轮式爬壁机器人转向稳定性研究

针对四轮爬壁机器人在铅垂壁面上转向失稳的问题展开研究。首先,基于机器人驱动轮与铅垂壁面相互作用的赫兹接触理论,提出了一种机器人摩擦力模型,利用线性积分算法求解出机器人驱动轮转向过程中的纵向摩擦力、横向摩擦力和转向阻力矩;然后,通过机器人动力学建模,推导出转向过程中的驱动力矩关系式,并利用MATLAB仿真得出不同转弯半径、不同磁吸附力和不同负载质量所对应的驱动力矩值随转向角近似呈正弦变化趋势。最后,进行了机器人转向稳定实验,结果显示驱动力矩的实测值与仿真值基本吻合。仿真和实验结果表明,控制转弯半径为0 m、调节磁吸附力为1 000 N和限定最大负载质量为27 kg,能够保证机器人转向稳定,有效解决轮式爬壁机器人转向失稳的问题。研究结果可为四轮爬壁机器人的路径规划和转向稳定性控制提供理论依据。     

储罐探伤爬壁机器人全遍历路径规划方法

储罐探伤爬壁机器人全遍历路径规划要求机器人高效遍历储罐外壁全部无障碍物区域。结合邻接矩阵、路径选择函数,提出一种单元分解算法并应用于爬壁机器人路径规划中。首先,将爬壁机器人的工作环境简化为二维平面,并通过分析漏检面积确定机器人遍历基本路径;接着,建立栅格环境,对每个栅格赋予x_i值以表示其栅格状态;其次,采用矩形分解法将工作环境划分为若干子区域,通过图的深度优先搜索算法和邻接矩阵确定各子区域的衔接顺序;最后,在子区域的遍历和切换过程中,引入方向函数y_i来判断爬壁机器人是否陷入死区,结合x_i值提出路径选择函数f_i以引导爬壁机器人快速逃离死区。在虚拟环境中进行了仿真实验,仿真结果表明,该方法不仅能引导爬壁机器人以高覆盖率和低重复率遍历工作区域,而且能快速地逃离死区。全遍历路径规划的实现拓展了爬壁机器人在检测储罐罐壁中的应用。     

基于PCA和SVM的管道腐蚀超声内检测

为了有效地对不同深度的局部腐蚀缺陷超声波信号进行分类识别,根据腐蚀缺陷信号样本数量较少的特点,提出了一种基于主成分分析(PCA)和支持向量机(SVM)的超声波腐蚀缺陷信号识别方法.该方法采用经验模态分解法对腐蚀缺陷信号进行分解,提取各本征模式分量的时域无量纲参数,利用主成分分析消除原始特征集中的冗余信息,降低每一个特征之间的相关性,实现腐蚀缺陷信号特征参数的降维.在PCA进行特征优化后,将支持向量机的多类分类应用于缺陷分类过程中.将腐蚀缺陷原始特征集和经主成分分析优化后的特征集,分别用于支持向量机的训练和测试,且选择不同的核函数构造支持向量机分类器.实验结果表明,基于主成分分析和支持向量机的方法可以有效地对超声波腐蚀缺陷深度信号分类.