六足机器人避障功能的研究

通过将红外线传感器安装在腿部最后一个肢节上,实现了六足机器人避障功能。同时对使用的红外线距离传感器的结构、传感器的探测空间以及对传感器干扰的处理进行了分析讨论。实验证明,该传感器布局方案简单、经济实用、性能可靠。     

无源振动吸附原理与应用

无源振动吸附是最近提出的一种机器人的吸附方式,是爬壁机器人研究的关键技术之一.提出了一种新的无源振动吸附数学模型,设计了振幅和频率可调节的振动吸附实验平台.实验结果证明了无源振动吸附数学模型的正确性;分析了无源振动吸附原理实现稳定吸附的条件,以无源振动吸附原理为指导设计了振动吸附模块并对该模块进行了性能测试,对不同振动参数下吸附模块的抗失效能力进行了实验;实验结果证明这种吸附模块可以作为吸附足模块应用到爬壁机器人上.      

前列腺癌粒子植入机器人运动学建模和仿真

基于测量的人体前列腺会阴部操作空间和手术过程量化分析,研究了一种3-PCR并联式前列腺癌粒子植入机器人。对于这种对称少自由度并联机构作为位置调整机构,其运动学特性需要深入研究。采用封闭矢量法和Beout消元法建立3-PCR并联机构运动学正、逆运动学方程,通过数值计算验证了正、反解模型的正确性。利用MATLAB进行p点为空间旋量曲线时的运动学仿真,仿真结果表明机构具有较好的运动稳定性,便于实时控制。通过极限边界搜索法求解了该机构姿态为α=β=γ=0°下的工作空间,x=0时的YOZ工作空间截面为15 674 mm2能满足临床手术的要求。      

时延下空间遥操作机器人系统工作模式研究

工作在人机交互方式下的遥操作机器人是实现空间作业的有力手段。首先介绍了空间遥操作机器人系统的构成与工作原理，然后提出了基于临场感遥控技术、虚拟现实技术与自主控制技术相结合的多种工作模式，用于实现在不同条件下时延空间遥操作机器人系统的作业任务，并讨论了工作模式选择的方法。最后经模拟实验系统验证了所提出的工作模式的有效性。     

面向未知目标的柔性关节空间机器人滑模控制

针对载荷捕获的空间机器人控制问题,同时考虑机械臂关节柔性和非合作目标质量未知等因素影响,提出一种基于目标质量观测器的滑模变结构控制方法.首先,针对空间非合作目标质量未知问题,设计基于改进的最小二乘迭代算法实现对非合作目标质量在线辨识.进而,采用拉格朗日方法和动量矩守恒原理,建立漂浮基座柔性关节空间机器人动力学模型;针对...     

基于递推差分进化算法的空间机器人参数辨识

针对空间机器人抓取未知目标时的特性参数以及关节摩擦系数的辨识和在线修正问题,提出一种基于递推差分进化算法的实时参数辨识方法。首先采用静态连续摩擦模型描述机器人的关节摩擦特性,并建立两关节空间机器人的非线性动力学模型,然后基于差分进化算法和递推最大似然估计法推导出递推差分进化算法,并用于空间机器人的参数辨识,最后仿真校验了该辨识方法的有效性。仿真结果表明,该算法的辨识精度优于遗传算法和最小二乘法,辨识速度较快,能满足遥操作的要求,且对于动态信息有较好的跟随性。     

一种新型的仿生双尾推进器模型实验

针对单尾鳍摆动存在的机器鱼的摇艏问题,设计出双尾鳍仿鱼推进器,并将其应用于小水线面双体船,制作了仿生双尾推进的实验平台,在水池中进行了双尾推进试验研究.结果表明:双尾推进作为一种新型的仿生推进器,不仅解决了单尾机器鱼游动时鱼体的晃动问题,而且还具有优良的推进和操纵性能.笔者还采用计算流体力学软件FLUENT计算摆动尾鳍非定常流动的流场特性,结合单尾鳍和双尾鳍的不同流场特性分析了双尾鳍在摆动过程中的相互干扰问题,通过尾鳍流场的数值模拟,表明仿生双尾推进器的两个尾鳍在低频摆动时其相互干扰是有利干扰.     

脑外科机器人视觉伺服研究

定位精度是脑外科机器人系统一个最重要的指标.提出了利用视觉伺服提高脑外科机器人系统定位精度的方法.根据机器人辅助脑外科手术的特点,选择基于位置的末端点闭环的视觉伺服方式,提出了一种利用机器人运动信息对机器人的特征点进行视觉跟踪定位的稳定可靠的方法.针对病人体内病灶点在摄像机图像中不可见的问题,推导了脑外科机器人系统的视觉伺服控制律.采用视觉伺服的方法后,系统定位精度有了很大提高,系统定位误差主要由靶点映射误差引起,受机器人绝对定位误差的影响不大.手术过程模拟和定位精度测试验证了该方法的有效性.      

基于自组织与LVQ神经网络的足球机器人协作策略学习

足球机器人系统目前已成为人工智能应用技术研究的重要实验平台，系统的核心部分就是决策子系统。本文主要研究机器人足球比赛中协作策略的学习问题，采用了自组织与学习向量量化（LVQ）神经网络算法实现了两个足球机器人的传球学习。提出了一种协作策略学习的改进算法。该算法通过对网络权值矩阵进行改进，可以显著提高网络的训练质量。仿真和实验结果表明了该方法的可行性与有效性。     

一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针时这一问题，本文以PUMA560机器人为被控对象，给出了一种PUMA560机器人动力学模型的简化形式，采用PD控制的计算力矩法，得到了机器人的闭环动态误差方程，在此基础上设计了机器人的控制器结构，提出了一种新的基于遗传算法(Genetic algorithm，GA)的机器人补偿学习控制方法。将GA与计算力矩法相结合，利用进化学习来消除机器人中不确定因素的影响，实现时机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果，验证了该方法的有效性。