考虑姿态检测误差的两轮机器人研究

两轮机器人通过姿态反馈达到稳定状态,但需要解决其姿态检测传感器存在误差的问题。本文首先通过力学分析建立两轮机器人数学模型,采用极点配置法设计状态反馈矩阵,进而得到系统控制方法 ;然后通过分析两种普遍使用的姿态检测传感器的特性,得到各自的误差模型,并采用互补滤波方法对两种姿态检测传感器进行融合。将姿态检测传感器的误差模型和互补滤波融合后的模型分别应用到两轮机器人模型中,并对两种单独使用姿态检测传感器的机器人系统和采用互补滤波方法的机器人系统进行仿真。仿真效果和实验测试表明,采用互补滤波方法的两轮机器人姿态检测误差减小,系统更加稳定。     

多媒体教学无线鼠标的设计与实现

设计一种多媒体教学用无线鼠标,该无线鼠标由发射器和接收器两部分组成,通过发射器发出鼠标的各种动作,接收器接收到后通过USB口送计算机实现对计算机的控制。     

基于微机械惯性器件的单轴捷联姿态测量装置

介绍了单轴捷联姿态系统的原理,在对系统误差进行分析的基础上,采用卡尔曼滤波建立了姿态算法.介绍基于MEMS陀螺仪和加速度计的单轴捷联姿态测量装置系统构成,并对其工作过程进行了仿真.通过仿真表明在考虑多种误差因素的情况下,该系统的角度测量误差小于0.1°,能够满足工程应用的需要.     

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。     

六轴工业机器人在线误差补偿方法的研究

提出一种机器人动态误差在线补偿方法,用以提高机器人的轨迹精度。在机器人参数误差得到离线补偿之后,基于ANFIS构建自适应模糊神经网络轨迹控制器,建立在线补偿系统控制模型,通过ADAMS与Matlab的协同仿真对系统仿真分析;仿真结果验证了所提出方法的可行性。在自主研发制造的六轴工业机器人的平台上,借助于API激光跟踪仪对机器人末端跟踪测量,进行实验分析;实验结果验证了该方法的有效性。     

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°。     

运动目标姿态参数的一种CCD测量方法

结合计算机视觉技术和CCD测量原理。给出了一种运动目标姿态参数的测量方法,并推导了目标姿态测量的数学模型。对可能存在的误差源进行了分析,并提出了解决方法。该方法通过三个与CCD相匹配的标定点测量,采用四元法描述姿态,使得系统结构简单、速度快;仿真结果表明,系统角测量精度可达到1’,系统可以广泛应用于运动目标姿态的近距离测量。     

基于眼球前庭动眼反射的机器人视觉误差主动补偿方法

针对机器人在颠簸环境下作业过程中产生姿态变化从而导致的视觉不稳定性问题,基于眼球前庭动眼反射的机理,提出一种主动补偿视觉误差的方法.在生理学和解剖学的基础上,根据眼球运动的神经回路,建立了一个具有自适应性的前庭动眼反射控制模型.为了验证模型的性能,在不同的环境中进行了仿真实验,仿真结果表明该模型可以主动补偿机器人姿态变化所引起的视觉误差,并且具有良好的自适应性.最后,通过实体机器人实验验证了该控制模型的有效性与准确性.     

基于末端转角误差的并联机器人零点标定方法

针对一种4自由度高速并联机器人（Cross-IV机器人）的零点标定问题,提出了一种基于末端转角误差信息的快速零点标定方法．基于机器人的单支链闭环矢量方程,建立了零点误差全集与末端误差之间的映射模型．通过对误差传递矩阵的分解,在仅利用旋转编码器对末端转角误差进行测量的基础上,构建了该机器人的快速零点误差辨识模型．为进一步最大化测量效率及提高辨识矩阵的鲁棒性,提出了一种优化的测量点选择方案．通过仿真详细验证了该零点标定方法的鲁棒性与准确性．基于激光跟踪仪的验证实验表明,经标定后机器人末端位置误差降低至1.312 mm,转角误差降低至0.202°,标定结果表明该零点标定方法简单、有效．     

基于自适应UKF算法的小型水下机器人导航系统

针对海流扰动及姿态、航向误差角引起的无法确知的导航系统模型误差, 设计了一种带模型误差的自适应无迹卡尔曼滤波器(Adaptive unscented Kalman filter, AUKF)用于小型水下机器人(Small autonomous underwater vehicle, SAUV)推位导航系统. 首先提出了小型水下机器人三维运动连续时间模型; 然后针对该模型特点, 基于极大后验估值原理推导了AUKF算法. 仿真结果说明该算法能够克服海流扰动及姿态和航向误差引起的模型误差. 对比经典无迹卡尔曼滤波器算法, 采用该算法的小型水下机器人推位导航系统在复杂海况下的滤波精度显著提高.     

激光线扫式形貌测量机器人的标定研究

为能够高效、高精度的获取大型自由曲面物体的形貌,研究了基于通用工业机器人和激光线扫描传感器的测量方法。论述了激光线扫式形貌测量系统的原理与结构,利用标准球及优化算法实现了机器人和激光扫描传感器位姿关系的精确解算,并针对机器人运动学误差对系统测量影响较大,通过对机器人运动学参数的修正有效减小了机器人的绝对定位误差。实验和分析结果表明,经标定和运动学参数校正后的测量系统对标准球的测量能达到较高精度,为采集高精度三维点云提供了保证。     

舰船仿真设备测量系统研制

针对船用装备出海试验存在着试验繁琐、费用高、周期长等问题,采用仿真技术研制舰船仿真试验台,可以缩短产品试验周期,节省开发费用;论述了仿真试验台测量系统设计,包括测量系统与仿真试验台总体的关系,角度测量误差分析和系统精度设计,采取粗精两级传感器耦合实现精密测角,采用时统信号同步锁存摇摆角数据,以及计算机数据录取与处理软件设计;实现了大型仿真设备实时高精度检测功能,为舰船设备提供了强有力的实验手段。     

基于北斗/iNEMO惯性模块的机器人运动姿态解算方法

基于北斗/iNEMO惯性模块研究了一种组合式机器人运动姿态测量系统和解算方法。设计了以ARM为核心的嵌入式组合姿态解算平台,通过四元数法和卡尔曼滤波技术,对iNEMO惯性组件测量数据进行融合,进而在高动态环境中实时解算出机器人的运动姿态。同时,以北斗接收机输出的1PPS上升沿脉冲作为数据融合的同步信号,并利用其输出的导航信息辅助iNEMO惯性模块实现精对准。测试结果验证了设计方案的可行性和正确性,为机器人姿态解算提供了一种高精度、高稳定性、小体积、低功耗的解决方案。     

基于简化三维线性倒立摆模型的模糊控制射门算法

针对双足机器人传统射门算法存在仅适用于固定射门角度和射门姿态的问题,提出了一种基于简化三维线性倒立摆模型的模糊控制射门算法,用于实现多角度、多姿态的射门。首先利用简化三维线性倒立摆模型规划出零力矩点(ZMP)轨迹和质心轨迹;其次在双腿支撑相对双足机器人进行射门角度和姿态的调整,同时利用贝塞尔曲线规划出游动腿的轨迹;最后利用模糊控制算法精确地规划出双足机器人的射门轨迹。实验部分利用NAO机器人仿真平台验证了本文提出射门算法的性能,并与其它射门算法进行了比较。最后将实物NAO机器人用于全过程与多角度的实际射门实验,验证了本文提出射门的算法可行性与准确性。     

基于体感的仿人机器人步态学习与控制

针对现有理想化步态动力学模型规划方法复杂、人为指定参数过多、计算量大的问题,提出一种基于体感数据学习人体步态的仿人机器人步态生成方法。首先,用体感设备收集人体骨骼信息,基于最小二乘拟合方法建立人体关节局部坐标系;其次,搭建人体与机器人映射的运动学模型,根据两者间主要关节映射关系,生成机器人关节转角轨迹,实现机器人对人类行走姿态的学习;然后,基于零力矩点(ZMP)稳定性原则,对机器人脚踝关节转角采用梯度下降算法进行优化控制;最后,在步态稳定性分析上,提出使用安全系数来评价机器人行走稳定程度的方法。实验结果表明,步行过程中安全系数保持在0~0.85,期望为0.4825,ZMP接近于稳定区域中心,机器人实现了仿人姿态的稳定行走,证明了该方法的有效性。     

基于deep Q-network双足机器人非平整地面行走稳定性控制方法

针对双足机器人在非平整地面行走时容易失去运动稳定性的问题,提出一种基于一种基于价值的深度强化学习算法DQN（Deep Q-Network）的步态控制方法。首先通过机器人步态规划得到针对平整地面环境的离线步态,然后将双足机器人视为一个智能体,建立机器人环境空间、状态空间、动作空间及奖惩机制,该过程与传统控制方法相比无需复杂的动力学建模过程,最后经过多回合训练使双足机器人学会在不平整地面进行姿态调整,保证行走稳定性。在V-Rep仿真环境中进行了算法验证,双足机器人在非平整地面行走过程中,通过DQN步态调整学习算法,姿态角度波动范围在3°以内,结果表明双足机器人行走稳定性得到明显改善,实现了机器人的姿态调整行为学习,证明了该方法的有效性。     

CAD-Vision-Range-Based Self-Localization for Mobile Robot Using One Landmark

Localization is the process of determining the robot's posture within its environment including its current position and heading direction (or orientation). The process is of utmost importance for the autonomous navigational functions of a service robot. This paper describes a new localization method for service robots operating in a building based on a CAD model of the indoor environment in reasonable details. Only one specific landmark pasted within a specific region on the wall is needed. The camera with pan/tilt/zoom functions mounted on the robot first searches for this identification landmark and starts to conduct measurements using a laser rangefinder. With the polar coordinates of few measurement points on the wall and an accurate local CAD model, the exact position and orientation of the robot can be identified. This method has five distinctive advantages. First, the position of the landmark does not need to be precise. Second, each localization exercise is independent and no previous history of the moving track of the robot is required but the computational speed is still high. Third, the method is very robust with good fault-tolerance because it makes use of the reliable Hough transform. Fourth, the resolution is automatically adjusted because the panning resolution of the camera is based on the first effective measurement representing the distance of the robot from the landmark. Fifth, only the local CAD model of the room at the vicinity of the landmark needs a high precision because this model is used for localization. The system does not demand a highly accurate CAD model of the entire built environment. CAD models at other places are for navigation and path planning only.     

基于D-H法的农业采摘机器人运动协作控制系统设计

为提升农业采摘机器人运动协作控制性能,降低机器人碰撞概率,利用D-H法优化设计机器人运动协作控制系统。改装位置、力矩以及碰撞传感器设备,优化运动协作控制器与驱动器,调整系统通信模块结构,完成硬件系统的优化。利用D-H法构建农业采摘机器人数学模型,在该模型下,利用传感器设备实现机器人实时位姿的量化描述,通过机器人采摘流程的模拟,分配机器人运动协作任务,从位置和姿态等多个方面,确定运动协作控制目标,经过受力分析求解机器人实际作用力,最终通过控制量的计算,实现农业采摘机器人的运动协作控制功能。通过系统测试实验得出结论：与传统控制系统相比,机器人位置、姿态角和作用力的控制误差分别降低了约40mm、0.2°和1.2N,在优化设计系统控制下,机器人的碰撞次数得到明显降低。     

两轮自平衡机器人动力学建模及其平衡控制*

针对高阶次、不稳定、多变量、非线性、强耦合的两轮自平衡移动机器人系统,采用Lagrange方程推导出动力学模型,对其进行稳定性和可控性判断,并利用LQR和龙伯格极点配置的方法在此模型的基础上对两轮自平衡机器人的姿态和速度进行控制,可获得较为稳定的动态平衡过程。给出了数学模型推导的具体步骤,分别采用以上两种方法进行了仿真研究和比较。仿真实验结果表明,这两种控制方法对机器人的稳定性控制都是有效的。其中龙伯格极点配置控制方法使系统的跟踪速度更快、稳定性更高,具有较高的实际应用价值。