基于Arduino的手势控制智能小车系统设计

文中阐述了一种基于Arduino单片机的手势控制智能小车的设计,其由L298N电机驱动模块、ADXL335角度传感器模块、NRF24L01无线通信模块、麦克纳姆轮及运动控制算法等组成。     

基于轮速UKF的摩托车ABS车速估计算法研究

针对实际摩托车轮速时序离散信号易受干扰、车速估计误差大的问题,提出了一种在不同工况下基于轮速UKF的ABS车速估计算法。通过Matlab/Simulink构建车辆轮胎和制动模型,基于无迹卡尔曼滤波算法进行轮速滤波,对不同工况下摩托车单轮制动、双轮制动场景的车速估计算法进行数值模拟计算。实验结果表明,基于轮速UKF的摩托车ABS参考车速算法能较好地实现车速估计。     

基于PID神经网络的多轮轮毂电机协调控制研究

多轮轮毂电机运行参数具有不确定性,因此难以精准计算电机协调控制量,所以设计基于PID神经网络的多轮轮毂电机协调控制方法。搭建多轮轮毂电机数学模型,在该模型下实时采集多轮轮毂电机转速、位置等运行参数,并计算电机协调控制量。装设PID神经网络协调控制器,利用PID神经网络算法生成协调控制指令,从转速、转矩等方面实现多轮轮毂电机的协调控制。测试结果表明,在所提方法的协调控制下,多轮轮毂电机在空载和负载工况下的转矩控制误差降低了21.25r/min和25.7r/min,转矩控制误差降低了6.55N·m和17.45N·m,电机运行平衡度有所提升,多轮轮毂电机协调控制效果更好。     

轮腿可切换机器人步态切换动作设计及其机体位姿测量仿真

轮腿可切换机器人在不同的环境下具有不同的运动性能,研制一款新型轮腿可切换机器人。该机器人可实现轮式步态和腿式步态的切换以适应不同环境,最大限度提高机器人运动性能。本文研究了机器人进行步态切换时,机器人机体位姿变化及机器人机体质心在空间的位移及机器人腿各个关节的旋转角度的变化的测量方法,为机器人稳定性研究提供依据。通过对机器人步态切换动作进行仿真,测量机器人质心在空间的变化量及关节角度变换,分析测量结果表明机器人位姿变换平稳,证明机器人步态切换动作的合理性。     

可移动整合型垃圾桶设计

针对垃圾桶不能放置保洁工具、垃圾倾倒困难及作业场地受限等问题,设计了一款集保洁功能、爬坡功能、垃圾装载功能于一体的可移动整合型垃圾桶。垃圾桶的造型设计简约,以直线造型为主,颜色采用低纯度、低明度的暗绿色;设计了十字型组合桶轮,使其适用于各种作业场地;运用仿生学原理优化了垃圾的出口位置;在垃圾桶上增设了扫帚与簸箕。所设计的垃圾桶符合节能环保低碳的设计理念,具有使用功能多、垃圾进出方便、爬坡能力强等特点。     

惯性稳定万向架中基于SBG惯导的捷联控制技术

轻小型SBG惯性导航系统具有体积小重量轻的特点,可以用于光电跟踪系统的直接及捷联位置稳定。本文研究了万向架中基于轻小型SBG惯导的五种惯性稳定控制方法,并进行了理论分析及实验验证。经典位置捷联稳定技术由于位置带宽的限制扰动抑制能力有限,难以满足高精度稳定要求。本文提出了一种基于SBG的位置速度双扰动前馈的稳定方法,并通过引入高通滤波器实现扰动前馈的解耦,可以进一步提升系统扰动抑制带宽以及稳定能力。理论分析和实验结果表明：在不考虑应用条件的限制时,虽然受到带宽的限制,基于SBG的陀螺直接稳定控制方法扰动抑制效果较好;而在平台体积重量受到限制的情况下,所提出的基于SBG的双扰动捷联稳定可以进一步提升系统扰动抑制能力,获得更好的稳定精度。     

考虑波磨激励的城市轨道车辆轮对吸振器减振方法

以抑制钢轨波浪形磨耗导致的城市轨道车辆振动为目的,提出一种新颖的适用于城市轨道车辆的轮对吸振器减振方法,建立包含轮对吸振器的车辆-轨道系统耦合模型。通过对轨道不平顺和钢轨波磨综合激扰源的构建,分析钢轨波磨激励对车辆系统动态响应的影响;针对轨道车辆的轮对振动特性,讨论轮对吸振器在不同工况下的减振效果。结果表明：钢轨波浪形磨耗会引起车辆系统各部件振动加剧,对轮对振动影响最为严重。在不同波长、不同波深波磨作用下,安装轮对吸振器的轨道车辆轮对振动都被很好抑制,轮对吸振器在不同速度以及不同载重工况下均有较好减振效果。轮对吸振器能够有效降低轮对的垂向振动,特别适合用于提升城市轨道车辆舒适性。研究工作为提高城市轨道车辆运行平稳性提供参考依据。     

车辆四轮转向系统的控制方法

系统地评述了车辆四轮转向系统的原理及其控制方法的发展,在此基础上指出四轮转向系统的研究必须以闭环综合评价为出发点,并与其它主动安全技术相结合才能真正达到实用阶段。     

大型煤炭建工集团管理信息系统

介绍了中平能化建工集团管理信息系统的总体设计方案、网络及软件平台架构、子系统功能模块组成等。该系统采用智能客户端网络架构和万向接口平台技术,实现了建工企业的全部专用功能以及各个子系统之间的信息交互,使得各机构之间能够有效地协同运作。     

基于Skinner操作条件反射的两轮机器人自平衡控制

针对两轮自平衡机器人的运动平衡控制问题,采用了基于Skinner操作条件反射理论的自回归神经网络学习算法作为机器人的学习机制,利用自回归神经网络对评价函数进行逼近,以实现对行为决策的优化,从而使机器人能够在无需外部环境模型的情况下,通过学习和训练,获得像人或动物一样的自主学习技能,解决了两轮机器人的运动平衡控制问题.最后分别在无扰动和有扰动的两种状态下设计了仿真实验并进行了比较.结果表明,该操作条件反射学习机制具有较快的自主平衡控制技能和较好的鲁棒性能,体现了较高的理论研究意义和工程应用价值.