非结构化环境下番茄采摘机器人目标识别与检测

针对采摘机器人收获技术中的识别技术受限于非结构化环境中复杂背景干扰的问题,采用改进模型后处理的研究路线,提出一种改进YOLOv5算法。首先将果实目标的中心点距离、预测框宽高实际差值与面积交并比三者共同考虑为损失项,提升预测框实际尺寸精度,再利用中心点距离作为惩罚项加权面积交并比得分,提升密集目标的识别能力,最后通过设置辅助训练头,提供更多的梯度信息以防止过拟合现象。通过多种损失函数损失值对比与模型改进精度对比试验证明改进有效性,部署至机器人验证可行性。结果表明,改进后的算法模型识别平均精度95.6%,召回率达到90.1%,相较于改进前全类精度提升0.4个百分点,召回率提升0.4个百分点,满足采摘机器人识别需求。

骨科机器人在临床应用中的分类及优缺点

背景:步入智能时代以来,人们对应用于医疗方面的人工智能技术的研究热情越发高涨。在骨科领域,机器人辅助技术是最具吸引力的人工智能技术之一。经过近40年的发展,机器人辅助技术逐渐成熟,可参与的骨科手术种类逐渐增多,且起到至关重要的作用。目的:总结到目前为止骨科机器人在临床的应用情况,并分析其优缺点。方法:通过对PubMed数据库和中国知网已收录的相关文献进行检索,英文检索词为“robot-assisted technology,surgical robots,orthopaedic robots,robotic arm,orthopaedic,orthopaedic surgery,joint,spine,trauma,bone tumor”,中文检索词为“机器人辅助技术,手术机器人,骨科机器人,机械臂,骨科,骨科手术,关节,脊柱,创伤,骨肿瘤”。按照入选标准进行筛选共得到82篇相关性高的文献。结果与结论:目前机器人辅助技术在临床中的应用比较成熟,可用于大多数骨科手术中,有着不错的临床表现;骨科机器人主要优点包括缓解临床医生的工作压力、减少术中副损伤、缩短辐射暴露时间等,但同时也可能存在手术操作时间延长和术后并发症增加的情况。未来骨科机器人的发展将沿着高智能、低成本、更快捷等方向发展。

多约束条件下四旋翼机动轨迹跟踪一体化控制方法

四旋翼无人机高动态飞行需求的增加使其成为一个越来越热门的研究主题。针对四旋翼执行废墟裂缝和树林缝隙穿越任务时的大机动轨迹状态跟踪控制问题,提出基于模型预测控制的一体化控制方法,包含多约束条件下的高机动轨迹规划和多参考状态量的一体化跟踪控制,并通过飞行试验验证了所提方法相比前馈PID控制方法在跟踪规划的高机动轨迹时的优越性能。在飞行试验中,四旋翼成功穿越了60°滚转角的窄框,其实际滚转角达到60°大角度的同时,z轴误差仅为0.065 m。

基于动态视觉传感器的无人机目标检测与避障

针对无人机在动态环境中感知动态目标与躲避高速动态障碍物,提出了基于动态视觉传感器的目标检测与避障算法。设计了滤波方法和运动补偿算法,滤除事件流中背景噪声、热点噪声及由相机自身运动产生的冗余事件;设计了一种融合事件图像和RGB图像的动态目标融合检测算法,保证检测的可靠性。根据检测结果对目标运动轨迹进行估计,结合障碍物运动特点和无人机动力学约束改进速度障碍法躲避动态障碍物。大量仿真试验、手持试验及飞行试验验证了所提算法的可行性。

复杂环境下无人机集群运动一致性的群体熵度量

针对无人机集群在多障碍物或空间受限等复杂环境中协同飞行时无法实现群体自主的协同演化及适应环境、态势的变化,导致整个群体运动产生振荡、失控等一致性差的问题,提出一种无人机集群运动一致性的群体熵度量理论。通过建立群体运动行为稳定程度的熵度量函数,作为个体之间协同运动的适应度值指标,实现复杂环境下无人机集群运动一致性的自适应调节。最后进行仿真实验,相比传统无人机集群算法,引入群体熵度量的无人机运动集聚收敛速度提高30%,复杂环境中集群运动的熵值波动范围下降21.8%,有效证明群体熵度量对于无人机集群运动一致性的提高。

基于平均一致协议的分布式自适应多智能体聚集控制

分布式聚集控制问题是多智能体协同控制中的一个重要问题。由于智能体的可移动性和感知能力有限,传统的分布式聚集算法难以保证连通性,从而聚集成多个簇群。此外,去中心化的大规模聚集控制给获取全局聚集点带来了巨大的挑战。针对连通性保护问题,基于平均一致协议与约束集,提出了一个带有连通性约束的多智能体聚集协议(Multi-Agent Rendezvous Protocol with Connectivity constraints,MARP-CC)。然后针对聚集点无法预测的问题,提出了位置合成(Location Synthesis Strategy,LSS)和位置重定向(Location Redirection Strategy,LRS)两种控制策略。智能体根据当前连通情况,自适应选择最优的控制策略进行迭代。结合这两种控制策略,提出了带连通性约束的分布式自适应多智能体聚集算法(Distributed Adaptive Multi-Agent Rendezvous algorithm with Connectivity Constraints,DAMAR-CC)。对算法的收敛性和连通性进行了分析,并通过大量的仿真说明了DAMAR-CC可以引导智能体稳定地聚集在初始拓扑的几何中心。

角钢塔螺栓的紧固控制技术

针对角钢塔螺栓紧固作业需求,研究了一种轻量化、扭矩可准确控制的电动扳手.为了解决轻量化问题,提出了一种自抗扰控制器与滑模观测器融合算法,实现了无扭矩传感器的电动扳手扭矩参数估计与控制.首先,将自抗扰控制器引进扭矩环、速度环,在对其总扰动量进行估计的同时得到角加速度的估计值,然后将该角加速度值作为二阶滑模观测器的输入进行紧固扭矩值的估计,解决了二阶滑模观测器中变量的导数值难以获得的问题.仿真和实验结果表明,与传统PID控制器、滑模控制器相比,所提方法可实现扭矩的准确估计,具有扭矩调节时间短,超调小的特点.

基于改进Canny边缘检测的堆叠货箱分割定位方法

为了提高集装箱卸货的自动化水平,针对集装箱内堆叠货箱难分割定位的问题,提出了一种基于改进Canny边缘检测的堆叠货箱分割定位方法。通过阈值分割和形态学处理进行图像预处理,去除背景干扰,提取堆叠货箱区域图像,基于改进Canny算法对堆叠货箱进行边缘检测,根据堆叠货箱边缘特征进行筛选并基于最小二乘法进行直线拟合,解决边缘线条不连续和虚假边缘问题,对边缘进行区域化处理,以此将堆叠货箱分割成独立的货箱区域,提取每个独立货箱的最小外接矩形,得到货箱中心点的位置信息。实验结果表明,该方法对堆叠货箱有很好的分割效果,定位精度小于5 mm,满足定位精度要求。

机器人航天员的发展综述及展望

随着中国空间站的全面建成,使用机器人航天员辅助或替代人类航天员已成为备受关注的研究热点。综述了世界主要航天强国在过去二十多年中机器人航天员在空间站舱内服务领域的发展现状、趋势、关键技术与挑战,并展望了未来的研究方向。介绍了国内外在机器人航天员方向的研究进展;分析了该领域发展所面临的4个关键技术挑战:环境感知、自主决策、运动规划和灵巧操作;最后,展望了未来的研究方向,包括先进感知技术、自主决策技术、人机交互技术以及多传感器融合的操作技术。研究内容有望为机器人航天员在空间站舱内执行任务提供更智能、更高效的支持。

一种基于流形的机械臂动作构型知识压缩表达方法

针对在机械臂分拣任务中,存在物体形状各异、大小不一、训练神经网络成本过高的问题,提出一种基于流形空间的机械臂快速分拣方法。通过自主设计的一款简易实验装置模拟代替机械臂进行实验。对高维数据进行压缩,结合三维快速凸包求解算法,对体积大小不同的同类物体的流形空间进行分割,以凸包形式将稳定性较高的点集包裹起来。实验结果表明,体积大小不同的同类物体的高稳定流形子空间是一致的。该方法可以通过对一种物体的流形子结构进行尺度放缩,得到不同大小的同类物体的高稳定分拣区域,用于生成高效、可靠的机械臂分拣任务中的6D位姿构型,以提高分拣作业的工作效率。

十字滑台式多维不倒杆自主纠偏实验装置设计

为了让学生理解海洋风力发机不倒杆结构,该文设计了基于十字滑台的多维不倒杆自主纠偏实验装置,上位机测量并绘制不倒杆在三维空间中的角度、角速度和角加速度的变化,探究抵御外部干扰的相关物理量。通过研究不同受风力面积、不同材料的杆的平衡性,得出选用密度较大、迎风面积小的杆可较好抵御外界干扰。该装置的灵敏度较高,能够作为应用物理和新能源等专业的实验教学装备,有助于深入理解新能源领域的控制理论,提高学生动手能力。

基于复合标志的四旋翼无人机自主降落系统

四旋翼无人机能否快速、精确地降落在地面充电装置或回收装置上是实现空地机器人协同的关键步骤之一。提出了一种基于视觉的四旋翼无人机在静止平台上自主降落的模型化框架,设计了基于AprilTag的复合标签着陆标志,将视觉测量与无人机自驾仪提供的状态信息利用卡尔曼滤波器进行融合,提高无人机位姿估计精度。利用PID控制器计算无人机的期望加速度,并将其转化为无人机的姿态指令,使得无人机飞行到期望位置。在专用模拟器下,对提出的无人机自主降落系统进行了多次仿真,仿真结果表明,无人机的平均降落误差小于5cm,验证了无人机自主降落系统的有效性和精确性。

比例减压阀控缸输出力的非线性自适应控制

针对所研制的一款采用双直动式三通比例减压阀控非对称液压缸驱动的刮板型输送带清扫器进行研究,提出了一种基于PI(Prandtl-Ishlinskii)逆模型前馈补偿的自适应控制算法,改善了比例减压阀固有的压力滞环、死区、增益等非线性,保证了清扫器刮板驱动扭矩的精度,实现了以恒定扭矩在刮板全寿命周期内的高效清洁.针对比例减压阀的滞环特性,采用带遗忘因子的递推最小二乘法在线辨识比例减压阀的PI模型参数,进而求解其逆模型作为线性自抗扰控制器的前馈补偿.仿真和实验结果表明,所提算法有效减小了比例减压阀的滞环、死区和增益等非线性,改善了比例减压阀控缸的动态响应,相较于PID算法,跟踪速度提升了65%,在100~700N·m范围内刮板驱动扭矩误差可控制在±2N·m以内.

软体机器人在服装领域的应用进展

软体机器人由可变形材料制成,具有柔顺性高、适应性强等优势,现已成为机器人领域的研究热点,并在加速服装智能化进程中发挥重要作用。为促进软体机器人技术与服装领域的融合发展,根据当前软体机器人的研究进展,聚焦于软体机器人关键技术,总结其在制作材料、制作方法、驱动方式及控制与建模4个方面的研究现状;对软体机器人在纺织面料抓取与转移、上肢辅助及下肢辅助服装上的应用情况进行综述。研究认为:可利用智能软材料和微加工技术实现控制元件微型化;结合织物性能特点提高面料自动抓取与落料精度;可穿戴软体机器人在优化设备技术性能的同时,要对整个人机系统进行持续评估和迭代开发,提高人机交互便捷性,以促进软体机器人行业与服装领域的深度融合。

改进头脑风暴算法在多AUV协同搜索动态目标中的应用

针对搜索水中动态目标问题,提出一种基于改进头脑风暴优化(brain storm optimization,BSO)算法的多自主式水下航行器(autonomous underwater vehicle,AUV)协同搜索方法。该方法采用基于马尔可夫过程的运动预测目标存在概率,联合探测信息与预测信息更新目标存在概率。AUV间共享目标存在概率、环境不确定度、协调信息素等信息,各自利用滚动优化策略规划搜索路径。对该方法进行了有效性和鲁棒性的仿真验证。仿真结果表明,该方法能搜索到不同运动模式的水中动态目标,搜索效果优于随机算法、遍历算法等传统算法和BSO智能算法,且对AUV的不同初始出发位置不敏感,提高了战术使用的灵活性。

平衡参数自适应下基于模体的混合阶网络多智能体一致性

充分利用多智能体网络结构中的高阶信息可以有效增强多智能体一致性。现有的基于模体加权的多智能体框架(Motif-aware Weighted Multi-agent System,MWMS)将关注点集中在复杂网络中连接信息的提取,忽略了网络中的碎片信息,导致MWMS在取不同的平衡参数值时收敛效果差异较大。针对上述问题,提出了一种平衡参数自适应下基于模体加权的多智能体系统框架(Alpha-adaptive Motif-aware Weighted Multi-agent System,AMWMS),揭示了多智能体系统在混合阶网络下的平衡参数的调节规律。首先,提出了基于Jaccard相似性的高阶网络碎片化程度量化方法和基于相对距离的低阶网络碎片化程度量化方法,用于对不同网络层碎片信息进行建模;其次,设计了自适应参数生成的混合阶网络(Adaptive Parameter Generation Hybrid-Order Network,APGHNet),APGHNet的平衡参数能够在系统演化过程中自适应变化;最后,给出了平衡参数自适应下基于模体矩阵的多智能体一致性协议。通过仿真实验与MWMS中的一致性协议进行比较,验证了新协议的平衡参数自适应生成方法的有效性,系统最终能够收敛到较少的簇,增强了系统一致性。

用于移动机器人路径规划的改进强化学习算法

针对传统Q-learning算法规划出的路径存在平滑度差、收敛速度慢以及学习效率低的问题,本文提出一种用于移动机器人路径规划的改进Q-learning算法。首先,考虑障碍物密度及起始点相对位置来选择动作集,以加快Q-learning算法的收敛速度;其次,为奖励函数加入一个连续的启发因子,启发因子由当前点与终点的距离和当前点距地图中所有障碍物以及地图边界的距离组成;最后,在Q值表的初始化进程中引入尺度因子,给移动机器人提供先验环境信息,并在栅格地图中对所提出的改进Q-learning算法进行仿真验证。仿真结果表明,改进Q-learning算法相比传统Q-learning算法收敛速度有明显提高,在复杂环境中的适应性更好,验证了改进算法的优越性。

变电站巡检机器人室内外无缝定位算法研究

为提高巡检机器人在变电站室内外交互的复杂场景下的定位性能,提出了一种基于传感器精度和多源信息融合的无缝定位方案,通过室外GPS/IMU组合定位和室内AMCL定位的平稳切换,实现了巡检机器人在变电站室内外交互环境下的无缝定位。同时针对定位过程中的机器人绑架问题,利用GPS定位信息辅助AMCL算法重定位,提高了定位算法的鲁棒性。在仿真实验场景下对该算法进行了实验,结果表明,在变电站室内外切换场景下,该算法可以获得稳定连续的定位数据,其均方根误差相比GPS/IMU与AMCL单独定位分别降低了63.4%和54.9%,机器人重定位时间相比原算法降低了47.1%。

多模式弹性驱动器的研制及特性分析

针对目前刚性驱动器存在缓冲差、能耗大、驱动模式单一等问题,面向腿式机器人提出一款多模式弹性驱动器,采用电机带动丝杆螺母串联弹簧,并结合刹车装置,实现驱动器的多模式输出。首先根据腿式机器人膝关节的运动需求进行弹性驱动器设计;然后建立多模式弹性驱动器的刚柔耦合动力学模型,研究不同弹性系数及负载质量对驱动器输出性能的影响;最后,研制多模式弹性驱动器样机,搭建控制系统软硬件平台进行驱动器性能测试及其在机械腿中应用实验研究。实验结果表明,驱动器可实现模式之间的有效切换,且输出满足膝关节运动需求,验证了多模式弹性驱动器驱动性能的有效性。

基于元启发式优化的机器人智能体无碰撞轨迹规划

针对机器人智能体在复杂三维环境中的安全运动,提出一种基于元启发式优化的无碰撞轨迹规划方案。轨迹点采用五次样条插值,以确保运动轨迹足够平滑,且起始点和目标点的速度与加速度均为零。以轨迹长度最短为优化目标,将轨迹与障碍物的最近距离限制在约束条件中,从而表述为一个优化问题,并采用基于元启发式的灰狼算法进行求解。随后,在复杂的三维地形中对该方案开展2个模拟仿真。结果表明:该方案能够有效地在规划空间内求解出预定数目的最优轨迹插值点,通过五次样条插值形成的轨迹长度达到最短,且不与障碍物发生任何碰撞。