基于创新工程实践能力培养的小型仿人机器人设计

在深化创新创业教育的背景下,利用综合实践项目提高学生的创新实践工程能力,小型仿真机器人的设计与实践,能综合锻炼学生的工程实践能力。该小型仿人机器人设计包括机器结构设计、控制系统硬件设计、控制系统电路设计、软件设计及传感器检测等。实践证明,通过项目可以培养学生的创新思维、创新能力。     

基于视觉和工业机器人的动态抓取技术研究

科学技术迅猛发展带动了现代工业向智能化方向转化,机器人技术也逐渐被应用到了社会生产等众多领域。然而,目前有超过三人之二的工业机器人在应用时还在采用手动示教的方式来完成,这种方式有其自身的优势,具有便捷性,但同时也存在着弊端,不但要求具有十分高的示教精度,若是物体和机器人的相对位置发生一点偏差,就要重新进行示教。所以,不断对视觉集成系统中的识别和定位技术进行研究与开发,完善工业机器人的抓取技术,可使其更好完成抓取任务,提高机器人的准确率和工作效率。     

自平衡可原地回转式防绞机身驱动机构研究

针对清淤疏浚环境中水生植物密集、淤泥粘度大以及输送管道对设备行进阻力等问题,设计防绞驱动系统,鉴于轴流式推进器工作原理与螺旋桨式推进器的差异,设备采用两个小型的轴流式推进器,设计可原地回转式推进运动装置,研究轴流式喷水推进泵进水流道的性能,实现小半径转弯和原地回转;设计浮箱与可旋转浮体相配合的自适应平衡装置,研究驱动装置与控制系统的布置方式,解决侧倾角度在60°以下时的自适应调整,实现清淤清浮疏浚机器人的自平衡运行。     

基于蚁群算法与参数迁移的机器人三维路径规划方法

为解决机器人进行三维路径规划时路径规划效率受算法影响较大的问题,以最短距离为目的,提出了一种基于蚁群算法参数迁移的机器人三维路径规划方法。在使用栅格法建立的机器人三维环境模型中,使用蚁群算法寻找最短路径。针对蚁群算法的参数选择问题,使用参数迁移算法得到最优参数。将已知的环境模型和其对应的蚁群最优参数作为源任务,将源任务映射到高维空间,通过迁移参数连接不同源任务,根据图论的知识建立参数迁移图,将参数迁移图扩展,使其包含目标任务,为随机未知环境模型分配一组蚁群最优参数。仿真实验表明,基于参数迁移的蚁群算法可以快速有效地完成机器人三维路径规划。相比传统的参数选择方法和其他智能优化方法,蚁群参数迁移算法可以大幅减少路径规划所需时间,提高了路径规划效率。     

基于RANSAC算法的植保机器人导航路径检测

为实现植保机器人精准自主导航和提高路径检测的精度、可靠性,提出一种基于RANSAC算法的视觉导航路径检测方法。首先,采用超绿灰度化法和最大类间方差法进行图像分割;继而结合形态学操作与动态面积阈值滤波算法滤除干扰;最后,在垄行的边缘中,根据均值法提取特征点,采用RANSAC算法剔除离群点后由最小二乘法进行直线拟合,以提高导航路径的检测精度。实验表明,与Hough变换相比,本文垄行中心线检测方法具有更高的检测精度,导航路径的检测率可达93.8%,比未使用RANSAC算法提高了18.8个百分点。     

国外蔬菜嫁接机器人研究动态

蔬菜嫁接机器人是工厂化育苗发展的迫切需要和必然趋势,被公认为是能够最先投入实际生产应用的设施园艺机器人。本文概述了国外蔬菜嫁接机器人的研究动态和应用现状,通过分析不同类型嫁接机器人的技术特点、工作原理和性能参数,总结了国外嫁接机器人的应用难点和制约因素,分析了嫁接机器人未来的发展方向,为中国育苗企业和研发机构开发和使用嫁接机器人提供技术参考和借鉴思路。     

香蕉园机器人导航的激光与超声波组合测距方法研究

在长有小灌木等干扰物和机耕道崎岖不平的复杂香蕉园环境中，机器人定位导航方法有时效果不佳、甚至失效，准确测量机器人与香蕉树的最短距离是实现定位与导航的前提和关键，为此提出一种基于拟合滤波的激光和超声波香蕉树测距方法。首先，在各采样时刻由激光和超声波传感器分别测得机器人到香蕉树的距离数据，并相互校验，生成待测香蕉树的一组距离数据；选择二次多项式以最小二乘法对该组距离数据进行拟合，基于拟合的二次多项式和设定阈值对该组距离数据进行滤波，去除其中偏差较大的距离；最后，对滤波后的距离数据中3个最小值求平均值，以此作为机器人到待测香蕉树的最短距离。实验表明，该测距方法在理想环境下对香蕉树的最大测距误差率为1.0%，在有小灌木等干扰物或者道路崎岖不平的环境以及室外自然场景下最大测距误差率为2.0%，相应的最大测距误差为1.0cm，且测距稳定性良好。     

含约束支链的冗余驱动并联机构动力学性能优化

全驱动并联机构可以通过增加约束支链或关节实现机构驱动冗余。为了研究约束支链与关节对冗余驱动并联机构动力学性能的优化问题，分析对比了冗余驱动并联机构6P-US+UPU与非冗余驱动并联机构6P-US机构的动力学特性，研究了约束支链对冗余驱动并联机构动力学性能的优化机理。基于虚功原理建立了6P-US机构和6P-US+UPU机构的动力学模型，提出具有明确物理意义的冗余驱动并联机构动力学性能指标，分析了约束分支对机构动力学性能的影响，并结合数值算例对两种机构动力学性能进行了对比分析。结果显示，支链约束提高了机构动力学性能，而支链质量会降低机构动力学性能。     

基于并联深度信念网络的数控机床热误差预测方法

针对基于传统浅层网络理论的热误差数学模型存在适应性、鲁棒性差的问题,提出一种基于并联深度信念网络的数控机床热误差预测与补偿方法。建立一种基于3个子深度信念网络并联的深度学习预测模型,各子深度信念网络具有相同的网络结构、不同的权值参数,并共享输入层的限制玻尔兹曼机;构建基于预测误差的并联深度网络结构,确定每个RBM隐含层的神经元数量;提出初始权值共享的并联深度网络训练方法,采用对数散度无监督学习方法预训练模型中的1个深度信念网络,其他深度信念网络共享该初始权值,并用反向传播算法分别微调生成各子深度信念网络的最优权值。实验结果表明,预测的主轴热误差均方根误差为2.2μm,在提高预测准确性的同时,显著提高了热误差补偿的适应性和鲁棒性。