据,利用大数据聚类技术计算定位控制量,在控制器的约束下,实现系统的位姿定位控制功能。通过系统测试实验得出结论：综合多种类型的运动情况,在优化设计系统的控制下,机器人的位置误差平均值为4.5mm,姿态角控制误差为0.04°。     

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。     

基于加速度传感器的下肢康复机器人示教训练

将康复治疗人员的临床治疗经验与康复机器人的训练结合,能够有效提高已有下肢康复机器人的训练性能,为此提出一种基于加速度传感器的示教训练方法及无线数据采集系统。通过已有的外骨骼式下肢康复机器人,分析并推导出关节角度与末端轨迹的关系及关节加速度与关节角度的关系。通过加速度信息分析出轨迹信息从而控制训练轨迹。研发的无线数据采集系统提取康复师训练时患者下肢加速度信息并转化成轨迹信息,进而被用于康复机器人示教训练控制。实验结果证明,该系统能够满足康复机器人的示教训练要求。     

远程机器人控制系统的实时性能评估

对基于RT-Linux实时操作系统的远程机器人控制系统的实时性能问题进行了深入研究。针对实时应用和系统的复杂性特点,通过对实际测试数据采样,对实时操作系统的实时机制和实际性能进行了分析和评价,为实时控制系统提供了重要的评定依据。同时对在实际环境中通过实时操作系统控制机器人进行远程作业提供了研究基础,解决了远程控制实时性难以保证的问题。     

基于大数据聚类分析的爬壁机器人位姿定位控制系统设计

为提高爬壁机器人运动位姿精准度与稳定性,解决现有位姿定位控制系统存在的控制效果不佳的问题,利用大数据聚类分析技术,通过软、硬件结构的设计,实现爬壁机器人位姿定位控制系统的优化。改装爬壁机器人位姿传感器、爬壁机器人驱动元件、爬壁机器人位姿定位控制器的内部连接结构及工作方式,扩大系统存储器的存储空间,通过系统电路的连接完成硬件系统的设计。根据爬壁机器人的组成结构和工作机理,建立机械结构与运动模型。在构建模型下,采集爬壁机器人实时运行数据,利用大数据聚类分析技术处理初始采集数据,判定爬壁机器人的当前位姿。规划爬壁机器人位姿及关节轨迹,结合当前爬壁机器人的运行数据,计算爬壁机器人位姿定位控制量,在控制器的约束下,实现爬壁机器人位姿定位控制功能。通过系统测试实验得出结论：通过设计位姿定位控制系统的应用,爬壁机器人样机的足端轨迹控制误差、关节角度控制误差和占空比控制误差均低于预设值,即设计系统具有良好的位姿定位控制效果。     

用EPP进行数据采集

ＥＰＰ是ＩＥＥＥ１２４８协议定义的增强型并行口，本文介绍了有关ＥＰＰ的基本知识，包括ＥＰＰ的数据传输方式，ＥＰＰ ＢＩＯＳ及时其调用，还介绍了利用其他连接方式进行采集，ＥＰＰ作为ＰＣ同外设连接方面的一种趋势，它在数据传输速率，和协议和同外设连接方式上，都具有其明显的特点和优势，因此，ＥＰＰ在数据采集方面将会得到更多和更广泛的应用。