机械制造技术六大前瞻性技术趋势

趋势一:技术创新与生产率 美国制造技术协会主席辛普森(Bob Simpson)认为,世界金融市场的动乱已经威胁到市场对制造技术的需求,从而结束了美国制造业连续四年的增长势头,并且也影响到全世界制造业.在未来全球数代人的财富积累中,提升制造技术产业的生产力仍将是至关重要的.有人认为制造业是独立发展的产业,他详细分析并批驳了这些错误观念,强调要不断发展生产力,提高效率,制造技术是推动生产发展的动力.所以制造技术业的发展与变革是必须的,也是必然的.     

智能机器人开发的六大平台，解决“机器人”教学的好方案

双龙智能机器人中有虚拟智能机器人与实体智能机器人组合互动、联动，也可各自独立工作，其中12个模块的知识和智能机器人的知识吻合，有将近90％以上，这得益于智能机器人的技术综合性。     

大力推进智能机器人进入中小学的进程——郭善渡先生访谈

郭善渡：20世纪80年代，北京、上海等地区的青少年科技馆、少年宫等科善机构结合单片机和传感器的开发制作与应用，已开始了简易机器人的教学活动。90年代以来，随着人工智能技术的迅猛发展，全世纪范围内掀起了一股智能机器人竞赛的热潮。从美国三一学院的机器人灭火、     

普及信息技术基础教育之四：SL积木式轮式智能机器人

SL积木式轮式智能机器人由双龙公司研发。是AVR单片机创新开发与机器人制作的完美工具。SL机器人主要有如下3种：1．积木式轮式智能机器人：由SL—DIY02—3(或1)开发实验器和SL—DIY02—6机器人板组成。2．SL有手有脚仿生机器人：由SL—DIY02—3(或1)开发实验器和SL—DIY02—4伺服电机驱动板组成，也可由SL—DIY02—9伺服电机专用控制板来控制。     

2006第七届中国智能机器人学术研讨会召开

由中国人工智能学会智能机器人专业委员会主办、哈尔滨工业大学承办的“2006第七届中国智能机器人学术研讨会”于2006年8月14—16日在哈尔滨举行，来自全国的100多名专家学者出席了本次会议．     

自组织映射神经网络量化机器人强化学习方法研究

强化学习一词来自于行为心理学，这门学科把行为学习看成反复试验的过程，从而把环境状态映射成相应的动作。在设计智能机器人过程中，如何来实现行为主义的思想，在与环境的交互中学习行为动作？文中把机器人在未知环境中为躲避障碍所采取的动作看作一种行为，采用强化学习方法来实现智能机器人避碰行为学习。为了提高机器人学习速度，在机器人局部路径规划中的状态空量化就显得十分重要。本文采用自组织映射网络的方法来进行空间的量化。由于自组织映射网络本身所具有的自组织特性，使得它在进行空间量化时就能够较好地解决适应性灵活性问题，本文在对状态空间进行自组织量化的基础方法上，采用强化学习。解决了机器人避碰行为的学习问题，取得了满意的学习结果。     

神经网络在智能机器人导航系统中的应用研究

智能机器人在未知环境听 导航系统主要涉及3个主要方面：（1）对环境的感知；（2）局部路径规划；（3）全局路径规划，文章综述了神经网络技术在这些领域中的应用，探讨了在神经网络技术中引入学习机制的方法。     

STANFORD型主机械手平衡系统

本文介绍6自由度STANFORD型主机械手的平衡系统，并从位姿矩阵分析和动态力学解算等方面论证其合理性。     

先进制造技术和机器人技术的发展

阐述了“敏捷”制造系统的概念，分析了先进制造技术和机器人技术的关系，特别是机器人在先进制造业中的作用和地位，最后介绍了智能机器人近期的发展趋势。     

仿人灵巧手关节的位置/力矩控制

为了使仿人灵巧手完成各种精细作业,提出了一种新的关节位置／力矩控制方法。在自由空间和约束空间中分别采用滑模位置控制和具有前馈的PD力矩控制,在过渡过程中使用系统观测器切换控制模式。这种方法可以使关节在自由空间和约束空间中分别实现良好的轨迹跟踪和力矩跟踪,在过渡过程中实现控制模式的可靠切换和系统的稳定过渡。实验证明了该方法的有效性。