基于移动机器人的主动嗅觉技术研究

使用移动机器人来定位气味源已经成为一个研究热点,机器人主动嗅觉是指使用机器人自主发现并跟踪烟羽,最终确定气味源所在位置的技术。本文对当前主动嗅觉技术进行概述,并根据生物嗅觉行为介绍一种气味源定位算法,这种算法不依赖某一点气味浓度值,仅依靠气味浓度变化率就可找到气味源。并在高斯模型下对烟羽分布模型进行仿真。     

双足机器人稳定步行模式预测控制实现方法的研究

针对现有的预测控制生成步行模式方法中忽略了参数间关系和参数取值范围的问题进行探讨.预测控制通过控制质心运动生成步行模式以实现ZMP目标轨迹跟踪,根据预测控制器模型研究参数间的关系,并通过极点分析讨论其取值范围,提出关键参数在容许取值范围内,可以保证系统的稳定性,并生成满足稳定步行的质心运动.通过仿真实验分析了在存在扰动情况下,关键参数取适当值,能够生成稳定的步行模式.     

搬运机器人在钻杆生产线物料输送系统中的应用

针对钻杆生产线中物料输送的特点和难点,设计了基于搬运机器人的智能输送系统,介绍了系统的组成、工作流程、以及Profibus总线配置。调试表明,该系统能够满足搬运物料的设计目的,对提高生产效率具有较高的应用价值。     

基于光电传感器的移动机器人室内定位

设计了一种基于光电鼠标和电子罗盘的机器人定位系统.通过放置在小车尾部中央位置的光电鼠标芯片测出X和Y的单位时间内的位移数据,经过STM32处理得到坐标值,并将小车的坐标值等信息显示在液晶屏上.通过电子罗盘得到小车的航向.在获取小车坐标与方向后,上位机通过无线模块向小车发送控制命令,从而控制小车的行驶轨迹,并将行其显示在上位机界面.经实验测试,测量位移的定位误差在0.45％,可以达到满足机器人室内定位系统的要求.     

基于MATLAB的模块化机器人手臂运动学算法验证及运动仿真

针对由模块化关节构成的六自由度串联机器人手臂, 采用DH法对手臂的操作空间进行了描述, 得到了正运动学模型; 采用欧拉角表示手臂姿态, 得到了包含六个参数的用于表示手臂位姿的完备广义坐标, 并对欧拉角的几何关系进行了分析。针对SolidWorks虽然实体建模简洁方便但计算并非其强项的缺点, 编写相应接口程序, 将建立的手臂三维实体模型保留几何约束关系简化后导入MATLAB软件。基于MATLAB编写正逆运动学算法验证程序以及连杆驱动程序, 实现了手臂的仿真运动。通过仿真, 不仅更进一步验证了手臂正逆运动学解算的正确性, 而且非常直观地看出手臂末端在空间中运行的路径以及各关节的动作情况。机器人手臂正逆运动学算法正确性的验证及运动仿真为手臂的精确定位及其路径规划提供了必要的保证。     

类人机器人通信子系统的设计与实现

针对类人机器人足球比赛通信环境的高效性和实时性要求,提出了一套无线通信系统设计方案。该通信方案主要解决三个问题:通信平台、通信模块硬件设计和通信协议。其中,通信平台是实现信息交互的物理硬件,通信模块的硬件设计是无线传输模块的控制电路设计,通信协议是类人机器人系统中协作信息内容和格式的约定。本文建立了类人足球机器人通信子系统的通信平台,给出了基于该系统的硬件设计,并为多机器人系统提出了一套可行的对话协议。实验和比赛结果证明了该通信系统的可行性。     

移动机器人智能避障算法仿真研究

针对轮式移动机器人运动过程中避免碰撞固定障碍物的问题,提出了一种基于预先检测位置的智能控制算法。该算法以障碍物边预先检测位置为运行过程的子目标,通过经由各子目标,实现移动机器人绕行障碍物,避免碰撞的目的。仿真结果显示:使用此智能控制算法,移动机器人能够实现平稳绕行障碍物,到达最终目的地。     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

基于蚁群算法的Hopfield神经网络在多空间站路径规划的应用研究*

空间机器人每次携带的燃料有限,提高空间机器人的工作效率以及延长其在轨寿命研究具有重要意义,分析了空间机器人多空间站访问问题。为了弥补传统路径规划方法容易陷入局部极小点的问题,提出利用基于蚁群算法的Hopfield神经网络来解决空间机器人多空间站访问问题。仿真实验结果表明,基于蚁群算法的Hopfiled神经网络用于多空间站访问问题,收敛速度要比Hopfield神经网络快,且比Hopfield神经网络易于跳出局部极点,该算法有利于解决多空间站路径规划问题。     

基于约束满足的多目标双足机器人动态步态参数优化*

目前的步态优化算法仅仅实现了对单一目标的优化,把双足机器人步态优化看做是多目标优化问题,构建了衡量稳定性、能量消耗、步行速度三个目标评价函数。考虑到直接对多个目标加权求和的方法不能很好地处理多目标问题,提出一种新的基于约束满足的多目标步态参数优化算法,其思想是把基于惩罚函数的SPEA2(strength Pareto evolutionary algorithm2 )应用到多目标双足机器人动态步态参数优化问题上,规划出了同时满足这三个目标的动态优化步态。通过仿真实验表明了算法的有效性。