基于分层任务网络的多机器人复杂任务分解

为解决多机器人复杂任务分解问题，提出了表征分解方案属性的三个指标，即关联系数，内聚度，任务粒度，并结合所提属性指标提出了距目标解的距离来衡量任务分解方案的效果。基于传统HTN方法，引入基于任务属性指标的调整方法以改善传统HTN方法分解结果的随机性以及无量化评价的缺点，并以玩具-零食生产过程为实例展示了任务分解的流程，通过与传统HTN方法比较寻解时间与指标质量验证了改进HTN方法的有效性。     

基于神经网络的超宽带视距传播时间重构

在室内环境下,针对传统的基于到达时间、到达时间差和信号强度的定位算法受多径和非视距的影响不能满足定位精度需要的问题,提出了一种利用超宽带信号,由神经网络重构出视距传播距离,再利用Taylor算法进行目标定位的方法。结果表明对于训练数据和非训练数据,该方法的定位均方根误差都在1 m以下,能有效提高定位精度。     

基于微服务的多机器人资源智能云服务平台架构

针对工业机器人云服务平台难以兼容异构通信协议及机器人资源属性描述不统一的问题,提出一种基于微服务的多机器人资源智能云服务平台架构。首先,提出了基于异构协议转换的多机器人智能适配接入方法,以OPC UA统一数据交换协议,实现异构工业机器人的快速接入。然后,提出一种基于扩展信息模型映射的多机器人资源自动虚拟化方法,通过对工业机器人信息模型的扩展定义和一致性映射,构建统一本体模型,实现机器人资源与服务设计解耦。实验表明,该架构能够满足异构工业机器人的高效适配和多机器人资源的统一虚拟化要求,并对微服务节点数量与吞吐量能力关系、业务调度响应时间、业务调度成功率及高并发性能4个指标进行测试验证。