广义预测控制方法在网络遥操作机器人系统中的应用

Internet网络的时变时延及网络数据丢包严重影响了遥操作机器人系统的操作性能,甚至造成系统不稳定。为了解决这一问题,提出一种新的基于Internet的遥操作机器人系统控制结构。通过在主端对给定信息加入时间标签获得过去的系统回路时延,采用多元线性回归算法,预测下一时刻系统回路时延,然后在从端设计一个广义预测控制器控制远端机器人,从而改善时变时延对系统性能的影响。应用广义预测控制器产生的冗余控制信息,降低了网络数据丢包对系统的影响。最后根据预测控制稳定性定理,推导出系统的稳定性条件。仿真试验结果表明,该方法能有效解决时变时延以及网络数据丢包引起的性能下降问题。

基于评价选择策略的Internet多机器人协作控制研究

针对Internet多机器人系统中存在的操作指令延迟、工作效率低、协作能力差等问题,提出了多机器人神经元群网络控制模型。在学习过程中,来自不同功能区域的多类型神经元连接形成动态神经元群集,来描述各机器人的运动行为与外部条件、内部状态之间复杂的映射关系,通过对内部权值连接的评价选择,以实现最佳的多机器人运动行为协调。以互联网足球机器人系统为实验平台,给出了学习算法描述。仿真结果表明,己方机器人成功实现了配合射门的任务要求,所提模型和方法提高了多机器人的协作能力,并满足系统稳定性和实时性要求。

机器人化纳米操作系统驱动器驱动与探针定位研究

对基于AFM的机器人化纳米操作系统而言,一个关键问题是如何实现纳米操作时探针的高精度驱动与定位。对此,本文基于对压电陶瓷驱动器的迟滞/非线性特性及现有驱动方法的详细分析,提出"基于复现扫描轨迹的驱动方法"来对操作时的驱动器进行驱动;另外,还对管式驱动器弯曲运动所产生的运动学耦合误差、探针悬臂变形所引起的针尖偏移误差进行了定量分析与补偿。采用上述驱动方法及进行误差补偿后,可以大大提高探针的定位精度,从而使纳米操作与装配得以高精度进行。纳米刻画实验验证了该新型驱动方法及误差补偿的有效性。

基于Agent的网络遥操作机器人系统控制研究

为了充分发挥智能机器人的自主性和人的主观能动性,实现通过网络遥操作非结构化环境下的智能机器人,提出了一种基于Agent的网络遥操作机器人控制系统结构,分析了控制系统中各部分的功能,给出了系统中各个Agent的实现方法。该控制方法已通过仿人形机器人的遥操作控制实验得到了验证。

基于Internet的力反馈技术研究

论述了基于Internet的力反馈技术及其相关技术的发展和研究意义 ,综合机器人遥操作控制领域的理论方法 ,结合多媒体技术的最新发展 ,构建了一种基于事件的系统结构及其设计方法 .基于该方法 ,分析了系统的可靠性、稳定性及力媒体传输的透明性 ,并设计了一个基于Internet的力反馈技术的系统实例

基于网络直角坐标机器人视觉伺服系统研究

为了实现定位抓取任务,提出基于网络的直角坐标机器人视觉控制系统。针对机器人运动控制的非线性与强耦合特性,采用神经网络控制器,构建了图像偏差与运动控制量之间的对应关系。通过对图像增强、边缘提取、特征提取等图像处理方法的综合分析,提出了一套优化组合图像处理法。在计算机网络环境下,采用自定义协议实现图像处理器与运动控制器协调控制,并将远程监控应用到机器人控制中。实验结果表明,该系统能够在视野范围内自动实现定位抓取动作。

具有实时性保障的INTERNET机器人控制系统设计方法

本文提出了一种具有实时性、可靠性保障的INTERNET网络机器人控制系统的设计方法。基于该方法设计的网络实时控制系统能够满足机器人实时、高效、灵活的技术特点。该方法的核心为基于UDP传输协议的网络数据补偿算法,通过对网络传输过程中丢失的数据进行实时在线补偿预测,降低了网络数据的丢失对系统的影响。实验结果证明该方法的有效性、合理性。

基于IP QoS技术的网络机器人遥操作研究

针对基于 Internet机器人遥操作中存在的问题 ,结合 Internet网络技术的最新发展 ,借助 IP Qo S技术的特点和优势 ,本文研究并设计了基于集成业务体系结构的网络机器人遥操作系统 .通过分析 IP Qo S技术和机器人遥操作技术相互结合的可行性与合理性 ,表明该系统能够克服目前在 Internet遥操作过程中存在的问题并可在未来支持 IP Qo S技术的 Internet中发挥作用 .本文提出了该系统的设计原型及实现方法 .

基于立体视觉的移动机器人自主导航定位系统

描述了一种基于立体视觉的移动机器人自主导航定位系统。该系统采用双目立体视觉完成环境特征的 3D信息提取 ,实时计算出机器人相对作业目标的位姿 (6D)关系 ,导引移动机器人控制系统按目标导向进行运动。系统在相对位姿计算中采用旋动(Screw)理论 ,将带约束的多变量函数的非线性优化问题转化为线性方程组的最小二乘问题 ,简化了计算复杂性。实验表明 ,这个导航定位系统在定位精度和数据处理速度上均可满足机器人导航的要求。

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。

网络环境下基于Agent的多机器人协调与路径规划

本文针对基于Ａｇｅｎｔ的分布协作式多机器人装配系统——ＤＡＭＡＳ的特点，在原有工作的基础上，提出了网络环境下基于Ａｇｅｎｔ的路径规划思想，重新定义Ａｇｅｎｔ各功能模块的内容，建立系统中的通讯机制．同时，介绍了系统进行路径规划的工作过程，给出了路径规划器的规划算法

基于多代理和规则调度的敏捷调度系统研究

研究了在敏捷制造环境下制造车间生产过程的动态调度问题。针对敏捷化调度的特殊要求 ,提出了综合运用多代理机制与规则调度实现敏捷化制造车间生产过程动态调度的方法 ,建立了基于多代理生产组织和运行模式的生产过程动态调度系统框架结构 ,研究了在多代理结构的基础上实现规则调度的方法 ,创建了适应实际生产环境的代理的模型结构 ,并以一类敏捷加工车间动态调度的仿真研究说明所提出方法的思路和可行性。

一种基于视觉的移动机器人定位系统

具有自主的全局定位能力是自主式移动机器人传感器系统的一项重要功能 .为了实现这个目的 ,国内外均在不断地研究发展各种定位传感器系统 .这里介绍了一种采用光学原理的全方位位置传感器系统 .该传感器系统由主动式路标、视觉传感器、图象采集与数据处理系统组成 .其视觉传感器和数据处理系统可安装在移动机器人上 ,然后可通过观测路标和视角定位的方法 ,计算出机器人在世界坐标系中的位置和方向 .实验证明 ,该系统可以实现机器人的在线定位 ,其采样速率和精度能够满足实用要求 .

CIMS环境下信息集成平台──系统使能器技术的研究与应用

本文阐述了ＣＩＭＳ环境下信息集成平台中基于开放式客户／服务器结构的系统使能器技术的地位、功能及其在ＣＩＭＳ环境下的实现结构，并结合ＣＩＭＳ的具体应用工厂ＳＢＣＩＭＳ讨论了ＣＩＭＳ环境下基于系统使能器技术的信息集成结构。

交通监控系统中运动目标分类和跟踪研究

文章讲述了交通监控系统中应用视频图像流来跟踪运动目标并对目标进行分类的具体过程和原则.基于目标检测提出了双差分的目标检测算法,目标分类应用到了连续时间限制和最大可能性估计的原则,目标跟踪则结合检测到的运动目标图像和当前模板进行相关匹配.实验结果表明,该过程能够很好地探测和分类目标,去除背景信息的干扰,并能够在运动目标部分被遮挡、外观改变和运动停止等情况下连续地跟踪目标.