基于改进遗传算法辨识空间机器人动力学参数

为了减小空间机器人动力学参数的误差,提高轨迹规划精度,根据空间机器人的角动量守恒方程,利用名义动力学参数估计角动量与真实角动量的差异,建立动力学参数辨识的误差模型,给出遗传算法的适应度函数.针对常规遗传算法容易出现"早熟"现象,采用小区间生成法、大变异策略和精英保留策略对其进行了改进.以六关节空间机器人为例进行的仿真结果表明,在参数复杂的情况下,采用改进后的遗传算法,计算效率和辨识精度均得到了提高。     

被动无边轮辐运动特性的Adams仿真分析

对双足被动机器人最初模型——二维无边轮辐进行了研究,建立了其动力学模型,并通过Adams分析了其运动过程中的特点,逐一分析了轮辐初速度、质量、足半径、辐条数量、辐条长度、转动惯量以及斜面坡度对无边轮辐运动的影响.结果表明:合适的初速度和斜面坡度,以及较大的质量、较大的足半径、较多的辐条数量、较短的辐条长度、较大的转动惯量会使无边轮辐形成快速而平稳的周期运动.     

双足机器人行走稳定性研究

双足机器人行走的稳定性是双足行走最为重要的衡量指标之一.针对传统的基于零力矩点（ZMP）步态稳定性判据方法,分析了ZMP、COP的相互关系,表明在双足机器人与水平地面无粘性力和无吸附力作用下,其ZMP即为压力中心点COP.基于具有足趾关节的双足机器人足底支撑面多种变化,提出对多点接触时支撑多边形区域描述.结合ZMP/COP、COG的在支撑面内相对位置,提出了基于ZMP/COP、COG的综合稳定性判据.经仿真分析,与传统单一的ZMP稳定性判据相比,该综合稳定性判据能够更为准确地反映步态的稳定性.     

基于“风车”形子单元的自重构机器人运动及自重构规划

自重构机器人区别于其他类型机器人的一个重要特征是其在具有移动能力的同时还具有自重构能力.为了赋予自重构机器人这2种能力,在分析DL-Cube(double L-cube)自重构机器人单元模型的结构特性基础之上,设计了基于"风车"形子单元的分层规划算法,实现了由"风车"形子单元构成的自重构机器人构形在平面内的运动;同时,借助于"风车"子单元自身具有的移动、转变模块方位、携带模块能力,机器人实现了平面内由24模块组成的"长方形"初始构形到目标构形为"H"构形的自重构.通过运动和重构仿真实验,验证了分层规划算法的有效性及利用"风车"子单元进行自重构的可行性.     

微型足球机器人多层次分区和防守动作的设计

在分析了一些攻方机器人所采取的进攻策略,以及结合球队自身的实际情况后,为了提高防守的有效性和球队的整体防守能力,提出建立一种多层次防守体系,并设计了新的防守动作．试验结果表明,采用以上策略设计后,球队的整体防守能力得到了提高．     

基于卡尔曼滤波的髓内钉锁孔操作标定方法研究

在机器人辅助正骨手术中,髓内钉的锁孔操作需要很高的定位精确度,因此需要一种相应的高精确度系统标定方法来满足定位要求.本文利用卡尔曼滤波的间接法标定法,其跳过对定位盒顶点坐标的求取,将标定盒三个顶点的坐标作为状态参量,将机器人由拍照位姿到钻孔位姿之间的位姿变换参数当作观测参量.并在此基础上推导出状态参量与观测参量之间的映射关系,对一系列观测参量的测量,利用卡尔曼滤波算法对状态参量进行滤波估计,最后间接求取转换矩阵.实验证明,这种方法的精确度不会因为标定试验次数增多而导致标定盒磨损,重复精确度较高.     

电路板雕刻机的运动控制系统设计

介绍了电路板雕刻机的运动控制系统的特点和规律,系统以3关节直角坐标型机器人为外部结构,基于Visval C＋＋的操做环境,控制核心采用DSP,同时与上位PC机通讯进行控制．对电路板雕刻机中的步进电机实现电气控制,以完成电路板的雕刻过程．     

Hopfield神经网络在机器人路径规划中的应用

将Hopfield反馈型神经网络方法,应用于对机器人工作路径的合理规划中,解决了对两两给定通路的若干工作站点,机器人能顺序访问并最终返回起点的最短巡游路径问题。可针对不同的具体问题来设计网络的连接权及能量函数。对8站点和16站点仿真结果表明,此方法可以在较短的时间内寻优获得最佳工作路径。     

超冗余移动机械臂的逆运动学快速求解

为了快速并精确地求解一类冗余移动机械臂(MM)运动学的优化逆解,提出了一种基于遗传信
赖域算法和解析解法相结合的运动学求逆方法. 首先使用解析解法求出机械臂逆解关于移动
车运动参数的表达式,据此表达式引入关节最佳柔顺性准则确定信赖域算法的目标函数;然
后用遗传信赖域算法快速求解此只包含移动车运动参数为自变量的目标函数的最优化问题,
据此求出运动学逆解. 仿真算例表明,该方法能快速求出精确和优化的运动学逆解.     

基于优化异质BP神经网络信息融合的清洁机器人定位研究

清洁机器人的移动定位是个复杂的非线性定位的问题,精密机械结构与路径规划无法补偿定位不精确造成的移动误差,提出一种基于异质RBF神经网络信息融合的清洁机器人定位技术,设计了智能机器人的控制系统、移动系统和感知系统,设计多个位姿传感器后,实时采集位置信息,在主控芯片中使用粒子群优化神经网络技术对多传感器的信息进行融合,计算清洁机器人的位置信息,解决了位置因素非线性强,定位误差大的问题,并且有效提高了神经网络的局部收敛能力;使用机器人多传感器的实验平台测试证明,这种方法下清洁机器人的移动中定位准确率较传统方法提高13%,具有很强的可靠性与实用性。