排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
中国特色社会主义伟大旗帜,是当代中国发展进步的旗帜,是全党全国各族人民团结奋斗的旗帜,也是构建和谐社会、迈进全面型小康社会的旗帜。 相似文献
2.
基于动力学与控制统一模型的蛇形机器人速度跟踪控制方法研究 总被引:1,自引:0,他引:1
对带有被动轮的蛇形机器人进行速度跟踪控制时,利用传统的动力学建模方法得到的动力学方程复杂且不利于控制器的设计. 本文基于微分几何的方法将带有被动轮的蛇形机器人动力学投影到速度分布空间中, 得到了动力学与控制统一模型, 更有利于速度跟踪控制器的设计. 考虑到蛇形机器人在进行速度跟踪时容易出现奇异位形, 提出增加头部扰动速度的方法. 基于头部扰动速度和统一模型, 提出避免奇异位形的速度跟踪控制方法, 最后通过逆向动力学得到控制力矩. 文中对速度跟踪控制进行了数值仿真和实验验证. 仿真和实验结果表明, 提出的速度跟踪控制方法能够跟踪想要方向的速度, 并且在跟踪过程中可以有效地避免奇异位形. 相似文献
3.
由于蛇形机器人具有多关节、超冗余自由度的特点,以及水环境高度复杂非线性化,使得蛇形机器人的水下3维步态难以通过实验进行验证、分析及优化针对这些问题,根据蛇形机器人样机"探查者Ⅲ",搭建了水下运动的仿真分析系统.首先,分析了蛇形机器人水下运动时不同姿态下的水静力,计算了机器人受到的附加质量力和黏滞阻力的线性项和非线性项,并研究了流体力矩对水下运动的影响.然后,基于Morison方程建立了机器人与水交互的力学模型.最后,在仿真分析系统中对逐节下潜步态进行仿真,分析机器人的运动性能,并进行相应的实验.通过前进速度、下潜速度、运动趋势的对比表明:该力学模型能比较准确地模拟机器人与水环境的交互作用,仿真分析系统能用来验证和分析蛇形机器人的水下3维运动步态. 相似文献
4.
自《招标投标法》实施以来,我国招标投标行业取得了长足的进步。经历了十年的快速发展,在各级政府主管机关的规范管理下,以及中国招标投标协会为首的行业协会的积极引导下,我国招投标市场逐渐从混乱走向规范。但不能否认的是,我国的招投标 相似文献
5.
蛇形机器人通过改变自身的形状可以在复杂的地形环境中有效地运动,然而传统的一体化设计面临着任务搜救效率低、机器人本体维修困难、机体灵活性差等挑战性问题.针对这些问题,本文研制了新一代可重构模块化蛇形机器人并研究了相应的多模态运动方法.具体而言,新型蛇形机器人可以由任意多个模块通过连接机构重构而成,每个模块都是集成了驱动、控制、通信、电源于一体的可独立运动的单元,模块之间的连接机构采用新型的便于切换的勾爪-插销机构.另外,本文针对该可重构模块化蛇形机器人进行了多模态运动方法研究,具体包括轮式机器人运动模态、平面蜿蜒模态、侧向蜿蜒模态、行波模态、攀爬模态、自主拆分模态等,并具体分析了攀爬运动及单模块转弯运动的性能.最后,基于自主研发的可重构模块化蛇形机器人样机对每种运动模态进行了实验验证. 相似文献
6.
带有被动轮的蛇形机器人在跟踪头部轨迹时,力矩输入具有无穷多解,其中振幅最小的解对应着电动机额定扭矩最小的情况,即为本文所指的优化力矩.由于带有被动轮的蛇形机器人侧向不打滑时轮子的法向速度为0,每个模块可以引入一个速度约束,此时蛇形机器人是一个非完整约束系统,而振幅最小的力矩对应着具有最小无穷范数的力矩.通过建立非完整约束动力学方程,将求解振幅最小的力矩转化为在动力学方程约束下求解最小无穷范数的问题.利用最小无穷范数的数值算法求得在蛇形机器人跟踪头部速度时的关节力矩最小无穷范数解,从而利用最小无穷范数解对蛇形机器人进行力矩控制,实现力矩振幅最小的最优力矩控制.动力学数值仿真结果证明了算法的有效性. 相似文献
7.
针对深度强化学习在高维机器人行为控制中训练效率低下和策略不可解释等问题,提出一种基于结构交互驱动的机器人深度强化学习方法(structure-motivated interactive deep reinforcement learning, SMILE).首先,利用结构分解方法将高维的单机器人控制问题转化为低维的多关节控制器协同学习问题,从而缓解连续运动控制的维度灾难难题;其次,通过两种协同图模型(ATTENTION和PODT)动态推理控制器之间的关联关系,实现机器人内部关节的信息交互和协同学习;最后,为了平衡ATTENTION和PODT协同图模型的计算复杂度和信息冗余度,进一步提出两种协同图模型更新方法 APDODT和PATTENTION,实现控制器之间长期关联关系和短期关联关系的动态自适应调整.实验结果表明,基于结构驱动的机器人强化学习方法能显著提升机器人控制策略学习效率.此外,基于协同图模型的关系推理及协同机制,可为最终学习策略提供更为直观和有效的解释. 相似文献
8.
近年来,基于环境交互的强化学习方法在机器人相关应用领域取得巨大成功,为机器人行为控制策略优化提供一个现实可行的解决方案.但在真实世界中收集交互样本存在高成本以及低效率等问题,因此仿真环境被广泛应用于机器人强化学习训练过程中.通过在虚拟仿真环境中以较低成本获取大量训练样本进行策略训练,并将学习策略迁移至真实环境,能有效缓解真实机器人训练中存在的安全性、可靠性以及实时性等问题.然而,由于仿真环境与真实环境存在差异,仿真环境中训练得到的策略直接迁移到真实机器人往往难以获得理想的性能表现.针对这一问题,虚实迁移强化学习方法被提出用以缩小环境差异,进而实现有效的策略迁移.按照迁移强化学习过程中信息的流动方向和智能化方法作用的不同对象,提出一个虚实迁移强化学习系统的流程框架,并基于此框架将现有相关工作分为3大类:基于真实环境的模型优化方法、基于仿真环境的知识迁移方法、基于虚实环境的策略迭代提升方法,并对每一分类中的代表技术与关联工作进行阐述.最后,讨论虚实迁移强化学习研究领域面临的机遇和挑战. 相似文献
9.
10.
仿生机器人是一类典型的多关节非线性欠驱动系统,其步态控制是一个非常具有挑战性的问题。对于该问题,传统的控制和规划方法需要针对具体的运动任务进行专门设计,需要耗费大量时间和精力,而且所设计出来的控制器往往没有通用性。基于数据驱动的强化学习方法能对不同的任务进行自主学习,且对不同的机器人和运动任务具有良好的通用性。因此,近年来这种基于强化学习的方法在仿生机器人运动步态控制方面获得了不少应用。针对这方面的研究,本文从问题形式化、策略表示方法和策略学习方法3个方面对现有的研究情况进行了分析和总结,总结了强化学习应用于仿生机器人步态控制中尚待解决的问题,并指出了后续的发展方向。 相似文献