基于CORBA技术异构机器人监控系统平台的研究

工业生产线上的分布式异构机器人工作过程中需要数据交互服务,通过引进软件开发中的CORBA技术,屏蔽了异构机器人之间底层硬件和上层软件的异构性,对异构机器人系统的集成技术进行了研究。实现了基于CORBA技术的异构机器人之间数据交互的监控系统平台。极大方便了整个生产线的协调工作。     

基于混合式多智能体系统的协作多机器人系统研究

针对各种先进制造模式对多机器人系统开放性、灵活性的要求 ,利用智能体 (Agent)的思想 ,综合了集中规划与分布规划的优点 ,在局域网环境下 ,设计了用动态集中规划方法构造的混合式MAS (Multi AgentSystem)协作多机器人系统 .对机器人Agent的结构及各模块的功能进行了重点介绍 .该混合式MAS的特点是 :可以方便地动态增加或减少Agents;允许存在异构的机器人 ;并能够根据各Agent的运行状态和工作能力的变化 ,对任务进行重新分解和分配 .系统实验结果表明 ,该系统较传统的机器人系统具有良好的开放性、灵活性和鲁棒性     

基于多约束条件的机器人抓取策略学习方法

针对机器人在多类别物体不同任务下的抓取决策问题,提出基于多约束条件的抓取策略学习方法.该方法以抓取对象特征和抓取任务属性为机器人抓取策略约束,通过映射人类抓取习惯规划抓取模式,并采用物体方向包围盒(OBB)建立机器人抓取规则,建立多约束条件的抓取模型.利用深度径向基(DRBF)网络模型结合减聚类算法(SCM)实现抓取策略的学习,两种算法的结合旨在提高学习鲁棒性与精确性.搭建以Refiex 1型灵巧手和AUBO六自由度机械臂组成的实验平台,对多类别物体进行抓取实验.实验结果表明,所提出方法使机器人有效学习到对多物体不同任务的最优抓取策略,具有良好的抓取决策能力.     

一种实用的便携式无线抄表与管理系统的研究与设计

本文给出我们研制的一种基于单片机的无线抄表与管理系统的工作原理与组成。从实际的应用情况来看，该系统的工作可靠、性价比高，是一种很适合于广大农村实际的抄表管理系统。     

基于Wilson-Cowan神经振荡器的四足机器人步态规划研究

中枢模式发生器(central pattern generator,CPG)是一种重要的机器人节律运动控制方法。在Wilson-Cowan神经振荡器基础上,提出了一种新的CPG控制器,用于四足机器人的节律运动控制,每个Wilson-Cowan神经振荡器分别对应机器人的一个步行腿,对机器人的腿进行协调运动控制。通过调整振荡器之间的步态连接权矩阵,可以实现机器人不同的节律运动和各种运动模式间的转换。计算机仿真表明:本文提出的CPG控制方法能够稳定的生成不同步态的机器人运动轨迹,输出结果能够较好地符合各种步态的相位要求。     

基于ADRC的低速位置伺服系统及其仿真

低速位置伺服系统中的非线性摩擦力、参数摄动以及外部扰动等因素都会降低系统的精度. 本文对无刷直流电机低速位置伺服控制方法进行了研究. 简要介绍了自抗扰控制器,利用Stribeck摩擦模型和二阶自抗扰控制器构建位置伺服系统并确定控制器参数,最后与PD控制和滑模控制进行比较仿真实验. 实验结果表明,基于自抗扰控制的低速位置伺服系统具有较好的动态和稳态性能,对系统内部参数摄动和外部扰动以及非线性摩擦都具有很强的鲁棒性.     

四足机器人对角小跑步态全方位移动控制方法及其实现

为实现四足机器人在平面和斜坡上的全方位移动,提出了基于对角小跑步态的运动控制方法.基于所推导的四足机器人运动学方程和仿生步态规划方法,将机器人在平面内的运动解耦为前向运动、侧向运动和自转运动3部分以降低运动控制的复杂度.首先利用各部分振荡幅度来实现机器人在3个方向上的运动速度控制,然后利用将各部分运动合成实现四足机器人在水平面内的全方位移动控制;基于平面的全方位移动控制方法,对足端位置进行映射,实现了机器人在斜坡上的对角小跑步态全方位运动控制.最后,分别在平面和斜坡上进行了仿真和实际物理样机实验.步程计数据、仿真数据与物理样机实验结果之间的差别在可接受范围之内,证实了该方法有效地实现了机器人的速度控制和运动解耦,验证了所提出方法的正确性和有效性.     

不确定环境下移动机器人路径规划算法研究

该文对不确定环境下移动机器人路径算法进行了研究，并提出了一种新算法一基于两点法的模糊控制算法。首先利用两点法求出预设轨迹，然后把预设轨迹上的点作为移动机器人的阶段目标点，再利用模糊控制算法修正移动轨迹，进行路径规划。这样可以简化模糊控制规则的制定，减少模糊控制规则的数目，从而大大提高路径规划的速度。应用该方法进行了避障、道路跟踪等控制实验。实验表明，该算法具有很好的灵活性和鲁棒性。     

基于混合式多智能体系统的协作多机器人系统研究

针对各种先进制造模式对多机器人系统开放性、灵活性的要求，利用智能体(Agent)的思想，综合了集中规划与分布规划的优点，在局域网环境下，设计了用动态集中规划方法构造的混合式MAS(Multi-Agent System)协作多机器人系统．对机器人Agent的结构及各模块的功能进行了重点介绍．该混合式MAS的特点是：可以方便地动态增加或减少Agents；允许存在异构的机器人；并能够根据各Agent的运行状态和工作能力的变化，对任务进行重新分解和分配．系统实验结果表明，该系统较传统的机器人系统具有良好的开放性、灵活性和鲁棒性。     

关键语义区域链提取的视频人体行为识别

目的 视频中的人体行为识别技术对智能安防、人机协作和助老助残等领域的智能化起着积极的促进作用,具有广泛的应用前景。但是,现有的识别方法在人体行为时空特征的有效利用方面仍存在问题,识别准确率仍有待提高。为此,本文提出一种在空间域使用深度学习网络提取人体行为关键语义信息并在时间域串联分析从而准确识别视频中人体行为的方法。方法 根据视频图像内容,剔除人体行为重复及冗余信息,提取最能表达人体行为变化的关键帧。设计并构造深度学习网络,对图像语义信息进行分析,提取表达重要语义信息的图像关键语义区域,有效描述人体行为的空间信息。使用孪生神经网络计算视频帧间关键语义区域的相关性,将语义信息相似的区域串联为关键语义区域链,将关键语义区域链的深度学习特征计算并融合为表达视频中人体行为的特征,训练分类器实现人体行为识别。结果 使用具有挑战性的人体行为识别数据集UCF （University of Central Florida）50对本文方法进行验证,得到的人体行为识别准确率为94.3%,与现有方法相比有显著提高。有效性验证实验表明,本文提出的视频中关键语义区域计算和帧间关键语义区域相关性计算方法能够有效提高人体行为识别的准确率。结论 实验结果表明,本文提出的人体行为识别方法能够有效利用视频中人体行为的时空信息,显著提高人体行为识别准确率。