基于GPS的仿生六足机器人实时导航定位

根据微小型仿生六足机器人的作业任务和工作环境要求,搭建一套基于嵌入式数字信号处理器TMS320VC 5509A DSP和Superstar II GPS接收板卡的机器人导航系统。采用Marconi Binary串行数据传输标准协议采集全球定位系统(GPS)的定位数据,提出用切面投影定位法对GPS提供的定位数据进行坐标转换,并根据转换后的结果对仿生六足机器人的航迹进行修正。实验结果表明该导航定位系统具有良好的实时性和定位精度。     

四足步行机器人模糊神经网络控制

本文以模糊控制与神经网络应用于四足步行机器人的力与位置混合控制系统为目的，针对ＪＴＵＷＭ－ＩＩ四足步行机器人，进行了有关神经网络、模糊控制的理论研究和实验     

基于遗传算法的六足机器人控制系统

作为一种仿生机器人,六足机器人地形适应能力强,但步态控制困难,舵机效率低.为搭建六足机器人的控制系统,采用STM32单片机联合舵机控制板实现对机器人的嵌入式步态控制.同时,建立D-H坐标系,对机器人进行逆运动学方程推导,构建六足仿生机器人的运动学模型.在对步态进行分析基础上,基于遗传算法设计步态优化系统,实现完整的六足...     

六足步行机器人控制系统研究

六足机器人是一种具有多支链与时变拓扑结构的特种机器人,该类机器人能够在复杂环境中稳定行走,长期以来一直是国内外机器人研究领域的热点之一。本文从仿生角度出发,归纳六足机器人稳定行走的三种方式;根据六足机器人各足支撑点围成的多边形区域与机体重心在其投影的关系来评定六足机器人行走稳定性,为实现六足机器人稳定性行走提供理论依据;最后根据机器人控制精度增加和智能力减少的原则,以分级递阶的方式设计六足机器人的运动控制系统。     

基于模糊滑模的六足蛇形臂机器人的末端位姿控制

针对六足蛇形臂机器人的超关节极限和位形偏移量大、末端位姿的控制稳定性不好的问题,提出一种基于模糊滑模的六足蛇形臂机器人的末端位姿控制算法。在超冗余运动学逆解空间中建立蛇形臂机器人的运动学模型,采用修正的DH参数法进行六足蛇形臂机器人的末端位姿参数调节和融合处理,建立蛇形臂机器人的末端位姿力学控制模型,在末端跟随运动中采用外环滑模导纳控制方法进行末端位姿的自适应参数调节,采用滑模误差反馈调节方法确定六足蛇形臂机器人的末端位姿,实现六足蛇形臂机器人准确的姿态定位和参量解算,提高控制稳定性。仿真结果表明:采用该算法进行六足蛇形臂机器人的末端位姿控制的姿态校正性能较好,蛇形臂关节的空间位姿自适应调整能力较强,跟随运动准确,具有很好的位姿控制稳定性。     

六足机器人应用一种昆虫导航算法的仿真

为探索基于视觉的昆虫导航方法,利用仿真软件CoppeliaSim搭建了一个拥有全景视觉系统的名为T-Hex的六足机器人.T-Hex每条腿有四个关节,六条腿对称分布在身体两侧.T-Hex的运动控制和步态规划由中央模式发生器和逆运动学计算实现,它可以根据环境反馈自主调整3种不同步态.应用的导航算法是一种计算了当前视图和每个...     

六足微型仿生机器人及其控制系统的研究

介绍了一种微型六足仿生机器人的结构与控制系统，分析了这种微型六足仿生机器人的移动原理，阐述了如何通过计算机来控制微型六足仿生机器人的运动，该机器人基于仿生学原理，结构独特，简单，新颖，能方便地实现前进和后退，其样相外形尺寸为：长30mm,宽40mm,高20mm，重6．3克，并对该样机进行了实验，实验结果表明该机器人具有较好的机动性。     

模糊神经网络信息融合在管道机器人导航中的应用

考虑到石油管道的封闭性和复杂性,很难识别环境特征,将基于模糊神经网络的多传感器信息融合用于解决管道中管道机器人的导航问题。采用CCD摄像头和距离传感器来识别管道中的障碍物和弯道,并根据环境信息制定控制决策。建立了机器人物理模型和模糊神经网络拓扑结构,并对神经网络进行了学习训练。最后,对其中一种环境类型进行了仿真验证,证实了算法的有效性。     

基于模糊神经网络的强化学习及其在机器人导航中的应用

研究基于行为的移动机器人控制方法.将模糊神经网络与强化学习理论相结合,构成模糊强化系统.它既可获取模糊规则的结论部分和模糊隶属度函数参数,也可解决连续状态空间和动作空间的强化学习问题.将残差算法用于神经网络的学习,保证了函数逼近的快速性和收敛性.将该系统的学习结果作为反应式自主机器人的行为控制器,有效地解决了复杂环境中的机器人导航问题.     

机器人摆动弧焊纠偏的模糊神经网络控制系统

讨论了机器人摆动弧焊的深沉跟踪控制系统。由ＣＣＤ摄像机通过特殊设计的复合滤光系统摄取近弧区图象。图象处理后计算焊枪和焊缝之间的偏差。模糊神经网络用于控制纠偏机构的运动。实验结果证明了此方法的可行性。     

自主飞行机器人导航系统设计

自主飞行机器人系统是以微型直升机模型为载体的复杂系统。在该系统中导航系统采集各传感器数据得到机器人当前飞行姿态、空间位置以及相应的监控信息,控制模块依此监控信息按照给定策略计算并发出控制信号,实现飞行机器人的自主控制。本文对自主飞行机器人导航系统设计及功能实现做出了详细阐述。首先,给出了本自主飞行机器人的系统构造;其次,给出了导航系统的硬件组成部分以及各部分所完成的功能任务;最后阐述了导航系统的功能实现,包括飞行姿态和空间位置的获取。     

一种基于模糊神经网络的机器人控制

采用高斯函数作为模糊隶属函数,将模糊控制与神经网络相结合。利用神经网络实现模糊推理,运用了一种模糊高斯基函数神经网络,并用于两关节机器人的轨迹跟踪控制。仿真结果表明,该网络对机器人轨迹跟踪控制具有很好的效果,是一种行之有效的控制方法。     

基于模糊控制的除草机器人自主导航

研究了基于机器视觉导航的田间自主移动除草机器人．采用模糊控制方法引导除草机器人沿着农作物 行自动行走．根据导航角和导航距的参数特性选择了隶属函数,建立了两种控制规则库,并探讨了两种控制效果． 试验表明,模糊控制方法能够使机器人平稳运动．在直行阶段,控制规则1 有较高的控制精度．控制规则2 能使机 器人更好地通过弯道,对42.2± 的弯道,机器人的行走准确率达到74.58%．     

基于模糊神经网络的机器人实时控制研究

基于模糊神经网络的机器人实时控制研究廖俊朱世强林建亚（浙江大学流体传动及控制国家重点实验室杭州３１００２７）关键词神经网络,模糊控制,机器人．收稿日期１９９５－０８－０７１引言模糊神经网络结合了模糊逻辑和神经网络各自的优点,受到越来越多学者的高度重视...     

Hybrid Control for Autonomous Mobile Robot Navigation Using Neural Network Based Behavior Modules and Environment Classification

A hybrid control architecture combining behavior based reactive navigation and model based environment classification has been developed. It is also hybrid in the sense that both competitive coordination and cooperative coordination are used for the BBC (Behavior Based Control) part. The contributions are as follows. First, a Neural Network (NN) in charge of environment classification has been developed based on 16 prototypes of topological maps roughly describing various local navigation environments. This environment classification NN not only enables the navigator to avoid local minimum points but also eliminates the requirement for prior detailed modeling of the environment since it needs to memorize only rough information on local environments encountered along the way that might be sufficient for navigation. Next, an NN based reactive behavior controller will be trained to learn human steering commands for each of the 16 prototype local environments. Third, the modified potential field (MPF) method obtained by adding the free space vector as the third component is used to select a particular reactive behavior in conjunction with the classification NN. Finally, a hybrid control architecture integrating all three of these concepts was developed. It avoids local minimum traps as well as solves the problems of poor obstacle clearance or oscillation. It is robust against sensor noise and adaptive to dynamic environments. This hybrid architecture is also amenable to easy addition of new behaviors due to the modularity of the BBC architecture. The effectiveness of the proposed architecture has been verified through both computer simulation and an actual robot called MORIS (MObile Robot as an Intelligent System).     

基于模糊神经网络的温度控制系统设计

实验室温度控制系统要求精度高,并且具有非线性、大惯性及数学模型难建立等特性,这使得用常规PID控制器以及一般模糊控制器无法很好地满足系统要求,而本文在一般模糊控制器的基础上,融合神经网络技术,设计出模糊神经网络控制器,它既有模糊控制鲁棒性好、动态响应好、上升时间快、超调小的优点,又具有神经网络的在线自学习能力,可以实现温度的智能控制,在实际应用中取得良好的效果。     

基于卷积神经网络的手术机器人控制系统设计

针对传统系统控制精准度低的问题,提出了基于卷积神经网络的手术机器人控制系统设计。根据基于卷积神经网络的手术机器人控制原理,设计控制系统总体结构,选用PCI插槽上直接内插CAN适配卡作为上位机核心组件,采用C++编写的Lib库和DLL库为驱动程序提供适配卡。通过下位机三个节点,处理相关信号,并进行量程转换和越限判断,确保机器人不会失控。选用80C592微控制器设计关节驱动节点结构,以高速工作方式向控制器提供向总线的差动发送和接受能力,避免外界干扰。设计基于视觉的持镜臂,为手术过程提供上下、左右、前后的运动的手术视野。分别采用FN3002力传感器和MPS-M拉线式位移传感器获取相关传感数据,采用卷积神经网络深度学习方法,设计持镜臂运动控制步骤,采用VC++6.0工具,控制软件程序,避免抖动或者误操作主手现象的出现。由实验结果可知,该系统持镜臂轨迹规划与期望轨迹一致,简化了控制系统的复杂性。     

漂浮基双臂空间机器人系统的模糊神经网络自学习控制

讨论了载体位置、姿态均不受控制的情况下自由漂浮双臂空间机器人系统的高斯基模糊神经网络自 学习控制问题．此类空间机器人系统严格遵守动量守恒和角动量守恒,所以其动力学方程表现出强烈的非线性性 质．将神经网络与模糊控制相结合,即利用神经网络进行模糊推理, 可使模糊控制具有自学习能力．在此基础上, 设计了双臂空间机器人系统关节空间的高斯基模糊神经网络自学习控制方案．系统的数值仿真证实了该方法的有 效性．