一种移动机器人动态环境下的路径规划

一种动态环境下自主机器人路径规划的方法由趋于目标的全局运动规划和躲避障碍物的局部运动规划两部分组成.首先通过栅格法建立机器人的工作环境,利用蚁群算法初步规划出机器人的全局优化路径;在此基础上,采用滚动窗口的方法进行局部环境探测和碰撞预测,对动态障碍物实行局部避碰,使机器人安全顺利地到达目的地.该方法适用于环境中同时存在静止和动态障碍物的情况.仿真结果证明该方法有效.     

基于SAPI的远程智能语音控制系统开发

基于SAPI语音开发平台，无线传输使用FM收发方式，实现了通过语音对计算机上PowerPoint软件进行无线远程语音控制的功能．传输距离可以达到普通教室使用的要求。系统可用于教师在课堂上的多媒体教学，具有很好的通用性、扩展性和良好的应用前景。     

遗传神经网络法及其在机器人误差补偿中的应用

针对某打磨机器人的位姿误差分析,提出一种采用二进制和实数值混合编码的遗传BP网络法,同时优化网络结构和权值矢量;网络结构采用二进制编码保留了粒度编码方法的优点,对连接权值系数的实数编码进行Solis&Wets运算使新的遗传算法具有进化规划和进化策略的优点;结合遗传算子和Solis&Wets算子生成后代的方法以及最佳个体保留策略使得遗传搜索空间的群体多样性更好,加快了遗传算法的收敛速度;采用动态参数编码方法替代Vittorio粒度编码方法,既提高了连接权系数的优化精度,又避免了Vittorio粒度变化所引起的适应度的剧烈不连续变化.仿真和实验结果均表明该算法能有效克服遗传算法的非成熟收敛,提高机...     

未知环境中移动机器人的环境探索与地图构建

研究了未知环境中移动机器人同时进行环境探索和地图构建问题.基于实时获取的激光传感器数据,设计了具有避障功能的环境探索策略,并对候选观测点的产生和评估方法进行了改进,使选择出的候选点能同时兼顾信息增益的最大化与环境信息的完整性,保证了环境探索的连续性和遍历性.在环境探索基础上,提出了以增长神经气网络的网络节点作为拓扑网络节点的环境地图模型,该模型利用神经气网络的增长特性,通过不断增加新的拓扑网络节点来对机器人周围未知环境的整体性知识进行抽取与表达,构建出了易于机器人理解的环境地图.仿真试验验证了本文所提方法的有效性.     

激光加工机器人标定的神经网络法

在分析原有机器人误差标定方法的基础上,给出了两种误差标定的神经网络法,并对激光加工机器人进行了精确标定。第一种方法通过前馈神经网络与机器人理想运动学模型结合,可把机器人位姿误差降低到初始值的1/5左右;第二种方法把前馈神经网络与标定好的实际运动学模型结合,进行神经网络-参数法混合位姿标定,并与参数法标定结果进行了对比。仿真结果表明后一种方法可以进一步提高机器人的位姿精度,且可以对参数模型中没有涉及到的因素进行补偿,方法简单且标定效果更好。     

基于最优激励轨迹的RRR机械臂动力学参数辨识

机器人动力学参数的精确辨识是对机器人进行精确控制的前提,参数辨识的精度与所采用的标定轨迹直接相关.以RRR机械臂为研究对象,建立该机械臂的动力学模型.在动力学参数辨识时,选择有穷傅里叶级数做为最优激励轨迹的表达式,通过最小化退化矩阵的条件数来获得最优激励轨迹中的参数,同时把各关节位置、速度和加速度的物理约束与激励轨迹结合起来,使获得的最优激励轨迹在物理意义上是可行的.通过在激励轨迹中指定频率范围来避免激励机器人的柔性特性,利用最小二乘法来辨识动力学参数.最后仿真验证了该辨识方法的有效性.     

未知环境中自主机器人环境探索与地图构建

研究了未知环境中自主机器人同时进行环境探索和拓扑地图构建问题．基于实时获得的激光传感器数据,提出了具有避障功能的环境探索策略．在环境探索的基础上,提出了以增长的神经气网络的网络节点作为拓扑网络节点的环境地图模型．该模型利用神经气网络的增长特性,通过不断增加新的拓扑网络节点来对机器人周围未知环境的整体性知识进行抽取与表达,构建出了易于机器人理解的环境地图．仿真试验验证了所提方法的有效性．     

基于改进模拟退火算法的机器人最优构形研究

研究了机器人标定中最优测量构形的选择,目的是利用改进的模拟退火算法来选择机器人的一系列最优测量构形,以最小化参数估计中测量和建模误差的影响。为加快算法收敛速度,设计了一个合适的冷却进度表,并分析了冷却进度表中各因素交互作用对算法试验性能的影响。把实验结果与局部搜索算法的结果进行了比较分析,验证了该算法的实用性。