战术移动点对点Ad-Hoc作战单元拓扑重构

由于建筑物或地形遮挡等因素,分布式地面战术移动点对点Ad-Hoc作战单元节点脱网时有发生,造成网络分裂,作战任务不能很好地遂行.为此,提出采用拓扑机器人来监视网络拓扑,拓扑机器人节点周期性发送拓扑探测消息收集网络拓扑状态,计算网络节点重要性,调整重要度最小的拓扑机器人节点,优化和重构当前拓扑,提高抗毁性.结合数值计算与网络仿真,验证拓扑机器人带来的网络抗毁性的提升.结果表明采取拓扑机器人来优化拓扑,可以有效地提高网络的抗毁性.     

基于神经网络的空间柔性机械臂PID快速学习控制

针对自由漂浮柔性空间机器人的轨迹跟踪问题,提出一种径向基函数（RBF）神经网络控制策略.首先建立漂浮基柔性空间机器人的非线性动力学方程,考虑到RBF神经网络良好的逼近能力,柔性臂的非线性逆动力学模型通过RBF网络来逼近,采用PID控制器与神经网络控制器来共同保证系统稳定性,其误差代价函数由PID控制器提供,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整来实现快速学习能力.仿真结果表明了这种RBF神经控制器能够达到较快的误差收敛速度.     

机器人柔性操作机弹性动力学方程

本文将机器人柔性操作机主体机构的构件视为质量连续分布的弹性体，首次根据弹性体振动理论求解机构各位姿的固有频率和主振型并建立了机构弹性动力学方程．     

基于Wigner-Ville分布的移动机器人语音定位中时延估计方法

在移动机器人语音交互中,时延估计算法的精度是影响语音定位精度的关键因素。针对在强噪声情况下,基于时延估计原理进行语音定位的精度较低的问题,提出基于维格纳 威利分布(Wigner-Ville distribution, WVD)的一次与二次相关时延估计算法。在强随机噪声环境条件下,信号间的相关计算会加大侧峰的峰值,极大程度地干扰对主峰峰值的搜索,无法准确估计时延,进而影响语音定位效果。为了减小侧峰的影响,进一步对相关峰值加窗处理。但加窗虽减小了侧峰的干扰,却导致主峰宽度变大且变化趋势平坦,也会影响时延估计精度,因此,需选择希尔伯特变换对峰值锐化处理。仿真实验研究了各算法的估计情况与时延估计的均方根误差,实验结果表明,所提出算法相比其他几种算法对时延估计性能更高。此外,实际场景实验验证了该算法的抗噪声性能。     

起重机用打磨机器人结构设计

根据起重机无损探伤检测要求,对起重机用打磨机器人进行总体布局和结构设计,并结合其使用环境和工作要求选择了双履带、永磁吸附式的总体结构.打磨机器人传动机构选用链传动,其驱动方式按实际控制的需要选择步进电机驱动;打磨机构采用电机驱动,工作时打磨压力由压缩弹簧提供,并由电磁铁来控制工作状态.打磨机器人在起重机构件上的固定采用磁吸附式吊挂结构.     

基于敌我信息的机器人足球策略设计

机器人足球是一个多智能体系统,决策子系统是机器人足球系统的核心部分.在分析机器人足球决策子系统及角色分配策略的基础上,建立了足球机器人控球能力的表达式,设置了突破敌方防守成功率的评估函数,并设计开发了一种基于敌我信息的机器人足球多智能体协作策略,以更好地掩护我方射手,避障,破坏敌方攻势,增加多智能体的灵活机动性,提高比赛的攻守效率.最后通过仿真比赛证明了该策略的有效性.     

基于神经网络的3自由度移动机器人跟踪方法研究

针对具有2个可操舵驱动轮的3自由度移动机器人的轨迹跟踪问题，利用神经网络的任意非线性逼近能力辨识出3自由度移动机器人的逆运动学模型，使系统的3个独立输入控制线性化，将一般非线性系统转化为仿射非线性系统。根据反馈控制理论，设计了跟踪控制器，使系统具有良好的全局稳定性，实现了移动机器人的位置和方位的独立跟踪。最后，通过仿真验证了算法的可行性和有效性。     

跳跃机器人各关节的动力学仿真分析

基于跳跃机器人在越障方面优于轮动或爬行机器人的特点,设计了一个三关节跳跃机器人,并建立了简化的机构模型.从分析力学的角度对机器人进行运动分析,采用拉格朗日法建立了站立相和腾空相的动力学方程,并用Matlab对动力学方程进行了数值仿真.仿真结果表明各关节在电机驱动下有小幅度振动.这一结果说明在研究跳跃机器人的稳定性时,要解决各关节小幅度振动问题.     

PSO-QGA在移动机器人复杂路径规划中的应用

量子遗传算法具有适应性强、收敛速度快、适合于全局搜索的特点,粒子群优化算法的优点是具有记忆能力,在智能搜索的实现上可以结合个体和全局的最佳位置实现位置定位,但粒子群优化算法在搜索速度和择优能力方面还有待提升.因此提出了一种改进的路径规划算法,即利用量子遗传算法结合粒子群优化算法的记忆功能和最佳定位能力,实现对移动机器人路径规划算法的改进.通过仿真实验已经证明,改进后的移动机器人路径规划算法在稳定性和路径优化选择上都优于单纯的粒子群优化算法和量子遗传算法,并且改进后的算法更适合于复杂路径中实现优化.     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.