一、基于多种传感器信息融合的移动机器人的环境辨识（论文文献综述）
曹雪山[1]（2021）在《基于深度学习的工业机器人故障诊断技术研究》文中研究指明工业机器人凭借自身高效率高强度的工作模式,在生产制造行业及相关领域内有广泛的应用。工业机器人发生故障往往会造成生产线的生产停滞,造成企业人力物力资源的消耗,严重的还会造成人民生命财产损失。由于传统的故障诊断方法周期长、诊断效率低,故障识别准确率也难以保证,研究针对工业机器人的智能化故障诊断系统成为工业生产中的重要一环。本文基于深度置信网络与多源信息融合技术相关理论,通过对工业机器人关节和末端执行器的振动信号的分析,建立适用于工业机器人的故障诊断模型。本文主要研究内容如下:分析工业机器人的常见故障形式、故障表征与故障原因,确定以工业机器人的振动信号作为研究对象,完成工业机器人故障诊断模型的创建与验证。针对工业机器人的振动信号,采用小波变换、信息能量熵相关理论进行特征提取,构建振动信号的能量熵归一化特征向量。以KR-3-R540机器人、数据采集与存储系统、数据分析系统和加速度传感器为实验设备。通过数据采集与存储系统获取加速度传感器所采集到的KR-3-R540机器人各个关节与末端执行器的振动信号,经过数据分析系统进行分析。由于工业机器人运动频率和共振频率的干扰,需要对加速度传感器所采集的振动信号进行滤波处理。利用小波变换和信息能量熵相关理论对滤波之后的振动信号进行处理。通过对比在不同参数下对振动信号的处理结果,确定最佳小波分解层数与小波基数量参数,以及能量熵计算方程和归一化方程。以振动信号所对应的能量熵归一化向量作为实验样本,划分为训练集和测试集,完成对DBN网络参数的正向非监督训练与反向优化微调和模型故障识别准确率的测试。利用多源信息融合技术中的DSmT理论进行故障诊断模型决策层融合。将DBN网络输出层作为故障证据计算证据冲突度量因子,根据证据之间存在的高冲突证据,选取开放辨识框架下的DSmT的组合规则与决策规则进行决策层融合。设计多并发故障状态下机器人实验,验证基于多源信息融合的工业机器人故障诊断模型在多并发故障状态下的适用性,故障识别准确率可达到94.3%。
任文强[2]（2021）在《移动机械臂及其上下料应用研究》文中认为随着科学技术的进步和智能制造的推进,完全使用人工进行生产已经满足不了制造业的发展要求。人工生产成本高,同时招工也难;对于一些特种零器件的生产使用人工不能满足高精尖要求;对于危险工作的操作,使用人工存在安全隐患;对于部分劳累工作,长时间的生产也会消耗大量的人力,无形中提高成本。所以,机器人换人进行生产成为大势所趋,符合智能制造的要求。应企业转型升级和推进智能制造需要,本课题结合校企合作项目,利用移动机械臂为企业电器盒生产提供一套自动上下料生产方案,并在此背景下展开关于移动机械臂及其在自动上下料应用中的相关研究,其具体研究内容如下:首先,进行运动学分析与建模。分别展开关于机械臂和移动底盘的正逆运动学建模,为后续控制做准备;在模型的基础上进行工作空间分析,首先采用蒙特卡罗法独立分析机械臂的工作空间,然后进行整体移动机械臂的静态工作空间分析;为了判定移动机械臂是否会在机械臂工作的情况下发生倾覆,利用ZMP和FA方法进行判定。其次,分析移动机械臂的误差情况并提出补偿方法。首先是对于移动机械臂的传感器的误差来源进行分析,对于误差影响较大的传感器进行降噪和补偿处理;其次分析机械臂的工作误差情况,其误差主要是来源于DH参数的累积误差导致的最终末端执行器的位姿偏差;然后分析移动机械臂整体的误差情况,最后利用BP神经网络技术对移动机械臂的整体进行误差补偿处理,将所有误差视为内部误差进行综合修正。然后,对于移动机械臂应用于自动上下料的工作规划算法进行研究。首先对于移动平台的工作进行规划,为了使得移动平台能够自适应调整轨迹,采用基于RBF的PID算法进行轨迹修正,同时采用基于五次多项式的速度规划算法降低移动机械臂的惯性对于移动精度的影响,然后利用多传感器融合技术采集移动平台的里程信息进行反馈修正;对于机械臂的上下料工作规划,使用A*算法进行空间路径规划,然后利用B样条技术进行轨迹平滑处理,对于机械臂的姿态规划则利用四元数进行插补的方法,最后通过仿真验证该规划的合理性和可行性。最后,进行样机设计和搭建以及工程应用实验。由于本研究课题的背景涉及工程实际应用,所以第五章节主要是介绍相关的设计和应用验证。首先是介绍移动机械臂的相关主要硬件部分,着重介绍移动底盘的相关硬件;然后介绍本研究课题设计的软件系统,集成了机械臂的控制系统和移动平台的控制系统,而该软件的人机交互部分主要是为了满足工厂实际应用;最后进行实验,着重模拟验证具体应用情况。综合研究,本课题从多个角度出发提高了移动机械臂的工作精度,所设计的控制系统能够平稳运行,设计的样机能够在模拟环境下完成针对于电器盒自动上下料应用的相关工作。
刘世东[3]（2021）在《视觉不确定性信息处理及其在移动机器人定位中的研究》文中研究表明移动机器人系统为了安全完成工作要求,最重要的任务之一,是通过传感器测量获取工作环境的知识,然后从这些测量中提取有意义的信息,这些信息是建立环境模型、明确自身位置的基础。传统的移动机器人观测模型基于理想的假设,如在基于视觉的感知方式中,通常假设环境噪声和测量噪声是各向同性、独立同分布的高斯噪声,无法全面地反映环境变化和传感器噪声等多源不确定性信息对感知过程的影响。为保证移动机器人在多源不确定性因素干扰下感知环境信息的准确性,提高移动机器人对感知不确定性信息的适应能力,研究多源感知不确定性信息的处理方法对于提高移动机器人的感知能力有重要的意义。基于视觉的感知方法主要分为直接法和特征法,点特征由于提取过程简单、匹配过程速度快在特征法中被广泛应用。考虑到多源不确定性信息影响图像成像模式,进而影响特征点提取和匹配的情况,论文以移动机器人视觉感知系统为研究对象,研究如何将视觉感知过程中的多源不确定性信息融合到基于特征点法的移动机器人的定位过程中,以提高移动机器人对不确定性信息的适应能力。论文的主要研究内容包括:1.考虑特征点的深度不确定性与方向不确定性的视觉感知系统建模。相机噪声影响特征点的深度估计,论文通过特征点邻域内的高斯混合模型建立特征点的深度不确定性模型;环境噪声影响图像的成像模式和特征点的检测,论文通过仿射矩阵建立特征点的方向不确定性模型,同时将深度不确定性模型融合到方向不确定性模型中,最终对特征点建立多源不确定性模型。2.融合多源相似性指标的特征点匹配的证据方法。论文根据证据理论处理多源信息的优势,建立了衡量特征点相似性的多源评价指标,再运用证据组合规则融合多评价指标,得到多个匹配点对之间的基本概率指派函数（Basic Probability Assignment,BPA）,最后根据融合后的结果在匹配点对之间进行选择。针对传统证据冲突因子表达证据冲突的局限性,论文提出一种改进的冲突程度度量,并将其运用在对匹配点对的筛选过程中,给定运动初值,以虚拟特征点为中心进行搜索。3.考虑多源不确定性的移动机器人位姿求解目标函数构建。在证据融合得到的匹配点对的基础上,结合建立的特征点多源不确定性模型,将多源不确定性与位姿求解的目标函数进行融合,使得原始目标函数充分考虑了不确定性因素的影响,最终通过旋转参数和平移参数的计算,使得目标函数能够适应不同程度的多源不确定性。论文对图像建立了特征点的多源不确定性模型,模拟了多源不确定性下的位姿求解过程,用旋转矩阵和平移向量的相对误差来衡量位姿求解的准确性,验证了论文方法的可行性。
孙宇[4]（2019）在《机器人辅助脊柱椎板减压手术的图像导航与状态感知研究》文中认为椎板减压手术是治疗椎管狭窄等骨科疾病的重要手段,医生长时间手持器械对椎板进行精细切削会造成身体疲劳,有一定几率导致硬膜撕裂等情况发生,可能会引起脑脊液漏或导致血肿对神经形成压迫。手术机器人具有高精度、高可靠性、容易交互、无疲劳等特点,可在医生的规划下辅助医生完成精细的减压手术,提高手术效率,同时减少并发症的发生几率。在脊柱手术中,机器人主要基于2D图像规划与导航辅助完成脊柱椎弓根钉的置入操作,其主要实现的是在图像导航引导下的定位功能,目前缺少面向椎板减压手术的规划方法,脊柱椎板在3D图像空间中为自由曲面,存在重建表面不完整、交互容易干涉等问题。机器人夹持超声骨刀切削时,呼吸引起的脊柱生理运动会产生附加正压力,影响切削稳定性;机器人夹持高速磨钻磨削时,外力作用引起的脊柱牵连运动会产生附加位移,影响磨削精度,机器人对这种动态环境尚不具备类似医生的适应能力;椎板减压无法通过内窥镜实时观察椎骨内部情况,需要通过对传感器信号在线分析实现手术状态感知,进而对手术操作提供状态预警或急停处理,提高机器人辅助手术的安全性,但目前的状态感知技术准确度不高,且缺少统一的判断标准。通过深度学习方法对医学图像进行增强处理,优化图像重建质量与病灶区域交互方式,设计面向椎板减压手术的路径与速度规划方法。基于U-Net衍生网络对椎骨CT图像进行多标签语义分割,实现根据语义信息的目标椎骨提取与椎板结构局部重建,通过空间引导线与包围盒实现医生与重建图像的交互规划,完成磨削初始点定位、变速磨削、椎管约束构建等操作。通过建立患者全身麻醉状态下呼吸机输出量与脊柱浮动量的关系模型,提出基于弹性夹具与模糊控制的附加力复合补偿方法。结合临床用呼吸机及其管路的实际参数,对不同呼吸相位下的气体流动状态进行分析,建立呼吸机出气口气体压强、流速与脊柱浮动量间的数学模型,设计机器人末端弹性夹持装置和模糊刚度控制器,提高机器人对超声骨刀切削环境的鲁棒性。通过传统弹性力学建立脊柱弯曲与扭转模型,提出面向临床的模型参数在线辨识方法与位移补偿策略。建立机器人末端对椎板作用力、作用角度与椎板表面局部区域在矢状轴、冠状轴方向位移量的关系模型,基于自适应卡尔曼滤波建立噪声统计特性未知情况下的机器人控制器,并基于两连杆机器人PD控制进行仿真,验证机器人控制系统的动态性能。通过构建术中声音信号、力信号的实时标准化特征,提出异源信号间的融合感知方法,实现对椎骨的骨皮质、过渡区、骨松质的状态识别。基于FFT对声音信号进行时频分析,通过频域回归方程定义声音信号特征,实现对骨质过渡区的识别,结合医生感知度改进术中力信号特征,实现对骨皮质和过渡区的识别,结合D-S证据论实现信息融合,提高手术在线状态感知能力。现阶段国内外手术机器人研究主要集中在辅助脊柱内固定手术,面向椎板减压的研究工作尚不成熟。本文对机器人辅助脊柱椎板减压手术技术进行了系统性研究,结合深度学习、计算机视觉、数学建模仿真、信息融合等技术,重点解决临床中医学图像规划、导航自动注册、动态环境补偿、手术状态感知等问题,为开展机器人辅助椎板减压手术提供了技术支撑。
白云[5]（2019）在《煤矿蛇形探测机器人位姿控制方法研究》文中研究指明当煤矿井下发生灾害后,救援机器人可以替代救援人员在第一时间进入灾区实施搜救工作,迅速探明现场环境、及时发现被困矿工,为快速救援提供科学依据。然而,灾后的煤矿井下环境异常复杂且未知,因此,要求救援机器人应具备环境识别、规划决策、运动控制等能力,以保证其在煤矿井下顺利完成救援任务。本文提出并构建煤矿蛇形测机器人系统,针对该机器人的位姿控制所涉及到的关键科学问题进行研究,包括机人器的相对定位、运动姿态的控制、自主越障的最优控制、对所处环境的有效辨识和自主避障等内容,并研制出一台用于灾后煤矿井下环境探测的蛇形机器人,旨在提高煤矿蛇形探测机器人智能控制和局部自主能力。在分析灾后井下现场环境的基础上,针对探测机器人的功能需求,设计并研制一种多关节蛇形机器人。该机器人机械本体采用正交关节连接,移动机构釆用自制叶片轮驱动。控制系统由硬件平台和软件系统组成,硬件平台为三层次分布式结构,由环境感知层、规划决策层和动作执行层构成。软件系统为功能模块化体系结构,包括环境探测系统、定位系统、姿态控制系统、越障避障模块、通讯系统和上位机系统六个功能模块。该蛇形机器人可为论文的理论及方法验证奠定基础。针对在煤矿井下封闭式复杂环境下的蛇形机器人定位问题,提出利用机器人运动轨迹曲率与航向角进行估计的方法代替传统的对巷道内复杂地面参数估计的思路,建立基于转向时蛇形探测机器人的定位模型。在此基础上,提出一种卡尔曼滤波算法和深度学习算法相结合的煤矿蛇形探测机器人航位推算的定位方法,该方法采用卡尔曼滤波算法对机器人航向角信号中的高斯白噪声进行剔除,再针对航向角信号中来自低频段的各种漂移,建立基于LSTM（LongShortTermMemory）深度祌经网络的陀螺仪输出值预测模型,对未来一段时间内陀螺仪的输出值进行预测,从而实现航位推算的相对定位。实验表明,该方法可以实现蛇形探测机器人的航位推算定位,机器人位置的最小相对误差为3,299×l0-12cm,航向角最小误差为2.173×10-5rad。针对煤矿井下不平整地面环境的机器人姿态控制问题,运用D-H（Denavit-Hartenberg）分析法对正交连接的蛇形机人进行运动学机理分析,构建两连杆三关节机构模型,可避免建立蛇形机器人运动学模型的复杂性。进而提出基于简化Serpenoid曲线的改进的运动控制函数方法,引入曲率误差,建立蛇形机器人蜿蜒、伸缩、抬头不同运动姿态的数学模型,推导不同运动姿态时蛇形机器人的偏转角、俯仰角和相对转角的控制函数,并将仿真得到最优参数运用到机器人的运动控制中,以实现适应复杂地面的蛇形机器人运动姿态的控制,为机器人实现自主越障和避障功能奠定理论基础。针对机器人在自主越障过程中对关节俯仰角如何确定的问题,提出改进的粒子群优化权系数的极限学习机（Particle Swarm Optimization Extreme Learning Machine,PSOELM）位姿控制算法,该算法推导出动态的惯性系数,利用改进粒子群算法优化极限学习机的隐层矩阵权系数,欲达到优化隐层矩阵的目的,以克服传统极限学习机由于隐层节点参数随机选择而导致网络性能达不到最优的缺点。仿真实验表明,PSOELM算法不仅延续了ELM快速学习的特点,而且在控制精度、快速寻优特性及稳定性方面比ELM更好,可以实现对机器人关节俯仰角的最优控制。针对在未知环境下机器人环境辨识建模问题,提出基于遗传算法的变结构模糊神经网络（Genetic Algorithm variable structure fuzzy neural network,GAVSFNN）多传感器数据融合算法,该算法将神经网络引入到模糊规则的推理中,建立基于概率论的改进模糊控制规则,通过改变与简化神经网络结构来调整模糊规则库,实现模糊隶属函数的自学习和模糊规则的优先提取。采用遗传算法优化变结构模糊神经网络的学习参数,以克服常规BP算法易陷入局部最优的缺点,实现参数的快速和全局寻优。实验结果表明,相比较VSFNN算法,GAVSFNN可以获得对环境模型更高的辨识精度,平均误差为2.725′10-3。在此基础上,建立基于知识库的机器人自主避障系统软模型,以产生避障行为命令对机器人的偏转角进行控制,实现自主避障功能。以研制的多关节蛇形机器人为平台,与论文提出的几种算法结合,组成煤矿蛇形探测机器人实验系统,在西安科技大学实训基地模拟煤矿巷道中进行现场实验,实验表明,本文所提出的理论和方法可为煤矿蛇形探测机器人在灾后井下非结构化复杂环境中的位姿控制提供理论支撑,也为蛇形机器人在其它灾害环境的位姿控制研究奠定基础。
郭燕[6]（2019）在《基于机器视觉的草坪修剪机器人自主路径规划算法研究》文中提出随着智能控制、人工智能等理论的发展,移动机器人技术的研究及应用受到越来越多国内外学者的重视。草坪绿化机械的广泛应用方便了人们的生活,但是自动化、智能化的绿化设备国内起步较晚。针对这一现状,我们对草坪修剪机器人进行研究,立足于设备的自主运行,提出先通过机器人的自动寻边构建草坪地图,然后对草坪修剪路径进行预规划,在根据预规划路径修剪过程中,实时检测障碍物并实时避让的作业策略,对相关的关键技术进行了探索,主要内容如下:首先,完成了草坪修剪机器人控制系统硬件设计,包括导航定位装置、外部环境探测装置、机器视觉装置等。导航定位采用GPS与陀螺仪相结合的模式获取机器人的位置信息,外部环境探测采用了激光雷达和超声波相结合的模式对草坪障碍物距离进行采集,利用单目视觉相机采集草坪图像,确定STM32ZF407作为主控制器控制机器人的动作。其次,对草坪轮廓的辨识算法进行研究,基于视觉摄像头所获取的图片,辨识草坪边界,完成机器人的自动寻边,对草坪边界路径进行直线拟合来完成草坪边界的提取,结合GPS与陀螺仪获取的位置构建草坪轮廓地图。再次,对机器人的自主路径规划算法进行研究。基于草坪轮廓地图规划机器人的作业路径,对A*算法进行了改进,改进后的算法在特殊环境地图中工作更高效,采用全局路径规划和人工势场算法局部路径规划相混合的规划方法,来实现草坪修剪机器人的自主路径规划。最后,对机器人作业过程中的避障算法进行研究,建立了机器人运动模型,通过坐标变换实现机器人自定位,针对草坪修剪机器人工作环境中可能遇到的障碍物,利用传感器获取障碍物轮廓信息,设计了实时避障算法。
郎志宇[7]（2019）在《基于自主视觉的足球机器人目标识别算法》文中指出嵌入式轮式机器人运用视觉传感器实现目标识别任务是目前热点研究之一,面对的核心问题是怎样设计一种目标识别方法,能够满足机器人在复杂、特定的应用场景中快速的、有效的完成目标识别任务,同时也能对轮式机器人在运动中执行指令更加及时、动作更加灵敏提供保障。本文把轮式足球机器人足球竞赛作为背景展开研究,针对特定应用场景中的足球、足球机器人等元素的辨别问题,主要完成了以下四方面工作内容:（1）本文设计了基于自主视觉的足球机器人目标识别方法。此方法结合Haar-like特征、SVM和AdaBoost学习分类算法在服务器端完成获取训练样本集、构造强分类器的任务,通过强分类器模型实现在机器人视野中遍历识别出目标,减少了机器人在目标识别方面对色彩编码化等的依赖。（2）本文提出了基于动态目标区域预估的目标识别算法,通过三帧差法实现对动态目标的预估区域的标记,在对视野图像遍历时,优先对预估区域检测。此方法进一步提高了目标识别系统的实时性。（3）本文结合使用了一种轮式足球机器人多传感器信息融合算法,此算法改进了PID算法公式上的微分项及积分项,提升了融合计算的效率,输出的数据也愈加精确,从而为实现精准快速的机器人目标识别提供了控制层面上的支持。（4）本课题研究的内容是在资源受限的情况下完成轮式足球机器人的目标识别,不需要高性能计算机,只需用普通计算机就可以完成小样本集的训练,并能有很好的识别效果,满足足球机器人竞赛需求。本文进行了多组识别目标的验证实验,实验的结果证实本文设计的识别方法具备比较好的效果,在真实的应用场景中也很大程度的提高了识别过程的实时性,在目标非静态的情况下同样能够实现很好的识别。这个方法在应用场景中光照情况复杂多变时依然具备比较优良的识别效果。经过对常见物体的样本采集及训练,基于自主视觉的目标识别算法还能够应用在日常生活中的识别场景。
樊劲辉[8]（2019）在《基于非线性不确定观测器的多模态智能轮椅自适应控制方法研究》文中研究指明智能轮椅已经日渐成为下肢残障人士和行动不便的老年人的高效代步工具,其本质上属于移动机器人的一种特殊形式。智能轮椅与常规移动机器人在控制方式上最大的区别在于乘用者在轮椅运行过程中对控制起到的主导作用,而常规移动机器人则更强调其完全自主控制,各种控制算法和控制模式必须基于人的主观意识来进行实时动态控制,体现出“人在环中”的结构特点。随着残障人士及老年人对日常生活质量和参与社会活动需求的不断提高,对于智能轮椅控制的实时性和安全性研究日益成为研究人员关注的重点问题。目前普遍使用的轮椅存在的主要问题包括:首先,在控制方式上存在模态单一的不足,乘用者大多无法选择适合自身特点的人机交互方式,因此难以满足不同残疾程度差异乘用者的使用需求;其次,在室内环境狭小空间内,常规差动转向结构的轮椅由于运动形式上的局限性,存在转弯半径大且安全性难以得到保障、易出现轮椅倾倒等安全问题;再次,常规的移动机器人控制算法在大量环境数据处理过程中,存在运算量过大的问题,无法保证控制过程的实时性;另外,在智能轮椅控制系统中,由于乘用者个体差异及不断变化的环境参数,在控制器设计过程中如未充分考虑系统中存在非线性和不确定性因素,必然导致智能轮椅最终控制出现准确性和安全性等问题。鉴于上述问题,提出一种以人体坐姿二维重心作为主控模态的全向智能轮椅手动控制方法,便于乘用者实现对轮椅的控制,并在充分考虑外界扰动的情况下,给出实时智能避障和轨迹跟踪控制算法、基于改进RBF神经网络及非线性不确定观测器的智能轮椅自动控制器设计方法。主要研究内容和取得的成果如下:（1）提出一种基于改进的自组织映射特征（Self-organizing Feature Map,SOFM）神经网络的动态人体坐姿二维重心聚类算法。首先,该算法在SOFM神经网络的初始权值确定及邻域范围选择等方面进行了优化和改进,其中基于误差的邻域范围调整算法,能有效降低聚类算法的运算复杂度;改进的邻域范围选择算法提高了系统聚类的收敛速度。其次,引入重心偏移修正归一化算法,保证了实时地依据人体坐姿二维重心判断智能轮椅乘用者运动意图,并在保障系统安全性的同时,实现了乘用者无需双手控制轮椅的人机交互方式,为特定用户提供除手柄控制轮椅以外的灵活操控多模态选择。仿真与实验结果表明,与常规SOFM聚类算法及其他聚类算法相比,改进的SOFM算法在实时性及准确性方面均得到显着提升。（2）深入研究了智能轮椅的自主避障策略,针对传统的模糊避障算法中参数选取依赖设计者经验的问题,提出了一种基于改进模糊神经网络的智能轮椅自主避障算法。首先,针对避障特点提出一种改进型的模糊神经网络控制器。其次,充分考虑到智能轮椅控制系统“人在环中”的特殊性,采用改进的离线与在线相结合的神经网络训练模糊逻辑参数,降低了避障算法的运算复杂度。另外,同时引入经验矢量矩阵,解决乘用者期望运动方向与避障算法运动方向之间的选择冲突问题,使乘用者运动意图在避障过程中得到体现。最后,利用仿真与实验结果进一步验证了该算法能在保证避障可靠性和安全性的同时,有效提高智能轮椅自主避障的实时性、智能性和人性化程度。（3）针对智能轮椅控制系统内部乘用者差异和外部环境中存在的有界不可测外界扰动,提出一种利用改进的径向基函数（Radial Basis Function,RBF）神经网络实现智能轮椅轨迹跟踪控制的方法。首先,利用RBF神经网络在线逼近全向智能轮椅的非线性逆运动学模型。其次,设计并实现了轮椅轨迹跟踪的直接自适应控制方法,给出了自适应控制器的详细设计方法和步骤。另外,利用Lyapunov稳定性理论,证明了在外界扰动及神经网络权值误差逼近有界的条件下,全向智能轮椅控制器在轨迹跟踪控制中跟踪误差的一致稳定且有界。最后,仿真及实验结果表明,所提改进RBF算法能有效逼近系统非线性逆运动学模型,在提高智能轮椅的轨迹跟踪运动控制精度的同时,使系统鲁棒性也得到一定提升。（4）深入探讨了智能轮椅实时性要求较高及系统内外普遍存在非线性和不确定环境因素等问题,提出一种基于非线性不确定观测器的全向智能轮椅轨迹跟踪控制方法。该方法在建立并分析了全向智能轮椅系统的动力学模型的基础上,基于Lyapunov稳定性理论给出了控制系统稳定性证明,并进一步利用所提算法设计了非线性不确定观测器和跟踪控制器。实验和仿真结果表明,利用所提方法设计的观测器,能够有效重构并补偿由于系统内部非线性、未知参数及外界不确定扰动导致的控制误差,并降低控制算法的复杂度,实现智能轮椅控制器对期望轨迹的实时精确跟踪。
吕国娜[9]（2019）在《助老机器人关键技术研究》文中研究表明目前在我国人口老龄化现象不断加剧,残疾人口的数量日益增多,对助老机器人的需求将会呈现一步步的增长趋势。国家对六层以下的楼层是否安装电梯没有硬性规定,老年人以及残疾人士上下楼梯不方便。为方便以上人群的日常出行,本文设计了一款结构简单、易操作、能够在攀爬楼梯与爬坡过程中实现重心自动调节的助老机器人,还研究了助老机器人所使用的关键技术。首先,完成了助老机器人的总体结构设计。对行星轮式、步行式、履带式、复合式爬楼梯机构进行分析,最终确定以三角行星轮机构作为机器人爬楼机构,并按照国家对楼梯的标准设计行星轮的尺寸,对其转弯半径进行计算分析;对机器人的主要机构进行设计研究;对所需关键电气元件进行了选型设计。其次,进行了机器人的数学建模与分析。通过建立运动学及动力学模型,对机器人平地行驶、攀爬楼梯两种状态分析;对座椅姿态的稳定性进行分析研究,为控制系统的设计提供了理论依据。再次,根据机器人的控制需求确立控制方案。控制方案采用模块化思想,对电机驱动模块、环境感知模块、GPS室外导航模块、人机交互模块进行电路设计与分析。通过对控制系统各个模块合理的选型与电路设计,保证了机器人控制系统运行的可靠性与稳定性。最后,控制与决策算法的研究。完成了基于模糊理论多传感器信息融合算法的研究,对多传感器融合技术及其融合方式进行介绍;研究了基于模糊控制的障碍物及楼梯的辨识算法;在传统PID控制方法的基础上使用模糊自整定PID控制方法实现对驱动电机的调速;通过MATLAB/Simulink仿真平台,进行控制系统的搭建及仿真结果分析,分析结果证明模糊自整定PID控制方法更适合助老机器人的速度控制。
代睿[10]（2019）在《非结构环境仓储机器人的避障信息感知和行为不确定性处理》文中认为智慧工厂和物流仓储行业中的机器人面临着非结构环境变化、复杂整机技术构成、动态运行工况以及人因等多重不确定性因素影响,感知信息难以准确建模评估,同时自主行为控制复杂,无法适应高强度和高可靠性运行安全需求。为保证仓储机器人在非结构环境中信息感知的准确性和可靠性,提高仓储机器人自主作业能力和环境适应性,开展非结构环境仓储机器人的避障信息感知和行为不确定性处理研究具有重大意义。论文以全向轮运动的仓储机器人为对象,在明晰其结构组成和功能实现的基础上,首先辨识并分析非结构环境中不确定信息的来源、干扰因素、表现形式以及在整机系统中的传递过程,考虑不同环境因素对传感器测量性能的影响,优化传感器观测模型,估计环境障碍位置;在此基础上,对不同测量条件下的多传感器测量数据进行融合处理,消除测量信息的误差、冗余和矛盾,降低信息的不确定性和不一致性,为避障行为控制提供较为准确的测距信息;最后研究仓储机器人在非结构环境下的避障行为控制。论文主要研究内容如下:（1）从外界环境和机器人系统角度出发,分析总结感知不确定信息的表征与传播,进行不同环境因素影响下超声波传感器观测建模与障碍物位置估计。结合仓储机器人的运行环境和工作特点,总结了影响传感器工作性能的干扰因素与传播过程。重点关注传感器测量信息的随机不确定性,进行概率量化,并建立典型测量条件下的传感器观测模型,通过模型抽样为后文多传感器信息融合提供数据支持。最后考虑测量不确定性下环境障碍位置估计。（2）在环境感知中不确定信息分析的基础上,进行动态和静态观测条件下多传感器测量数据融合算法的改进研究。针对非结构环境下多传感器系统测量数据的不确定性和不一致性等问题,进行多传感器测量数据预处理和融合。针对测量数据的不一致性问题,采用基于稳健统计理论的分布图法进行数据预处理,优化了该算法中间次序统计量的计算过程;针对测量数据的不确定性问题,在优化隶属函数的基础上,采用改进的模糊贴近度描述同类型传感器间的测量数据接近程度,并进行融合处理,同时利用测量数据在卡尔曼滤波前后的差值来优化不同类型传感器间融合权值的分配问题;最后在动态和静态观测条件下,进行优化算法的验证。（3）在测量数据融合基础上,结合环境障碍分布特点,进行机器人模糊避障。针对非结构环境建模的复杂性以及仓储机器人避障行为控制的不确定性等问题,借助模糊控制处理不确定信息的优势以及环境适应性强的特点,对仓储机器人进行避障行为控制。首先分析了环境障碍分布特点,建立了麦克纳姆轮底盘的运动学模型;然后在环境障碍分类的基础上,进行模糊控制器的设计与优化;最后在不同环境障碍分布下进行机器人避障仿真。
二、基于多种传感器信息融合的移动机器人的环境辨识（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于多种传感器信息融合的移动机器人的环境辨识（论文提纲范文）
（1）基于深度学习的工业机器人故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 故障诊断技术研究背景 |
| 1.3 工业机器人故障诊断研究现状 |
| 1.4 论文主要内容 |
| 第2章 工业机器人故障诊断相关技术 |
| 2.1 引言 |
| 2.2 工业机器人故障分析 |
| 2.3 深度置信网络(DBN) |
| 2.3.1 深度置信网络基本原理 |
| 2.3.2 受限玻尔兹曼向量机 |
| 2.3.3 深度置信网络训练过程 |
| 2.4 多源信息融合技术 |
| 2.4.1 多源信息融合技术基本概念 |
| 2.4.2 多源信息融合的层级 |
| 2.4.3 证据理论 |
| 2.5 本章小结 |
| 第3章 工业机器人故障诊断实验平台 |
| 3.1 引言 |
| 3.2 实验平台介绍 |
| 3.2.1 实验设备 |
| 3.2.2 实验平台功能 |
| 3.3 实验内容与数据采集 |
| 3.3.1 实验内容 |
| 3.3.2 实验数据 |
| 3.4 本章小结 |
| 第4章 基于深度置信网络的工业机器人故障诊断 |
| 4.1 引言 |
| 4.2 工业机器人振动信号预处理 |
| 4.3 能量熵归一化特征向量 |
| 4.3.1 信息熵和能量熵 |
| 4.3.2 能量熵归一化特征向量 |
| 4.4 基于深度置信网络的工业机器人故障诊断模型 |
| 4.4.1 故障诊断模型创建流程 |
| 4.4.2 初始化DBN网络参数 |
| 4.4.3 模型准确率分析 |
| 4.5 本章小结 |
| 第5章 基于多源信息融合的工业机器人故障诊断 |
| 5.1 引言 |
| 5.2 DSmT基本概念 |
| 5.3 DSmT模型组合规则 |
| 5.3.1 自由DSm模型的组合规则 |
| 5.3.2 混合DSm模型M(Θ)的组合规则 |
| 5.4 可传递信度模型 |
| 5.4.1 开放辨识框架 |
| 5.4.2 冲突度量因子 |
| 5.5 基于DBN和 DSmT的工业机器人故障诊断模型 |
| 5.5.1 故障诊断模型创建流程 |
| 5.5.2 机器人故障诊断及结果分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和科研成果 |
| 致谢 |
| 作者简介 |
| 附录 |
（2）移动机械臂及其上下料应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外移动机械臂应用发展现状 |
| 1.3 国内外移动机械臂研究现状 |
| 1.3.1 移动平台驱动形式研究现状 |
| 1.3.2 移动机械臂运动控制研究现状 |
| 1.3.3 移动机械臂工作轨迹规划研究现状 |
| 1.3.4 移动机械臂工作误差分析与补偿研究现状 |
| 1.3.5 基于多传感器融合的辅助定位研究现状 |
| 1.4 课题背景和要求及研究内容章节安排 |
| 1.4.1 课题背景和要求 |
| 1.4.2 研究内容章节安排 |
| 第二章 移动机械臂运动学建模与分析 |
| 2.1 移动机械臂运动学建模 |
| 2.1.1 机械臂运动学解析 |
| 2.1.1.1 机械臂正运动学求解 |
| 2.1.1.2 机械臂逆运动学解析 |
| 2.1.1.3 机械臂逆运动学筛选最优解 |
| 2.1.1.4 机械臂运动学验证 |
| 2.1.2 移动平台运动学分析 |
| 2.1.2.1 移动平台正运动学解析 |
| 2.1.2.2 移动平台逆运动学解析 |
| 2.1.3 求取一体化联动雅克比矩阵 |
| 2.2 移动机械臂运动空间分析 |
| 2.3 移动机械臂倾覆稳定性分析 |
| 2.3.1 基于ZMP稳定性判定计算 |
| 2.3.2 基于FA稳定性判定计算 |
| 2.3.3 稳定性分析仿真实验 |
| 2.4 本章小结 |
| 第三章 移动机械臂工作误差分析与补偿方法研究 |
| 3.1 移动平台工作误差分析 |
| 3.1.1 超声波传感器误差分析 |
| 3.1.2 IMU信息误差 |
| 3.1.3 激光雷达传感器信息误差 |
| 3.1.4 移动底盘运动误差分析 |
| 3.2 机械臂工作误差分析 |
| 3.3 移动机械臂联合误差分析 |
| 3.4 基于BP神经网络算法的综合位姿误差补偿策略和纠偏 |
| 3.5 本章小结 |
| 第四章 移动机械臂工作规划算法研究 |
| 4.1 移动平台工作规划 |
| 4.1.1 基于RBF神经网络PID算法的移动平台行驶轨迹跟踪 |
| 4.1.2 基于五次多项式的移动平台速度调整 |
| 4.1.3 基于多传感器融合下的移动平台的里程计信息处理 |
| 4.1.4 基于激光传感器信息反馈下的移动平台修正 |
| 4.2 机械臂避障轨迹规划 |
| 4.2.1 碰撞检测 |
| 4.2.2 基于A*算法的路径轨迹规划 |
| 4.2.3 基于B样条曲线的轨迹平滑处理 |
| 4.2.4 基于四元数的姿态轨迹规划 |
| 4.2.5 基于S型调速算法的机械臂轨迹平滑处理 |
| 4.2.6 机械臂避障轨迹规划仿真验证 |
| 4.3 本章小结 |
| 第五章 移动机械臂软硬件系统搭建与上下料应用测试 |
| 5.1 总硬件系统搭建 |
| 5.1.1 总控制器 |
| 5.1.2 UR5协作机械臂 |
| 5.1.3 移动平台硬件系统 |
| 5.1.3.1 移动平台驱动电机 |
| 5.1.3.2 移动平台传感器选型 |
| 5.2 总系统软件搭建 |
| 5.2.1 软件登录部分设计 |
| 5.2.2 软件编程部分设计 |
| 5.2.3 软件调试部分设计 |
| 5.2.4 软件自动运行模式设计 |
| 5.3 工程应用实验 |
| 5.3.1 直线行驶实验 |
| 5.3.2 曲线行驶实验 |
| 5.3.3 原地转向试验 |
| 5.3.4 抓取测试实验 |
| 5.3.5 模拟工程应用实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文及研究成果 |
（3）视觉不确定性信息处理及其在移动机器人定位中的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 移动机器人感知 |
| 1.2.2 视觉不确定性信息处理 |
| 1.2.3 移动机器人不确定性信息融合 |
| 1.3 论文的主要工作 |
| 1.4 论文的组织结构 |
| 第二章 视觉感知模型及不确定性信息处理方法 |
| 2.1 引言 |
| 2.2 相机观测模型 |
| 2.2.1 针孔相机模型 |
| 2.2.2 点的不同坐标之间的转换 |
| 2.2.3 图像畸变 |
| 2.3 证据理论的理论基础 |
| 2.3.1 辨识框架 |
| 2.3.2 信任函数 |
| 2.3.3 似然函数 |
| 2.3.4 证据理论合成规则 |
| 2.4 本章小结 |
| 第三章 特征点的多源不确定性分析与不确定性模型建立 |
| 3.1 引言 |
| 3.2 视觉里程计图像特征点提取 |
| 3.2.1 FAST关键点 |
| 3.2.2 BRIEF描述子 |
| 3.3 特征匹配 |
| 3.4 特征点多源不确定性分析与建模 |
| 3.4.1 特征点深度不确定性分析与建模 |
| 3.4.2 特征点方向不确定性分析与建模 |
| 3.4.3 特征点的多源不确定性模型 |
| 3.5 本章小结 |
| 第四章 基于多源不确定性模型的特征点匹配的证据融合方法 |
| 4.1 引言 |
| 4.2 多源不确定性条件下的图像特征点 |
| 4.3 不确定性条件下特征点相似度的评价准则 |
| 4.3.1 特征点形状特征 |
| 4.3.2 局部熵 |
| 4.4 融合多评价准则的特征点匹配证据方法 |
| 4.4.1 多源证据合成规则 |
| 4.4.2 改进的多源证据合成规则 |
| 4.4.3 评价准则生成基本概率指派函数 |
| 4.5 实例分析 |
| 4.5.1 实验设计方案 |
| 4.5.2 特征点的证据融合结果 |
| 4.5.3 匹配评价 |
| 4.6 本章小结 |
| 第五章 基于特征点多源不确定性模型的位姿估计方法 |
| 5.1 引言 |
| 5.2 求解相机位姿Pn P方法的目标函数 |
| 5.3 多源不确定性下改进的目标函数 |
| 5.4 实验设计及结果分析 |
| 5.4.1 实验设计方案 |
| 5.4.2 结果分析 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）机器人辅助脊柱椎板减压手术的图像导航与状态感知研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 国内外发展现状综述 |
| 1.2.1 脊柱手术机器人系统 |
| 1.2.2 医学图像分割与识别 |
| 1.2.3 骨组织切削数值模型 |
| 1.3 脊柱手术机器人现存问题 |
| 1.4 课题来源及主要研究内容 |
| 第2章 基于医学图像的手术规划 |
| 2.1 引言 |
| 2.2 基于水平集构建椎骨数据集 |
| 2.2.1 水平集分割理论基础 |
| 2.2.2 基于二分法的自适应批处理 |
| 2.3 基于U-NET结构的图像语义分割 |
| 2.3.1 标签制作与图像独热编码 |
| 2.3.2 衍生网络结构与分割应用 |
| 2.4 基于重建图像的机器人磨削规划 |
| 2.4.1 椎板减压路径规划方法 |
| 2.4.2 椎板减压速度规划方法 |
| 2.5 本章小结 |
| 第3章 基于立体视觉的导航注册 |
| 3.1 引言 |
| 3.2 双目立体视觉原理与实现 |
| 3.2.1 基于针孔模型的相机标定 |
| 3.2.2 基于双目视差的立体视觉 |
| 3.3 手术工具末端与机器人手眼标定 |
| 3.4 医学图像与导航系统自动注册 |
| 3.4.1 基于2DC-Arm的自动注册 |
| 3.4.2 基于3DC-Arm的自动注册 |
| 3.5 本章小结 |
| 第4章 面向脊柱运动的动态补偿 |
| 4.1 引言 |
| 4.2 脊柱手术通用型运动补偿 |
| 4.3 面向超声骨刀的生理运动补偿 |
| 4.3.1 呼吸-脊柱浮动量模型 |
| 4.3.2 脊柱浮动量补偿复合控制策略 |
| 4.4 面向高速磨钻的牵连运动补偿 |
| 4.4.1 器械-脊柱交互作用模型 |
| 4.4.2 基于卡尔曼滤波器的机器人控制 |
| 4.5 本章小结 |
| 第5章 基于信息融合的状态感知 |
| 5.1 引言 |
| 5.2 基于导航图像的手术状态感知 |
| 5.3 基于传感器的手术状态感知 |
| 5.3.1 基于声音信号的骨质感知 |
| 5.3.2 基于力信号的骨质感知 |
| 5.4 基于信息融合的手术态势感知 |
| 5.4.1 基于D-S证据论的特征融合 |
| 5.4.2 基于状态预测的决策融合 |
| 5.5 本章小结 |
| 第6章 椎板减压系统集成与实验验证 |
| 6.1 引言 |
| 6.2 医学图像规划与注册实验 |
| 6.2.1 基于动物实验的应用测试 |
| 6.2.2 基于平台实验的补充测试 |
| 6.3 生理与牵连运动补偿实验 |
| 6.3.1 生理运动补偿控制实验 |
| 6.3.2 牵连运动补偿控制仿真 |
| 6.4 状态感知样本骨实验 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（5）煤矿蛇形探测机器人位姿控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 煤矿救援机器人的国内外研究现状 |
| 1.2.2 蛇形机器人的国内外研究现状 |
| 1.2.3 移动机器人定位技术的国内外研究现状 |
| 1.2.4 蛇形机器人运动控制方面的国内外研究现状 |
| 1.2.5 机器人越障方面的国内外研究现状 |
| 1.2.6 机器人空间环境辨识建模的国内外研究现状 |
| 1.2.7 机器人避障算法的国内外研究现状 |
| 1.2.8 存在问题及其分析 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 煤矿蛇形探测机器人系统研制 |
| 2.1 引言 |
| 2.2 煤矿蛇形探测机器人工作环境的分析 |
| 2.3 煤矿蛇形探测机器人系统的功能需求 |
| 2.4 煤矿蛇形探测机器人机械本体研制 |
| 2.4.1 单元模块的设计 |
| 2.4.2 关节模块的设计 |
| 2.4.3 移动机构的设计 |
| 2.5 煤矿蛇形探测机器人控制系统构架 |
| 2.5.1 硬件平台的三层次分布式结构 |
| 2.5.2 软件系统功能模块化体系结构 |
| 2.6 本章小结 |
| 3 煤矿蛇形探测机器人的定位研究 |
| 3.1 引言 |
| 3.2 定位系统建模 |
| 3.2.1 机器人坐标系模型 |
| 3.2.2 欧拉角法 |
| 3.2.3 姿态更新四元数法 |
| 3.2.4 基于航位推算的蛇形探测机器人定位模型的建立 |
| 3.3 基于卡尔曼滤波算法的航位推算定位方法 |
| 3.3.1 卡尔曼滤波 |
| 3.3.2 基于卡尔曼滤波算法的航向角定位方法 |
| 3.4 基于LSTM深度神经网络的MEMS陀螺仪输出预测方法 |
| 3.4.1 MEMS陀螺仪输出预测方法分析 |
| 3.4.2 LSTM深度神经网络原理剖析 |
| 3.4.3 基于LSTM深度神经网络的MEMS陀螺仪输出预测模型建立 |
| 3.5 仿真与实验结果分析 |
| 3.6 本章小结 |
| 4 基于运动学模型的煤矿蛇形探测机器人姿态控制研究 |
| 4.1 引言 |
| 4.2 蛇形探测机器人的仿生学分析 |
| 4.2.1 生物蛇的骨骼结构 |
| 4.2.2 生物蛇的运动步态 |
| 4.3 蛇形探测机器人运动学建模 |
| 4.3.1 D-H变换 |
| 4.3.2 D-H参数法建模 |
| 4.4 蛇形探测机器人姿态控制方法 |
| 4.4.1 蜿蜒运动 |
| 4.4.2 伸缩运动 |
| 4.4.3 抬头运动 |
| 4.5 仿真及运动控制实验 |
| 4.5.1 仿真实验 |
| 4.5.2 运动控制实验 |
| 4.6 本章小结 |
| 5 基于PSOELM的煤矿蛇形探测机器人自主越障研究 |
| 5.1 引言 |
| 5.2 凸台障碍物的形状分析 |
| 5.3 蛇形机器人越障动作分析 |
| 5.4 机器人位姿控制的专家规则 |
| 5.5 建立极限学习机控制模型 |
| 5.5.1 极限学习机的引入 |
| 5.5.2 基于极限学习机的越障控制模型的建立 |
| 5.6 利用改进粒子群算法优化极限学习机权系数寻优及分析 |
| 5.6.1 利用改进粒子群算法优化极限学习机权系数寻优 |
| 5.6.2 改进PSO参数对寻优性能影响的分析 |
| 5.7 仿真实验及结果分析 |
| 5.8 本章小结 |
| 6 煤矿蛇形探测机器人环境辨识建模方法及自主避障研究 |
| 6.1 引言 |
| 6.2 煤矿蛇形探测机器人环境辨识建模方法 |
| 6.2.1 障碍物环境信息采集与处理 |
| 6.2.2 障碍物环境模型建立 |
| 6.2.3 变结构的模糊神经网络控制模型 |
| 6.2.4 基于GAVSFNN的学习算法 |
| 6.3 基于知识库的机器人自主避障系统软模型 |
| 6.4 仿真与实验 |
| 6.5 本章小结 |
| 7 实验研究与分析 |
| 7.1 引言 |
| 7.2 煤矿蛇形探测机器人实验系统 |
| 7.3 相对定位实验 |
| 7.4 蛇形探测机器人运动姿态实验 |
| 7.5 自主越障实验 |
| 7.6 自主避障实验 |
| 7.7 煤矿井下环境探测实验 |
| 7.8 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）基于机器视觉的草坪修剪机器人自主路径规划算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题的背景及研究意义 |
| 1.2 研究现状及相关技术 |
| 1.3 主要研究内容及章节安排 |
| 2 机器人控制系统硬件的设计 |
| 2.1 引言 |
| 2.2 草坪修剪机器人工作原理分析 |
| 2.3 导航定位传感器选型 |
| 2.4 外部环境探测传感器选型 |
| 2.5 机器视觉相机选型 |
| 2.6 微控制器选型 |
| 2.7 电源模块及驱动电机 |
| 2.8 机器人控制系统硬件设计 |
| 2.9 小结 |
| 3 草坪轮廓辨识算法研究 |
| 3.1 引言 |
| 3.2 草坪图像预处理 |
| 3.3 草坪边界提取算法 |
| 3.4 小结 |
| 4 机器人自主路径规划研究 |
| 4.1 引言 |
| 4.2 环境模型的建立 |
| 4.3 路径规划 |
| 4.4 对A*算法的改进研究 |
| 4.5 机器人混和路径规划研究 |
| 4.6 小结 |
| 5 避障方法 |
| 5.1 引言 |
| 5.2 环境坐标变换算法 |
| 5.3 避障方法描述 |
| 5.4 障碍物轮廓辨识 |
| 5.5 避障算法设计 |
| 5.6 小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（7）基于自主视觉的足球机器人目标识别算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标识别算法的研究 |
| 1.2.2 目标识别研究的应用场景 |
| 1.3 轮式足球机器人在竞赛中的目标识别问题介绍 |
| 1.4 主要研究内容和研究基础 |
| 1.4.1 论文主要研究内容 |
| 1.4.2 论文研究基础 |
| 1.5 论文创新点 |
| 1.6 论文结构 |
| 第二章 基于自主视觉的足球机器人目标识别方法研究 |
| 2.1 轮式足球机器人及目标识别系统介绍 |
| 2.2 基于自主视觉的实时目标识别方法设计 |
| 2.3 目标识别方法的服务器端样本训练阶段 |
| 2.3.1 目标样本的采集与预处理 |
| 2.3.2 目标样本特征的提取 |
| 2.3.3 目标识别模型的生成 |
| 2.4 目标识别方法的远程定点数据传输阶段 |
| 2.5 本章小结 |
| 第三章 目标识别的实现流程及动态目标识别算法研究 |
| 3.1 目标识别阶段算法的实现流程 |
| 3.2 基于动态目标区域预估的目标识别算法研究 |
| 3.2.1 动态目标区域预估的意义 |
| 3.2.2 帧间差分法介绍 |
| 3.2.3 基于动态目标区域预估的目标识别算法 |
| 3.3 目标识别算法识别结果 |
| 3.4 本文设计的识别算法的优势与不足 |
| 3.5 本章小结 |
| 第四章 轮式足球机器人多传感器信息融合算法研究 |
| 4.1 多传感器信息融合算法的研究意义 |
| 4.2 多传感器信息融合算法研究 |
| 4.2.1 加入加权平均法的分级式融合算法 |
| 4.2.2 多传感器信息差值融合PID动态反馈调整控制算法 |
| 4.3 多传感器信息融合算法实验结果与分析 |
| 4.4 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 实验环境配置 |
| 5.2 训练样本数据集 |
| 5.3 单一依靠视觉系统实现的目标识别实验 |
| 5.4 结合多传感器信息融合算法的目标识别实验 |
| 5.5 对比实验结果分析 |
| 5.5.1 训练样本集的大小对目标识别性能的影响 |
| 5.5.2 Haar-like特征种类对目标识别性能的影响 |
| 5.5.3 SVM与Ada Boost的组合算法对目标识别性能的影响 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| 致谢 |
（8）基于非线性不确定观测器的多模态智能轮椅自适应控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外智能轮椅研究现状及发展趋势 |
| 1.2.1 国外发展现状 |
| 1.2.2 国内发展概况 |
| 1.3 智能轮椅的关键技术现状分析 |
| 1.3.1 人机交互模态技术现状 |
| 1.3.2 模式识别技术现状 |
| 1.3.3 多传感器信息融合技术现状 |
| 1.3.4 自主避障控制方法现状 |
| 1.3.5 自适应控制算法现状 |
| 1.4 论文的主要研究内容与结构安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 结构安排 |
| 第2章 基于二维坐姿重心的改进SOFM聚类算法研究 |
| 2.1 引言 |
| 2.2 全向智能轮椅硬件结构及动力学模型 |
| 2.2.1 智能轮椅平台的硬件结构 |
| 2.2.2 全向轮椅动力学模型分析 |
| 2.3 人体坐姿二维重心模型的建立 |
| 2.3.1 人体二维重心数据采集原理 |
| 2.3.2 人体二维重心计算方法建模 |
| 2.4 改进的SOFM聚类算法 |
| 2.4.1 标准的SOFM算法 |
| 2.4.2 SOFM聚类算法的改进 |
| 2.4.3 改进的SOFM聚类算法流程 |
| 2.4.4 初始重心偏移修正算法 |
| 2.5 仿真及实验结果 |
| 2.5.1 仿真结果及分析 |
| 2.5.2 实验结果及分析 |
| 2.5.3 存在的问题及有待改进之处 |
| 2.6 本章小结 |
| 第3章 基于改进FNN的自主避障算法研究 |
| 3.1 引言 |
| 3.2 常规的FNN神经网络 |
| 3.2.1 常规FNN的分类及FNN网络结构 |
| 3.2.2 常用的FNN学习算法 |
| 3.3 基于改进FNN的智能轮椅自主避障算法 |
| 3.3.1 智能轮椅避障算法现状及功能分析 |
| 3.3.2 改进的FNN算法流程 |
| 3.3.3 改进的FNN避障控制算法 |
| 3.3.4 改进FNN的参数调整算法 |
| 3.3.5 避障经验矢量矩阵选取 |
| 3.4 仿真及实验结果分析 |
| 3.4.1 仿真结果及分析 |
| 3.4.2 实验结果及分析 |
| 3.5 本章小结 |
| 第4章 基于改进RBF神经网络的智能轮椅自适应控制研究 |
| 4.1 引言 |
| 4.2 全向智能轮椅的动力学建模 |
| 4.2.1 全向智能轮椅动力学建模 |
| 4.2.2 全向智能轮椅逆运动学建模 |
| 4.3 标准的RBF神经网络 |
| 4.3.1 标准RBF网络的主要特点及优缺点 |
| 4.3.2 标准RBF神经网络结构及参数计算 |
| 4.4 RBF神经网络权值优化算法 |
| 4.5 基于改进RBF的自适应控制器设计及稳定性分析 |
| 4.5.1 基于改进RBF的智能轮椅误差动力学建模及分析 |
| 4.5.2 基于改进RBF的自适应控制器设计 |
| 4.5.3 基于改进RBF的自适应控制稳定性分析 |
| 4.6 仿真及实验结果分析 |
| 4.6.1 仿真结果及分析 |
| 4.6.2 实验结果及分析 |
| 4.7 本章小结 |
| 第5章 基于非线性不确定观测器的智能轮椅跟踪控制研究 |
| 5.1 引言 |
| 5.2 非线性不确定条件下的智能轮椅动力学建模与分析 |
| 5.2.1 非线性不确定条件下的智能轮椅动力学建模 |
| 5.2.2 非线性不确定条件下智能轮椅跟踪问题分析 |
| 5.3 非线性不确定观测器的设计 |
| 5.3.1 非线性不确定系统分析 |
| 5.3.2 非线性不确定系统观测器的设计 |
| 5.4 非线性不确定轨迹跟踪控制器的设计 |
| 5.4.1 位置动力学控制器的设计 |
| 5.4.2 位姿角动力学控制器的设计 |
| 5.5 仿真及实验结果分析 |
| 5.5.1 无扰动条件下仿真结果及分析 |
| 5.5.2 实验结果及分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间所发表的学术论文 |
| 致谢 |
（9）助老机器人关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 2 助老机器人的总体结构设计 |
| 2.1 引言 |
| 2.2 机器人基本功能分析 |
| 2.3 机器人总体方案设计 |
| 2.4 机器人关键结构参数设计 |
| 2.5 机器人主要机构设计 |
| 2.6 关键电气元件选型设计 |
| 2.7 本章小结 |
| 3 助老机器人数学建模与分析 |
| 3.1 引言 |
| 3.2 机器人运动学建模与分析 |
| 3.3 机器人动力学建模与分析 |
| 3.4 本章小结 |
| 4 助老机器人控制系统方案设计 |
| 4.1 引言 |
| 4.2 控制系统设计目标 |
| 4.3 控制方案设计 |
| 4.4 主控单片机选型 |
| 4.5 电机驱动模块设计 |
| 4.6 环境感知模块的设计 |
| 4.7 GPS室外导航定位模块 |
| 4.8 人机交互模块设计 |
| 4.9 本章小结 |
| 5 助老机器人控制与决策算法研究 |
| 5.1 引言 |
| 5.2 机器人多传感器信息融合算法研究 |
| 5.3 机器人运动决策研究 |
| 5.4 驱动电机控制算法研究 |
| 5.5 基于MATLAB的控制决策算法仿真分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（10）非结构环境仓储机器人的避障信息感知和行为不确定性处理（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 环境感知中不确定信息来源与表征研究现状 |
| 1.2.2 环境感知中不确定信息处理方法研究现状 |
| 1.2.3 非结构环境仓储机器人避障行为控制研究现状 |
| 1.3 论文的组织架构与内容 |
| 第二章 仓储机器人信息处理和行为控制的基本方法 |
| 2.1 仓储机器人硬件平台 |
| 2.1.1 外部传感器的工作原理 |
| 2.1.2 麦克纳姆轮底盘机构 |
| 2.2 仓储机器人多传感器信息融合技术 |
| 2.2.1 信息融合结构与功能 |
| 2.2.2 卡尔曼滤波算法的基本内容 |
| 2.2.3 融合算法的比较分析 |
| 2.3 仓储机器人避障行为控制相关算法 |
| 2.3.1 常用避障行为控制算法 |
| 2.3.2 模糊控制理论的基本内容 |
| 2.3.3 避障控制算法的比较分析 |
| 2.4 本章小结 |
| 第三章 环境感知中测量不确定信息的表征与传播 |
| 3.1 仓储机器人运行环境和工作过程 |
| 3.2 环境感知中不确定信息的来源与影响 |
| 3.3 环境感知中不确定信息的传递 |
| 3.4 环境感知中不确定信息的概率量化 |
| 3.4.1 传感器观测模型建立 |
| 3.4.2 典型测量条件下的传感器建模 |
| 3.4.3 模型参数的确定 |
| 3.5 基于观测模型的环境障碍位置估计 |
| 3.6 本章小结 |
| 第四章 环境感知中测量不确定信息的融合处理 |
| 4.1 传感器数据预处理 |
| 4.2 基于模糊贴近度的同类传感器数据融合 |
| 4.2.1 基于三角隶属函数的数据融合 |
| 4.2.2 基于高斯隶属函数的数据融合 |
| 4.3 基于卡尔曼滤波算法的不同传感器数据融合 |
| 4.4 算例分析 |
| 4.4.1 静态测量下传感器信息融合 |
| 4.4.2 动态测量下传感器信息融合 |
| 4.5 本章小结 |
| 第五章 基于环境障碍分类的仓储机器人模糊避障控制 |
| 5.1 仓储机器人运行环境障碍布局 |
| 5.2 基于麦克纳姆轮的底盘运动学模型 |
| 5.2.1 移动平台的坐标系变换 |
| 5.2.2 运动学模型建立 |
| 5.3 避障中的行为不确定因素分析 |
| 5.4 避障的模糊控制器设计 |
| 5.4.1 输入输出变量的确定 |
| 5.4.2 确定输入-输出量的隶属函数 |
| 5.4.3 模糊规则建立 |
| 5.4.4 解模糊化 |
| 5.5 仿真分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 在学期间取得的研究成果 |
四、基于多种传感器信息融合的移动机器人的环境辨识（论文参考文献）
- [1]基于深度学习的工业机器人故障诊断技术研究[D]. 曹雪山. 河北工程大学, 2021(08)
- [2]移动机械臂及其上下料应用研究[D]. 任文强. 江南大学, 2021(01)
- [3]视觉不确定性信息处理及其在移动机器人定位中的研究[D]. 刘世东. 电子科技大学, 2021(01)
- [4]机器人辅助脊柱椎板减压手术的图像导航与状态感知研究[D]. 孙宇. 哈尔滨工业大学, 2019(01)
- [5]煤矿蛇形探测机器人位姿控制方法研究[D]. 白云. 西安科技大学, 2019(01)
- [6]基于机器视觉的草坪修剪机器人自主路径规划算法研究[D]. 郭燕. 山东科技大学, 2019(05)
- [7]基于自主视觉的足球机器人目标识别算法[D]. 郎志宇. 成都信息工程大学, 2019(05)
- [8]基于非线性不确定观测器的多模态智能轮椅自适应控制方法研究[D]. 樊劲辉. 北京工业大学, 2019
- [9]助老机器人关键技术研究[D]. 吕国娜. 山东科技大学, 2019(05)
- [10]非结构环境仓储机器人的避障信息感知和行为不确定性处理[D]. 代睿. 电子科技大学, 2019(01)