基于深度测距的移动机器人自适应跟随

为提高移动机器人的跟随精度,对深度相机(RGB-D相机)测距进行研究,提出一种基于MRSD(Mask R-CNN and S2R-DepthNet)的移动机器人跟随系统。引入实例分割算法(Mask R-CNN)获取行人的前景掩膜;以掩膜为指导从深度图像中获取准确的行人区域深度像素,引入深度估计算法(S2R-DepthNet)从彩色图像中推理深度图像以替换深度传感器引起的无效深度像素,提高测距的精度;建立基于Sage-Husa自适应滤波(SHAKF)的测距模型,提高量测信息异常情况下的测距鲁棒性,实现稳定跟随。实验结果表明,该方法能以设定距离准确跟随前方行人。

基于模型预测控制的四足机器人面向复杂地形自适应调整算法与实现

为解决四足机器人在海上FPSO巡检过程中因海浪波动等外界因素导致机身存在不平稳的问题,实现四足机器人在有环境干扰情况下的自适应稳定行走,在利用IMU数据的基础上,设计了以模型预测控制为基础的位姿闭环控制策略。通过运动学建模及引入姿态矩阵建立机器人整体坐标系,实现机器人的位姿控制与坐标映射;由惯性测量单元(IMU)测得机器人运动时的姿态参数,通过设计的基于模型预测控制的躯干姿态闭环控制调整算法,实现了机器人在环境干扰过程中躯干姿态的自适应调整。在仿真环境、实验室环境及现场环境下,验证了所提算法的可行性和有效性。实验结果表明,所提的闭环控制策略提高了机器人在波动环境下的稳定性,实现了四足机器人的自适应姿态调整。

基于GB/T 2423的智能机器人气候环境适应性试验分析

智能机器人因其智能、气候环境适应性强等因素在特定应用领域得到快速发展。本文根据GB/T 2423系列标准试验方法的要求,研究了智能机器人高低温试验、湿热试验等气候环境适应性试验的技术要求,并给出了对应的试验方法。该技术要求及试验方法适用于室外智能作业机器人的气候环境适应性试验,在一定程度上助推我国智能机器人产业的发展。

基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法(dynamic window algorithm,DWA)在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。

基于神经步进激励机制的蛇形机器人环境自适应仿生控制策略

针对已有的蛇形机器人在环境适应过程中步态调整策略复杂,参数调整时间长的问题,引入神经步进激励机制,提出一种基于多模态中枢模式发生器模型的简单快速的仿生控制策略。构建能够产生蛇形机器人多种步态的多模态中枢模式发生器模型,并基于仿生学原理提出神经步进激励机制。通过对蛇形机器人三种主要步态的运动学分析,得出其运动性能与控制参数之间的关系,利用神经步进激励机制并结合蛇形机器人自身的运动特性建立蛇形机器人环境自适应仿生控制策略。通过仿真将该策略与传统蛇形机器人控制方法进行对比,并利用试验验证了该策略的有效性。

基于卡尔曼滤波的机器人自适应控制方法研究

针对机械臂在工作过程中与环境交互的力柔顺控制问题,提出了一种基于卡尔曼滤波的自适应阻抗控制算法,完成了在环境位置与环境刚度未知的情况下对恒力的稳定控制。首先,构建了机械臂与环境接触的阻抗控制模型,建立了力与位置之间的关系;然后,建立了自适应阻抗控制模型,根据机械臂力跟踪误差与位置误差,对机械臂接触的环境位置和环境刚度进行了估计,对机械臂控制位置进行了更新,再将阻抗控制算法离散化,并利用卡尔曼滤波对阻抗控制系统状态进行了预估和校正;最后,仿真验证了自适应卡尔曼滤波阻抗模型的稳定性与有效性,并运用机器人进行了跟踪实验,对不同环境参数下的恒力跟踪效果进行了验证。研究结果表明:基于卡尔曼滤波的自适应阻抗控制算法对力跟踪误差可以达到5%以内,在斜面环境下的收敛速度可提高61.5%;与传统阻抗控制相比,该控制算法的抖动更小、收敛速度更快,能够实现理想的恒力控制效果。

动态SHO-ACO的焊接机器人路径规划

移动焊接机器人在户外进行路径规划时的高效性和安全性尤为重要。针对蚁群算法(ACO)信息素以总长度为单个影响因子的缺陷,加入转向次数要素,建立环境适应度函数,从而改进轨迹上信息素增值状况;针对基本蚁群收敛速度慢的问题,借鉴自私羊群算法(SHO)的空间因素,改进启发函数;针对局部最优问题,将SHO的吸引力函数融入信息素变化中再结合环境适应度函数,动态指引蚁群朝向更加优良的轨迹前行;而且针对停滞僵局问题,提出撤离行动与预警行动,确保蚂蚁探路效率;针对传统轮转方法随机性问题,提出了评判拐弯机制以在有目的选择下一节点的同时,计算路径距离方法,降低了算法的复杂程度。SHO-ACO与势场蚁群和传统蚁群算法进行仿真对比实验,结果表明,SHO-ACO在简单环境与复杂环境中均具有优越性。

移动机器人长期自主环境适应研究进展和展望

真实世界中存在光照、天气、季节及场景结构等复杂环境因素,这些因素的改变对移动机器人基本行为和任务能力带来巨大挑战.随着机器人与人工智能技术的不断发展,如何使移动机器人在长期运行中与复杂多变的环境条件相适应是智能机器人领域的研究热点.本文重点从地图构建与动态维护、重定位及场景理解等移动机器人基本行为能力的系统综述入手,对移动机器人长期自主环境适应的前沿技术与研究方向进行了着重论述与分析.最后对该领域的研究重点和技术发展趋势进行了探讨.

机器人导航领域中的三维红外测温技术

随着科技的飞速进步,机器人技术已成为推动工业自动化和智能化发展的关键力量。三维红外测温技术通过精准捕捉温度分布信息,为机器人提供了一种全新的感知维度,极大地提高了其环境适应性和决策效率。在自动化和智能化快速发展的背景下,对高效、精准的生产流程的需求日益增长,在这一过程中,机器人导航技术受到重视。三维红外测温技术作为一种先进的感知技术,为机器人导航提供了一种全新的解决方案。

机器人时代的建筑综合环境设计研究

本文面向机器人时代的建筑环境发展需求,建立“机器人建筑综合环境”的概念,体现为“增强机器人适应性的建筑综合环境”和“以人为本的机器人建筑综合环境”两方面内容。本文从移动适应、信息交互、空间安全、策略节能及场景设计与场所营造等方面出发,提出系统性的设计框架,以期为未来机器人建筑的设计提供理论支持与设计参考。

机器人末端复杂环境下力自适应控制

针对机器人末端与复杂环境交互工作模式下的力控制问题,提出了一种基于时间延迟的力自适应阻抗控制。建立自适应阻抗控制的数学模型,分析变刚度与变位置模式下的阻抗特性,证明了自适应阻抗控制的收敛性。设计了单臂机器人的复杂环境自适应力控制框图,以及双臂机器人控制模式下对应于不同刚度物体的夹取内力控制框图。通过Simulink与ADAMS联合仿真,结果表明单臂机器人在变位置和变刚度情况下,自适应阻抗模型对恒定力、斜坡力和正弦力均有很好的跟踪效果。双臂控制模式下,对不同刚度的物体可以很好地控制其协作内力。

基于时延控制的机器人自适应混合位置/力控制

提出一种基于时延控制的自适应混合位置/力控制算法,以提高机器人与不确定环境交互时位置和力的精度。在位置控制子系统中,采用不需要依赖系统模型的时延控制以抵消机器人系统的所有非线性项,并引入自适应增益来减小由于不确定环境而引起的时延估计误差。在力控制子系统中,通过递推最小二乘法在线辨识未知环境参数,得到机器人末端执行器与环境的接触力。运用李雅普诺夫函数法分析系统的稳定性,仿真结果验证了所提算法的有效性。该算法对未知环境具有适应性,可以使机器人末端执行器同时保证位置和力轨迹跟踪的精确性,位置误差约为0.016 m,力误差约为0.034 N。

变重力环境下双臂空间机器人自适应模糊控制

针对空间机器人从地面装调到空间应用过程中重力项的变化导致机械臂控制方法失效的问题,提出一种鲁棒自适应模糊控制方法,以实现双臂空间机器人关节空间轨迹跟踪任务。上述控制方法一方面利用模糊系统的万能逼近特性,对系统的变化的重力项进行在线逼近,弥补了系统参数未知对控制稳定性的影响,避免了回归矩阵的复杂计算并提高了计算效率;另一方面通过鲁棒自适应控制器来补偿重力项的逼近误差,保证了关节控制的精度。对比该控制器与PD控制器的仿真结果,表明所提方法能够实现双臂空间机器人系统在不同重力环境下,对关节空间期望轨迹的精确跟踪,为机器人控制研究提供了参考。

新一代机器人能像人一样自我适应环境

德国马普智能系统研究所开发出了两款新一代机器人。这种机器人可以像人一样具有自我学习和自我适应环境的功能，被称为仿人机器人，未来可以在许多复杂的环境中替代人类工作。目前国际上开发的大多数智能机器人在复杂环境中还难以做到像人一样动作自如，机器人面对复杂的地形或障碍物，无法像人一样及时反馈信息，并做出适应环境的新决定。例如在一个倒塌的核反应堆里进行关闭阀门、操作电泵等动作。这些机器人只能根据事先设定好的程序进行动作，无法根据新的环境做出调整。

新一代机器人能像人一样自我适应环境 未来可以在许多复杂的环境中替代人类工作

德国马普智能系统研究所开发出了两款新一代机器人。这种机器人可以像人一样具有自我学习和自我适应环境的功能，被称为仿人机器人．未来可以在许多复杂的环境中替代人类工作。

我国研制出具有环境适应能力蛇行机器人

沈阳自动化所开拓仿生机器人技术新领域。具有生物蛇的运动机理和行为方式，三维空间运动能力。在许多领域具有广泛的应用前景。为面向应用的蛇形机器人作业系统提供了理论基础和技术储备。

新一代机器人能像人一样具有自我适应环境的功能

德国马普智能系统研究所开发出了两款具有自我学习和自我适应环境功能的仿人机器人。一款机器人被称为阿波罗，它有两个灵巧的手臂和一个智慧的头脑，头脑中安装了摄像头和传感器。通过机器人头部的扫描仪，可以扫描并搜集周围环境的数据，产生三维的立体环境图像，使机器人能够正确认识环境。当人给阿波罗做一个示范动作时，阿波罗自己就会学习如何做这个动作，而且会把这个动作记住，下次重复时能做到准确无误。

南极冰藻对南极极端环境的适应性研究进展

南极冰藻是生存在南极海水、海冰及冰川融水等环境中各类微藻的总称,是南极海冰-海水生态系统中重要的生态群体和主要的初级生产力来源。南极冰藻有特殊的适应机制来响应南极地区低温、季节性光照、强紫外辐射和高盐度等极端环境,其环境适应性机制的研究是各国科学家研究的热点。综述了南极冰藻的低温、光照和强紫外辐射适应性及其抗逆基因研究等方面的最新进展,以期从多方面阐述和揭示南极冰藻的极端环境适应机制,使人们能更清晰的了解南极微藻在整个地球化学循环过程中的作用。

基于P-PSO算法的室内有障碍通风环境下的多机器人气味源搜索

受湍流影响,室内通风环境下的烟羽分布表现出波动变化且不连续的特性;在一些角落处,较大的漩涡会产生长时间的局部浓度极值区;另外室内的障碍物也会改变烟羽的分布状况.因此室内有障碍通风环境下的机器人气味源搜索问题变得很复杂.本文提出了基于概率适应度函数的粒子群优化(Probability-fitness-function based particle swarm optimization,P-PSO)算法并用于多机器人气味源搜索.P-PSO算法的特点是采用概率而非确定数来表达适应度函数值.针对气味源搜索问题,P-PSO算法的适应度函数值由贝叶斯和变论域模糊推理估计的气味源概率表达.为验证提出的搜索策略,构建了对应实际边界条件的室内通风环境的烟羽模型.仿真研究证明了本文提出的P-PSO搜索算法用于解决气味源搜索问题的可行性.

基于卷积神经网络的六足机器人环境自适应方法研究

六足机器人采用不同的步态参数针对不同的非结构环境可提高运行效率、增强平稳性。为实现该目标,预先完成三个步骤:第一,机载摄像头用来捕获环境信息;第二,基于环境样本库,使用卷积神经网络训练环境识别模型,因其在视觉问题上的泛化能力,卷积神经网络可以自动提取图像特征并降低建模工作量;第三,调整六足机器人的步态参数以获得某一给定环境下的最优步态。在此基础上,六足机器人根据环境识别结果选择相应的最佳步态,并实现环境自适应。最后进行对比实验,结果表明,应用环境自适应方法的六足机器人可以在复杂环境中耗能更低,并获得更高的速度和更优良的平稳性。