可变形模块化履带机器人构型转换原理与验证

为实现机器人在不同环境中能够通过改变自身构型跨越障碍并完成任务,需对可变形模块化履带机器人构型之间的相互转换进行研究。以具有27种构型的机器人为研究对象,该机器人构成一个构型网络,每种构型被定义为加权定向构型网络中的一个节点。从一种构型到另一种构型的转换由非负权值的有向路径表示,权值均为1。采用Floyd算法,通过对距离矩阵和路由矩阵的迭代计算,求出构型网络中任意2种构型之间相互转换的最短步数与经过的中间构型。实物实验给出了可变形模块化履带机器人27种构型之间的相互转换以及面对不同环境以不同的构型应对的结果。实验结果表明,该机器人可以通过最短路径实现构型之间的相互转换,并且随着所处环境的不同,机器人可以改变自身构型顺利跨越障碍并完成任务。

基于空地协同的山地冰川连续探测系统

针对无人机、无人车在复杂环境下运行不稳定、协作性差的问题,提出一种可以在冰雪表面、地形起伏等山地冰川环境下运行的空地机器人冰川探测系统。首先,该系统中无人机可适应高原山地低压、大风环境,无人车可在低温环境、冰雪表面长时间行驶,相应的轻量级地形建模和预测框架可将冰川表面环境点云模型转换成数据量更小的模型,且不造成大幅精度损失。其次,所提系统不仅可通过对驾驶数据、车辆状态数据与地形数据之间的相关分析建立驾驶技能模型,并利用增量式学习方法使驾驶技能模型快速适应冰川环境和复杂地表结构,其基于无人机机动性、无人机能耗、水平距离约束和视距约束的空地协同策略还可以保证系统的通信稳定和平稳运行。验证实验表明,提出的驾驶技能学习方案可以保证无人车在驾驶建议下平稳通过冰川危险地带,提出的空地协同策略可以保持较低水平的跟踪误差与通讯延迟。

基于支持向量机的复杂曲面磨削去除量预测

为了提高工业机器人对复杂曲面磨削去除量的磨削精度,提出了一种基于支持向量机的复杂曲面磨削去除量预测方法,通过分析磨削去除量与磨削去除量的影响因素—工件材料、工件进给速度、磨削力、工件表面曲率、砂带线速度、砂带型号、砂带磨损程度等之间的相关性,利用支持向量回归机方法建立预测模型,对磨削去除量进行预测。该方法可以充分考虑到磨削去除量影响因素之间的耦合关系。实验数据表明,该预测模型的预测精度达到99.963%。