机器人平滑抓取移动物体的运动规划方法

结合机器视觉和运动规划方法,对动态环境中移动物体的平滑抓取进行了研究。设计了一种运动物体跟踪算法,能够实现无障碍环境下移动物体的平滑抓取;针对环境中存在动态障碍物的情况,设计了一种基于排斥矢量的动态避障算法,与运动物体跟踪算法相结合,实现了机器人先避障后平滑抓取;基于机器人操作系统（Robot operating system,ROS）框架,在5自由度的KUKA Youbot机械臂平台上实现了无障碍环境下对传送带上物体的平滑抓取,以及动态障碍物环境中的平滑抓取,试验结果验证了所设计算法的优越性。     

基于三级卷积神经网络的物体抓取检测

借鉴人类抓取物体的特点,提出一种三级串联卷积神经网络用于物体抓取框的检测,实现了对未知物体的高准确度抓取．在所提出的三级串联卷积神经网络中：第1级用于物体的初步定位,为下一级卷积神经网络搜索抓取框确定位置;第2级用于获取预选抓取框,以较小的网络获取较少的特征,从而快速地找出物体的可用抓取框,剔除不可用的抓取框;第3级用于重新评判预选抓取框,以较大的网络获取较多的特征,从而准确地评估每个预选抓取框,获取最佳抓取框．测试结果表明,与单一卷积神经网络相比,三级网络获得抓取框的正确率提高了6.1%,最终在实际Youbot机器人上实现了高准确度的抓取操作．     

单轴运动控制中控制策略及其系统性能的对比分析

随着电力电子学技术的不断发展和进步，位置随动系统的系统组成部件及其控制策略都发生了巨大变化，传统的模拟部件以及控制方式已被数字式的获取和控制方式所取代，从而使系统组成得以简化与集成，控制精度以及系统的响应性能更加优越。文章分析了这一变化过程，并且通过不同系统部件以及不同的控制策略下的实际系统的实验效果之间的性能对比，具体分析了各种控制策略的优缺点，有助于人们选择合适的系统部件以及合适的控制策略。     

基于多种群协同进化算法的绳索牵引并联机器人末端位置误差补偿

对于绳索牵引并联机器人来说,影响其末端位置精度的模型不确定性主要包括几何参数误差和非几何参数误差.这两种不同类型的误差具有非常强的非线性且相互耦合,难以通过传统的标定手段来进行参数标定.针对这一问题,提出了一种基于神经网络的末端位置误差补偿方法.将两种不同类型的参数误差等效视作伪误差,通过神经网络来逼近伪误差造成的末端位置误差曲线,建立末端位置误差与绳索长度之间的映射关系,并在关节空间中进行位置误差补偿.为了提高神经网络的拟合精度,设计了基于多种群协同进化算法和反向传播算法的神经网络优化方法,该优化方法能够同时优化网络的权值、阈值和结构,提高神经网络的泛化能力和拟合精度.在实际3自由度绳索牵引并联机器人上进行了位置误差补偿实验,结果表明补偿后的位置误差均值从6.64 mm下降到1.08 mm,轨迹误差均值从7.5 mm下降到1.6 mm,末端位置的精度得到了显著提高.     

公路桥梁施工技术及其特点

主要从公路桥梁工程建设特点、施工技术以及施工技术管理等方面进行论述,重点分析施工技术中存在的问题,同时提出施工技术管理的方法,为后期施工技术的有效开展提供基础,确保公路桥梁工程施工质量。     

运动控制中点到点控制曲线的性能研究

计算了点到点运动控制中能量最优的速度轮廓——抛物线速度轮廓。分析了常用的梯形速度曲线和S型速度曲线。以S型速度曲线为参照对象，分析了三角函数型速度曲线和高阶多项式插值曲线的加速度以及加加速度的特性。     

2自由度绳索牵引并联机器人的高速点到点轨迹规划方法

合理的轨迹规划方法可以提高机器人运动控制的平稳性、快速性和工作效率。当前绳索牵引并联机器人的轨迹规划方法主要采用多项式函数和三角函数满足平稳性要求,但规划算法复杂、快速性较差。针对一种2自由度绳索牵引并联机器人,根据动力学模型推导绳索拉力的单向性约束条件,提出一种新的点到点轨迹规划方法——S型-梯形组合规划方法。考虑到具体的点到点轨迹包含若干个需要依次到达的目标点,构成起始段、中间段和终止段三种不同的运动段,故采用S型-梯形组合规划方法分别设计这三种运动段的速度曲线,使得机器人在起始点和终止点的加速度为零,而中间若干点的加速度不为零,实现动态轨迹规划。仿真试验表明所提出的规划方法不仅可以满足绳索拉力的单向性约束条件,且加速度为简单的一次曲线,可以实现高速的点到点运动。