智能轮椅的研究现状与关键技术分析

本文对智能轮椅的国内外研究现状进行了较详细的总结，并对其涉及的关键技术及其应用现状进行了分析。     

基于改进蚁群算法的移动机器人路径规划

针对动态未知环境下机器人路径规划中存在的不足,提出一种全局规划和局部规划相结合的混合型规划方法。全局规划中,针对基本蚁群算法易陷入局部最优以及易陷入U型或V型障碍物的缺陷,提出采用夭折策略对基本蚁群算法进行改进,并采用改进的蚁群算法离线规划出一条粗略的全局优化路径,将该"粗"路径分解为局部规划各个阶段的子目标。局部规划中,机器人实时探测局部环境信息,应用滚动优化原理,不断修正运动路线,使机器人在每一时刻的滚动窗口内都避开障碍物向子目标点运动,把整体的寻优分解为各个滚动窗口内的局部寻优,克服了全局规划不能追踪动态信息的缺点。仿真结果表明,该方法可行且具有良好的稳定性。     

仿生机器人研究进展综述

随着机器人技术和仿生学的发展,仿生机器人的研究正受到学者们的普遍关注。在对仿生机器人进行分类的基础上,从地面仿生机器人、水下仿生机器人以及空中仿生机器人3个方面简要介绍了国内外典型仿生机器人的最新研究进展,并介绍其发展趋势。     

医用服务机器人关键技术分析

介绍了国内外医用服务机器人的研究现状,结合某一具体的医用服务机器人,详细阐述了医用服务机器人涉及的关键技术,并对未来的研究方向做了预测。     

未知环境中移动机器人柔性行为决策的调节发育学习

未知环境中移动机器人柔性的行为决策是完成各种任务的前提.目前的机器人行为决策方法在面对动态变化的环境时柔性较差,机器人难以获得持续稳定的学习能力.本文作者曾尝试通过集成小脑监督学习和基底神经节的强化学习来实现移动机器人动态环境下的柔性行为决策,但所提算法适应动态环境的能力有限.在前期工作基础上,本文设计了更有生物学意义的好奇度指标代替原来的警觉度指标,通过模拟蓝斑活动在基音模式和阶段模式之间的动态切换,实现移动机器人环境探索–利用的动态自适应调节.同时,设计随外部环境变化的自适应调节因子,实现移动机器人动态环境中基于小脑监督学习和基底神经节强化学习的柔性行为决策,使机器人可以获得持续稳定的学习能力.动态环境和实际环境中的实验结果验证了本文所提算法的有效性.     

具有多胞型摄动的时滞系统鲁棒稳定性

通过定义一个参数依赖的Lyapunov泛函,结合利用逆凸组合技术和一个矩阵不等式松散方法,得到了保守性小且计算复杂度低的鲁棒稳定性判据.算例表明新的判据显著地改进了已有的结果.     

视频监控系统中小运动目标分类算法

给出了视频监控中的一个小目标分类算法．首先，利用最大互信息获得一组可靠、独立且具辨认力的目标特征集．然后，用有向无环图的多类支持向量机进行分类．分类器的训练分为两步，首先使用场景无关的特征量训练得到基准分类器；然后再利用与场景相关和无关的特征量，进一步训练分类器，以便提高分类器的精度．实验结果证明该算法不仅能满足一定的分类精度，而且对新场景具有很好的适应能力．     

基于Solis&Wets算法的机器人最优测量构形研究

研究了机器人标定中最优测量构形的选择,采用奇异值分解方法获得了机器人误差传播矩阵的条件数,以该条件数为优化的目标函数,利用Solis&Wets算法来选择机器人的一系列最优测量构形,以最小化参数估计中测量和建模误差的影响。实验结果表明该方法的标定结果优于随机选择的标定构形的标定结果。     

机器人逆标定方法研究

在分析传统机器人位姿标定方法的基础上，提出了一种新的机器人标定方法：基于神经网络的逆标定方法。这种标定方法把机器人实际位姿和相应的关节角误差分别作为前馈神经网络的输入和输出来训练网络，从而获得机器人任意位姿时的关节角误差值，通过修改关节值来提高机器人的位姿精度。这种标定方法把所有因素引起的误差均归结为关节角误差，无须求解机器人逆运动学方程，实现了误差的在线补偿。把标定结果与基于运动学模型的参数法的标定结果进行了比较分析。仿真和试验结果均证明了这种方法比传统方法标定效果更好，且更方便简单，避免了其他传统标定方法繁琐的建模及参数辨识过程。     

基于SolidEdge API的齿轮参数化建模及开发

以三维CAD软件SolidEdge为开发平台，讨论了齿轮的参数化建模方法并且利用ActiveX Automation技术将齿轮的设计计算和三维实体造型结合在一起，利用特征操作方法生成了渐开线齿轮的三维模型。这里的开发方法给出了一个利用Vc＋＋对CAD软件进行二次开发的一个有效途径。