基于网络的仿人机器人遥操作控制研究

来源 :沈阳化工大学 | 被引量 : 0次 | 上传用户:waxizhaojing
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
如今科学技术不断进步,机器人产业蓬勃发展,由于仿人机器人具有酷似人的外形及灵活的作业性能,仿人机器人的研发风靡全球。网络的快速发展不仅为我们的生活带来了便利,同时以网络为媒介的遥操作机器人也成为了当今世界研究的热点之一。在一些特殊环境下,仿人机器人不能独立自主的完成复杂任务,为了保障复杂环境下机器人的作业能力,本文将对基于网络的仿人机器人的控制方法进行研究。本文的研究内容如下:首先搭建了仿人机器人的遥操作控制平台,硬件部分使用力反馈操作杆、计算机、摄像头和仿人机器人;软件上设计了客户端程序、服务器端程序和头、下肢遥操作指令控制协议,根据任务需求建立手臂模型并设计实时遥操作程序。其次为了提高遥操作系统中操作者的操作能力,利用人工势场法建立虚拟力模型,计算出操作者在操作过程中理论上感受到的力,以力反馈操作杆作为遥操作系统中的力反馈设备,给出力觉临场感的实现方法,进行操作者操纵操作杆远程操纵仿人机器人手臂抓取物品实验。实验结果表明,以虚拟力模型计算得到的操作者感受到的力的理论值与操作者操纵操作杆进行实验时实际感受到的力基本一致。然后为了提高遥操作作业效率,引入双端口RAM,解决了主从端采样周期不同步问题,实现了主从端同步控制。运用UDP协议对两地间网络时延测试分析,得出任意时间段内网络时延的概率密度都可以用平移Gamma曲线描述的结论,并提出了延迟概率密度的平移Gamma曲线分布参数的预估方法。实验验证基于时延分布预测的变遥操作周期控制方法与目前通用的基于最大允许延迟的固定遥操作周期控制方法相比,有效的提高了作业效率。最后为了提高遥操作系统的操作性能,以监督控制为基础,对主端控制和从端自主控制最优的任务分配问题进行研究。基于物理规划法提出主端控制和从端自主控制结合的优化控制方法,构建系统的偏好函数,给出约束条件。做仿人机器人抓取物品的实验,结果验证主端控制和从端控制结合能最大限度的提高仿人机器人遥操作系统的操作性能。
其他文献
汽车内饰装配件装配后的质量检测是装配的重要阶段,是确保汽车内饰装配件装配高通过率的重要保障。随着现代工业逐渐智能化,人工凭借经验对装配好的汽车内饰装配件进行复核的这种传统方式已经不能满足现代装配的需求。将基于深度学习的目标检测技术应用于汽车内饰装配件检测,成为一种较为前沿的工业零件检测方案。本文针对基于深度学习的汽车内饰装配件检测方法进行研究与实现,主要内容入下:(1)研究图像增强技术。使用工业摄
学位
随着全球经济一体化进程的飞速发展,股票市场在全球经济中扮演着越来越重要的角色,股票市场的准确预测具有重要的社会经济价值。股票市场拥有海量的数据,且股票市场具有非平稳性、非线性、周期性的特点,这样的数据特性对于股票数据的准确预测提出了巨大的挑战。因此,股票预测研究具有重要的学术价值。本文在深入研究股票市场预测问题的特点并且广泛分析已有相关研究工作的基础上,针对股票市场预测技术的关键问题提出一定的解决
学位
目的 分析河南省20~69岁人群高血压患病率变化情况,探讨高血压影响因素。方法 对2000年、2010年和2020年国民体质监测河南省抽样点20~69岁人群体质数据资料中高血压监测指标进行分析。基于2020年调查数据,采用χ2检验对高血压患病情况进行单因素分析,并采用二分类Logistic回归分析高血压患病的影响因素,以P<0.05为差异具有统计学意义。结果 2000年、2010年和2020年共调
期刊
近年来,卷积神经网络(Convolutional Neural Network,CNN)在图像识别、语音识别和自动翻译等方面取得了良好的效果。然而,为了解决复杂的抽象问题,追求更高的识别准确率,卷积神经网络模型层数、结构复杂度和计算量不断增加。在通用计算平台加速卷积神经网络具有较高的性能,但会带来功耗高和便携性不足等问题,难以满足可移动、低功耗等嵌入式场景的要求。现场可编程门阵列(Field Pr
学位
在机床加工过程中,刀具会随着机器切割工序的进行而产生磨损,刀具的磨损是无法避免的,并且刀具发生严重的磨损将可能会导致崩刃,引发事故,影响生产安全。如果不能准确的预估刀具的磨损,还会出现刀具还未完全磨损就更换,而造成刀具造成浪费。有效地预测刀具磨损值是铣削过程中不可或缺的一个环节,因此,设计和实现一个可进行磨损情况监控和磨损值预测报警的刀具磨损预测平台对现实工程具有重要价值。本文通过对机床加工过程中
学位
当前,无线传感器网络节点通常依赖传统的化学电池供电,在某些应用场景,如原始森林、海洋等,为其更换电池较为困难,因此为无线传感器网络节点提供长期稳定的电能成为了亟需解决的问题。涡致振动是自然界中一种普遍的现象,利用涡致振动使得压电俘能器产生周期性摆动,从而将振动能转化为电能为无线传感器网络节点供电成为了研究热点。当无线传感器网络节点供电需求较大时,单一结构压电俘能器无法满足供电需求,而阵列式压电俘能
学位
近年来,无线传感器等微电子设备广泛应用于国防、环境监测、灾难预防等领域,依赖传统的化学电池为其供电,不仅对环境有一定的污染,而且某些场景电池更换困难,因此为无线微电子设备稳定持续的供能成为亟需解决的问题。涡致振动是自然界中一种常见的现象,利用涡致振动使压电材料产生周期性的机械振动,将机械能转化为电能为无线设备供电的研究受到了国内外研究者的广泛关注。当无线设备的供电需求较大时,单一的压电能量收集结构
学位
随着工业4.0时代的到来,提高服装产线的产能对于加速纺织行业产业转型具有非常重要的意义,目前我国服装制造业中的质量控制大多采用人工检测的方式,劳动强度大,人力成本高,效率低下。随着机器视觉技术的日趋成熟,部分企业使用了基于机器视觉的疵点检测系统,一定程度上改善了人工检测的不足,但现有的疵点检测系统多是依赖于专家经验来提取疵点特征,其通用性较差。针对以上的局限,本文提出了基于机器视觉和深度学习的布匹
学位
近年来,单目标优化问题和多目标问题都已无法满足人们在各行各业中越来越复杂的需求,因为超多目标问题在各个领域受到广泛应用,所以与超多目标优化问题相关算法研究也有着重要的意义。目前超多目标优化问题求解算法研究存在一些问题需要解决,例如:随着目标个数的增加,Pareto解的数量呈指数级增长,导致解集的收敛性与多样性严重失衡,对算法的性能造成了严重的影响。实际上由于问题的复杂性,超多目标进化算法的研究在理
学位
随着城市化建设的高速发展,高层建筑的数量不断增多,电梯作为高层建筑中的主要运输工具,与人们的日常工作和生活息息相关。电梯轿厢内部环境密闭,发生异常行为时,外界不容易直接观察到。通常在电梯顶部安装监控摄像头,进行异常行为的检测。传统的人工监控法存在监控人员易疲劳、误报漏报现象多、报警响应时间长、异常发生后调查取证困难等多种弊端。通过图像处理、视频分析等技术对电梯轿厢内的异常行为进行智能的检测,对维护
学位