教学课程资源库 更多>>

关键词： 模糊自适应卡尔曼滤波   RBF神经网络控制器   球果采集机器人   液压驱动  

摘要： 为实现自动采果,采用基于模糊自适应卡尔曼滤波的RBF神经网络对机械手动作进行控制.通过MATLAB编程固化到芯片中,将在线获得的三维激光扫描仪及传感器数据进行实时处理并控制采果运动.试验表明：采用的神经网络控制系统工作有效,采果机器人每天可采落叶松球果700～1000 kg,效率为未采用神经网络控制时的1.4～2.0倍,为人工采集的40～60倍.

关键词： 开放式控制系统   分布式总线   负载均衡   实时调度   服务接口  

摘要： 传统的控制系统通常采用封闭式的系统结构,在可重用性,可扩展性和可移植性等方面具有较大的局限性。因此,开放式的控制系统结构已经成为控制系统领域的重要研究课题。但纵观现有的国内外开放式控制系统研究成果,普遍仍存在缺乏运行时配置机制,组件耦合度高,流程配置复杂等问题。本文在实验室提出并研制完成的基于SOA的开放式机器人控制原型系统的基础上,针对原控制系统软件总线存在的可扩展性差,单一进程性能低下,服务接口设计复杂,缺乏实时调度机制等问题,对原系统的软件总线架构进行改进,设计并提出了一个分布式总线架构。提出了多重映射的加权一致性哈希算法,并开发了相应的负载均衡模块,解决了系统中物理节点异构问题和热点访问问题导致的负载倾斜问题；提出了一种基于改进EDF的模糊反馈调度策略,并开发了相应的实时调度模块,增强了系统的实时性；设计了一种新的服务接口模式,提高了用户的开发效率,降低了用户代码与消息协议之间的耦合。本文通过系统仿真验证了MMWCH算法的负载均衡性；通过对改进原型系统的任务执行时间进行测试,表明加入负载均衡模块和实时调度模块后,系统的性能有所提高。

关键词： 表面肌电信号   上肢组合运动序列   机器人控制   自然人机交互  

摘要： 以人体运动状态作为输入信号控制机器人、机械臂等外部设备是目前人机交互(HCI)领域中的一个重要研究方向。通过不同运动模式的在线识别,可以帮助使用者以便捷、灵活的肢体运动实现更加自然的人机交互功能。本文以基于人体运动状态检测的机器人控制技术为研究对象,以表面肌电(sEMG)信号的检测与识别为技术手段,在离线分析和在线控制两个方面研究人体上肢组合运动的时序关系与识别算法,实现了基于sEMG信号运动状态检测的机器人控制技术。本文的主要研究成果如下:基于sEMG信号的上肢组合运动序列离线分析。在单个特征识别方面,提取了sEMG信号的绝对平均值(MAV)和波形长度(WL)两个特征,使用了区间分割法、决策树与剪枝等方法,将6类上肢组合运动序列成功分类,MAV与WL特征的分类准确率分别达到95.24%和94.05%。随后进行了多特征融合识别,分别采用了特征层融合与决策层融合技术,分类准确率分别达到96.43%和98.81%。实验结果表明,本文所实现的分类器对规定动作任务的离线识别性能较好。基于sEMG信号的上肢组合运动序列人机交互。分别利用同步范式与异步范式对NAO仿人型关节式机器人进行在线控制。在同步控制范式中,采用了随动控制策略,实现了NAO机器人随被试运动完成相同动作的目标,该范式为患者的康复治疗提供了一种思路。在异步控制范式中,采用了映射控制策略,以上述组合运动序列作为状态切换条件,实现了对NAO运动状态的切换控制。上述实验结果表明,基于sEMG信号的序列运动检测能实现有效的人机交互功能。基于sEMG信号的人体上肢自然运动初步探究。为了进一步探索人体自然运动规律和识别算法,我们由上述的6类规定动作序列推广出3类人体自然运动,并用规定动作任务的分析方法进行分类识别。实验结果表明,人体在目标抓取任务中,上肢各关节同样表现出一定的时序关系,但其显著度低于之前的固定序列运动任务。耦合时序关系的解耦将成为人体自然运动识别的关键。综上所述,本文实现了基于sEMG信号的上肢组合运动序列离线分析与在线控制,在医疗康复和武器装备等领域具有一定的应用前景。

关键词： 手把手   施釉   机器人   控制系统  

摘要： 施釉机器人降低了工人的劳动强度,提高了施釉效率,在陶瓷制品的生产中已被广泛应用。开发出适合施釉机器人的控制系统对施釉机器人的自主研发具有重要意义。针对一种新型轻量化的手把手示教型施釉机器人进行控制系统的研究开发,使施釉机器人既能单独完成示教和再现功能,又能通过联网组成生产线。利用齐次变换矩阵的方法建立五自由度施釉机器人本体的运动学模型,推导出关节空间至基坐标系的转换关系,为控制系统研发提供理论基础。通过对机器人功能需求分析进行施釉机器人硬件系统的研究开发,达到多台机器人组成生产线的控制要求。通过对机器人工作空间及各关节负载变化的研究,确定各关节极限位置,计算出最大力矩,设计出最优的伺服控制系统。研发一种新型的密封且内部高压的控制柜,解决了高温多尘环境中电器元件的保护问题。基于施釉机器人手把手示教的方式,控制系统软件设计为示教、调试和工作三种模式。示教模式通过对PMAC运动控制卡存储能力的分析研究确定出采样频率,利用循环扫描方式实现自动采集示教点。调试模式利用图像处理技术对采集到的点位进行平滑处理和修正。工作模式利用PMAC运动控制卡本身的运动控制功能,通过多轴插补技术研究,实现轨迹再现。通过对机器人负载变化研究,设计研究出一种具有自适应功能的PID模糊控制算法,通过实验对比,得到系统响应速度和稳定性均优于普通PID控制的结论,实现了机器人精确控制的要求。

关键词： ARM   嵌入式   机器人微系统   脚本语言   Lua  

摘要： 当前机器人控制教学一般采用汇编语言或者C语言,由于汇编语言和C语言比较复杂,学生需要花费大量的时间来学习语言本身的基础知识,而导致没有足够的课时和精力来专注于机器人控制方面的知识。本文尝试把较为简单的脚本编程语言引入到机器人控制教学中.脚本编程相对于汇编语言和C语言来说,更易于理解,使学生有足够的课时和精力来掌握机器人控制技术。本文主要通过查阅当前国内外在嵌入式系统上对于脚本程序使用的相关文论和文档,获取相关资料,并结合教学中的实际情况,在ARM上实现lua的运行,编写PC机上的开发软件来控制ARM对于机器人元部件的控制。

关键词： 金属线材   机器人   数控系统   自动编程  

摘要： 目前我国金属线材产品的市场需求量急剧增加,且产品开发种类也日趋多样化和复杂化,然而我国金属线材的生产方式还处于劳动密集型阶段,其传统的成形工艺已不能满足现代制造系统的灵活和快速的要求,这与现代设计制造所倡导的“高效、高精度、高智能化”的理念相背离。 本文从国家长远发展考虑,并结合我国五金线材市场的装备需求,采用柔性化、模块化的产品设计方法和可重组的设备工艺技术,提出一种以小批量多品种生产方式的高度柔性化制造理念。为了加快我国金属线材自动化设备的开发进程,在己开发的双头模位型数控弯丝机器人基础上,对金属线材成形原理及其数控加工技术等关键技术进行进一步深入研究,研发了一台具有自主知识产权的单头多模位新型金属线材数控成形装备。论文工作包括以下几个方面： 1、分析金属线材产品种类的市场需求,按照其多样化和复杂化的发展方向,研发出一台单头多模位的新型数控弯丝机器人,并提出数控弯丝机器人硬件系统的总体设计方案,完成整体机械结构、伺服系统以及电气控制等设计。 2、介绍了折弯模具系统,通过理论分析推导出线材折弯和推弯两种弯曲方式的成形关系,建立加工零件的建模参数、折弯模具几何参数和各运动轴运动量三者之间的数学关系,最终完成该折弯模具系统的线材弯曲成形工艺分析。 3、开发设计了数控弯丝机器人的系统软件,并进行数控系统各个模块的设计和软件功能模块的划分,即系统初始化、参数设置、产品管理、译码模块、手动控制、自动加工以及监控模块等模块,系统具有良好的人机交互界面,操作简单合理。 4、根据数控弯丝机器人的硬件系统和控制软件完成机床实体搭建,并进行PID、速度和精度等方面的特性调试。最后通过自动编程功能生成零件产品的加工代码并生产,完成机器人整体性能测试工作。

关键词： 机器人控制技术   Kinect   手势识别   人机交互  

摘要： 随着机器人控制技术的发展,人与机器人之间的交互活动变得越来越普遍。利用人体动作和手势来控制机器人可以代替复杂繁琐的程序操作,简单方便地操纵机器人,向机器人发布命令,与机器人进行交互。基于机器视觉的人体动作和手势识别是实现新一代人机交互系统所不可缺少的一项关键技术。作为个革命性的产品,Kinect体感设备能够获取彩色图像、深度图像以及人体骨骼图像,并提供了一种全新的人机交互的方式。它能够捕捉、跟踪人体的动作、手势和声音。本文通过利用Kinect体感设备进行静态手势识别和动态手势识别,并在此基础上配合机器人动作实现人通过手势控制机器人动作的无接触式互动交互。 本文首先定义一套用于控制机器人动作的静态手势和动态手势。针对静态手势,利用Kinect提供的深度信息分割出手掌部分,并结合人体骨骼图像中的手掌节点信息,提出了基于双层深度图像信息的手指轮廓识别方法,不仅能够检测伸直手指的轮廓而且能够检测出弯曲手指的轮廓。在此基础上,通过采用K曲率算法来定位指尖点,可较好地实现静态手势的识别。针对动态手势识别,通过利用动态时间规整算法(DTW)并结合静态手势识别,提出了动态手势识别与静态手势识别结合的方法,不仅提高了动态手势的准确性,也增加了手势组合的数量,进而增加了手势指令的丰富程度。在完成静态和动态手势识别之后,将有效识别的手势作为指令通过无线通讯的方式发送给机器人控制系统,可以实现机器人与人体动作的互动。 本文所提出的基于Kinect的静态手势识别和动态手势识别的方法较好地解决了人体手势识别的问题,由于识别过程是基于图像的深度信息,可有效减少光照等因素对手势识别的影响,因而提高了手势识别的稳定性。通过将手势识别与机器人控制系统进行集成,实现了机器人与人体手势动作的互动,具有较好的应用价值。

关键词： 减重步态训练   气压驱动   气动比例技术   康复模式   位置伺服控制  

摘要： 随着经济的发展和生活水平的提高，我国逐渐步入老龄化社会，脑卒、中风和交通事故等引起的下肢受损的患者日渐增多。传统的减重步态训练治疗方法需要康复理疗师手动完成，工作强度高，从而制约康复训练，影响康复效果。融合机器人学和康复医学理论的下肢康复训练机器人应运而生，既可以协助患者康复训练，锻炼下肢肌肉，改善神经系统损伤，恢复正常的行走能力，又可以保证训练强度和时间，减轻理疗师的劳动强度。目前下肢步态康复训练机器人主要由电机驱动的，但价格昂贵，刚性大，轻便性和柔性差，满足不了康复训练安全性和舒适性的要求。 结合气体的可压缩性、柔顺性和安全性等特点，本文研究了一种基于气动比例技术的下肢康复训练机器人，其结构简单，功能完善，安全性高、柔顺性和轻巧性好，既可以用于肢体损伤的患者做康复训练，也可用于老年人的健身锻炼。本文设计基于气动比例技术的下肢康复训练机器人总体方案，搭建减重支撑控制系统，外骨骼步态轨迹控制系统，和肌电信号仪的试验平台；运用D-H参数法对外骨骼3个关节进行运动学分析，建立人机与跑步机运动模型、气动减重支撑控制系统模型和气动比例控制系统的模型，验证机构的合理性，运用Matlab软件进行分析；基于计算机和西门子PLC的控制平台，通过比例阀驱动气缸和人工肌肉，实现减重支撑和人体下肢步态行走的功能；运用Step7软件，结合数学模型的仿真分析，通过双级PID和步态轨迹自适应算法实现被动控制和半主动控制，完成减重和步态康复训练试验，建立康复评价标准。 试验表明：机器人运行平稳，安全性强，跟踪的步态曲线连续，实现了位置和速度的较好控制效果，基本满足设计要求，具有较高的市场前景和实用价值。

关键词： 深度传感器   模板匹配   人体姿态识别   机器人  

摘要： 随着人机交互技术的不断进步，对该技术的应用领域也越来越广。因此，人机交互所应对的背景也越来越复杂。传统的基于视觉的人机交互在光照强烈或黑暗等条件下会受到诸多干扰，产生不确定性。本文提出的利用深度传感器进行人体姿态识别的方案，能够避免上述问题，并通过人体姿态控制机器人的运动，不仅拓宽了机器人的作业环境，也使得机器人运动更具智能化。本文采用Kinect深度传感器对人体姿态识别及机器人运动控制进行了研究。 首先，阐述了本文研究背景及意义，总结了人体姿态识别技术的国内外研究现状，介绍了基于体感设备的机器人相关技术。 其次，介绍了Kinect的软、硬件系统及Kinect技术的应用，分析了Kinect深度信息的获取原理和深度信息的变换，并利用中值滤波及背景差分法从复杂的背景中提取出了人体区域。 然后，阐述了骨架提取的相关理论，并采用Hilditch细化算法对提取出的人体区域进行了骨架化处理，详细介绍了特征的表示方式及特征提取的方式。 最后，建立了样本库，利用模板匹配对人体姿态进行了识别实验，得到了识别率结果，分析了实验的稳定性、实时性等。并将该方案与机器人的运动控制相结合，实现了机器人的智能化运动控制。

关键词： 语音识别   MFCC   小波变换   DTW   BP神经网络   机器人控制  

摘要： 随着当今科技的高速发展,语音识别技术被越来越多的人所关注。语音识别技术作为智能机器人研究领域的一个重要分支,其目的就是让机器能够听懂人类的语言,便于人机交流。因此,将语音识别技术应用于机器人控制领域,体现了当今自动化的发展水平。 本论文基于语音识别技术,以实现机器人的简单运动控制为目标,完成对特定人孤立词语音信号的识别,重点研究语音信号的特征参数提取算法和语音识别算法。 结合语音识别的基础理论知识,对采集到的语音信号进行时域和频率域的分析以及归一化、预加重、加窗分帧、端点检测等预处理变换。以梅尔频率倒谱系数(MFCC)作为语音信号的特征参数序列,并将MFCC与小波变换相结合,获得更能有效表征语音信号特征的WT-MFCC参数。 对比目前几种常用语音识别算法的特点,选择动态时间规整(DTW)算法和神经网络算法对语音信号进行识别。对DTW算法和BP神经网络算法进行深入研究,使用MATLAB编写基于DTW和BP神经网络的语音识别程序,对比识别效果并改进识别算法。 在LabVIEW中编写语音信号采集程序以及语音识别的上位机界面,在Proteus中搭建下位机直流电机正反转控制电路,通过虚拟串口技术,完成纯软件环境下的语音识别控制系统的仿真。 通过上位机语音识别系统对采集到的语音命令进行识别,编写MT-UROBOT机器人的运动控制程序,采用DTD462无线通信模块进行无线通信,实现对MT-UROBOT机器人的语音控制。