基于光纤光栅的机器人多维力传感技术研究

研究了一种光纤Bragg光栅(FBG)机器人多维力传 感器,进行了传感器弹性体的静 态、模态和动态有限元ANSYS模拟,获得弹性体在各方向受力与力矩时应力、应变的变化情 况。在模拟的基础上, 设计、制作出传感器机械结构,敷设FBG和搭建测试系统,并在压力与扭矩实验机上进行了 有关测试;为模拟机器 人腕部受冲击现象,进行传感器动态冲击实验。各种实验分析表明:本文传感器具有良好的 线性度和重复性,灵敏度 可达0.000nm/N,且具有结构设计简单、免受 电磁干扰、稳定性好和成本低等优点。     

一种基于激光信息的移动机器人两步自定位方法

提出了一种基于激光信息的移动机器人两步自定位方法.在对扫描数据预处理之后,第一步采用序贯搜索法进行室内环境的直线提取并建立角度直方图,通过角度直方图匹配求取机器人的旋转角度.第二步对角度匹配后的激光数据进行核密度估计,以核相关为基础建立以平移向量为参数的目标函数,并采用BFGS拟牛顿法实现平移向量的求解.实验结果证明该方法能够有效的实现移动机器人的精确自定位.     

基于ELMo和Transformer混合模型的情感分析

针对循环神经网络模型无法直接提取句子的双向语义特征,以及传统的词嵌入方法无法有效表示一词多义的问题,该文提出了基于ELMo和Transformer的混合模型用于情感分类.首先,该模型利用ELMo模型生成词向量.基于双向LSTM模型,ELMo能够在词向量中进一步融入词语所在句子的上下文特征,并能针对多义词的不同语义生成不...     

电动力液压驱动四足双臂机器人的设计与实现

针对定基座机器人在复杂环境下作业能力不足的问题,研制出电动力液压四足双臂机器人,将浮动基座与双臂系统的优势有机结合,能够代替人员完成复杂环境下应急处置、工程作业等任务。详细阐述了四足双臂机器人的机械结构、机载电液动力系统、分布式控制系统以及仿真与操作训练平台的设计与实现。提出基于全身虚拟模型的足底力分配方法与足臂协调运动规划方法,实现了躯干浮动基座与双臂系统的联动,大大提升了机器人的作业能力和效率。通过搭建的仿真与操作训练平台完成单臂作业以及双臂协同作业的仿真,验证了所提出控制方法的有效性,并对机器人操作员进行操作训练。在实际样机实验中,测试了单臂抓取以及双臂协同抓取的能力,证明了四足双臂机器人能够满足复杂环境下移动作业的需求。     

高压输电线路自动巡线机器人机构设计及在约束条件下的逆运动学分析

设计了一种全新的输电线路自动巡线机器人的机械结构,介绍了该结构的各个组成部分。通过对巡线机器人系统的力学分析,得到了机器人运动的约束条件,在此约束条件下,采用一种可用于实时控制的循环坐标下降法(cyclic-coordinatedescent,CCD)对机器人的逆运动学进行了分析。仿真实验表明,这种迭代算法对于有运动约束系统的逆运动学分析具有较强的适用性,而且具有非常好的收敛性,特别适合于在线计算,便于巡线机器人的实时运动控制,同时验证了机构设计的可行性。     

基于ADRC的低速位置伺服系统及其仿真

低速位置伺服系统中的非线性摩擦力、参数摄动以及外部扰动等因素都会降低系统的精度. 本文对无刷直流电机低速位置伺服控制方法进行了研究. 简要介绍了自抗扰控制器,利用Stribeck摩擦模型和二阶自抗扰控制器构建位置伺服系统并确定控制器参数,最后与PD控制和滑模控制进行比较仿真实验. 实验结果表明,基于自抗扰控制的低速位置伺服系统具有较好的动态和稳态性能,对系统内部参数摄动和外部扰动以及非线性摩擦都具有很强的鲁棒性.     

微机应用系统程序失控的若干防护措施

介绍几种防止程序失控的方法和措施，应用这几种措施，可以有效地提高系统运行的可靠性，使系统具有程序失控自恢复能力。     

煤矿计算机控制系统的抗恶劣环境设计

论述了我国第一台煤矿井下机器人计算机控制系统的抗恶劣环境设计。通过对计算机控制系统的可靠性、防爆、散热、抗震、防潮及安装加固等设计，系统经受了煤矿井下恶劣环境的考验，确保机器人在试验过程中可靠地工作。     

最佳电液位置伺服系统的设计

介绍了利用压力反馈和阶跃响应最佳准则实现具有最佳阶跃响应的电液位置伺服系统的方法。这种设计方法具有快速、准确、简便、灵活的特点，用这调和上方法所设计的系统不但跟踪性能好，而且抗干扰力强。     

关键语义区域链提取的视频人体行为识别

目的 视频中的人体行为识别技术对智能安防、人机协作和助老助残等领域的智能化起着积极的促进作用,具有广泛的应用前景。但是,现有的识别方法在人体行为时空特征的有效利用方面仍存在问题,识别准确率仍有待提高。为此,本文提出一种在空间域使用深度学习网络提取人体行为关键语义信息并在时间域串联分析从而准确识别视频中人体行为的方法。方法 根据视频图像内容,剔除人体行为重复及冗余信息,提取最能表达人体行为变化的关键帧。设计并构造深度学习网络,对图像语义信息进行分析,提取表达重要语义信息的图像关键语义区域,有效描述人体行为的空间信息。使用孪生神经网络计算视频帧间关键语义区域的相关性,将语义信息相似的区域串联为关键语义区域链,将关键语义区域链的深度学习特征计算并融合为表达视频中人体行为的特征,训练分类器实现人体行为识别。结果 使用具有挑战性的人体行为识别数据集UCF （University of Central Florida）50对本文方法进行验证,得到的人体行为识别准确率为94.3%,与现有方法相比有显著提高。有效性验证实验表明,本文提出的视频中关键语义区域计算和帧间关键语义区域相关性计算方法能够有效提高人体行为识别的准确率。结论 实验结果表明,本文提出的人体行为识别方法能够有效利用视频中人体行为的时空信息,显著提高人体行为识别准确率。