基于BP网络的机器人多传感器手爪特征级数据融合

机器人手爪上装有多种传感器。为了保证手爪能安全、可靠地抓取工件,必须对这些传感器的数据进行融合。本文介绍手爪上传感器的配置情况,进行手爪抓取工件实验,将BP神经元网络应用于传感器的特征级融合,得到手爪抓取工件的准确信息。

BP神经网络在巡逻机器人多传感器数据融合中的应用

针对传统危化品仓库固定式监控器中监控范围小、报警准确率低的特点,研究了一款危化品仓库巡逻机器人,采用以拉依达准则改善BP神经网络融合性能的多传感器数据融合方法,通过采集泄露危化品浓度、仓库内环境温度和湿度等数据,在对数据进行拉依达去噪、归一化后利用BP神经网络进行融合输出。样机试验结果表明,该方法可有效提升危化品仓库巡逻机器人对空间环境的把握度,大幅度提高报警的准确性和可靠性,同时具备良好的传感器扩展性。

机器人手爪的多传感器数据采集、融合和传输系统

机器人为了灵巧地抓取物体,在手爪上配置了多种传感器,例如,指力传感器、触觉传感器和距离传感器。研制了一套基于DSP的系统,实现传感器数据的采集、融合和传输。系统硬件由数据采集模块、DSP模块和CAN传输模块组成。系统软件包括监控程序、初始化模块、看门狗模块、数据融合模块、CAN通信模块、数字量采集模块、正交编码脉冲计数模块和A/D中断服务程序。该系统实时地采集和融合手爪各传感器的信息,得到手爪与工件的安全连接状态,通过CAN总线传输给主控计算机。

基于多传感器数据融合的助行机器人防摔倒技术研究

助行机器人为行动不便的老年人提供了身体支撑和行走辅助。在此设计的助行机器人防老年人摔倒系统将人体在站立、行走、摔倒等状态所获得的触滑觉信号、角速度信号、加速度信号作为神经网络的训练样本和试验样本。首先在信息层将一种传感器采集的单一信号送入局部决策器,进行局部处理后再送入融合中心综合决策,形成多传感器数据融合的防摔预测研究,并进行了相关仿真。仿真结果表明该系统可靠,对实现满足老年人在户外独立、安全行走需求的机器人开发提供理论及实验依据。

用于判别连接状态的机器人手爪多传感器数据融合

舱外移动机器人在空间站工作时 ,其手爪与工件及空间站的安全连接至关重要。分别用BP神经网络和径向基函数神经网络 ,对机器人手爪上的力传感器、接近觉传感器和位移传感器的信息进行了融合 。

基于多层径向基神经网络的机器人手爪腕力测量

机器人手爪腕部所受的力的量化对于机器人的安全操作是非常重要的。为了获取手指上力传感器的输出变化,首先对机器人进行标定实验,得到了机器人在行走和操作工件时腕部所受的多维力的信息。分析了利用经典的BP网络、RBF网络方法对机器人手爪腕力测量的缺陷,设计了一种新的神经网络-3R神经网络,对机器人手爪的8个指力传感器数据进行数据融合。结果显示,该方法能大大提高手爪腕部所受的力的估测精度,从而为机器人的安全操作提供了决策依据。

基于LabVIEW和数据融合的防火机器人控制系统

针对现有防火检测系统误报率高、设备数量不足且不能灵活移动的问题,利用LabVIEW平台设计了一种防火机器人控制系统。操作人员远程操作机器人代替检查人员进行巡逻,同时将机器人所处位置的环境数据采集并发送到上位机,采用BP神经网络算法和多传感器数据融合技术进行火灾概率预测,提高了火灾报警的准确率,也可对存在火灾安全隐患的环境进行预警。

数据融合在护理机器人排便监测中的应用研究

为解决护理机器人大小便监测采用单一传感器准确性不高而引发误报或漏报的问题,提出了一种BP神经网络和改进的D-S证据理论相结合的多传感器数据融合监测算法,并通过采集的湿度、温度和氨气浓度数据对融合模型进行仿真验证。首先利用BP神经网络对测量数据进行特征级监测,而后用BP网络的输出结果和训练误差获得D-S证据理论的基本信度分配,针对D-S证据理论无法解决证据之间的冲突问题,引入矛盾系数改进D-S证据理论实现决策级的融合监测。仿真结果表明:该方法降低了监测的不确定性,实现了异类信息的互补,提高了智能护理机器人排便监测的准确性和可靠性。