取各障碍物顶点连线的中点为路径点，相互连接各路径点，将机器人移动的起点和终点限制在各路径点上，利用最短路径算法来求网络图的最短路径，找到从起点P1到终点Pn的最短路径。上述算法使用了连接线中点的条件，因此不是整个规划空间的最优路径，然后利用遗传算法对找到的最短路径各个路径点Pi (i=1,2,…n)调整，让各路径点在相应障碍物端点连线上滑动，利用Pi= Pi1+ti×(Pi2-Pi1)（ti∈[0,1] i=1,2,…n）即可确定相应的Pi，即为新的路径点，连接此路径点为最优路径。
上传时间： 2017-05-05
上传用户：tttt123
工业机器人由于其较低的价格、高柔性以及较大的工作空间[1]，越来越多地应用于工业领域。但由于其位姿精度不高，限制了其在制造领域中高精度场合的进一步推广和应用。机器人具有高的重复定位精度，但绝对定位精度较低，且随着机器人长时间的使用以及磨损，其绝对定位精度下降很快[2]。机器人的位姿精度取决于多种因素，包括机器人零部件的制造误差、安装误差、编码器测量误差以及使用过程中环境的影响[3]，如热误差、力误差等。为了使机器人能够应用于精密加工制造领域，必须提升其位姿精度，因此对机器人在整个工作空间的位姿误差进行研究和补偿具有重要的理论意义和实用价值。
上传时间： 2018-03-26
上传用户：然先生_
本书共分两篇十三章，介绍了螺旋理论基础、螺旋系和螺旋的相关性、反螺旋系、空间机构和机器人机构的结构分析、空间机构自由度分析的约束螺旋求解法等内容。
标签： 机构学
上传时间： 2021-11-02
上传用户：20125101110
神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ，环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的，常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境，在满足 精度要求 的情况下，必定要占用大量的内存，并且采用栅 格法进行路径规划，其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络，其学习的结 果能体现出输入样本的分布情况，从而对输入样本实现数 据压缩 。基于 网络 的这些特 性，可采 用K0h0n曲 神经元 的 权向量来表示 自由空间，其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入，神经嘲络通 过对大量的输八样本的学习，其神经元就会体现出一定的 分布形 式 学习过程如下：开 始时网络的权值随机地赋值 ， 其后接下式进行学 习： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神经元 1在t时刻对 应的权值 ；a(∽ 谓整系 数 ； (『l网络的输八矢量；Ⅳ()：学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (，) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ，如果神 经元 的数量 太少 ．它们就 不能 覆 盖整十空间，结果会导致节点穿过障碍物区域 如果节点 妁数量太大 ．节点就会表示更多的区域，也就得不到距障 碍物的最大距离。在这种情况下，节点是对整个 自由空间 的学 习，而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义，在每个学习阶段的结柬．机器人会检查所有的路 径．如检铡刊路径上有障碍物 ，就意味着没有足够的节点 来 覆盖整 十 自由窑 间，需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ，应该采用较少的网络 节点升 始学习，逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习，自由空间教小，就可用线段表示；若自由空问 较大，就需要由二维结构表示 。 采用Kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构，可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息．如形状、位置等 通过 学习可用树结构表示自由空问的基本框架，起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中，可采用人】：神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ，因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ，足以全局规荆为指 导 利用在线得到的局部环境信息，在尽可能短的时问内
上传时间： 2022-02-12
上传用户：qingfengchizhu
基于人工神经网络实现智能机器人的避障轨迹控制摘 要：利用人工神经网络中的二级 BP网。模拟智能机器人的两控制参数(左 、右轮速)间的函数关系。实现避 障轨迹为圆弧或椭圆弧的轨迹控制 。并且通过调整椭圆长、短轴大小。能实现多个及多层障碍物的避障控制．该方法 的突出特点是方法简单、算法容易实现 。使机器人完成多个及多层避障动作时。不滞后于动态环境里其它机器人(障 碍物)位置的变化．在仿真实验中。取得了理想的效果． 关键词；BP神经网络I多个及多层避障控制I椭圆轨迹1 弓I言(Introduction) 在机器人中，避障轨迹的生成是一个重要的问 题．对于不确定的动态环境下的实时避障轨迹生成， 是较为困难的．有关这方面的研究，目前已有许多方 法．一些神经网络模型被设计出来，产生实时的轨迹 生成．文献113[23提供的神经网络模型产生的轨迹 生成仅能处理在静态环境下及假设空间中没有障碍 物的情况．[3]提供的神经网络模型，能为智能机器 人产生导航的避障轨迹，然而模型在计算上相当复 杂．文献[43提供了Hopfield神经网络模型，能在动 态环境下产生时实的避障轨迹生成，并在文献[5] 中，严格证明了因该方法生成的轨迹没有遭受局部 极小点逃离问题．并且文献[63用两个神经网络层叠 加起来，每层构造相似于[43中的网络结构．它是利 用第二层网络来发现下一个机器人位置的无监督模 型，然而它却加倍了计算量，尽管文献[4，6]提供的 方法能在动态环境下，产生时实避障轨迹，但都具有 较慢的运动速度，在快速变化的环境下不能恰当地 完成动作执行，因为机器人要比较好地完成避障动 作，必须不能滞后于障碍物动作变化
上传时间： 2022-02-12
上传用户：得之我幸78
移动机器人路径规划尤其是未知环境下机器人路径规划是机器人技术中的一个重要研究领域，得到了很多研究者的关注，并取得了一系列重要成果。目前已存在许多用来解决该问题的优化算法，但是此类问题属于N-Hard问题，寻求更佳的算法就成为该领域的一个研究热点。为此，根据机器人路径规划算法的研究现状和向智能化，仿生化发展的趋势，研究了一种基于图的机器人路径规划蚂蚁优化算法。算法首先用栅格法对机器人的工作空间进行建模，并用一个状态矩阵表示其状态，由此构造出一个连通图，由一组蚂蚁在图上模拟蚂蚁的觅食行为，从而得到避碰的优化路径。最后，借鉴分枝随机过程和生灭过程的理论知识，用概率的方法从理论上对该算法的收敛性进行了分析，在此基础上，结合计算机仿真结果，证实了本文提出的算法的有效性和收敛性。迄今为止，对于未知环境下机器人路径规划，人们已经探索出了许多有效的求解方法诸如虚拟力场法、基于学习或Q学习的规划方法、滚动窗口规划方法、非启发式方法及各类定位、导航方法等等。近年来，不少学者用改进的遗传算法、神经网络、随机树、蚁群算法等方法对未知环境下机器人路径进行了规划机器人路径规划算法向智能化、仿生化发展是一个明显的趋势.由于已有算法不同程度的存在一定局限性，诸如搜索空间大、算法复杂、效率不高等，尤其对于未知环境，不少路径规划算法的复杂度较高，甚至无法求解，根据日前的研究现状和不足，本文提出了一种用于解决未知环境下机器人路径规划的基于图的蚂蚁算法，理论分析和实验结果都证明了本文算法的有效性和收敛性本课题研究的主要内容本文在用概格法对机器人的工作空间进行建模的基础上，用一个状态矩阵表示其状态，由此构造一个连通图，由一组蚂蚊在图上模拟蚂蚁的觅食行为，从而得到避碰的优化路径并借鉴分枝随机过程和生灭过程的理论知识用概率的方法从理论上对该算法的收敛性进行了分析，结合计算机仿真，证明了本文算法的有效性和收敛性
上传时间： 2022-03-10
上传用户：kingwide
机器人是整合控制论、机械电子、计算机、材料和仿生学的产物，能实现环境感知、动态决策与规划、行为控制与执行等多种功能。机器人代表了科学技术的最高水平，在工业、农业、医学建筑业甚至军事等领域中均有重要用途]。宋健院士在国际自动控制联合会第14届大会报告中指出：“机器人学的进步和应用是20世纪自动控制最有说服力的成就，是当代最高意义上的自动化”2吗。现在，国际上对机器人的概念已经逐渐趋近一致。一般来说，人们都可以接受这种说法，即机器人是靠自身动力和控制能力来实现各种功能的一种机器。联合国标准化组织采纳了美国机器人协会（Robot Institute of America，RlA）于1979年给机器人的定义：一种可编程和多功能的，用来搬运材料、零件、工具的操作机；或是为了执行不同的任务而具有可改变和可编程动作的专门系统]。作为机器人研究领域的一个重要分支，双足机器人（Humanoid Robot）由于其广阔的应用空间一直是研究热点之一。所谓双足机器人，又称仿人机器人，是具有人形的机器人，是关节转动灵活，控制系统复杂，能完成高难度的动作的机器人。它是机械、自动控制技术、计算机技术、人工智能、微电子学、模式识别、通讯技术、传感器技术、仿生学等多学科和技术综合的结果，代表着一个国家高科技发展水平。研制与人类特征类似，具有人类智能、灵活性，并能与人类交流，不断适应环境的双足机器人一直是人类的努力的目标]。与传统机器人相比，双足机器人具有显著的优势，比一般机器人有更大的机动性、灵活性，同时也具有更广泛的应用领域。双足机器人的出现是控制科学、传感器技术、人工智能、材料科学等学科的技术进步，以及机器人使用范围的扩大和人类日常生活需要的产物。双足机器人在工农业生产、科学探测、军事侦察、生活服务与娱乐等很多方面都有广泛的应用前景。首先双足机器人在拓展人类的认知范围上发挥着重要作用，在外层空间、深海等人类尚不能到达的环境都有双足机器人的身影；其次双足机器人已经广泛应用在恶劣、危险条件下或其它不适合人类活动的环境中。双足机器人的迅速发展和广泛应用，对人类社会的生活和生产产生了深远的影响。也正是因为双足机器人的广泛的应用背景和商业价值，所以近年来，双足机器人成为机器人研究领域内的一个热点]。
上传时间： 2022-06-18
上传用户：tigerwxf1
摘要：近年来主从式机器人系统被广泛应用在医疗、深海等非结构性环境，在现有研究成果的基础上，研究了主从式机器人系统的控制策略，采用增量式位置控制，易于建立主端与从端的工作空间映射，并增加位置反馈提高系统的控制精度；解决了主从运动比例变化的问题；并通过搭建的主从机器人系统对位置控制策略进行验证，结果表明了系统位置控制策略的准确性和实时性将主从位置误差引入系统的力反馈控制策略，分析系统的稳定性，并通过MATLAB/Simulink对力反馈策略进行仿真及实验验证，仿真与实验结果验证了所建立控制策略的有效性.关键词：机器人系统；主从控制；力反馈；位置控制
标签： 机器人
上传时间： 2022-06-21
上传用户：jiabin
机器人辅助模具自动抛光研究及发展趋势
上传时间： 2013-08-04
上传用户：eeworm
智能机器人传感技术
上传时间： 2013-06-13
上传用户：eeworm
