2019年微纳米力学热点回眸

 微纳米尺度下材料的力学性能与样品的尺寸和表界面等物理量密切相关，因此纳米材料的力学性能可以在很大范围内进行高效的调节，使得纳米材料能够拥有超轻、超硬、以及高断裂强度和高韧性等卓越的力学性能。从尺度缺陷效应和生长机理、屈曲机理分析和应用、界面力学性能和应用、生物和软物质力学性能、软体机器人、机器学习等方面盘点了微纳米力学2019年取得的研究成果。     

柔性双段腿的SLIP模型参数敏感性分析

为了反映腿部多段串联的多参数耦合特性,以SLIP(spring loaded inverted pendulum)模型为基础,建立了小腿含有串联线性伸缩弹簧的机器人柔性双段腿动力学模型。通过仿真分析其运动,获得柔性双段腿弹簧刚度、触地角度、虚拟腿长、膝关节角度、质量分布等参数的稳定域。通过对各个参数稳定域进行归一化处理和曲线拟合,获得参数稳定域变化曲线及参数敏感度排序。最后基于ADAMS与MATLAB联合仿真验证了柔性双段腿模型中参数敏感度排序的正确性。     

群机器人Flocking行为研究综述

主要回顾了群机器人自组织flocking行为的研究。首先,介绍群机器人学的含义及关键特征;然后,指出flocking行为在生物学上及机器人学上的意义,之后对目前的研究现状进行介绍。最后,按照以下的三个分类对群机器人flocking行为进行总结:行为控制,硬件设备及交流策略。     

基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。     

Learning-based force servoing control of a robot with vision in an unknown environment

A learning-based control approach is presented for force servoing of a robot with vision in an unknown environment. Firstly, mapping relationships between image features of the servoing object and the joint angles of the robot are derived and learned by a neural network. Secondly, a learning controller based on the neural network is designed for the robot to trace the object. Thirdly, a discrete time impedance control law is obtained for the force servoing of the robot, the on-line learning algorithms for three neural networks are developed to adjust the impedance parameters of the robot in the unknown environment. Lastly, wiping experiments are carried out by using a 6 DOF industrial robot with a CCD camera and a force/torque sensor in its end effector, and the experimental results confirm the effecti veness of the approach.     

基于行为的机器人学

系统综述了基于行为的机器人学的研究 ,论述了基于行为的机器人学的研究特征 ,内容和方法论 .同时介绍了通用行为结构和基于行为的机器人的设计方法 .     

解释学习在机器人过程控制中的应用

机器人过程控制是智能机器人系统的一个特别重要而又十分复杂的研究课题。本文将解释学习应用于机器人过程控制，为之开发了一种新的方法。仿真结果表明，该方法可行、有效。同时，还尝试了将Ｐｒｏｌｏｇ语言作为机器人过程控制的运行机制的形式化表达工具的可能性。     

自主机器人人工进化方法研究

在介绍人工进化研究状况的基础上 ,着重阐述了进化机器人学的关键问题 :基本概念、进化技术、进化计算和实验研究方法等 ,探索了进化机器人学未来的研究趋势及所面临的挑战 .     

多臂协调搬物系统的启发式分散控制

本文采用队决策模型将协调控制问题转为分散控制问题,并应用启发式寻优技术来解决分散控制中出现的信息缺损问题.这种启发式分散控制方法,能在启发式寻优的意义下使整个系统的目标函数达到次优,同时使原先繁重的在线计算负担分散化,提高了控制的实时性.     

机器人运动学仿真教学软件研究

借助VisualC++、OpenGL等编程语言技术,就一种典型机器人(PUMA560)运动学的仿真教学实现进行了研究,并开发了相应的仿真系统;有关运动学的正解和逆解的仿真结果表明,该系统能较好地运用于教学,效果良好,具有易开发、应用等特性,对机器人学教育教学研究有着借鉴作用。