打磨机器人误差建模与参数辨识

简要介绍了一种实用的机器人位姿误差建模方法一摄动法，并利用此方法建立了打磨机器人位姿误差模型，对利用三坐标测量机测量的误差数据进行了建模补偿。误差参数辨识中，在传统的九线法的基础上，提出了单点法测量机器人的误差参数，克服了九线法中三测量点位置误差对测量结果的影响，提高了测量结果的可信度。实验结果表明，建模补偿后机器人位姿误差平均值降低到初始值的1／5左右，最大值降低到初始值的1／6左右，验证了所建模型的正确性和参数辨识方法的有效性。     

机器人误差补偿优化方法研究

为实现某打磨机器人的位姿误差补偿,在标准遗传算法和Solis&W ets算法的基础上,提出一种改进的自适应遗传算法和改进Solis&W ets算法来优化BP网络的权值和阈值,通过标准BP网络来计算机器人在任意位姿时的误差,从而可以对误差进行实时补偿。仿真和实验结果表明两种算法都能有效提高BP网络的学习效果,避免陷入局部最优,提高机器人的位姿精度,且同样目标条件下改进的自适应遗传算法的优化效果优于改进的Solis&W ets算法。最后对仿真和实验结果进行了分析。     

基于图像视觉伺服的二维运动优化控制

基于图像的视觉伺服方法,图像的变化直接解释为摄像机的运动,而不是直接对机械手末端实现笛卡尔速度控制,导致机械手的运动轨迹迂回,产生摄像机回退现象.针对这一问题,提出了将旋转和平移分离并先实现旋转的视觉伺服方案.该方案计算量小,系统响应时间短,解决了图像旋转和平移间的干扰,克服了传统基于图像视觉伺服产生的摄像机回退现象,实现了时间和路径的最优控制.并用传统IBVS的控制律和摄像机成像模型解释了回退现象的产生原因.二维运动仿真说明了提出方案的有效性.     

基于人工神经网络的立体视觉定位方法

提出了一种基于人工神经网络的计算机立体视觉测量方法,应用神经网络技术可以化简视觉定位系统的标定和位置计算,从而减少了位置检测系统使用复杂性。利用动量-自适应学习率BP算法可提高学习速度并增加了算法的可靠性。实验表明,人工神经网络的定位方法简化了视觉定位系统标定与定位计算的复杂性,在定位精度上达到了良好效果。为机器人视觉伺服提供了有效的技术途径。     

混合神经网络专家系统在故障诊断中的应用

本文探讨了混合神经网络专家系统的基本结构和工作原理。     

图像处理的虚拟3D显示及阴影过渡区检测研究

1RGB分量灰度表示 图像是用各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或间接作用于人眼并产生视知觉的实体.     

无损耗电阻器用于实现负阻性电路系统的稳定

对无损耗电阻器的特性和功能作了分析和探讨，建立了无损耗电阻器的数学模型及应用补偿算法。由于无损耗电阻器可由理想开关阵列和电路储能元件组成，所以损耗极小。利用无损耗电阻器可节省能源的牧场生，将无损耗电阻器代替电阻器用于负阻性电路系统中，实现了负阻性电路系统的稳定，减少了电路中的能量损耗，并可控制系统的响应时间。实验结果验证了特性分析和补偿算法的正确，说明无损耗电阻器可用于实现具有不稳定极点的各类电系统和自动控制系统的稳定。     

基于二维对称主成分分析的人脸识别

由于人脸姿态、光照和表情等各方面的显著差别,使人脸识别成为非常具有挑战性的模式识别问题.主成分分析是模式识别技术中经典的特征抽取和降维技术之一.本文把其改进算法二维对称主成分分析应用到人脸识别中.二维对称主成分分析与传统主成分分析和对称主成分分析相比,可以得到更好的适合分类的特征.实验结果表明,二维对称主成分分析不仅实现了降维,而且能取得比传统主成分分析和对称主成分分析更好的识别性能,对ORL标准人脸数据库的正确识别率达到94%以上.     

顺序形态变换的图像增强算法

根据顺序形态变换的相关概念和性质,提出了一种新的图像增强算法。该算法通过对图像做局部加权均值滤波,得到图像增强的基值分量;采用多方位结构元素与图像边缘匹配,计算图像关于各个方位结构元素的加权均值并选取其中的最大值来确定边缘;将此最大值与基值分量之差作为增强分量来扩大图像灰度梯度的动态范围;针对图像中的高灰度区和灰度剧变区,应用图像局部均值和方差自适应调节增强系数。因此,算法在抑制图像中的高频噪声的同时,能有效提升图像中的边缘和目标。实验结果表明,增强前后图像标准差由41.1515,36.9133提高到62.0535,52.8331;图像熵由15.8463,16.8998减少到15.8156,16.8324。