【摘 要】
：
随着产业的发展移动机器人的应用场景随之增多,这同时也对移动机器人在复杂路面上安全避障与越障的可靠性提出了更高的要求。由于移动机器人在众多行业中存在实验性、定制化的特点,在对其进行可靠性分析与仿真实验过程中存在着数据不足与依靠研究者主观经验导致的不确定性,这影响了可靠性分析与仿真的准确度与可信度。因此如何在小样本与存在认知不确定性等条件下对移动机器人进行可靠性建模与仿真验证,保障分析结果的可信度是论
论文部分内容阅读
随着产业的发展移动机器人的应用场景随之增多,这同时也对移动机器人在复杂路面上安全避障与越障的可靠性提出了更高的要求。由于移动机器人在众多行业中存在实验性、定制化的特点,在对其进行可靠性分析与仿真实验过程中存在着数据不足与依靠研究者主观经验导致的不确定性,这影响了可靠性分析与仿真的准确度与可信度。因此如何在小样本与存在认知不确定性等条件下对移动机器人进行可靠性建模与仿真验证,保障分析结果的可信度是论文研究的主要内容。论文以移动机器人关键部件在复杂路面运行可靠性分析与仿真为研究背景,通过认知不确定性的量化表征对移动机器人进行可靠性建模与仿真,并对所建模型进行对应的验证与确认,从而保障移动机器人可靠性分析与仿真验证的可信度,论文主要的研究内容包括:（1）基于模糊理论与多态贝叶斯网络模型的底盘系统动态运行可靠度分析首先为了适用性选取一款通用型移动机器人对其底盘系统进行结构划分与失效分析,建立对应的故障树模型。为了量化可靠性分析过程中认知不确定性的影响,利用模糊理论中的三角模糊数对移动机器人底盘系统建模中的不确定性进行表征,并考虑其部件存在多个失效状态,利用多态贝叶斯网络进行建模处理。将故障树模型转化成对应的模糊多态贝叶斯网络模型,基于模糊多态贝叶斯网络对轮式移动机器人底盘系统在复杂路面运行状态进行可靠度分析。（2）基于贝叶斯推断的轮式移动机器人底盘系统动力学模型验证与仿真进行了通用型麦克纳姆四轮移动机器人的运动学分析与动力学分析,建立了对应的数学模型为仿真实验奠定了理论基础。论文针对动力学建模过程存在的不确定性利用贝叶斯推断进行各个模型的不确定性量化与评估,选择了最符合现实物理模型的动力学模型,并依此进行了移动机器人关键部件的仿真实验。进一步分析了复杂路面条件下路面激励函数,进行了移动机器人底盘系统在复杂路面动态运行的仿真实验,验证了底盘系统对设定的不平坦路面能起到很好的减震效果,能够保障移动机器人动态行驶的安全可靠性。（3）基于区间分析与面积度量的移动机器人仿真模型验证与确认对底盘系统在复杂路面动态运行的仿真实验结果的可信度进行了验证,针对目前在预测模型为多输出模型条件下的模型确认指标未能考虑认知不确定性与随机不确定性共存的情况,利用区间理论对认知不确定行进行表征,并将其与面积度量方法相结合,提出了能够度量混合不确定性条件下的模型确认指标,并利用马氏距离对多输出参数进行降维处理,进行了移动机器人动态行驶仿真结果与实验结果对照组之间的模型验证与确认。
其他文献
随着电子产品的发展,需要满足更高的应用指标,在不增加变换器的体积和重量的前提下,我们不得不追求更高的工作频率来提高开关电源的功率密度。可是与此同时,高频率的开关使得开关损耗非常严重,还伴随着发热现象,其效率也不如人意,并且这也使得电磁干扰变强。为了解决这一问题,软开关技术得以出现,它的目的主要是降低开关的损耗。论文首先对谐振变换器的发展背景以及趋势做出了说明,然后对相关的理论知识尤其是软开关技术展
CAN是一种串行通信协议,开发之初主要用于连接汽车和卡车的传感器和电子模块,由于CAN总线数据传输的高可靠性,在各种电气领域上的应用越来越广泛。外部的雷击和ESD等电气瞬变会对CAN总线数据传输和硬件带来不可预知的损坏,因此,针对CAN总线就需要给出一系列的保护措施,比如在端口上加入TVS保护器件,基于此,文中重点开展了一款保护CAN总线的TVS二极管的设计和分析。主要工作如下:1、针对CAN总线
深度神经网络算法具有很高的精度,因此受到很多智能计算领域的关注。但是深度神经网络算法的高精度是以巨量的参数和计算量为代价的,这阻碍了大规模的神经网络算法应用在存储空间、能量和计算能力有限的智能硬件平台中。理论上,神经网络的剪枝技术可以大幅度的降低深度神经网络的数据规模和计算量。但是,由于经过剪枝处理的稀疏神经网络的数据具有不规则性,现有的硬件平台执行稀疏神经网络算法面临两个挑战。第一、数据的访存效
随着电子技术的发展,人们对于集成度高、效率高、功能多的的工业电子产品的需求越来越大。半桥变换器由于其结构简单,电压应力小于其它隔离式拓扑,在输入电压高于开关管耐压的场合有着广泛应用。本文着重于输出低电压大电流场景的应用,研究与设计了一款集成同步整流技术、应用于半桥拓扑的PWM控制器。本文回顾了PWM控制技术的原理和控制方式,由于电压型模式的抗噪能力强、调试电路较简单,故选择了电压型模式。并且为了提
人工智能的快速发展,使得工厂的生产方式日益智能化,人机交互在生产过程中的应用越来越广泛。语音是人机交互的一种重要方式。现如今语音识别技术已经逐渐成熟,在无噪音的场景下可以准确识别大多数语音指令。然而,工厂的环境不是安静的,会掺杂复杂多变的噪声,这对于语音人机交互会产生严重的干扰,降低语音识别准确率和生产效率。语音增强技术用于将纯净语音从带噪语音中分离出来,提高目标语音的清晰度和可懂度,从而保证人机
随着计算机技术与通信技术的不断进步以及传感器设备的不断发展,工业领域中的传统制造不断向智能制造进行着转变。其中,工业领域中物料搬运系统的发展与通信系统的发展是智能化转变中的重要组成部分。传统的物料搬运系统一般以AGV作为运输工具,但是传统的AGV存在许多问题,例如状态数据监控数据量大、不能进行实时环境建图以及共享性差等问题。针对这些问题,本文以AGV为研究对象,通过阿里云平台、ROS以及Kafka
AGV运输系统具有移动载物、安全避障等多种功能,在智能制造中的作用越来越大。AGV在企业制造加工过程中可以灵活搬运各种物料,降低企业人力运输成本,实现物料仓储的完全智能化流程管理,缩减仓储物流费用。本文以智能化制造过程中的AGV路径规划与调度作为主要研究目标,使生产系统能够获得更高的生产效率,从而减少作业成本,提升企业效益。本文介绍了AGV的研究背景以及意义,对国内外关于AGV的研究现状以及路径规
近年来,基于卷积神经网络（Convolutional Neural Networks,CNN）的机器视觉方法已成功应用于安防检测和目标检测等应用。随着CNN模型的改进,计算和存储的需求急剧增加。然而,在一些低功耗的边缘计算设备中,功耗是重要指标,这便限制了卷积神经网络算法对低功耗设备的支持。现场可编程逻辑门阵列（Field Programmable Gate Array,FPGA）具有可配置性和开
卷积神经网络是一种以卷积运算为主的前馈神经网络,在图像识别、音频识别等领域有着广泛的应用。随着卷积神经网络的不断发展,其内部权重参数和网络深度也不断增多,对算力提出了更高的要求,CPU和GPU难以提供如此算力,因此人们更加倾向于开发专用的卷积神经网络加速器。而传统的卷积神经网络加速器往往采用冯诺依曼架构,超过80%的功耗被消耗在数据的搬运过程中,因此不管是学术界还是产业界都逐渐将目光投向非冯诺依曼
随着第三代宽禁带半导体SiC材料和微型传感器技术的发展,SiC电容式压力传感器的应用领域越来越广泛,涉及的环境应力也越发复杂和恶劣。目前,国内外的研究聚焦于SiC电容式压力传感器的成品工艺实现、关键结构试样制备、仿真几何模型构建、输出特性优化、单一静态环境应力、静态综合应力及频域综合应力仿真等方面。对SiC电容式压力传感器在长时间高温环境应力、大量级压力疲劳环境应力及时域综合环境应力的影响研究较少