图像分割技术在足球机器人中的应用

以MiroSot机器人为研究对象,通过理论与实践相结合的方法,对足球机器人视觉系统中的图像分割方法进行研究与分析,提出一种新的彩色图像阈值标定方法,使阈值设定更准确.经过处理,输出图像的质量得到相当程度的改善,既改善图像的视觉效果,又便于计算机对图像进行分析、处理和识别.     

神经网络与PID结合的机器人自适应控制

提出了一种基于神经网络与ＰＩＤ控制相结合的机器人自适应控制系统。为加快神经网络的学习过程，研究了有效的启发式学习算法。以二关节机器人为对象仿真表明，该控制系统能使机器人跟踪希望轨迹，其系统响应跟踪精度及鲁棒性优于常规的控制策略。     

RoboCup小型组足球机器人视觉系统的设计

在分析传统视觉系统的基础上,设计了一种新的图像采样处理系统。本系统包括CCD摄像头、SAA7111A、EPF10K10LC84-3、AL422B及TMS320VC5402。实践证明,本系统可明显提高足球机器人视觉系统的速度。     

一种基于预瞄控制的Robocup足球机器人带球轨迹跟踪方法

通过深入分析足球机器人带球状态下的运动特点, 结合智能预瞄控制方法建立带球状态下的非线性数学运动模型。分别对机器人的线速度和旋转速度使用专家PID控制，实现在带球情况下不丢球的机器人轨迹跟踪。仿真和试验证明该方法具有良好的快速性和鲁棒性。     

基于遗传势场法的足球机器人路径规划

以足球机器人系统为研究背景,采用了人工势场法和遗传算法相结合的方法,实现了足球机器人路径规划．首先根据势场原理设计可调参数的势场函数,再规划出已知环境下可调参数的势场函数,然后设计遗传算法中的相关适应值函数,最后用遗传算法优化势场函数中的参数,得到遗传势场法．同时利用C＋＋编程实现遗传势场法的仿真平台,并在该平台上进行仿真实验,结果表明,遗传势场法具有避障以及适于在实时环境中使用的优点,在解决实际路径规划问题中是行之有效的．     

基于一种混合算法的机器人路径优化研究

提出一种适用于移动机器人避障路径规划的混合优化算法。首先介绍细菌觅食算法的三大基本操作:趋向性、复制、迁徙操作,建立细菌觅食算法流程;其次建立蚁群算法模型;然后分析细菌觅食算法和蚁群算法的优缺点,提出一种具有较强全局搜索能力和快速收敛的混合算法模型;最后将该算法用于灭火机器人在国际赛制灭火机器人环境中寻找火源。仿真结果表明该混合算法比基本蚁群算法能够以较快的速度和较短的路径找到目标位置,最后将该算法用于实验中,证明了该方法的可行性和有效性。     

两轮自平衡机器人控制系统设计

为了使两轮机器人在更加复杂和多变的环境中灵活快捷的执行任务,本文设计了一种两轮自平衡循迹机器人控制系统,系统基于STM32F103C8T6单片机开发与实现,采用MPU6050采集角度和加速度信息,并结合光电码盘采集到的速度,反馈给处理器,经分析处理后调整左右电机转速来维持机器人平衡以及其他运动方式。采用模拟灰度传感器识别跑道中央黑色的引导线,以达到机器人寻线的目的。测试结果表明两轮平衡机器人控制系统具有可行性,提高了两轮机器人的平衡性和抗干扰能力。     

基于改进蚁群算法的灭火机器人路径规划研究

提出一种适用于灭火机器人避障路径规划的改进蚁群优化算法,采用自适应更新策略的方法规划最佳避障路径,建立了简洁、严谨的蚁群优化算法函数,以达到对灭火机器人避障路径的优化.这种方法能够使灭火机器人在未知环境寻找火源时有效避开障碍物并且使机器人所走路径最短,所用时间最少.经实验证明了该方法的可行性和有效性.     

基于LMS算法的自适应抗噪通话系统的研究

本文阐述了自适应滤波技术在抗噪通信中的应用及发展，给出了实现自适应信号分离信号提取和增强的LMS算法，并且基于LMS算法实现自适应信号分离器的Matlab仿真实验，对仿真结果相应分析，而后给出硬件实现框图。     

无人机三轴稳定云台的模糊PID控制

以无人机三轴稳定云台的内框作为研究对象,将自适应卡尔曼滤波算法与模糊PID控制算法相结合,提出了一种基于自适应卡尔曼滤波的模糊PID控制算法.经过Matlab仿真实验表明,相对于经典PID控制算法和模糊PID控制算法而言,该算法在无人机三轴稳定云台的控制上,不仅响应速度快、精度高,而且对控制干扰噪声和测量噪声也起到了较好的抑制作用.     

卡尔曼滤波融合遗传PID控制算法在提高播种精度中的应用

为提高排种器的排种精度,在传统气吸式排种盘转速控制的基础上,设计了一套卡尔曼滤波融合遗传PID控制算法,通过PID控制算法实现排种盘电机转速的闭环控制,通过卡尔曼滤波算法滤除排种盘在转动过程中因振动和外界干扰等原因产生的噪声,并采用遗传算法快速准确的寻找PID控制过程中的最优控制参数.为验证算法的有效性,假设输入信号为单位阶跃信号,并在噪声大小为0.002和0.1的情况下分别进行了实验.在噪声为0.002时,传统PID控制响应波动值可达到1.5,遗传PID控制响应波动值最大仅为1.2;加入卡尔曼滤波后,传统PID控制输出响应趋于稳定的时间约为0.2 s,遗传PID控制的输出响应趋于稳定的时间约为0.08 s;同理,将噪声增大为0.1后,采用相同的实验方案进行实验,最终实验说明了卡尔曼滤波融合遗传PID控制算法在提高排种盘电机转速稳定性中的有效性.     

六自由度转台的神经网络控制

针对六自由度转台单通道电液伺服系统的特点，探讨了一种神经网络PID控制方法，通过BP神经网络的线学习对被控对象进行辨识，采用单神经元调节PID参数，仿真表明该方法具有较好的控制效果。     

基于改进遗传算法的移动机器人PID参数优化设计

针对移动机器人位置与速度控制的要求,基于遗传算法对移动机器人PID控制器的参数进行优化设计。采用误差绝对值时间积分性能指标作为参数选择的最小目标函数,利用遗传算法的全局搜索能力,使得在无须先验知识的情况下实现对全局最优解的寻优,以降低PID参数整定的难度,达到总体上提高系统的控制精度和鲁棒性的目的。     

收获机器手移动路线优化算法的研究

针对农业收获机器手,提出一种基于遗传算法的移动路线优化算法。利用收获机器手位置的数学模型,通过遗传算法优化机器手移动的角度和距离。结果表明,该算法结果的位置误差较小,取得较好的结果。     

并串联复合机器人的一种鲁棒控制

提出一种由3自由度平动并联机构和放大机构组成的新型并串联复合机器人．为了减小负载变化以及机构参数变化对系统响应特性的影响，对3自由度并串联复合机器人控制系统设计了一种基于Lyapunov方法的鲁棒控制器，并证明了这种鲁棒控制器能够保证事实稳定．理论分析与仿真结果表明该控制器能明显改善机器人的轨迹跟踪精度．     

一种基于反步法的移动机器人运动控制算法

针对球形机器人、独轮机器人和双轮机器人的一种共同运动方式,提出一种稳定的运动控制算法。首先,将运动控制方式简化为平面内均质圆盘的垂直运动,并基于拉格朗日法建立了具有链式形式的非完整运动模型;其次,利用反步法设计一种反馈控制算法,并证明了该算法是原点渐进稳定的。仿真结果表明该算法是可行的、有效的。     

基于LBP-DEELM的类人机器人对树叶辨识的技术研究

针对类人机器人的特点,设计了一个具有树叶辨识功能的类人机器人系统.类人机器人自带的摄像头作为视觉,视觉系统采用Sobel算子对除噪、滤波后的图像进行边缘提取,将均匀旋转不变特性与原始的LBP算子相融合,提取边缘图像的特征值,结合差分演化算法对极限学习机进行优化,通过训练得到每类树叶所对应的分类器模型参数,构造分类器,实现类人机器人对树叶准确高效的识别.试验显示,仿人机器人此类控制方式适合参加竞技类比赛.