竞争型遥操作机器人实验系统研究

基于网络遥操作多机器人系统的作业目的,介绍了竞争型MOMR与协作型MOMR的特点.在此基础上,首次提出了竞争型遥操作机器人系统理想的测试平台一种基于Internet的C/S模式的足球机器人遥操作实验系统,描述了系统开发中的若干关键技术,如系统组成、体系结构、服务器端控制系统结构和遥操作客户端的关键技术等,给出了Internet性能测试实验实例.通过国际遥操作足球机器人比赛,证明了该系统具有良好的交互性、实时性和稳定性.     

一种分类机械手的研制与开发

提出了一种用在晶体角分类机上替代工人来完成卸料及分类工作的机械手.该分类机械手是机械、电气传动、气动控制、嵌入式微控制器和微电子器件相结合的产物.机械部分构成了分类机械手的骨架;步进电机等使分类机械手实现了准确运动;气动元件使分类机械手变得灵巧、简捷.借助于系统状态变换等方法,以微控制器C8051F206为核心的分类机械手控制器的软件给予了分类机械手某些简单的人工智能,使其能准确无误地重复完成卸料及分类任务.分类机械手的基准定位与步进电机步进计数控制的结合可使其长期运行无积累误差.经在工业现场的长期使用证明,该分类机械手设计合理、工作可靠.     

机器人足球训练中视觉感知与动作执行同步机制

主要研究RoboCup训练中球员视觉感知与动作执行同步的技术.在全面分析RoboCup现有同步方法存在问题的基础上,提出一种动态的视角调整方法,即通过对球员视角宽度的调整控制视觉信息到达的时刻,结合动作指令发送的特殊策略,实现球员向服务器发送指令时机的优化,以达到最佳同步效果.关于球员视角宽度动态切换的实现,具体包括:基于增强视觉检测的视角切换与分类视角动态切换2种方法.对比实验证实了该同步技术的优越性.     

基于模糊强化学习的双轮机器人姿态平衡控制

针对单轨双轮机器人在静止情况下存在的固有静态不稳定问题, 提出一种基于模糊强化学习(简称为Fuzzy-Q)的控制方法。首先,运用拉格朗日法建立带控制力矩陀螺的系统动力学模型。然后, 在此基础上设计表格型强化学习算法, 实现机器人的稳定平衡控制。最后,针对算法存在的控制精度不高和控制器输出离散等问题, 采用模糊理论泛化动作空间, 改善控制精度, 并使控制输出连续。仿真实验表明, 相较于传统强化学习方法, 所提方法能够显著提高控制精度, 且可以有效抑制外界干扰力矩对系统的影响, 保证系统具有一定的抗干扰能力。     

动态环境下基于势场原理的避障方法

在保留传统人工势场法原理简单、易于实现优点的基础上,对其应用在具有移动障碍物的动态环境中所表现出的缺陷进行了改进,用碰撞时间参数代替相对位置参数并辅以碰撞角度约束来消除无渭的避碰运动,同时又引入障碍物作用于机器人、方向指向目标点的分力和局部波动函数,较好地解决了因局部最小以及障碍物与目标点相距太近造成的不能成功到达目标点的问题．仿真结果表明此方法能够使机器人在具有静态和移动障碍物的复杂环境中安全避障．     

基于模型预测控制的轮式移动机器人轨迹规划

针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control -MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。     

多重约束下智慧仓储机器人配置仿真优化研究

针对智慧仓库的仓储机器人配置问题,构建了基于排队论的离散事件仿真模型,在保证系统可靠性和服务强度的前提下,考虑到故障对系统的影响,以距离成本、时间成本、空闲成本和购置成本所构成的总成本最小化为目标,提出了一种基于FlexSim平台的离散事件仿真优化方法。通过分析系统平均队长、订单平均逗留时间等指标,将直观化的系统瓶颈与运行实际数据相结合,求得系统成本最小的配置策略。结合实例,对算例中的智慧仓库机器人配置方案进行求解。结果表明,基于FlexSim平台的离散事件仿真寻优方法,能够求解仓储机器人配置的优化方案,并能保证模型方法的计算效率。     

Wheeled foot quadruped robot HITAN-I

0IntroductionInthe past,much work has been done toinvestigatefour-legged walking.Two of the earliest works are the G.E.Quadruped and Phoney[1].With the introduction ofmore powerful computers,more and more bionic robotshave beeninvented in recent years.WARP1[2]in2002,TITAN[3-5]from1989,BISAM[6]in1998and SCOUTII[7]in1999are examples for these developments.Asground vehicle,the advantages of mobile robot have beenrecognized by peopleinengineeringfields.Ground mobilerobots are usually cl…     

GMCL： a robust global localization method for mobile robot

A large sample size is required for Monte Carlo localization （MCL） in multi-robot dynamic environ- ment, because of the ＂kidnapped robot＂ phenomenon, which will locate most of the samples in the regions with small value of desired posterior density. For this problem the crossover and mutation operators in evolutionary computation are introduced into MCL to make samples move towards the regions where the desired posterior density is large, so that the sample set can represent the density better. The proposed method is termed genetic Monte Carlo localization （GMCL）. Application in robot soccer system shows that GMCL can considerably reduce the required number of samples, and is more precise and robust in dynamic environment.     

一种无先验地图的移动机器人导航方法

为了提高移动机器人在复杂环境下的无先验地图导航算法模型训练速度及导航成功率,提出一种基于深度确定性策略梯度(deep deterministic policy gradient, DDPG)的移动机器人导航方法。利用2D激光雷达的均匀分布测距信息,降低环境噪声的干扰及高维度环境信息的计算量;采用人工势场法构建移动机器人从初始位置到目标点过程的奖励函数;通过Actor-Critic网络结构提高模型训练的稳定性和泛化能力。实验结果表明,提出的方法具有模型训练速度快、导航成功率高及泛化能力强等优点。