基于PSO-BP神经网络的分拣机器人视觉反馈跟踪

针对分拣机器人视觉反馈跟踪精度差、耗时较长的问题,研究基于粒子群算法-反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络的分拣机器人视觉反馈跟踪方法,以提升视觉反馈跟踪效果。依据分拣机器人的视觉反馈信息,建立分拣机器人运动学模型,并求解分拣机器人机械臂输出位置和输入位置的误差函数;利用PSO算法优化BP神经网络的权值与偏置;在权值与偏置优化后的BP神经网络内,输入误差函数,预测分拣机器人视觉反馈跟踪控制量;利用预测视觉反馈跟踪控制量,在线调整增量式比例-积分-微分(proportional-integral-derivative,PID)的参数,输出高精度的分拣机器人视觉反馈跟踪控制量,实现分拣机器人视觉反馈跟踪。实验结果表明,该方法可有效视觉反馈跟踪分拣机器人机械臂的关节角;存在干扰情况下,在运行时间为10 s左右时,阶跃响应趋于稳定;有干扰情况下,视觉反馈跟踪的平均误差为0.09 cm,耗时平均值为0.10 ms;无干扰情况下,平均误差为0.03 cm,耗时平均值为0.04 ms。

全光控微型游动机器人的视觉反馈跟踪系统设计

微型游动机器人的研究是机器人微型化电子领域发展的一个重要分支.借助光致形变弹性体材料在光诱导下,分子内部发生光异构产生形变原理,设计制造一种仿鞭毛细菌游动机器人.通过采取对可见光和紫外光光源照射方式的改变,为其全光供能与控制,并采用改进型背景周期差分视觉反馈技术对游动机器人跟踪定位.这种全新的外场驱动的新型管道微型机器人设计,可控性强,可将负载物运输到指定地点,是微型机器人驱动与组装制造、微管道运输的全新设计.