基于动态人工势场法移动机器人路径规划研究

考虑机器人与目标点的相对位置以及相对速度因素构建引力势场和引力函数,考虑机器人与障碍物之间的相对位置、相对速度以及相对加速度因素构建斥力势场和斥力函数;基于位置的"分而治之"策略,将机器人所处的环境分解成不同的情景,通过传感器获得周围环境信息,制定并执行情景-运动规则;建立复杂动态机器人仿真环境,验证改进后的算法在动态环境中机器人自动避障的可行性;以IN-RE机器人为实验平台,做动态环境下机器人自动避障路径规划实验,验证文章提出的动态人工势场法在动态环境中的可行性。

一种新型微创手术机器人远心定位机构的研究

具有远程运动中心(Remote motion center,RCM)的手术机器人在微创手术(Minimally invasive surgery,MIS)领域起着至关重要的作用。综合考虑双平行四边形和双同步带RCM机构的优缺点,提出基于单同步带、单平行四边形的新型远心定位机构。基于Adams和SimMechanics分析新型RCM机构末端不动点的精度和运动空间。仿真结果表明,新型RCM机构在满足手术所需运动空间的基础上,具备更高的不动点精度,机构简单紧凑,稳定性较好。

自动装配的导纳控制系统中关键影响机制研究

在工业自动装配中,机械卡阻现象经常导致零件接触力增大,进而导致装配失败。本文以汽车装配中车门销与车身孔的装配任务为背景,运用导纳控制方法解决柔顺性难题。受导纳参数(弹性、阻尼和质量)的影响,控制系统可能在稳态误差、超调量和响应速度等方面出现不同程度的波动。为消除稳态误差的影响,本文采用基于倍率调节的积分优化方法成功消除稳态误差。面对超调量和响应速度不平衡的问题,本文提出一种基于罚函数的自动调参算法。通过设置惩罚项,在求解过程中逐渐满足约束条件。实验结果表明:接触力的震荡波动从0.1 N减小至0.05 N,当外界阻抗消失时,缩短50%的回落调整时间。该方法成功避免震荡引起的零件损坏,能够提高自动装配时的柔顺性能。

有向网络下多智能体系统的正连边一致性

现有针对多智能体系统的正连边一致性问题的研究,主要集中在无向图或强连通的有向图上。将其扩展到包含生成树的有向网络,由于包含生成树的有向网络的拉普拉斯矩阵可能为复数,分析较为困难。利用正系统理论和图论给出连边系统在包含生成树的有向网络下实现正一致性的充要条件。随后对结果进一步优化,通过改进拉普拉斯矩阵特征值的界,得到只涉及节点网络边数量的充分条件。求解Riccati不等式并提出一种半正定规划算法获得该解,最后通过数值仿真验证所得结果的有效性。

基于观测器的线性系统非脆弱鲁棒控制及仿真

非脆弱鲁棒控制一直是控制领域的热门话题,近年来出现了很多有意义的研究成果,然而对基于观测器的非脆弱鲁棒控制的成果不多。针对线性不确定系统,提出基于观测器的非脆弱鲁棒控制器。基于Lyapunov稳定性理论和线性矩阵不等式变换,得到不确定线性系统趋于稳定的充分条件,实现了基于观测器的非脆弱鲁棒控制在不确定线性系统中的应用。最后,使用MATLAB软件搭建了仿真平台,对所设计非脆弱鲁棒控制器进行了计算机仿真,结果验证了该非脆弱鲁棒控制器的有效性。

基于输出反馈的集群系统双边编队控制

集群系统是由局部之间有信息交互的多个智能体所组成的特定系统。实际应用中智能体部分状态检测较为困难,且智能体间可以是互相合作也可以是互相竞争的关系。文中在有符号网络拓扑结构下设计了一种基于输出反馈的分布式集群系统双边对抗编队控制协议,此策略以相邻智能体间的输出状态作为反馈信息,无需依赖通信拓扑结构的全局信息。考虑到真实系统会受到外部扰动影响,基于李雅普诺夫稳定性理论给出了控制协议能够保证系统误差最终一致有界的充分条件,并对协议进行鲁棒性分析,给出了误差最终一致收敛的残差集。根据设计的控制协议及编队条件进行模拟仿真,验证了协议的有效性,并得到了不同初始范围下系统达到稳定的时间对比。

启发式自适应步长优化Informed-RRT^(*)算法

Informed-RRT^(*)算法是解决全局路径规划问题常用的算法。当处理狭窄环境时,Informed-RRT^(*)算法往往容易陷入局部最优解,而在复杂环境中路径规划的成本又往往过高。为了解决这些问题,提出了一种基于启发式自适应步长的采样策略,以改进Informed-RRT^(*)算法的不足之处。通过在随机节点周围扩展采样点集来计算启发式值,选择最优节点并按照其生长方向进行扩张。通过计算最优节点与最近节点的距离,确定下一次采样的步长。这使得机器人能够更好地适应二维和三维环境中的狭窄区域和复杂环境。将改进的算法在二维和三维环境中进行仿真验证,实验结果表明了该算法的有效性和鲁棒性较为优异。

离线强化学习动态避障导航算法

需要实时采样更新数据供无人机(unmanned aerial vehicle,UAV)优化避障策略是深度强化学习(deep reinforcement learning,DRL)应用于防撞领域亟需解决的问题。针对此,提出一种基于离线DRL的动态避障导航算法。将离线DRL算法与速度障碍(velocity obstacle,VO)法结合,改善在线深度强化学习算法需要高实时性交互数据的问题。通过对策略更新进行约束,提升离线DRL算法的性能。开发一个基于VO的奖励函数,使无人机在躲避动态障物的同时考虑耗时和路径最短问题。在三维避障导航环境中仿真进一步验证该方法在路径长度、飞行耗时以及避障成功率等方面均优于在线深度强化学习避障算法,有效改善了DRL需要不断输入在线数据才能有效更新策略的问题。

基于深度学习的四旋翼无人机单目视觉避障方法

针对无人机避障问题,提出一种基于深度学习的四旋翼无人机单目视觉避障方法。首先通过目标检测框选出目标在图像中的位置,并通过计算目标选框上下边距的长度,以此来估量出障碍物到无人机之间的距离;然后通过协同计算机判断是否执行避障动作;最后使用基于Pixhawk搭建的飞行实验平台进行实验。实验结果表明,该方法可用于无人机低速飞行条件下避障。该方法所用到的传感器只有一块单目摄像头,而且相对于传统的主动式传感器避障方法,所占用无人机的体积大幅减小。该方法鲁棒性较好,能够准确识别不同姿态的人,实现对人避障。

从操作手RCM机构重力补偿研究

为提高具有远程运动中心(RCM)的内窥镜手术机器人从操作手的定位精度和运动稳定性,对从操作手进行动力学等效,得出构件的等效质心位置,采用拉簧-绳轮对机械臂进行重力补偿;再根据拉格朗日方程建立从操作手RCM机构的动力学模型,采用计算力矩法进行重力补偿。通过Adams对比分析了经重力补偿后从操作手各个关节的运动响应曲线。结果表明,重力补偿模型可有效补偿重力项。

基于螺旋理论的可变刚度机械臂关节研究

为提高手术器械的姿态调整能力,以更好地适应手术环境的需求,提出一种新的可变刚度机械臂关节,该关节通过自身结构的改变来实现变刚度。基于旋量理论,通过线性相关性来研究关节的可动性,并进行ADAMS运动学仿真和3D打印模型实验,最终确定该关节的可实施性。

基于现场可编程门阵列的边缘检测系统

针对目前使用CPU或者树莓派图像处理实时性差、边缘检测实际效果差等缺点,课题组提出了基于现场可编程门阵列的边缘检测系统。设计了基于现场可编程门阵列的边缘检测系统的硬件方案,介绍了边缘检测的原理;基于硬件设计了图像采集与处理方案;算法上先通过实验设定卷积核的大小,然后使用Sobel卷积核对获取的图像进行卷积,再使用Robert卷积核进行卷积,并在显示器上显示实时图像处理结果。实验表明该系统的检测效果更加清晰,断点更少。该系统能够并行处理数据,提高图像处理速度,且实际的边缘检测效果好。

基于RFNA和改进LBD的镜像线特征匹配方法

针对物体和镜像之间的匹配问题,引入RNFA(Relative Number of False Alarms)边缘链检测方法获取更丰富的线段。文中提出一种改进的LBD(Line Band Descriptor)算法用于构建局部不变特征描述符,通过比较局部不变特征描述符获得初始匹配对。采用全局投影角度的筛选方式,并通过拟合投影中线的方式剔除初始匹配对中误匹配项。在完成全局投影角度的选取和投影中线的拟合后,放宽对局部不变特征描述符阈值的筛选以获得更多的匹配对,提升召回率。图像集仿真实验结果表明,文中所提算法在纹理较弱区域能够更好地识别线段,且能够在保证原算法性能的基础上获得更多的匹配对,提高5%左右的正确匹配率,并达到90%以上的召回率。

基于队形变化的多无人机航迹规划算法

针对多无人机在复杂环境下的航迹规划问题,文中提出基于队形变化的多无人机航迹规划算法。利用领航-跟随的无人机拓扑结构,设计了一种以时间与航程作为衡量指标的代价函数,求解出最优的编队集结点。采用改进的Informed-RRT*算法求解出领航者的渐近最优航迹,结合队形变化策略实现了跟随者的航迹规划与避障。在定义队形变化量、路径长度比、航向稳定性性能指标的基础上,文中进行了仿真实验并对生成航迹进行评价与对比。仿真结果表明,无人机编队实现了在复杂环境下航迹规划与避障,同时为跟随者规划出最优航迹,与领航者最优航迹长度相差不到1%,验证了该算法的实用性与有效性。

多边形截面薄壁锥管吸能特性影响参数研究

薄壁结构具有良好的吸能性能被广泛关注。以薄壁锥管为对象,对比分析了多变形截面锥管与传统四边形截面锥管的吸能性能,结果表明多边形截面锥管相较于传统截面锥管具有更优的吸能性能。采用正交试验法研究了薄壁锥管设计参数对其吸能特性的影响程度,并对结果进行有限元验证。研究表明,合理设计薄壁锥管锥角角度可以有效降低结构压溃过程中的初始峰值力,同时不影响结构的吸能能力。