基于UKF的室内移动机器人定位问题

定位是移动机器人必须具备的基本要求,在室内环境中,物体大多是多边形,因此可由线段进行描述,由激光传感器获取环境信息,采用哈夫变换对激光数据进行分簇,最小二乘法拟合线段特征,并建立里程计模型和观测模型;在传统的EKF定位算法中,线性化处理会导致计算精度下降,甚至造成滤波器的不稳定,且推导Jacobian矩阵比较困难;为了克服EKF的缺点,文章采用UKF算法将里程计数据和激光传感器数据进行融合,无需进行线性化处理,可获得高精度的移动机器人的位姿;通过实验,验证了基于UKF的定位算法在定位的精确性上优于传统的EKF定位算法。     

NGR01型多关节机器人智能遥控器的研制

针对NGR01型5自由度多关节机器人三层电气控制系统的体系结构,基于单片微处理器研制出智能型遥控器,通过红外无线和RS-485串行有线两种通信方式嵌入第二层控制系统中,对机器人各个关节实行在线控制,同时在第一层计算机上进行虚拟重构,在遥控器的液晶显示器上动态实时显示机器人的运行状态．该遥控器可以用于机器人制造调试、示教再现和异地操作等工作场合,实际使用效果较好．     

自动化专业人才工程应用能力培养模式的研究与实践

根据工程应用型人才的培养目标，结合我院的办学特色，构建出自动化专业人才培养方案，通过加强校内外实验和实习基地建设，改革实验内容，产学研相结合、科研与教学相结合等具体措施，在工程应用能力培养方面做了研究与实践，并取得了较好的效果。     

基于现场总线的机房环境监控系统方案设计

采用了LonWorks现场总线实现监控器与主机之间的通信 ,还应用了多线程、模块化硬件和软件设计等关键技术 ,设计了一种基于现场总线的新型机房环境监控系统 ,以满足计算机机房环境监控的高要求 .该系统具有稳定、可靠、可扩展等特点 ,可推广应用于相关领域 .     

基于动态滑模控制的移动机器人路径跟踪

文章研究了室内环境下基于彩色视觉的移动机器人路径跟踪问题,利用颜色信息提取路径,简化了图像的特征提取;拟合路径参数时引入RANSAC方法,以提高算法的可靠性;在移动机器人非线性运动学模型的基础上,设计了一阶动态滑模控制器,并通过仿真验证了控制器的有效性。     

大工程观与应用型工科教学改革

倡导大工程观教育思想,目的是要培养具有工程实践能力、拥有多学科背景及多方面能力、具备职业道德及社会责任感的技术人才.应用型工科院校必须从人才培养的目标出发,在正确定位专业类型的基础上,通过构筑新的课程体系,强化实践教学,使学生既能掌握比较扎实的学科基础知识,又具备较强的工程意识和综合实践能力,并对未来工作具备广泛适应能力,以满足社会对高层次工程应用型人才的需求.     

运动结合部的非线性对大型数控机床动力学特性的影响

为了提高大型数控机床的加工性能,从非线性动力学的角度考察运动结合部对机床动态特性的影响.针对某大型数控铣齿机床样机,建立包含运动结合部非线性的简化动力学模型,采用数值仿真算法求解模型的时域响应,通过快速傅里叶变换得到了关于动柔度的频域响应,并比较线性和非线性模型的响应差异,最后给出计算值和在机床样机上试验测量值的比较.结果表明,运动结合部的非线性显著影响了机床结构的共振行为和动柔度.     

基于图像理解的移动机器人定位问题研究

为了能够提高在一般环境下移动机器人定位的精度,文章采用栅格地图来描述环境;提出基于图像理解的移动机器人定位的概念,将栅格地图当成图像来处理,从而可以将图像配准中的优秀算法引入移动机器人定位中;对于栅格化的图像提取其Harris角点,同时提出两步匹配法寻找相邻2个时刻的2幅图像中匹配的Harris角点。首先采用里程计的数据对角点进行粗匹配,而细匹配采用的是基于随机抽样算法,能够有效地剔除粗匹配过程中误匹配的角点对,提高了定位算法的鲁棒性;最后用非线性最小二乘法估计机器人的位姿。通过实验可以看出在一般的环境中,基于图像理解的定位算法要优于基于线段特征的定位算法。     

基于粒子群的状态反馈控制特征向量的配置

状态反馈控制特征结构的配置分为特征值的配置和特征向量的配置,在特征值已经确定的情况下,特征向量矩阵的条件数对于系统鲁棒稳定性有着直接的影响.因此以减小特征向量矩阵的条件数为直接目的对特征向量进行配置,是提高系统鲁棒稳定性的最直接的办法.由于在状态反馈控制中特征向量的配置存在自由度,因此以特征向量矩阵的条件数为适应度函数,采用粒子群算法进行优化.同时针对粒子群算法中存在的后期收敛速度慢,搜索精度不高,并可能陷入局部极值的缺陷,对粒子浓度进行调节以保持粒子的多样性,防止算法陷入局部极值.同时建立优秀粒子记忆库,克服粒子群算法后期收敛速度慢的缺点.最后通过实例将改进后的粒子群算法与其它算法进行了比较,验证了本算法对于减小特征向量矩阵的条件数和提高系统鲁棒稳定性的优越性.     

基于前馈及反馈补偿的高性能直线伺服系统

数控机床用直线电动机在工作过程中,推力波动、负载扰动和非线性摩擦等各种扰动因素降低了直线伺服的性能。为抑制扰动满足数控机床直线伺服系统速度跟踪性能的要求,在分析永磁直线同步电动机数学模型和各种扰动因素的基础上,引入具有动态递归特性的Elman神经网络,设计出具有前馈及反馈综合补偿效果的复合控制器,不仅可以对各种扰动进行反馈补偿,而且对速度给定信号进行预测前馈补偿控制,提高了直线伺服系统的跟踪精度和响应速度,仿真结果验证了Elman神经网络的动态性能及综合补偿的优点,表明了复合控制方案的有效性和可行性。

Abstract：

Disturbance variations,such as force ripple,load disturbance and nonlinear friction,directly impose on the motor shaft,leading to significant effect on the computer numerical control （CNC） machine tool servo system performance.In order to satisfy the requirements for speed command tracking performance and eliminate the influence of disturbance,on the bases of the analyzing the mathematics model of permanent magnet linear synchronous motor （PMLSM） and disturbance variation,Elman dynamic recurrent Neural Network was introduced and compound controller with feedforward and feedback comprehensive compensation was proposed.The disturbances were compensated by feedback component and reference speed input signal was preview controlled by feedforward component.The tracking performance and respect speed of linear server system were improved.The advantages of the comprehensive compensation and dynamic of Elman NN were proved.The simulation results show that this compound control scheme is feasible and effective.