基于Kinect的机器人抓取系统研究

智能抓取搬运机器人能够高效、可靠地完成各种搬运任务,降低工作人员的劳动强度,精准的物体定位是机器人执行搬运任务的基础。本文研究了基于Kinect的机器人抓取系统,可实现物体的类别检测、物体定位及机器人抓取任务。抓取系统由3个子系统(物体检测系统、物体定位系统及机器人抓取系统)组成。首先利用Kinect采集的物体图像信息训练单次多盒检测(Single multi-box detection,SSD)模型,然后根据SSD模型对物体的类别进行检测,得到物体在图像中的边框,并获取边框中物体像素坐标和深度,接着通过Kinect相机手眼标定法将像素坐标和深度转换到机器人基坐标系中,实现物体的定位,最后通过机器人逆运动学求解关节角,驱动机器人运动完成抓取搬运任务。对机器人进行了物体的定位和抓取实验,实验结果表明,物体的定位误差较小,物体抓取搬运实验的平均成功率达到97%,满足物体的抓取搬运需求。     

6R焊接机器人逆解算法与焊接轨迹误差分析

为了提高6R焊接机器人的位姿精度和焊接轨迹的准确度,提出了一种基于RBF神经网络的6R焊接机器人逆运动学求解方法。针对6R焊接机器人逆运动学方程组具有高维、非线性、求解复杂的特点,基于RBF神经网络建立运动学逆解预测模型,采用尺度空间理论对焊接机器人的位姿参数样本所在的工作空间进行分区,采用均匀设计法和模糊聚类理论对分区后的训练样本进行优选,并根据Z-Y-Z坐标转换原理进行转换和归一化处理,将逆运动学求解问题转换为基于RBF的6输入6输出预测系统。运用该系统对6R焊接机器人进行了复杂焊接轨迹仿真和点焊实验,并与基于组合优化迭代法和BP神经网络的逆运动学求解效果与焊接精度进行了比较,结果表明,基于RBF的6R焊接机器人运动学逆解预测模型具有求解简单、精度高、便于轨迹规划的特点,证明了该方法的可行性和有效性。     

木板抓取机器人手眼标定方法

针对视觉抓取木板机器人的Eye-in-Hand视觉与机器人本体之间关联的手眼标定问题,提出了基于标定方程的求解优化。首先通过机器人带动相机以多个不同位姿观测标定板,得到多个标定方程,采集一次数据建立一个标定方程,再对所有标定方程运用Kronecker product算法和最小二乘法求解。为避免误差传递,将得到的解作为优化初始值,建立雅可比矩阵、误差函数,并采用Levenberg-Marquardt算法对初始值优化,得到精确解。在ROS系统中搭建仿真试验平台,通过3D可视化工具Rviz验证了标定结果的有效性。标定结果的精度分析表明,相同采集图像数量、不同噪声水平下,本文标定方法位置解精度比传统标定方法平均提高了30%;同一噪声水平、不同采集图像数量下,本文标定方法位置解精度比传统标定方法平均提高了31.1%。木板抓取试验结果表明,视觉系统抓取定位精度比传统标定方法平均提高了39.2%,抓取成功率为96.2%。     

农业轮式机器人PI鲁棒-滑模控制——基于RBF神经网络

农业轮式机器人机械多体系统朝柔性机器人方向发展,自由度越来越多,对应的结构也变得更加复杂,自动化和智能化水平越来越高,其动力学建模和实时控制难度增大。为提高机器人动力学建模效率,以通用性较强的具有6自由度机械臂的AMR果蔬收获机器人数学模型为研究对象,利用空间算子代数理论建立了轮式机器人O(n)阶效率的运动学和广义动力学模型。同时,利用Elman神经网络求解了机器人逆运动学问题,结合广义动力学模型和逆运动学模型,根据农业轮式机器人的特点,利用神经网络控制理论、PID鲁棒理论和Lyapunov稳定性理论,设计了一种6自由度机械臂的RBF-PI鲁棒-滑模控制算法,对机械臂末端进行心形轨迹实时追踪。最后,通过试验仿真,验证了本文提出的逆运动学理论、广义动力学模型和控制方法的合理性,为农业轮式机器人的研究提供了参考数据。     

基于唯一域方法的机器人逆向运动学求解

针对机器人的逆运动学多解问题,提出一种基于唯一域求解的新方法。利用机器人的雅可比矩阵行列式等于0确定的边界,将机器人的关节空间划分为与逆运动学多解数目一致的唯一域;各唯一域的边界作为约束条件,将唯一域内的逆运动学求解转换为CMA-ES算法的有约束寻优;利用佳点集均匀分布性的特点,优化唯一域中CMA-ES算法求解的初始均值点。通过求6R工业机器人的逆运动学多解,阐述了该方法的应用,并以机械臂逆解数值法为参照,在钱江一号6R工业机器人和KUKA仿人机械臂上进行了2个仿真实验对比。仿真结果表明,本文所提方法在满足精度要求的前提下,平均求解时间更短。实验1中,CMA-ES算法求解一组逆解的平均速度约为5.1ms/次,数值法求解的平均速度约为7.5ms/次;实验2中,一组逆解的求解平均速度约为18.9ms/次,数值法求解的平均速度约为54.8ms/次;CMA-ES算法对两款机器人的位置跟踪精度均稳定在10-6mm数量级。     

机器人智能化吊装技术研究

鉴于OpenPose进行肢体识别复杂度较高,提出基于TfPose完成人体骨架提取,并采用神经网络集成学习方法对吊装指令肢体信号进行识别,完成智能化吊装操作。首先,采用D-H法对吊装机器人进行正运动学分析,确定卷扬机构工作空间范围,并使用共形几何代数方法求解其逆运动学,完成吊装机器人从当前位置运动到目标位置的数学建模;然后,基于TfPose获取人体骨架向量和RGB骨架图,以BP神经网络和InceptionV3网络为基分类器,采用神经网络集成学习方法确定最优化权重,完成吊装指令肢体信号识别;最后,将识别的吊装指令肢体信号通过UDP通信传送给吊装机器人控制模块,以完成吊装操作。实验结果表明,该方法平均肢体识别精度达0. 977,提高了吊装效率。     

基于实神经网络代数算法的汽车逆动力学仿真

针对汽车操纵逆动力学的研究现状,采用实神经网络代数算法,对汽车逆动力学进行研究.根据二自由度汽车开环系统模型的运动微分方程和双移线道路模型,进行“正问题”的求解,将获得的样本输入实神经代数网络进行训练.将训练过程与BP网络算法的结果进行对比,说明代数算法的优越性.另取一组仿真值输入训练成功的代数网络进行识别,将得到的汽车方向盘转角与仿真结果进行对比,验证网络精度.最后进行实车试验,将试验数据与神经网络识别结果进行对比,再次验证其准确性.     

一般6R机器人的高精度逆运动学优化算法

为提高一般6R机器人逆运动学算法的精度和效率,提出一种基于符号运算和矩阵分解的优化算法。对6个基础逆运动学方程作变换,采用符号运算预处理得到14个逆运动学方程,避免大量浮点数计算累积误差。利用其中6个方程与关节变量3无关的特点,将目标矩阵从24阶降低到16阶,包含的关节变量从3个增加到4个。把一元16次方程求根问题转换为矩阵特征分解问题,并选取较高数量级的相关数据元素计算关节变量,进一步提高了算法精度。以一般6R机器人为例,求解结果表明,提出的算法能够得到具有任意期望精度的最多16组实数逆运动学解。     

半对称三平移Delta-CU并联机构运动误差分析与标定

对提出的一种半对称三平移Delta-CU并联机器人机构进行误差建模和实验分析。在规划执行末端运动轨迹的基础上,采用外部直接标定和修正系统输入的方法对机构的运动学误差进行补偿。在外部直接标定的过程中,为降低系数矩阵中的随机测量误差对执行末端坐标精度的影响,利用整体最小二乘法求解坐标变换参数;以误差数据为样本,通过模糊神经网络模型进行训练,并将训练好的模糊神经网络模型用于Delta-CU并联机器人机构的误差值预测。实验表明,模糊神经网络模型能够对Delta-CU并联机器人机构误差进行精准的预测,有利于提高Delta-CU并联机器人机构的补偿精度,可为Delta-CU并联机器人机构误差补偿提供参照。补偿后其绝对位置精度由1.187 mm提高到0.4 mm,重复位置精度由0.037 mm提高到0.018 mm。     

吊装机器人肢体动作指令识别技术研究

鉴于Kinect相机进行肢体识别监控距离有限,提出使用网络大变焦摄像头、构建CNN-BP融合网络进行肢体动作识别,并以9组机器人吊装指令为例进行训练和识别。首先,基于OpenPose提取18个骨架节点坐标,生成RGB骨架图和骨架向量;然后,采用迁移学习方法对RGB骨架图使用InceptionV3网络提取图像深层抽象特征,并对训练数据集采用旋转、平移、缩放和仿射多种数据增强方式,以扩充训练数据,防止过拟合;再将提取的骨架向量使用BP神经网络提取点线面等浅层特征;最后对InceptionV3网络和BP神经网络输出进行融合,并使用Softmax求解器得到肢体识别结果。将肢体识别结果输入机器人辅助吊装控制系统,建立双重验证控制方法,完成机器人辅助吊装操作。实验结果表明,该方法保证了模型运行的精度和时效性,实时识别精度达0. 99以上,大大提升了远距离人机交互能力。     

大学生网络道德中存在的问题与对策

网络文化以其独特开放性、平等性、互动性及无政府性形成了与传统文化的冲突与矛盾,它正越来越多地影响当代大学生的思想,道德和价值观念。本文从影响大学生网络道德行为的三大因素出发,分析了其原因对策,希望引起教育工作者的共鸣。     

快速环路分解遗传算法在配电网络重构中的应用

为了有效提高配电网络的收敛速度，避免不成熟收敛，在传统遗传算法的基础上，提出了一种快速环路分解遗传算法。提出用支路的开关状态(0或1)作为控制参数，避免繁琐的编码方法，缩短了染色体的长度，同时对交叉位置的选取和变异提出了独特的方案，并用于网络重构中，极大地提高了计算效率。     

作物缺水敏感性分析的神经网络法

将神经网络技术应用于作物缺水敏感性分析，探讨不同阶段腾发量变化对作物产量的影响。实例分析表明，其分析结果和利用作物水分生产函数分析结论具有很高的一致性。神经网络用于敏感性分析，避免了建立具体的作物水分生产函数模型，而且时空适应性更强，为作物水分－产量关系研究开辟了新的思路。     

网络通信安全系统分析

针对网络通信的安全性需求,文章对网络通信安全进行了系统的分析探讨,重点探讨了分布式网络通信的安全策略,并在此基础上详细探究了面向WEB服务的通信安全应用方法,对于进一步提高网络通信安全性和可靠性具有一定借鉴意义.     

径向基神经网络在猪胴体瘦肉率预测中的应用

猪胴体瘦肉率(LMP)是评价猪肉品质的重要指标之一,在生产线上快速而准确地预测出其数值并进行分级是并不可少的。目前,国内大部分厂家依然采取屠宰后人工称重测量的方法,耗时耗力,且存在相当大的误差。为此,随机抽取了116头皖北地区商品猪,选定眼肌面积、背膘厚及腿臀比作为参考数据,以Mat Lab工具箱作为研究工具,利用BP、Elman和RBF等3种不同的神经网络建立预测模型,统计后进行比较分析。实验表明:3种模型的神经网络均可用于瘦肉率预测,但RBF网络误差最小,训练速度最快,学习能力最强,最适合用于建立瘦肉率的预测模型。     

冗余以太网在东深供水改造工程中的应用

通过对双星型和双环网络结构进行比较分析，双星网络结构适合于控制中心集中、网络结构要求扩展性高的系统，双环网络结构适用于系统安全稳定性高，控制中心可分散，扩展要求低的系统，基于以上分析，采用了双星型网络结构，该网络结构具有高可靠性、多层网络冗余、先进的容错技术、高度的网络内部安全性等特点。     

OMNeT++仿真技术在计算机网络教学中的应用与研究

简要介绍网络仿真软件OMNeT ,分析OMNeT 在教学中应用的优点。通过OM-NeT 构建了一个模拟的尽量简化的计算机网络,并给这个网络配上原理性的网络协议,最后让它运行起来。这样可以让学生通过观看网络运作动画、分析网络性能结果和设计简单网络实体,更容易、深入地理解网络协议和算法的复杂行为,收到更好的教学效果。     

利用Net.Medic提高上网质量的研究

针对目前许多上网者面对网络异常情况束手无策的状况，介绍了利用网络检测工具Net．Medic实时监测上网时的各种相关状态的方法。     

平地情况下允许压力差最优分配比的探讨

本文研究了田间管网优化设计中支、毛管允许压力偏差水头分配的问题。在平地上布置微灌系统时,得出了支、毛管的最优分配比不是一个定值,而是随支管上毛管的根数和支、毛管长度的变化而变化,改进了美国J·凯勒和D·喀麦林提出的只给一个固定常数的方法,对节约管网投资有一定的实际意义。     

计算机网络安全分析及对策

随着计算机技术网络的快速发展,网络安全成为人们研究的焦点。本文分析了网络攻击的主要方式和网络安全的关键,举例让我们对病毒的攻击有深入了解,再采用相应的技术防范。