网络遥操作机器人采样系统模型与控制研究

网络遥操作机器人系统是网络技术与机器人技术相结合的产物。它延伸了操作者的感知和操作能力，使操作者可以置身于安全的环境中而完成危险环境中的作业任务；提高了机器人对工作环境的适应能力，辅之以操作者的决策，机器人可以工作于非结构化的工作环境中。网络遥操作机器人技术作为机器人学的一个重要分支，近十几年来受到许多研究机构和研究人员的关注和重视。 本文针对网络遥操作机器人采样控制结构，通过控制策略解决非结构环境下网络遥操作机器人的实时控制问题。为此，首先研究了网络遥操作机器人采样系统建模问题。目前，关于网络遥操作机器人采样系统模型大多是针对单采样周期的，主从端不同采样周期的统一模型目前还没有相关报道。由于操作者是网络遥操作机器人采样系统的组成部分，因此若建立网络遥操作机器人采样系统模型首先要建立操作者模型。然而由于操作者建模问题比较复杂，目前在遥操作系统建模时，一般都避开了操作者建模问题。本文在分析了现有的遥操作控制方式和遥操作系统模型的基础上，主要针对网络遥操作机器人采样系统模型和控制问题进行研究。 操作者模型研究方面，主要以操作者用小臂操作具有力反馈功能的操纵杆为例，研究操作者操作操纵杆过程的动态模型建模方法。首先对人体骨骼肌肌肉力学模型中不可测量，即肌肉激活度，通过实验进行研究，得出在操作者保持紧张程度不变情况下“肌肉激活度”与肌肉收缩长度的关系。在此基础上，考虑手臂的动力学特性、操纵杆的动力学特性，建立了肌肉力驱动的手臂—操纵杆系统动力学模型。在操作者模型的基础上，设计动态补偿器，补偿操作者操作操纵杆的动态过程，解决由于肌肉动态特性被污染所造成的操作者所想与所做不一致的问题，克服操作者操作时延，提高网络遥操作机器人系统的性能。 遥操作机器人采样系统模型研究方面，首先针对主从端不同采样周期的网络遥操作机器人采样控制结构，通过引入双端口RAM的方法，实现网络遥操作机器人系统主从端的采样同步；在网络遥操作机器人采样同步控制结构模型的基础上，建立从端离散状态空间表达式，利用提升技术对从端离散状态空间表达式按遥操作周期提升，利用采样系统理论得到主从端统一的网络遥操作机器人采样系统模型；最后对从端系统提升前后的稳定性、可控性、可观测性进行分析，得出从端系统提升前后稳定性、可控性、可观测性不变的结论。 遥操作控制策略研究方面，提出基于时延预测的采样切换控制方法。首先对互联网节点间的网络时延进行测试分析，得出任意两个网络节点间时延分布规律，即任意时间段内网络时延的概率密度都可以用平移Gamma分布曲线描述。采用拟合样本概率密度曲线的方法，对平移Gamma参数进行预估，得出平移Gamma分布的种类，进而根据平移Gamma分布的种类，确定出网络时延的均值，最后确定出期望的采样周期；为了实现任意采样周期下切换系统的稳定控制，对采样切换系统的稳定性进行了研究，得到如下结论，即如果从端系统一致渐进稳定，则对从端实行任意采样切换控制时网络遥操作机器人采样系统是稳定的。 为了对所研究内容进行实验验证，以移动机器人为被控对象，搭建了一个具有力反馈控制和局部自主功能的网络遥操作机器人采样系统实验平台。用人工势场法建立了虚拟力模型并给出了虚拟力在力反馈操纵杆上的实现方法；以移动机器人自主避障为例，给出了从端自主的模糊控制设计方法和实验系统遥操作软件设计方法。 实验结果证明了所提出的模型和控制方法是有效的、可行的，对于建立性能良好的网络遥操作机器人系统具有现实意义。本文所研究的许多结论，对于一般网络遥操作机器人系统的理论研究和实际应用也具有一定的参考价值。

基于网络的SOMR遥操作系统的研究

基于网络的SOMR（单操作者操作多机器人）遥操作系统可以通过网络将人的智能与多机器人系统的智能相结合，弥补多机器人自主性的不足，从而使得多机器人能够在复杂的非结构环境下执行任务，大大拓展多机器人系统的应用，因而有着广阔的应用前景。 多机器人系统的复杂性决定了操作者很难直接控制多机器人系统，因而多机器人系统需要具有一定的局部自主协调能力，同时操作者和多机器人系统之间还需要具有良好的交互能力，从而达到人机之间的协调工作。以网络作为操作者与多机器人系统进行交互的媒介，网络的时延、时延抖动、多通道传输等问题将给多机器人遥操作系统带来许多困难。目前，对于单操作者通过网络遥操作多机器人系统的研究还较少。本文在分析了现有的遥操作技术和理论的基础上，对基于网络的SOMR遥操作系统主要进行了以下深入细致的研究： 1. 根据基于网络的SOMR遥操作系统的特点，提出了基于网络的SOMR遥操作系统的体系结构ANSOMR（Architecture for Network based SOMR teleoperation system）。ANSOMR体系结构结合了自上而下和自下而上两种体系结构的优点，并充分考虑了系统中的人机交互，意义明确，易于扩展。 2. 围绕ANSOMR体系结构研究系统中多机器人的局部自主和协调，通过基于行为的方法实现了基于网络的SOMR遥操作系统中机器人的基本自主能力，并为多机器人系统的自主协调建立了分层混杂自动机模型。 3. 在ANSOMR体系结构的交互层中，应用多模式控制的方法丰富了操作者对多机器人系统的操作和控制手段，并通过集成多模式控制接口、超媒体反馈和操作界面构成了基于网络的SOMR遥操作系统的人机交互接口，实现了多机器人系统的自主与操作者能力的结合。 4. 研究了网络时延对多机器人遥操作系统的影响，应用基于事件的方法保证了系统的稳定性，并在此基础上提出了一种带有时间标记的基于事件的方法，将基于事件的方法与基于时间的多机器人系统的局部自主规划结合了起来，解决了事件之间的时延对操作者与多机器人系统之间交互的影响，从而提高了系统的效率。 5. 将网络遥操作技术应用于足球机器人系统，建立了基于网络的遥操作足球机器人系统作为实验平台，应用ANSOMR体系结构，封装了足球机器人的基本行为，分析了机器人足球比赛的状态空间，应用分层混杂自动机模型实现了足球机器人的角色分配和行为选择，并为系统设计了人机交互接口，从而使实验系统成为了一个典型的基于网络的SOMR遥操作系统。 通过在实验系统中应用各种模型和方法，对理论和方法的研究进行了实验验证，实验结果证明了所提出的方法是有效可行的，对于建立性能良好的基于网络的SOMR遥操作系统具有现实意义。

水下机器人神经网络自适应逆控制

水下环境的复杂性以及自身模型的不确定性,给水下机器人的控制带来很大困难。针对水下机器人的特点和控制方面所存在的问题,提出了基于预测 校正控制策略的水下机器人神经网络自适应逆控制结构及训练算法。通过在线辨识系统的前向模型,估计出系统的Jacobian矩阵,然后采用预报误差法实现控制器的自适应。同时,为了提高系统对于外扰的鲁棒性,在伪线性回归算法的基础上,在评价函数中引入微分项。理论分析和仿真结果表明,与原来的算法相比,微分项的引入改善了系统对于外扰的鲁棒性和动态性能。

基于神经网络的一类非线性系统模型参考控制

针对一类非线性系统,提出了一种神经网络模型参考控制方案。在训练实现对象模型的网络和实现控制器的网络时,由状态方程产生训练样本。通过对倒立摆系统的仿真实验验证了控制方案和样本生成策略的有效性,在仿真实验中用不同初始状态验证了训练后的神经网络的泛化能力。

基于以太网的工业控制网络

应用传统现场总线的工业控制网络无法实现办公室自动化与工业自动化的无缝结合 .由于以太网在确定性、速度和优先法则等方面性能的提高 ,阻碍以太网应用于实时控制环境的难点已被解决 .以太网早已成为商业管理网络的首要选择 ,那么它应用于企业现场设备控制层是控制网络发展的趋势 ,将极大地促进信息从传感器到管理层的集成

一种基于神经网络的生产调度方法

提出解决具有开、完工期限制的约束Ｊｏｂ－ｓｈｏｐ生产调度问题的一种神经网络方法．该方法通过约束神经网络，描述各种加工约束条件，并对不满足约束的开工时间进行相应调节，得到可行调度方案；然后由梯度搜索算法优化可行调度方案，直至得到最终优化可行调度解．理论分析、仿真实验表明了方法的有效性。

基于LabVIEW的自组织网络的实现与应用

文章介绍了自组织神经网络在故障诊断方面的应用原理,针对自组织神经网络实现问题提出了一种通过在LabVIEW调用MATLAB应用程序实现自组织神经网络的方法。并通过轴承故障诊断的实例,证明了这种方法的有效性。

Routing scheme, permutation properties, and optical implementation of a four-shuffle-exchange-based Omega network

The routing scheme and some permutation properties of a four-shuffle-exchange-based Omega network are discussed. The corresponding optical setup, which is composed of 2-D phase spatial light modulators and calcite plates, is proposed and demonstrated through mapping the inputs to a 2-D array. Instead of one shuffle-exchange followed by one switching operation as in ordinary Omega networks, in our presented system, the shuffle interconnection embraced in the switches is accomplished simply by varying the switching structure of each stage. For the proposed polarization-optical modules, the system is compact in structure, efficient in performance, and insensitive to the environment. (C) 1997 Society of Photo-Optical Instrumentation Engineers.

Iris recognition algorithm based on point covering of high-dimensional space and neural network

In this paper, we constructed a Iris recognition algorithm based on point covering of high-dimensional space and Multi-weighted neuron of point covering of high-dimensional space, and proposed a new method for iris recognition based on point covering theory of high-dimensional space. In this method, irises are trained as "cognition" one class by one class, and it doesn't influence the original recognition knowledge for samples of the new added class. The results of experiments show the rejection rate is 98.9%, the correct cognition rate and the error rate are 95.71% and 3.5% respectively. The experimental results demonstrate that the rejection rate of test samples excluded in the training samples class is very high. It proves the proposed method for iris recognition is effective.

A new method based on the construction of hypothetical symmetrical networks for fixture calibration in network analyzers

At least three known standards are normally required for the full two-port test fixture calibration in vector network analyzers (VNA). In this paper, a calibration procedure using only one standard, based on establishing two hypothetical symmetrical fixtures using triple-through method, is shown. The results using the calibrating method to subtract the influence of fixtures are in accord with the directly measured data of the device-under-test (DUT) without the fixtures very well, which shows that the proposed method is very simple and accurate.

The image coding scheme based on neural network and SVM

This paper applies data coding thought, which based on the virtual information source modeling put forward by the author, to propose the image coding (compression) scheme based on neural network and SVM. This scheme is composed by "the image coding (compression) scheme based oil SVM" embedded "the lossless data compression scheme based oil neural network". The experiments show that the scheme has high compression ratio under the slightly damages condition, partly solve the contradiction which 'high fidelity' and 'high compression ratio' cannot unify in image coding system.

Lossless data compression scheme based on neural network and SVM

First, the compression-awaited data are regarded Lis character strings which are produced by virtual information source mapping M. then the model of the virtual information source M is established by neural network and SVM. Last we construct a lossless data compression (coding) scheme based oil neural network and SVM with the model, an integer function and a SVM discriminant. The scheme differs from the old entropy coding (compressions) inwardly, and it can compress some data compressed by the old entropy coding.

Structure approximate based on double weighted neural network

Double weighted neural network; is a kind of new general used neural network, which, compared with BP and RBF network, may approximate the training samples with a move complicated geometric figure and possesses a even greater approximation. capability. we study structure approximate based on double weighted neural network and prove its rationality.

Dynamic power management approaches based on neural network

Dynamic Power Management (DPM) is a technique to reduce power consumption of electronic system. by selectively shutting down idle components. In this article we try to introduce back propagation network and radial basis network into the research of the system-level policies. We proposed two PAY policies-Back propagation Power Management (BPPM) and Radial Basis Function Power management (RBFPM) which are based on Artificial Neural Networks (ANN). Our experiments show that the two power management policies greatly lowered the system-level power consumption and have higher performance than traditional Power Management(PM) techniques-BPPM is 1.09-competitive and RBFPM is 1.08-competitive vs. 1.79,145,1.18-competitive separately for traditional timeout PM, adaptive predictive PM and stochastic PM.