手爪中多传感器数据融合技术的研究概况

多传感器数据融合技术是传感器技术、模式识别、神经网络、控制理论、人工智能和模糊理论等学科相交叉的一门新兴学科 ,它被美国列为 2 0世纪 90年代重点研究开发的 2 0项关键技术之一 ,已被广泛地应用于军事和非军事领域中。而在机器人手爪中应用多个传感器 ,采用数据融合技术进行传感器信息处理 ,是赋予机器人更高智能的关键之一。该文介绍了日本营救机器人手爪中的多传感器集成和数据融合技术及操作控制 ,美国早期的多传感器手爪系统和国内机器人手爪研究的主要情况 ,对我国机器人的研究发展具有一定的借鉴意义。     

机器人手爪的功能分析与设计研究

本文对机器人手爪的抓取运动范围、工件的定位要求、夹紧力的计算方法、工件的检测、清洁和安全等相关功能要求进行了系统的介绍，对设计手爪时工件结构形式的分析、工件定位点及夹紧方式的确定、工件检测传感器位置及数量的确定、工件表面的清洁、手爪的安全性等相关设计事项进行了研究，在分析了机器人手爪的有关设计要素后，提出了机器人手爪的设计的步骤和设计思路，为机器人手爪在现代工业制造领域的推广和应用提供技术支持。     

国外手爪中多传感器数据融合技术的研究概况

近年来 ,多传感器数据融合技术已引起世界范围内的普遍关注 ,成为一个新兴的技术方向 ,并已成功地应用在军事系统、交通系统和智能机器人等研究领域。手爪是空间智能机器人的关键部件之一 ,它集成了视觉、触觉和力觉等多种传感器。为了能进行灵活和自适应的操作 ,机器人手爪必须要采用多传感器数据融合技术。该文介绍了机器人手爪中多传感器集成和数据融合技术的研究概况 ,对我国机器人的研究发展具有一定的借鉴意义。     

新型机器人六维力传感器的测量电路

针对机器人腕部及手指所受空间六维力／力矩的测量，介绍了一种新型基于Stewart并联结构的六维力传感器，主要研究该传感器的测量电路，并对电桥电压灵敏度及温度补偿方法作了详细研究。     

机器人压觉传感器性能分析与测试

本文对机器人手爪力控用压觉传感器的各种方案进行了分析、比较、确定,并设计了一种简便、易行、可靠的压觉传感器—应变式压觉传感器.并对它的静态特性进行了理论分析和实验标定.     

基于改进的Khatib方法的冗余机器人避障轨迹规划

讨论了人工势场方法中Khatib方法规划冗余度机器人手爪在障碍环境中的轨迹问题，基于Khatib方法提出由程序自动确定势场力比例因子的改进方法，寻找一条机器人手爪从起点到终点的安全路径。仿真结果表明，使用该方法计算时间短，参数选择设计合理。     

基于CAN空间机器人智能手爪数据通讯设计

提出利用CAN总线实现空间机器人多传感器智能手爪系统数据采集单元间通讯的方法,并将其运用到多传感器智能手爪运动控制系统中.同时结合高性能微转换器ADuC812确定了合理的通讯硬件结构,有效地解决了多传感器系统大信息量传输时存在的"瓶颈"问题.     

基于模糊神经网络的无标定全自由度手眼协调

研究机器人无标定手眼协调控制 .以单眼在手上配置 ,跟踪在三维空间进行平移和旋转的运动目标 .通过恰当定义目标特征 ,实现了机器人手爪 6自由度运动的一一对应控制 ,给出了视觉反馈与机器人控制之间的非线性映射关系 ,以模糊神经网络进行输入输出映射 .仿真证实了控制方法的性能 .     

机器人腕部力传感器的标定

力反馈是机器人控制技术中一种重要的反馈。位于机器人手臂和夹持器之间的腕部力传感器是最重要的力传感器。对力传感器进行标定就是找出其标定矩阵。作者提出了求标定矩阵的方法,并指出Shimino和美国机器人技术公司——RTI的标定方法是错误的。专门设计的实验表明,用作者提出的方法所得的标定矩阵进行计算,测定载荷与实际施加的载荷是相接近的,而RTI公司的结果与施加载荷相差甚大。作者还提出了一种简化的6×6标定矩阵,用其计算的结果也与实际施加载荷接近。     

煤矿救援蛇形机器人环境建模方法研究

煤矿救援机器人的研究对煤矿救灾工作的顺利开展有着重要的现实意义,简要分析了煤矿救援机器人在环境建模方面的研究现状,针对煤矿事故发生后,救援蛇形机器人如何在恶劣的井下进行环境识别和建模,提出了一种变结构模糊神经网络的多传感器数据融合算法。重点讨论了该算法的原理,结合煤矿井下的特殊环境和蛇形机器人自身结构特点,采用超声波传感器、红外测距传感器、激光雷达传感器组来获得障碍物的距离、位置信息及环境类型信息,然后,利用模糊神经网络对这些信息进行融合,采用改进的BP算法对网络进行学习,通过对结论网络权值的调整,择优选取模糊规则,从而自动的调节模糊神经网络的结构。以机器人在靠近障碍物时的八类典型环境标志为依据,通过模糊神经网络识别出障碍物的形状,完成环境的建模。利用实验获得的一组数据进行了仿真,结果表明该算法实现了在不同环境中模糊隶属函数的自动生成和模糊规则的择优提取,适用于复杂的非线性系统,对于煤矿救援蛇形机器人的环境识别和建模是一种行之有效的方法。     

基于BP神经网络检测面粉中滑石粉含量的研究

利用近红外光谱技术对掺杂滑石粉的小麦面粉进行了检测,采用多元散射校正对谱图进行预处理,利用BP神经网络中的SCG反向传播算法训练函数建立了面粉中滑石粉的定量分析模型,并对校正集和预测集进行了定量分析,分析结果为R2=0.997 3,RMSEC=0.436 7,RMSEP=1.708 8.结果表明,BP神经网络结合近红外光谱技术检测面粉中滑石粉含量具有快速、精度高、泛华能力强的优点,可用于面粉中滑石粉含量的快速准确检测.     

基于神经网络的机器人运动模型辨识及实验验证

为提高机器人模型辨识时神经网络的学习速度，改进得到一种新的神经网络拓扑结构——状态延迟输入动态递归神经网络．以德国PowerCubeTM模块化机器人为研究对象，将机器人关节位置信息和OPTOTRAK 3020三维运动测量系统测得的机器人末端位置信息作为神经网络的学习样本，对包含各种影响因素的机器人运动模型进行了辨识．并以此模型为基础，输入验证样本进行验证，所得结果及误差分析说明了该神经网络在学习能力上的优越性及辨识模型的有效性．     

基于神经网络的空间7R冗余机器人的运动模型辨识

针对空间冗余机器人运动学控制中正、逆运动学求解的复杂性，采用神经网络从两方面解决这一问题。一是从神经网络出发，提出了一种新的动态神经网络结构--状态延迟输入动态递归神经网络（SDIDRNN），提高了网络的学习速度；二是从辩识方案出发，以SDIDRNN为基础，在空间7R冗余机器人正、逆运动学模型辩识的问题上，设计了一种新颖的解耦辩识方案。将其与另外两种具有普通网络结构的辩识方案相比较，说明了该新方案具有更高的学习能力，辩识误差可降低到对比方案的40％-6％。由于学习速度的提高，达到设定误差时的训练次数大大减少，使该方案在机器人运动控制系统中的实时计算能力大大增强，为神经网络在机器人运动学控制中的应用提供了一条崭新的思路，具有重要的应用意义。     

随动系统中机器人行走路径的规划研究

把模糊控制算法引入到神经网络中,从而使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力。实验室仿真证明了模糊神经网络在移动机器人路径选择中的智能性。     

轮式机器人遗传模糊神经网络转向控制

针对数学模型复杂的轮式机器人的转向控制问题，使用基于遗传算法的模糊神经网络转向控制方法．首先建立车辆的神经网络模型，然后构造模糊神经网络控制器，再用遗传算法寻找模糊神经网络控制器的参数，最后提高控制器对速度变化的适应性．仿真表明，该方法可以对机器人的转向进行有效控制，效果良好，能适应各种不同速度变化，是一种有实用意义的控制方法．     

基于改进灰狼算法-BP神经网络的智能巡检机器人电磁兼容故障诊断

智能巡检机器人巡检电力线路时可能受到电磁干扰而影响工作甚至发生故障,为有效地完成智能巡检机器人电磁兼容故障的诊断,提出一种基于改进灰狼算法(improved grey wolf optimizer,IGWO)优化BP神经网络(IGWO-BP)的故障诊断模型.由于智能巡检机器人电磁兼容故障征兆与故障原因之间具有复杂的非线...     

机器人操作臂神经网络控制技术的研究

在分析机器人手臂常规控制存在问题的基础上,给出了几种操作臂常用神经网络控制的方法,指出了方法的优缺点和本身具有的特性,为进一步开发机器人神经网络提供了一定的技术基础。     

流动注射化学发光同时测定利福平和异烟肼

提出了一种基于人工神经网络的流动注射化学发光同时测定利福平(RFP)和异烟肼(INH)的新方法:在碱性条件下RFP和INH均可定量还原N-溴代丁二酰亚胺(NBS)产生化学发光,而二者的反应动力学光谱不同.通过测量不同反应时间的化学发光强度,用人工神经网络(ANN)建立校正模型并进行预测可同时测定RFP和INH.相比较已报道的同时测定RFP和INH的方法,本方法具有灵敏度高,简单快速等优点,并已成功地用于药物合剂中RFP和INH的同时测定.     

未知环境下基于模糊神经网络的机器人路径规划

为提高移动机器人在未知环境下避障行为的成功率,通过对障碍物信息的输入,从控制输出数据中找出避障行为模式,生成相应的模糊逻辑控制规则,并把模糊控制算法引入到神经网络中,使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力,实现机器人连续、快速地避障并最终到达目标.系统仿真证明了模糊神经网络在移动机器人路径选择中的智能性.     

基于感兴趣区域的机器人抓取系统

智能抓取机器人能够代替人类完成高强度工作,为实现物体的准确定位,提升机器人抓取的成功率,对基于感兴趣区域的机器人抓取系统进行研究。对深度相机进行标定,对深度卷积神经网络损失函数进行改进,使用焦点函数代替传统的交叉熵函数,训练模型,得到目标的类别、二维包络框中目标的像素坐标值与深度值等信息。利用手眼标定方法将深度传感器坐标转换到机械臂基坐标系下,依据相机成像原理完成物体的定位。通过机器人逆运动学求解关节角度,驱动机器人实现抓取。对实验过程进行分析,在aubo_i5机械臂上进行实验验证。实验结果表明,目标的识别定位误差较小,平均精度值提升了2.36%,抓取的平均成功率达到93.4%,较改进前提升了13.4%,能够满足机器人抓取的需求。