1788棋牌试玩,新2娱乐场官网官网地址,大发体育博彩网址(中国)·官方网站

機械臂無模型視覺反饋控制及其自適應(yīng)操作應(yīng)用研究

一、項目簡介隨著科技進步和社會需求的發(fā)展，機器人手/臂除了工業(yè)生產(chǎn)，也越來越多用于服務(wù)人類的其它各個領(lǐng)域，這必然會使機器人承擔(dān)比工業(yè)中更加多樣的操作任務(wù)，面臨更加多變的工作環(huán)境。因此，國內(nèi)外對非結(jié)構(gòu)自然環(huán)境下、具備自主操作能力的機器人的研究十分重視。當(dāng)前，具備視覺感知能力的機器人已被公認(rèn)為機器人發(fā)展的主流趨勢，將視覺與機器人操作相融合，是對人類行為的模擬，由此產(chǎn)生的視覺伺服控制方法為機器人自主操作能力的實現(xiàn)帶來了新的思路，代表了機器人的先進控制技術(shù)，也是促進機器人智能化發(fā)展的一個重要驅(qū)動。可以預(yù)見，未來的視覺系統(tǒng)將會成為機器人名副其實的眼睛，視覺伺服技術(shù)在機器人自主操作中將具有不可替代的作用。視覺伺服利用視覺傳感器提供的環(huán)境信息對機器人運動進行實時反饋控制，涉及機器人機械幾何設(shè)計、運動學(xué)和動力學(xué)、自動控制理論、計算機視覺圖像處理和攝像機標(biāo)定等,是智能機器人領(lǐng)域中具有重要理論意義的研究課題之一。迄今為止，機器人手/臂的視覺伺服方法在太空遙操作、機器人手術(shù)、水果采摘、工業(yè)裝配、焊接、抓取以及微操作等方面得到越來越多的應(yīng)用。然而，現(xiàn)階段可實際應(yīng)用的方案主要面向特定的標(biāo)定環(huán)境、模型參數(shù)已知，機器人操作是編碼定式的，不具備模型未知條件下的自主操作能力，特別是當(dāng)面向未來的剛-柔-軟體共融機器人時，其柔型結(jié)構(gòu)造成的運動模型及參數(shù)的變化與不確定性，必然使現(xiàn)有確定模型的研究方法失效。因此，無模型（目標(biāo)幾何模型，手眼標(biāo)定模型，機器人運動模型）、非結(jié)構(gòu)環(huán)境下的自適應(yīng)操作對機器人提出了新挑戰(zhàn)，是機器人手臂(尤其柔型手臂)視覺伺服控制研究的難點與前沿問題，不斷深入對非結(jié)構(gòu)環(huán)境下、無模型的機器人手/臂視覺伺服控制的研究具有重要的理論和現(xiàn)實意義。在非結(jié)構(gòu)自然環(huán)境下使機器人像人一樣協(xié)調(diào)自適應(yīng)操作是當(dāng)今機器人研究領(lǐng)域的一項尚未實現(xiàn)但又令人感興趣的研究工作。從理論上看，非結(jié)構(gòu)自然環(huán)境下實現(xiàn)機器人柔性操作，就當(dāng)前研究依靠單一的控制器設(shè)計是困難的。因此，本項目借鑒人的手眼協(xié)調(diào)操作是自適應(yīng)學(xué)習(xí)過程，涉及智能進化和行為優(yōu)化，將隨機動態(tài)規(guī)劃理論，結(jié)合約束規(guī)則與最優(yōu)化控制，探索一種變參手眼關(guān)系，實現(xiàn)機器人在非結(jié)構(gòu)自然環(huán)境下的自適應(yīng)操作。二、前期研究基礎(chǔ) 研究團隊一直致力于機器人視覺反饋控制的研究。在基礎(chǔ)理論研究上，針對無標(biāo)定視覺伺服控制方案與設(shè)計，均提出了一些新型方法，有扎實的理論基礎(chǔ)和知識積累，并不斷跟蹤和深入在無模型視覺伺服控制的方面研究和前沿問題。目前，已經(jīng)著手在無模型視覺伺服的可靠性、穩(wěn)定性控制方面做了充分的探索工作：針對機器人無標(biāo)定全局穩(wěn)定操作問題，研究了一種魯棒卡爾曼濾波(RKF)合作Elman神經(jīng)網(wǎng)絡(luò)(ENN)的全局穩(wěn)定視覺伺服控制方法；提出了一種基于網(wǎng)絡(luò)輔助爾曼濾波狀態(tài)估計的無標(biāo)定視覺伺服方法，提高伺服系統(tǒng)的魯棒性。同時，立足機器人發(fā)展前沿，建立了多模特征深度學(xué)習(xí)抓取系統(tǒng)，在無結(jié)構(gòu)環(huán)境下實現(xiàn)了機器人智能抓取與定位。已發(fā)表的與項目相關(guān)的主要論文有： [1] 仲訓(xùn)杲,徐敏,仲訓(xùn)昱,彭俠夫.基于多模特征深度學(xué)習(xí)的機器人抓取判別方法.自動化學(xué)報,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI) [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲訓(xùn)杲,徐敏, 仲訓(xùn)昱, 彭俠夫. 基于雅可比預(yù)測的機器人無模型視覺伺服定位控制, 控制與決策, 已在線發(fā)表, 2018. [11] 仲訓(xùn)杲,徐敏, 仲訓(xùn)昱, 彭俠夫. 基于圖像的機器人非標(biāo)定視覺反饋控制全局定位方法, 廈門大學(xué)學(xué)報(自然科學(xué)版), 已錄用, 2018. 三、應(yīng)用技術(shù)成果（一）基于多模特征深度學(xué)習(xí)的機器人抓取判別研究了多模特征深度學(xué)習(xí)及其在機器人智能抓取判別中的應(yīng)用，該方法針對智能機器人抓取判別問題, 研究多模特征深度學(xué)習(xí)與融合方法. 該方法將測試特征分布偏離訓(xùn)練特征視為一類噪化, 引入帶稀疏約束的降噪自動編碼 (Denoising auto-encoding, DAE), 實現(xiàn)網(wǎng)絡(luò)權(quán)值學(xué)習(xí); 并以疊層融合策略, 獲取初始多模特征的深層抽象表達, 兩種手段相結(jié)合旨在提高深度網(wǎng)絡(luò)的魯棒性和抓取判別精確性. 實驗采用深度攝像機與 6 自由度工業(yè)機器人組建測試平臺, 對不同類別目標(biāo)進行在線對比實驗. 結(jié)果表明, 設(shè)計的多模特征深度學(xué)習(xí)依據(jù)人的抓取習(xí)慣, 實現(xiàn)最優(yōu)抓取判別, 并且機器人成功實施抓取定位, 研究方法對新目標(biāo)具備良好的抓取判別能力. （二）無標(biāo)定視覺伺服解決方案及其機器人操作應(yīng)用研究了無標(biāo)定視覺伺服方法及其在機械臂任務(wù)操作中的應(yīng)用。首先提出視覺伺服目標(biāo)：假設(shè)機器人或者攝像節(jié)的模型參數(shù)未知或者部分未知，視覺伺服的目標(biāo)是使用攝像節(jié)作為傳感器，引導(dǎo)機械臂運動，使當(dāng)前圖像特征收斂到期望圖像特征，從而完成定位或者跟蹤的任務(wù)。手眼協(xié)調(diào)關(guān)系描述。關(guān)節(jié)圖像雅克比矩陣定量描述了機械臂關(guān)節(jié)變化引起圖像特征變化，它是關(guān)節(jié)-圖像映射的局部線性化矩陣。建立圖像雅克比的在線估計器。將關(guān)節(jié)圖像雅克比矩陣的每一個元素作為輔助系統(tǒng)的狀態(tài)，建立輔助系統(tǒng)的狀態(tài)方程；攝像機提取到的圖像特征作為測量值，建立輔助系統(tǒng)的觀測方程。根據(jù)Kalman濾波器理論，我們設(shè)計了對關(guān)節(jié)圖像雅克比的在線實時估計算法。構(gòu)建基于圖像矩的目標(biāo)函數(shù)。為了避免傳統(tǒng)的基于點特征的缺陷，例如點特征的標(biāo)記、提取與匹配過程復(fù)雜且通用性較差問題。構(gòu)建基于圖像矩的圖像特征向量完成視覺伺服任務(wù)，來提高視覺伺服系統(tǒng)的穩(wěn)定性和可靠性。四、合作企業(yè) 廈門萬久科技股份有限公司是一家集銷售、軟件研發(fā)、技術(shù)服務(wù)、加工技術(shù)整合為一體的高新技術(shù)企業(yè)。目前公司的經(jīng)營范圍涉及CNC軟件開發(fā)及數(shù)控系統(tǒng)銷售、CNC控制零件銷售及專業(yè)維修；工藝優(yōu)化、機臺升級與技術(shù)改造、工程配電與軟件優(yōu)化、專用機控制系統(tǒng)開發(fā)、多軸機的設(shè)計與開發(fā)、機臺精度檢測與校正優(yōu)化服務(wù)等。公司是國際知名生產(chǎn)制造企業(yè)——富士康的產(chǎn)品供應(yīng)商和技術(shù)服務(wù)商。

廈門大學(xué) 2021-04-11

新葡京娱乐场-大陆娱乐场开户注册