非方阵指派问题的求解

本文将2 类方阵指派问题——极大极小和总体极小指派问题——的矩阵作业解法推广到非方阵情形, 即求解任务与人员数目不等的指派问题,且维持矩阵作业法的效率．假定m > n,则按本文行优先选取算法求解 m￡n 非方阵指派问题的最大逻辑运算量为O(mn2),其效率通常与执行一轮覆盖的矩阵作业法相当．     

基于集员滤波的双Kinect人体关节点数据融合

以Kinect为代表的深度图像传感器在肢体康复系统中得到广泛应用.单一深度图像传感器采集人体关节点数据时由于肢体遮挡、传感器数据错误和丢失等原因降低系统可靠性.本文研究了利用两台Kinect深度图像传感器进行数据融合从而达到消除遮挡、数据错误和丢失的目的,提高康复系统中数据的稳定性和可靠性.首先,利用两台Kinect采集患者健康侧手臂运动数据;其次,对两组数据做时间对准、Bursa线性模型下的坐标变换和基于集员滤波的数据融合;再次,将融合后的健康侧手臂运动数据经过“镜像运动”作为患侧手臂运动指令;最后,将患侧运动指令下发给可穿戴式镜像康复外骨骼带动患者患侧手臂完成三维动画提示的康复动作,达到患者主动可控康复的目的.本文通过Kinect与VICON系统联合实验以及7自由度机械臂控制实验验证了数据融合方法的有效性,以及两台Kinect可有效解决上述问题.     

基于外极线分区的动态立体匹配算法

基于区域的立体匹配算法仅针对支撑窗内的灰度信息定义匹配代价函数,导致在弱(无)纹理区域采用WTA优化出现歧义性。该文在外极线分区的基础上,改用区域作为匹配基元,针对歧义性区域,在代价函数中引入遮挡项和平滑项,并按照区域优先级的高低,动态匹配相应区域,获得可靠的视差信息。实验证明,该算法在保持实时性的同时对弱纹理区域处理具有有效性。     

非线性卡尔曼滤波方法的实验比较

实际系统中存在的非线性因素和不确定性是实时状态测量以及不确定性估计算法需要解决的重要问题.以机器人系统中典型的动态目标观测问题为背景,采用多飞行机器人实验平台,分别针对EKF、UKF以及基于MIT规则的AUKF方法进行实验研究,并比较了上述方法的计算速度及估计精度等性能.最后,根据实验结果并结合其原理分析了每种方法的特性.     

喷水推进式水面机器人H∞鲁棒航向跟踪控制

针对水面机器人(unmanned surface vehicle, USV)航向跟踪容易受到风、浪与水流干扰影响的问题,提出了一种基于线性变参(linear parameter varying, LPV)模型的H_∞鲁棒航向跟踪控制器.首先从水动力学机理出发,提出了基于速度变参的LPV模型.然后基于提出的速度变参LPV模型,利用线性矩阵不等式设计了USV的H_∞鲁棒航向控制器,用以抵抗风、浪与水流对机器人的影响.最后,在自主研发的3自由度欠驱动喷水推进式USV平台上进行了实验.实验结果表明,控制器可以实现鲁棒的航向跟踪控制.     

谐波驱动系统的特性及控制策略研究

谐波传动有很多优点,在机器人驱动中经常被使用．但谐波传动也有一些缺点,如柔性等因 素影响负载端轨迹跟踪精度．本文系统地分析了谐波传动系统的动力学特性,建立了包括电 机转子惯量在内的动力学模型,并且在对系统进行全面实验研究的基础上总结出谐波传动系 统中存在的问题,采用相应的基于传感器的控制策略克服存在的问题,提高系统的响应性能 ．从理论分析和实验结果证实了提出方法的可行性．     

形状记忆合金手指系统的输出力自适应控制

形状记忆合金(SMA)是智能材料中的一种,具有功率重量比大、质量轻、无噪音等特性.作为驱动器有利于结构的小型化和轻型化.然而SMA的非线性、多映射的迟滞特性严重影响了输出力的精确控制.为此,本文提出了基于扰动补偿策略的自适应控制方法用于SMA输出力的精确控制.首先,搭建了SMA驱动的手指实验装置,建立了机理模型;其次,...     

基于UKF的移动机器人主动建模及模型自适应控制方法

利用基于无色卡尔曼滤波（Unscented Kalman Filter, UKF）的状态和参数联合估计方法对移动机器人进行在线主动建模,基于该主动模型的逆动力学控制方法,实现了移动机器人对其自身不确定因素的自主性. 在针对全方位移动机器人的仿真实验中,验证了UKF对时变的状态和参数的收敛性和跟踪能力,并给出了不确定界. 基于主动建模的逆动力学控制方法与常值PID控制方法的比较结果,验证了该方法的有效性.     

基于复合喷气压电驱动器的柔性机械臂振动控制

空间机器人和大型柔性空间结构在航天器调姿、变轨、外部扰动的情况下将引起振动问题,其低频大幅值振动将持续很长时间,这将影响航天器系统的稳定性和控制精度.为了快速抑制低频大幅值振动及残余振动,提出采用复合可控反作用力幅值的喷气式驱动和压电陶瓷驱动方案进行振动控制.进行基于复合控制的柔性臂系统动力学建模并给出控制算法.设计并建立柔性机械臂试验平台,构建气动驱动控制回路及压电驱动控制回路.进行基于压电陶瓷驱动器、喷气式驱动器及复合喷气和压电驱动器的柔性臂大幅值低频模态振动控制的几种方法试验比较研究.试验结果表明,采用的控制方案和方法既可以快速地抑制柔性机械臂统的低频大幅值振动,又明显地同时抑制高频和低频小幅值残余振动.     

一种基于单通道 sEMG 分解与 LSTM 神经网络 相结合的手势识别方法

在基于表面肌电(sEMG)信号的动作识别中,使用单通道传感器能够简化系统、减少识别延时,但也存在识别精度偏低的问题。为了提高识别精度,本文提出将单通道sEMG信号分解策略与长短期记忆(LSTM)循环神经网络识别相结合的方法。在该方法中,先将单通道sEMG信号分解成多通道运动单元动作电位序列(MUAPTs),然后提取MUAPTs的特征,最后将这些特征对LSTM分类模型进行训练。为了验证该方法的有效性,本文以手势动作识别为对象,对6名受试者分别建立了4种分类模型,包括基于未分解信号的支持向量机(SVM)、基于分解信号的SVM、基于未分解信号的LSTM、以及本文提出的基于分解信号的LSTM,并定义识别精度量化指标对这四种模型的分类结果进行评估。对于旋前方肌sEMG信号,在使用本文所提方法进行手势识别时,平均估计精度均能达到90%以上,比未分解的LSTM高18.7%,比分解信号的SVM高4.17%,比未分解信号的SVM高11.53%。实验结果验证了本文所提方法的有效性。