一种用于机器人手爪的PVDF接触力传感器设计

利用PVDF压电薄膜的压电敏感特性,设计了一种用于机器人手爪的接触力传感器,包括一个电荷放大装置,并建立了数据采集和处理系统。所设计的传感器具有体积小,柔顺性好,信号处理简单的特点。实验分析表明传感器可很好地满足机器人手爪的要求,为机器人手爪提供接触力信号,以实现稳定可靠地抓取。

多关节欠驱动机器人手爪包络抓取稳定性分析与仿真

研究了欠驱动手爪包络抓取稳定性。定义了抓取构形,推导了关节数和抓取构形之间的关系,采用抓取构形之间的转移难度作为表征抓取稳定性测度指标,给出了抓取不稳的主要原因以及影响包络抓取稳定性的主要因素。通过仿真对抓取不同形状物体时的稳定性,及影响稳定性的主要因素进行了对比分析和验证。结果表明:理论分析和仿真研究结果是一致的,欠驱动手爪包络抓取时存在多种抓取构形是影响抓取稳定性的直接原因,稳定抓取取决于物体形状和初始的抓取姿态,其中物体凸边的线接触的长度是决定抓取稳定的最重要的因素,物体越是接近圆形稳定性越差,当物体和抓取构形比较吻合时,并且都是以线接触相互作用,抓取稳定性最好。

多用途欠驱动手爪的自主抓取研究

对欠驱动手爪自主抓取进行了研究 ,将其分为自主决策和抓取控制两个过程 .首先分析了欠驱动手爪的特点、主要的抓取模式 ,并借鉴人的抓取经验 ,采用模糊输入方法 ,综合考虑抓取任务要求和物体本身的特征属性 ,利用模糊神经网络良好的分类特性选择合适的抓取模式 .在此基础上 ,完成手指姿势调整 ,采用基于传感器反馈的控制策略 ,在被抓物体上形成的合适的力分布以获得稳定抓取 ,并通过抓取实例验证了抓取决策和控制的正确性 ,提高了欠驱动手爪抓取的自动化水平 .

基于多感知的空间机械手爪控制研究

对融合了视觉、滑觉、角位移等多种传感器的欠驱动空间机械手爪,研究其对不同形状、质地的物体实现自适应抓取控制。通过传感器反馈控制机械手运动、抓取力,提高机械手的自主能力。在抓取模式选择中,采用基于专家系统的抓取规划,根据物体不同的形状、尺寸选择不同的抓取模式;在抓取力控制中,通过由PVDF制作的滑觉传感器反馈,采用基于滑觉信号的模糊控制方法,对不同质地的物体选择不同的控制参数。通过实验研究验证基于多感知的控制方法对各种物体可以进行可靠的抓取。

基于5G与车载传感器的车辆组合导航系统研究

车辆定位是车联网技术中重要组成部分,当前城市高楼密集区等环境下,车载全球导航卫星系统定位精度不佳,难以实现高精度定位。随着5G无线通信的快速发展,用组合定位来改善车辆定位精度具有重要意义。本文通过研究车辆运行中传感器采集到的速度及偏转角度信息,结合5G通信系统,提出一种基于5G的车载组合导航系统来提高定位精度,仿真结果表明,在室内或室内外交界处等缺少GNSS信号情况下,组合导航系统能够有效提高车辆定位精度。

基于改进蝙蝠算法的车联网路侧单元部署优化研究

路侧单元(Road-Side Unit, RSU)作为连接车辆和外部网络的桥梁,是车联网通信中的核心部分之一,设计合理的RSU部署方案对于充分发挥其单元效益在车联网中十分重要。本文首先通过将自适应t分布引入到蝙蝠算法中,并在算法迭代过程中加入了灾变机制,从而提出一种改进的蝙蝠算法,能够快速收敛到最优解;随后将改进蝙蝠算法应用到路侧单元的部署中,仿真结果表明该方法能够快速收敛到最优部署效益,具有较好的性能。

多核处理器下智能车载平台的设计与实现

随着汽车智能化程度的不断加深,车载平台既要提供良好人机交互服务[1],又要具备良好的实时控制的能力。传统的车载平台无法满足消费者对智能控制的要求,因此需要在车载环境中引入嵌入式虚拟化的技术,使面向控制的实时操作系统和支持复杂人机交互接口的非实时嵌入式系统能够同时运行在同一硬件环境中。本文分析了目前市场上主流的嵌入式虚拟化产品及相关的技术,提出了一种基于分区机制的高效智能车载平台的实现方法,在多核处理器的硬件环境下,实现了汽车控制与信息系统的融合,并在OMAP4430硬件平台上对其功能进行了验证。

农村有线电视与调频广播共缆传输方案

广播是一项纯公益性事业,无任何经济收益,保障资金只能靠各级财政和村集体经济组织投入.为了减轻农民负担,政府取消了每年每人2元的喇叭维护费,乡镇财政因资金困难,投入严重不足,设备老化无法及时维护.2001年以后,乡镇广播站的人事、业务、事业建设和人员经费均由区广电局管理.利用调频共缆传输,不但减轻了区局、政府、广播站和村上的负担,而且还便于网络的管理和维护.

基于粗糙集和模糊神经网络的抓取模式选择

机器人抓取模式选择主要是利用人的抓取经验来进行的,具有一定的不确定性和模糊性。本文根据这一特点,以研制的形状自适应手爪抓取模式分类为基础,在综合考虑抓取任务和物体特征的同时。采用模糊的输入方式,同时在保持分类能力不变的前提下,采用粗糙集理论从训练样本中提取和精简规则来构建模糊神经网络。利用神经网络良好的分类特性来选择合适的抓取模式,减少了网络输入,简化了网络拓扑结构,缩短了训练时间,提高了抓取的自动化水平。最后通过抓取实验验证了抓取模式选择的正确性。