首页> 正文

自主农业机器人的神经—模糊建模与故障检测

2020-11-23阅读(967)

自主农业机器人的神经—模糊建模与故障检测

论文摘要

API（Autonomous Plant-care Inplememtation）是由丹麦奥尔堡大学和农业科学研究所等单位联合研发的自主农业机器人。API机器人的主要任务是实现农业耕作的自动化，比如说，应用API机器人自主田间除草不仅可以减少农业人员耕作的辛苦，而且能够大幅度减少除草剂的使用，是当今农业现代化的研究热点之一。作为一个复杂的机器人系统，API机器人系统融和了机器人学、机电一体化技术、通讯与计算机技术、机器人视觉与传感融合技术及故障检测技术等多种高新技术。 本论文以API机器人系统的建模和系统的故障检测为研究重点。 1)API机器人系统的神经-模糊建模 API机器人系统是一个强非线性、多变量、时变的复杂系统，用常规的数学方法建模既费时又费力，而且在各种假设下建立模型，其适应度也大打折扣。由于神经-模糊建模方法不同于解析的数学建模法（白色方法），也不同于完全基于数据的建模法（黑色方法），它是一种既基于测量数据又基于系统知识的建模方法，而类似于API机器人这样复杂的系统，测量其输入输出是容易做到的，因此，本论文采用神经-模糊理论来建立API机器人系统的数学模型。本文针对API机器人系统结构的对称性，首次提出‘等效轮’（Imaginary Wheel）的概念，合理地简化了输入变量的数目。‘过拟合现象’（Overfitting）是应用神经-模糊方法建模时常发生的现象，本文提出

论文目录

  • 第一章 绪论
  • 1.1 API机器人的研究背景
  • 1.2 课题的研究内容与创新点
  • 1.2.1 课题的研究内容
  • 1.2.2 论文的创新点
  • 1.3 课题的研究方法
  • 1.3.1 神经-模糊建模理论
  • 1.3.2 故障检测理论
  • 1.4 论文的章节安排
  • 第二章 API机器人系统的运动特性与数学模型
  • 2.1 API机器人系统的运动学特性
  • 2.1.1 API机器人系统的基本坐标系
  • 2.1.2 描述API机器人系统运动的关键物理量
  • 2.1.3 API机器人系统的机械约束：瞬时旋转中心ICR
  • 2.2 等效轮概念的提出
  • eq'>2.2.1 等效转向角βeq
  • eq'>2.2.2 等效角速度ωeq
  • 2.3 API机器人系统运动学的解析模型
  • 2.4 API机器人系统运动学的解析模型仿真
  • 2.5 本章小结
  • 第三章 API机器人系统的神经-模糊模型
  • 3.1 神经-模糊理论中的基本概念
  • 3.2 神经-模糊建模理论
  • 3.3 API机器人系统建模的神经-模糊算法
  • 3.3.1 API机器人系统运动学的神经-模糊模型
  • 3.3.2 输入／输出的选择
  • 3.3.3 系统辨识和输入／输出数测量据的预处理
  • 3.4 API机器人系统运动学的神经-模糊模型
  • x的ANFIS子模型及其Matlab仿真'>3.4.1 输出νx的ANFIS子模型及其Matlab仿真
  • y的ANFIS子模型及其Matlab仿真'>3.4.2 输出νy的ANFIS子模型及其Matlab仿真
  • θ的ANFIS模型及其Matlab仿真'>3.4.3 输出νθ的ANFIS模型及其Matlab仿真
  • 3.5 本章小结
  • 3.5.1 API机器人系统神经-模糊模型的校验
  • 第四章 API机器人系统的故障检测
  • 4.1 故障检测理论的概述
  • 4.2 API机器人传感器子系统的故障检测
  • 4.2.1 基于神经-模糊模型方法的残差生成
  • 4.2.2 基于累积和方法的残差评价
  • 4.3 对传感器GPS‘无输出’故障的检测
  • 4.4 对传感器解码器,陀螺仪‘首先解码器输出为零-其次陀螺仪无输出’故障的检测
  • 4.5 本章小结
  • 第五章 结论
  • 5.1 课题的创新之处
  • 5.2 课题的总结论
  • 5.2.1 关于API神经-模糊建模方法的结论
  • 5.2.2 基于API机器人神经-模糊模型的故障检测
  • 5.3 课题的展望
  • 5.3.1 课题的可改进之处
  • 5.3.2 今后工作中的建议
  • 参考文献
  • 附录A 神经-模糊建模的理论基础
  • A.1 系统辨识
  • A.1.1 结构辨识
  • A.1.1.1 输入变量的选择
  • A.1.1.2 隶属度函数的选择
  • A.1.2 输入／输出数对的处理
  • A.1.2.1 划分数据为两部分：输入变量和输出变量
  • A.2 模型的过拟合现象
  • eq的讨论'>A.3 等效角βeq的讨论
  • 附录B 神经-模糊建模方法的算法
  • B.1 Genfis1和Genfis2的算法
  • B.1.1 Genfis1的算法
  • B.1.2 Genfis2的算法
  • B.2 Anfis的算法
  • B.2.1 误差反馈传播的学习方法
  • B.2.2 最小二乘学习方法
  • 附录C CUSUM检验法
  • C.1 CUSUM算法的原理
  • C.2 CUSUM改进算法
  • C.3 CUSUM试验中参数的初始化
  • C.4 CUSUM算法的实现
  • C.4.1 在每个采样时刻i
  • C.4.2 CUSUM算法的初始化
  • C.4.3 CUSUM算法的具体实现
  • 致谢
  • 攻读硕士学位期间发表的论文
  • 攻读硕士学位期间参加的科研项目

    • 相关论文文献

    • [1].电子电路故障检测技术探索[J]. 电子测试 2020(03)
    • [2].航空线路故障检测与定位系统设计[J]. 飞机设计 2020(01)
    • [3].车联网在汽车故障检测中的应用[J]. 内燃机与配件 2020(11)
    • [4].探讨离心泵常见故障检测与维修[J]. 中国设备工程 2020(16)
    • [5].航空锂电池故障检测与诊断[J]. 电源技术 2018(12)
    • [6].故障检测技术在电子电路的研究[J]. 通讯世界 2017(03)
    • [7].刍议数字电路在线故障检测技术[J]. 信息通信 2015(12)
    • [8].在《汽车故障检测与维修》中应用思维导图教学法的研究[J]. 科技风 2016(08)
    • [9].大数据环境下的网格动态故障检测研究[J]. 计算机应用与软件 2016(06)
    • [10].关于暖通空调系统故障检测与诊断技术研究进展[J]. 企业导报 2016(19)
    • [11].基于高服务质量的云网络故障检测方案分析[J]. 信息通信 2015(10)
    • [12].电子电路故障检测技术与方法[J]. 数码世界 2017(08)
    • [13].汽车发动机故障检测及维修技术研究[J]. 农家参谋 2020(22)
    • [14].矿山机电设备智能故障检测诊断技术的研究[J]. 石化技术 2020(04)
    • [15].自动故障检测与诊断在暖通空调中的研究与应用[J]. 建材与装饰 2020(20)
    • [16].树状能量网络故障检测[J]. 系统科学与数学 2019(02)
    • [17].带有故障检测功能的平煤板[J]. 燃料与化工 2017(04)
    • [18].刍议数字电路在线故障检测技术[J]. 数字技术与应用 2015(12)
    • [19].汽车电脑的故障检测与维修[J]. 电子技术与软件工程 2015(02)
    • [20].计算机软硬件的故障检测与维护[J]. 电脑迷 2016(08)
    • [21].任务驱动教学法在《汽车故障检测与诊断》课程教学中的运用[J]. 新课程研究(中旬刊) 2013(07)
    • [22].暖通空调系统故障检测与诊断技术研究进展[J]. 暖通空调 2014(03)
    • [23].基于神经网络的计算机网络故障检测[J]. 煤炭技术 2012(04)
    • [24].基于主元分析的延迟焦化过程连续故障检测策略[J]. 化工自动化及仪表 2012(02)
    • [25].电控车故障检测法新思路[J]. 山东农机化 2009(01)
    • [26].海浪载荷干扰下船舶发动机故障检测数学模型研究[J]. 舰船科学技术 2019(18)
    • [27].飞行器伺服电磁阀故障检测研究[J]. 弹箭与制导学报 2017(01)
    • [28].基于网络的离散切换时滞系统故障检测和控制器协同设计[J]. 控制与决策 2017(10)
    • [29].离散切换系统的H_-/H∞故障检测滤波器设计[J]. 哈尔滨工业大学学报 2016(10)
    • [30].多传感器系统中基于扩展卡尔曼滤波器的在线故障检测[J]. 传感器与微系统 2015(06)

    标签：;  ;  ;  ;  ;  ;  

    自主农业机器人的神经—模糊建模与故障检测
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5