具有虚拟力觉导引功能的机器人网络遥操作系统

为实现机器人网络遥操作系统中从端机器人和被抓取目标接触前的力觉感知效果,提出了具有虚拟力觉导引功能的机器人网络遥操作系统控制方法.利用单目视觉技术获得末端执行器相对于被抓取目标的位姿信息,并将此信息转换为操作者相对敏感的力反馈信息,引导操作者为远端机器人系统提供合适的控制命令,控制机器人达到期望的位姿.利用手腕相机和人工目标搭建了演示实验系统,并分别进行了机器人位置和姿态遥操作控制实验.实验结果表明,机器人遥操作系统的可操作性和操作效率有了明显提高.

一种新的移动机器人全局路径规划算法

提出了一种新的移动机器人全局路径规划算法.该算法不需要对环境中的障碍物特征做任何假设,也不需要建立障碍物的连通图模型,有效地克服了传统路径规划算法因为搜索而带来的计算复杂性问题,提高了算法的适应性和实时性.仿真结果证明了算法的有效性.

基于运动描述语言的轮式移动机器人控制

介绍了一种基于运动描述语言的轮式移动机器人控制方法.运动描述语言不仅可以有效地描述机器人系统中离散和连续动力学过程的相互作用,而且可以定量地描述操纵机器人的复杂性.利用该方法对具有非完整约束的轮式移动机器人的位姿镇定问题进行了研究,仿真结果验证了该方法的有效性.

基于时延预测的空间遥操作系统广义预测控制

针对导致遥操作系统性能下降甚至不稳定的时变大时延问题,提出一种基于在线时延预测的广义预测控制(GPC)方法。鉴于空间遥操作系统一般由多自由度主、从端构成,而且环境模型未知,则在主端以一种基于稀疏矩阵的核非线性回归方法设计时延预测器,同时将多自由度从端机械臂的非线性动力学模型线性化,根据预测的时延设计GPC,使系统稳定并且满足位置和速度跟踪性能要求。在从端,通过设计非线性补偿器以补偿从端的非线性部分。仿真取得有效结果。

基于线性矩阵不等式空间遥操作系统的鲁棒H_∞控制

针对具有力反馈空间遥操作系统的时变大时延和环境模型参数不确定问题,提出一种基于线性矩阵不等式(Linearmatrix inequality,LMI)的鲁棒H∞控制方法。对于回路时延是未知时变的遥操作系统,该方法只需要已知时延的上下界,可以解决环境模型参数不确定问题,并获得良好的位置和力跟踪性能。将主从端的动力学模型转化成相应的状态空间方程,并将其离散化、合并为一个离散状态空间方程;然后根据该系统方程,基于LMI方法设计状态反馈控制器,通过定义Lyapunov函数分析闭环系统的稳定性,并且分别给出在环境模型参数确定和不确定情况下,使得闭环系统渐近稳定且满足给定位置跟踪性能的充分条件;仿真试验结果表明所提出的方法可使得遥操作系统渐进稳定且具有好的位置和力跟踪性能。

基于Agent的网络遥操作机器人系统控制研究

为了充分发挥智能机器人的自主性和人的主观能动性,实现通过网络遥操作非结构化环境下的智能机器人,提出了一种基于Agent的网络遥操作机器人控制系统结构,分析了控制系统中各部分的功能,给出了系统中各个Agent的实现方法。该控制方法已通过仿人形机器人的遥操作控制实验得到了验证。

混合式教学在理论力学课程中的研究与实践

为充分调动学生学习的积极性和主动性,有效利用课堂,提高学习效率,针对理论力学学科特点,将所有章节进行知识点拆分,录制以知识点为单元的微视频,编写线上微测试题库,改革考核评价机制。从课前、课中、课后三个时间段实现线上线下混合式教学,取得良好的教学效果。

网络遥操作机器人的任务产生方法研究

为了解决网络遥操作中操作者误操作问题,给出了一种在非结构环境下遥操作机器人的模糊控制方法,介绍了一种网络遥操作机器人控制系统结构,对任务产生器进行了设计,并以网络遥操作机械手抓取物品为例,通过实验验证了所设计方法的合理性。

卓越人才培养模式探讨

以实施"卓越工程师教育培养计划"为出发点,在分析国内高等工程教育现状和"3+1"教学模式的基础上,从人才培养新机制、培养模式和人才培养标准等方面对卓越工程师教育培养进行了探讨。

神经网络BP模型的设计与实现

应用人工神经网络中的BP前馈网络模型和改进的BP算法 ,对棉铃虫发生程度进行预测 ,结果表明 :该算法可靠 ,验证符合率达百分之百 。

基于MDL的机器人网络遥操作系统控制方法

为了降低遥操作系统对网络带宽的需求,实现系统中计算、通信等功能的合理划分,提出了基于运动描述语言(MDL)的机器人网络遥操作系统控制方法.利用机器人运动轨迹正交分解的方法得到了运动基元模型中的开环与闭环控制参数,保证了MDL的描述能力,并针对遥操作抓取任务定义了4类运动基元.以Phantom Omni为主端控制器、Motoman 6自由度机器人为被控对象建立了基于网络的机器人遥操作系统,并针对直接控制方法和基于MDL的控制方法进行了对比实验,实验结果验证了该方法的可行性与有效性.

基于稳态视觉诱发电位和注意力脑电的混合脑机接口系统

针对注意力脑电信号的多分类研究、脑机接口系统的实验范式扩展等问题,设计了一种基于稳态视觉诱发电位(SSVEP)和注意力脑电的混合脑机接口系统.首先,对注意力脑电的多级分类进行探索,设计了融合空间注意和脑力任务的注意力范式,改善注意力脑电的分类性能.脑机接口实验中,使用α波阻断信号实现SSVEP和注意力诱发界面的切换;SSVEP信号用于控制机器人的运动;注意力分级用于改变机器人的运动速度.实验招募了10名被试进行脑机接口系统的实验,实验结果显示,注意力信号的三分类正确率达78.2%;被试控制机器人到达目标位置的正确率可达100%.