基于方向指引的蚁群算法机器人路径规划

针对蚁群算法收敛速度慢、折点多、路径长等问题,提出了一种基于方向指引的蚁群算法。该算法通过引入向量夹角,重新构造了蚂蚁转移概率,提高了算法的收敛速度且路径长度更短;算法同时融合了插点策略,进一步对生成的路径进行优化,缩短了路径长度,减少路径折点数,使路径更加平滑。最后,经实验验证,提出的算法在收敛次数和路径折点数方面有明显优化效果。在仿真栅格地图中,平均收敛次数减少了68%,路径平均折点数减少了42%,平均路径长度减少了8%。

基于RANSAC的视觉里程计优化方法研究

针对图像特征产生误匹配影响基础矩阵计算,导致同步定位与地图构建(SLAM)视觉里程计估计精度差的问题,提出一种基于随机抽样一致(RANSAC)的视觉里程计优化方法。该方法首先通过最小距离阈值法对初始匹配集粗滤除,再采用RANSAC计算图像间相对变换关系,若符合变换关系为内点,内点数最多的迭代结果为正确匹配结果;然后计算图像间单应变换并利用其计算基础矩阵,采用对极几何约束确定内点,得到具有最多内点的基础矩阵;最后采用TUM数据集从特征匹配与基础矩阵计算两方面进行优化算法效果验证。结果表明,该算法可提高运行效率且有效去除误匹配特征点,使匹配正确率提高7.7%,基础矩阵估计算法在提高基础矩阵计算精度的同时,内点率也提高了3%,算法为提高视觉里程计精度估计精度提供了理论基础。

基于颜色识别的智能物料搬运机器人

为提高圆柱形物料的分拣效率,设计了一款具有颜色识别和搬运功能的新型智能物料搬运机器人。该机器人以飞思卡尔XS128系列芯片为核心控制部件,两个全周空心杯舵机作为动力驱动,一个数字舵机作为抓取装置的动力源,利用TCS230颜色识别模块进行颜色识别,并搭配灰度传感器来进行识别优化,实现了快速、准确识别物体颜色以及搬运圆柱形物料的目的,并通过实验和比赛验证了此方案的实效性和可行性。

基于视觉识别的无线通信物流机器人设计

为解决物流机器人定位及姿态保持难、交互性差、搬运抓取任务单一等问题,设计一种可以通过DT-06WIFI模块从服务器端获取任务,或利用Openmv扫描二维码获取任务并能通过其识别条形码来获取物块放置的位置,依靠CN-TTS语音模块进行异常状态信息播报,OLED屏显示机器人的常态信息,选用平行四连杆机构和多连杆机构实现三维度抓取,采用改进的角度环和速度环双环串联算法以及运动解算模型的底盘控制策略的智能物流机器人。经实际测试该设计方案能实现定位行走、识别抓取等一系列的物流搬运任务,多传感器的融合使得物流机器人的应用场景大大拓宽,可根据需求执行不同搬运任务,同时提高了人机的交互性。

基于“一体两翼”的“双创”驱动式教学改革实践

围绕学生创新能力培养,提出建立基于“一体两翼”的“双创”驱动式教学体系。“一体”就是基于创新能力培养的教学体系,既包括层次化的理论教学体系,也包括与之相适应的实践教学体系。“两翼”是指各类大学生创新创业活动及与教师研究方向契合的科研平台。层次化的教学体系、多维度的实践教学平台、多形式的创新训练活动为学生创新能力培养提供了有力保障,同时也极大地拓宽了教师的科研活动范围,通过与企业开展项目开发合作,为科研成果的转化提供了有效的途径。

机械创新实践教学平台建设与实践

层次化的创新实践教学平台与分级的实践教学培养方案相配套,包括以认知为主的初级实践环节和综合实训为主的高级实践环节两部分。层次化的创新实践基地建设,对于提升实验和实践教学在人才培养、学科建设中的地位有着重要意义,通过整合优化了现有实验、实践教学资源,特别是普及大型工程应用软件的使用、建设开放的以提升学生创新实践能力为核心的实践基地,可以有效地推动实践教学体系的整体优化,促进人才培养模式的改革。

基于嵌入式平台和子地图局部关联算法的AGV设计

为在嵌入式平台上实现同时定位与建图(SLAM)以降低硬件成本,设计了利用激光雷达的AGV,该AGV运行机器人软件平台(ROS),并采用了包括Cortex-A9内核的i.MX6Q开发板、惯性测量单元、编码器等的硬件设计。针对在SLAM过程中如何快速并准确获取数据关联结果的问题,提出了一种基于子地图局部关联算法(SLJCBB),该方法首先是接收多帧连续的激光雷达数据构建子地图,并在子地图上划分出局部关联区域,最后在局部关联区域内采用联合兼容分支定界(JCBB)算法进行数据关联。实验结果表明,采用子地图局部关联算法在提高关联准确性的同时,大大降低了关联匹配过程的计算量,提高了运算速度,满足了嵌入式平台的运算要求。

基于SLAM的楼层巡检智能车设计

随着人工智能技术的飞速发展,机器人辅助代替人类去完成那些重复性高、费力费时且具有潜在危险性的巡检任务已成为大势所趋。此设计的目的是为了提高当前楼层巡检系统效率,保护相对自我保护防范意识能力较差的青少年学生群体和老年人群。对此通过对基于SLAM的楼层巡检智能车研究,利用SLAM技术实现巡检无人车的自主定位与导航。提升巡检工作智能化水平,来缓解楼层巡检系统的压力,切实保护学生等人群的人身及财产安全。此设计通过智能巡检功能,实现了无死角扫描定位,智能避障及巡检,为打造智能化楼层通过了重要参考价值。

面向AFM的纳米目标快速重定位方法

原子力显微镜(atomic force microscope,AFM)具有极高的观测分辨率和作业精度,在纳米材料表征与纳米器件组装方面发挥了不可替代的作用.AFM工作区域的选取依赖于光学显微镜,受可见光波波长的限制,光学显微镜的分辨率一般不超过200 nm,这导致光学显微镜无法有效辨识AFM观测目标样本所在的区域.当样本被移动或者更换AFM扫描探针引起样本与探针针尖的相对位置发生变化时,如何重新将AFM探针精确定位到原观测/操作区域具有非常大的挑战性.本文研究提出了一种新的免标记探针重定位方法,综合考虑了样本角度旋转与位置偏移两个因素,首先利用光学显微镜选取样本基底上易于识别的自然特征作为参照点,基于坐标变换原理实现微米级精度的探针盲定位,进而通过AFM扫描图像的匹配获得X-Y水平方向的位置偏差,通过修改AFM的扫描参数实现纳米目标的原位快速精确重定位.该方法的优点在于不需要在纳米目标样本操作区域上制作特殊的标记,操作过程简单、定位快速、定位范围较广且具有极高的重定位精度.对纳米小球、单壁碳纳米管(single-walled carbon nanotubes,SWCNTs)、纳米划痕等样本的重定位实验验证了该方法的实用性和高效性.

基于优化同步误差补偿方法的多电机同步控制

机器设备的同步控制是运动控制领域的热点研究内容,同步精度对加工质量等要素存在显著影响,但易受扰动影响。针对多电机同步控制精度易受外部扰动等因素影响,提出了一种基于优化同步误差补偿方法的偏差耦合算法。引入增益方程对同步误差补偿值进行动态调节,并应用基于改进交叉和变异算子的自适应遗传算法(Adaptive Genetic Algorithm Based on Improved Crossover and Mutation Operator, ECIM-AGA)对方程中的增益系数取值进行寻优。通过建立4台电机的仿真实验,与传统偏差耦合算法相比,结果表明,所提方法的超调量σ分别降低了29.26%、4.19%、2.77%和33.99%,全局同步误差分别下降了40.27%、11.70%、29.74%和28.04%,具有更佳的同步精度。