自重构机器人空间重构规划策略研究

本文基于链式自重构机器人提出了一种无标号、分布式的空间重构规划策略,研究自重构机器人的构型表达和空间重构运动.首先对自重构机器人进行了拓扑的描述,然后建立坐标系,描述整个机器人的空间状态,将重构理论从构型重构拓展到空间运动规划,来处理未知非结构环境下全局检测、控制与定位问题.最后介绍了重构规划的方法,并通过Webots对五个模块的自重构机器人系统变形进行仿真,证明了上述方法的有效性和可行性.     

自重构机器人重构运动规划策略研究

通过自重构机器人模块间的连接、断开和运动顺序规划,由风车形晶胞群组成的机器人构形具备通过重构实现质心变化的功能.此种运动方式与特定构形的整体协调运动存在本质区别,为了实现质心的改变,当设计运动规划策略时需要综合考虑机器人的运动路径及模块间的连接、断开和运动顺序.针对运动平面内存在障碍物这一情况,采用启发快速扩展随机树搜索方法对由风车形晶胞群组成的机器人构形的运动路径进行了规划.机器人的每一步运动利用内置的固定运动序列库实现.实验证明了启发快速扩展随机树搜索方法的高效性及可行性.     

自重构机器人的硬件设计及自重构规划研究

设计了一种新型的单转动自由度正立方体均一阵列式三维自重构机器人模块结构,不但可以构成稳定的空间填充结构,而且能够实现多种重构运动形式.介绍了具体的机构原理和模块的构形表达及运动描述方法,提出了一种基于正立方体子单元结构的集中式分层规划方法,每个子单元由8个模块构成,内置离线规划的模块运动序列数据库,并通过自重构仿真实验,验证了该方法具有搜索空间小,求解复杂度低,规划效率高等特点,在规划串式结构的自重构问题时是可行的.     

基于拓扑结构的自重构模块化机器人重构策略的研究

为实现模块化机器人的高效控制与对接,在基于有向图的图论拓扑描述和连接矩阵的数学拓扑描述基础上,提出了一种新型的自重构机器人模块拓扑描述综合矩阵,它能准确的表达了机器人模块的连接方式和转角状态信息;利用综合矩阵可以找到构型的根节点,并以根节点为起点利用DFS(Depth-First-Search)得到初始构型与目标构型新的综合矩阵.并对两矩阵进行对比进而得出同构部分与重构部分.按照重构策略仅对重构部分进行重构得到目标构型.减少了参与重构的模块的数量并提高了重构效率,最后利用webots软件对模块化机器人进行仿真来验证重构策略的有效性和可行性.     

自重构机器人模块结构及其拓扑关系研究

构建了一种新颖的、点阵晶格型自重构机器人的基本模块，它由1个中心体及6个旋转面组成，中心体内由相互正交的六个锥形齿轮组成机械传动结构，完成1个电机驱动6个旋转面转动的功能，并给出了电机及模块结构性能参数；研究了该类自重构机器人模块间的空间运动原理；基于该机器人基本模块的特点，提出了一种面面映射矩阵(face-face incidence matrix-FFIM)方法，它能准确地描述不同动态模块间的拓扑关系，并给出一个5模块自重构机器人系统变形例子及其自重构过程中模块之间拓扑关系的变换矩阵来证明该方法的有效性.     

模块化自重构机器人最优构形拓扑转换

为模块化自重构机器人，定义了构形拓扑转换的基本概念，分析总结了最优构形拓扑转换的规律，并采用遗传算法对构形拓扑转换进行优化．结果显示，构形拓扑转换过程中的连接变化操作次数被有效地降低，提高了模块化自重构机器人自重构的效率．     

基于离散智能的自重构机器人变形策略

在总结自重构机器人系统结构本质特点的基础上，提出了一种描述模型，对几种典型的同构和非同构系统进行统一的描述．探索了自重构机器人的基本变形方法，给出一种建立在全离散的局部智能基础上的变形策略，使机器人通过模块局部之间的交互产生整体自组织的结果，并且能够减低变形算法的计算复杂度．以一个9模块系统的变形过程为例进行了验证．     

自重构模块化机器人的结构

在国外自重构机器人研究的基础上,设计开发了-种新型的网格型的雌雄同体的自重构模块化机器人.机器人中每个模块由一个中心体和6个可独立旋转的面组成,每个面上有2个孔及2个可自由伸缩的轴,驱动电动机通过减速器、锥形齿轮、同步带轮、离合器驱动6个面转动及每个面上轴的伸缩.该模块化机器人结构紧凑,便于进一步扩展.     

自重构机器人系统自修复的拓扑空间及运动规则描述

针对一种新颖的同构式模块化自重构机器人系统,研究了一种基于图论的数学描述方法,以表示每个模块的空间位置及连接状态,进而表达全局拓扑结构;受有限状态机的启发,分析了自重构机器人系统模块的基本运动,提出了该网格型自重构模块化机器人的模块运动规则,为研究自修复算法提供了理论基础.     

一种新型的自重构模块机器人

提出了一种由相同机械结构单元组成的自重构模块机器人,介绍了该模块的机械结构设计,给出了一种建立在两级分层控制算法基础上的模块连接规划.每个模块可以独立与其他模块相互分离或连接,并且通过与其他模块相互配合来改变其连接方式,从而使整个机器人系统可以获得不同的三维结构和各种静态位形.Java 3D仿真结果表明了连接规划的可行性和有效性.     

Configuration information acquisition and matching in self-reconfiguring process of modular self-reconfigurable robots

Configuration information acquisition and matching are two important steps in the self-reconfiguring process of self-reconfigurable robots. The process of configuration information acquisition was introduced, and a self-reconfiguring configuration matching strategy based on graded optimization mechanism was proposed. The first-grade optimization was to search common connection between matching scheme and goal configuration. The second-grade optimization, whose object function was constructed in terms of configuration connectivity, was to search common topology according to the results of the first-grade optimization. The entire process of configuration information acquisition and matching was verified by an experiment and genetic algorithm (GA). The result shows the accuracy of the configuration information acquisition and the effectiveness of the configuration matching method.     

Docking process on hybrid self-reconfigurable modular robots

A novel hybrid self-reconfigurable modular robot is designed to finish the morphing action from line shape to hexagon shape.The robot is composed of many basic modules,each of which consists of a master module and a slave module in the shape of triangular prism.There are four connection ports on each basic module.For the master module there are two holes on each connection port,and for the slave one there are two pegs on each connection.The docking process between two neighboring basic modules is analyzed with a peg-in-hole mechanical structure.A small motion' s method is presented and the contact forces are derived.According to the force/moment,the pose of a motion module should be adjusted to make two neighboring modules align and finish the docking process.Finally,a simulation of 3 basic modules is shown to finish the morphing and docking process effectively.The system can finish the morphing task from the line shape to the hexagon shape.     

模块化自重构机器人关键技术综述及研究展望

近年来,模块化自重构机器人因其构型复杂多样、运动模式丰富多变、目标构型可重构等特性而备受关注。通过对模块化自重构机器人关键技术的文献进行归纳,对现有的模块化自重构机器人关键技术进行了全面总结。首先,介绍了模块化自重构机器人的结构特点以及拓扑结构,重点分析了3种拓扑结构的优缺点以及发展趋势;其次,对自重构机器人现有的关键技术进行了综述,重点关注了模块化自重构机器人3种不同连接结构的物理原理和基本结构、机器人模块的重构算法以及重构过程的快速性3方面技术,分析总结了其优缺点以及发展现状;最后,针对自重构机器人空间在轨、抢险救灾两项任务的发展前景进行了展望,并提出未来的研究重点：1）探索连结结构的强刚度和轻质量的兼具方法,高效快速完成机器人重构过程;2）作业过程中,重构算法的高容错性和低耗能发展;3）将实时数据与所建立的动力学模型进行有机结合,对机器人进行人工调整,提高机器人的作业效率。     

Metamorphic strategy based on dynamic meta-modules for a self-reconfigurable robot

For a self-reconfigurable robot, how to metamorphose to adapt itself to environment is a difficult problem. To solve this problem, a new relative orientation model which describes modules and their surrounding grids was given, a module motion rules database which enables the robot to avoid obstacles was established, and finally a three-layer planner based on dynamic meta-modules was developed. The firstlayer planner designates the category of each module in robot by evaluation functions and picks out the modules in dynamic meta-modules. The second-layer planner plans the dynamic meta-module path according to output parameters of the first-layer planner. The third-layer planner plans the motion of the modules in dynamic meta-module using topology variation oriented methods. To validate the efficiency of the three-layer planner, two simulations were given. One is the simulation of a single dynamic meta-module, the other is the simulation of planning with an initial configuration composed of 8 modules in complicated environment. Results show that the methods can make robot with any initial configuration move through metamorphosis in complicated environment efficiently.     

基于混沌粒子群--专用遗传算法切换策略的移动机器人路径规划

为了发挥粒子群算法和专用遗传算法的各自优点,提出了一种将二者结合的切换优化策略。该策略前期采用一种基于种群最优个体混沌化的混沌粒子群算法,后期选用专用遗传算法。通过大量仿真实验确定了在迭代代数、种群标准差和最优个体适应度差三种切换指标下各自的最优切换条件。与单一专用遗传算法和单一混沌粒子群算法的仿真对比表明：本文提出的切换优化策略在综合路径长度、平滑性和规划时间三个性能指标后具有一定的优越性。     

煤矿救援机器人全局路径规划

全局路径规划是煤矿救援机器人自主导航的关键技术之一,其任务是按照某一最优指标寻找一条从起始点到目标点的安全避碰路径。文中针对矿难发生后,井下部分巷道的局部环境不确定的特点,提出以矿难前的已知GIS系统为基础,结合改进蚁群算法获取环境不确定情况下的优化路径,从而获得全局最优路径的策略;依据安全性、路径最短原则设计了适应值评价函数,依此作为路径评价和信息素更新的依据;为避免停滞现象,采用确定性选择和随机选择相结合的路径选择策略。实验结果验证了算法的正确性和有效性。