重庆大学机器人课程论文

研究生课程考核试卷（适用于课程论文、提交报告）科 目： 机器人技术发展现状与工程应用 教 师： 柏 龙 姓 名： 学 号： 专 业： 机械工程 类 别： 学硕 上课时间： 2016-2017 学年第二学期（13 周） 考 生 成 绩（综合成绩=90%卷面成绩+10%平时成绩）：卷面成绩 平时成绩 课程综合成绩阅卷评语： 阅卷教师 (签名) 重庆大学研究生院制1 简述机器人研究涉及的关键技术。（至少列出五种机器人领域涉及关键技术，并对所列关键技术的概念、技术手段、难点及趋势等进行简述。本题 30 分，评分标准：内容完整性 15 分、内容前沿性 10 分、内容表述条理性及格式规范性 5 分）答：1) 机器人虚拟样机技术1.1 概念虚拟样机技术是一种基于智能设计技术、并行工程、仿真工程及网络技术的先进制造技术，它以计算机仿真和建模技术为支持，利用虚拟产品模型，在产品实际加工之前对产品的性能、行为、功能和产品的可制造性进行预测，从而对设计方案进行评估和优化，以达到产品的最优目标。虚拟样机技术的系统结构示意图1.2 技术手段系统总体技术虚拟样机系统总体技术要从整体出发，规定和协调构成虚拟样机各子系统的运行和相互之间的关系，实现信息和资源共享，实现系统总体目标。系统总体技术涉及规范化的体系结构、系统采用的标准与协议、网络技术、数据库技术、系统集成技术以及系统运行模式等。其中，系统集成技术的核心是工程设计技术、建模/仿真技术和虚拟现实/可视化技术这 3 类技术的集成与优化。建模技术建模技术是虚拟样机技术中的一个重要环节，虚拟样机模型是对实体的数学表示，它给出对象结构和性能的描述，并能产生相应的图形，如功能视图、结构试图和行为视图。随着仿真技术的发展，虚拟样机建模技术已经从对实体的建模发展到对环境的建模和对人体行为的建模。协同仿真技术复杂的虚拟样机系统的协同仿真技术包括协同建模技术、协同仿真技术和协同仿真运行管理技术外方面。协同仿真技术主要解决由不同工具、不同算法实现的分布、异构模型之间的互操作与分布式仿真问题。分布交互仿真技术是实现虚拟样机协同仿真技术的重要技术基础。虚拟样机的支撑环境虚拟样机的支撑环境应具备以下特点：（1）采用开放性的、模块化的系统体系结构，最大限度地采用目前流行的产品和标准，减少新的工具和支撑系统的开发。 （2）采用支持未来软件概念的可扩展性架构。 （3）提供支持多领域的协同建模/仿真环境和虚拟现实 /可视化显示环境。（4）集成各类已有的建模和仿真工具，实现模型和工具的即插即用，支持并行工程方法学。（5）采用分布式数据库，实现各种数据的统一存储和管理。（6）实现分布、异构的不同软硬件平台、不同网络及不同操作系统之间的互操作。1.3 难点目前国内的研究范围较窄，仅停留在多体系统动力学的领域内，且仅停留在实验室阶段，尚难以在工程实践中应用。对相关技术的研究不足。目前国外已有学者开始研究如何将面向对象技术应用到虚拟样机技术中来，而国内在这方面的研究却是一片空白。对机械系统虚拟样机技术软件系统的开发和商品化的重要性及迫切性认识不足，而国外先进的、商品化的虚拟样机技术软件都具有良好的图形用户界面，具有直观、自然、友好、方便等优点。1.4 趋势在虚拟技术的应用方面，首先是建模技术还需要进一步的研究和完善。在这方面，需要模型的可扩展性、开放性、可重用性以及互操作性等方面的缺陷和不足。在虚拟样机技术方面，需要进一步研究和探讨如何对开发虚拟样机中的不同活动进行管理、协调、优化，使这一技术在应用上更加简单和易于推广和普及。2) 机器视觉技术2.1 概念机器视觉技术，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。2.2 技术手段机器视觉检测系统。采用 CCD 照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功能。工作原理图2.3 难点打光的稳定性。工业视觉应用一般分成四大类：定位、测量、检测和识别，其中测量对光照的稳定性要求最高，因为光照只要发生 10-20%的变化，测量结果将可能偏差出 1-2 个像素。工件位置的不一致性。每次待测目标物出现在拍摄视场中时，要能精确知道待测目标物在哪里，即使你使用一些机械夹具等，也不能特别高精度保证待测目标物每次都出现在同一位置的。标定。目前的标定算法都是基于平面的标定，如果待测量的物理不是平面的，标定就会需要作一些特种算法来处理，通常的标定算法是解决不了的。此外有些标定，因为不方便使用标定板，也必须设计特殊的标定方法，因此标定不一定能通过软件中已有的标定算法全部解决。物体的运动速度。如果被测量的物体不是静止的，而是在运动状态，那么一定要考虑运动模糊对图像精度（模糊像素=物体运动速度*相机曝光时间），这也不是软件能够解决的。软件的测量精度。在测量应用中软件的精度只能按照 1/21/4 个像素考虑，最好按照 1/2，而不能向定位应用一样达到 1/10-1/30 个像素精度，因为测量应用中软件能够从图像上提取的特征点非常少。2.4 趋势机器视觉系统的用户接口会引起越来越多的关注。用户接口通常是最后考虑的，这需要从算法设计者不断贡献中来建立。使机器视觉工具成为使用简单的专用工具。与一个复杂的多功能的基本视觉系统相反，我们的工具针对于一类问题。这个在特定知识领域上建立，会极大地减少需要使用一个机器视觉工具的专家知识。增加视觉系统的智能以使它能克服更多的环境变化。比如，与让用户去装置一个零件到一个特殊的位置不同，我们使用视觉搜索去寻找视场里的部件。视觉商家必须平衡易于使用与市场大小，还有携带多个产品的成本。3) 路径规划技术3.1 概念路径规划技术是机器人研究领域中的一个重要部分。典型的路径规划问题是指在有障碍物的工作环境中，按照一定的评价标准（行走路线最短、所用时间最少等）为机器人寻找一条从起点到终点的运动路径，让机器人在运动过程中能安全、无碰撞地通过所有的障碍物。因而路径规划问题又可以称为避碰规划问题。3.2 技术手段传统规划方法：可视图法；自由空间法；栅格解耦法；人工势场法；拓扑法智能规划方法：遗传算法；模糊逻辑算法；神经网络法；蚁群算法；免疫算法几何规划方法。3.3 难点复杂性在复杂环境尤其是动态时变环境中,机器人路径规划非常复杂,且需要很大的计算量。随机性复杂环境的变化往往存在很多随机性和不确定因素。动态障碍物的出现也带有随机性。多约束人的形状制约,机器人的运动存在几何约束和物理约束。几何约束是指机器而物理约束是指机器人的速度和加速度。多目标机器人运动过程中路径性能要求存在多种目标,如路径最短,时间最优,安全性能最好,能源消耗最小。但它们之间往往存在冲突。3.4 趋势对传统算法进行改进。根据机器人工作的不同环境，选择快速高效的算法是很有意义的。虽然传统算法有其不足之处，但是如果对其加以改进，从而满足规划精度的要求，提高机器人路径规划的适时性、安全性和可达性，也是研究的一个重要方向。多传感器信息融合条件下的路径规划。当机器人处于动态时变的环境中时，要依靠各种传感器来获取周围空间的信息，这就要求路径规划技术必须具有处理多路信息的能力。现阶段使用的方法有卡尔曼滤波法、神经网络法等。多机器人协调工作条件下的路径规划。机器人技术的发展使其应用范围不断扩大，单机器人在有些条件下已经不能满足使用要求。由于环境复杂和多机器人协调工作，为路径规划带来了挑战，成为当前研究的一个重要热点问题。采用基于功能行为的路径规划技术改造传统的自顶向下的规划模式。采用新的智能算法。智能算法能模拟人的经验，逼近非线性，具有自组织、自学习功能，并且具有一定的容错能力，能增强机器人在动态时变环境中的灵活性和智能性。当前神经网络、遗传算法、模糊算法及其组合都被广泛研究。4) 仿生机器人技术4.1 概念“仿生机器人”是指模仿生物、从事生物特点工作的机器人。涉及到机械设计、计算机、传感器、自动控制、人机交互、仿生学等多个学科。4.2 技术手段环境感知 目前，在结构化的室内环境中，以机器视觉为主并借助于其他传感器的移动机器人自主环境感知、场景认知及导航技术相对成熟。而在室外实际应用中，由于环境的多样性、随机性、复杂性以及天气、光照变化的影响，环境感知的任务要复杂得多，实时性要求更高，这一直是国内外的研究热点。多传感器信息融合、环境建模等是机器人感知系统面临的技术任务。自主定位目前最常用的自主定位技术是基于惯性单元的航迹推算技术，它利用运动估计（惯导或里程计），对机器人的位置进行递归推算。但由于存在误差积累问题，航位推算法只适于短时短距离运动的位姿估计，对于大范围的定位常利用传感器对环境进行观测，并与环境地图进行匹配，从而实现机器人的精确定位。可以将机器人位姿看作系统状态，运用贝叶斯滤波对机器人的位姿进行估计，最常用的方法是卡尔曼滤波定位算法、马尔可夫定位算法、蒙特卡洛定位算法等。运动控制在地面上移动的机器人按移动方式不同，大概可以分成两类，一类是轮式或履带式机器人，另一类是行走机器人，二者各有特点。4.3 难点建模问题仿生机器人的运动具有高度的灵活性和适应性。其一般都是冗余度或超冗余度机器人，结构复杂，运动学和动力学模型与常规机器人有很大差别，且复杂程度更大。控制优化问题机器人的自由度越多，机构越复杂，必将导致控制系统的复杂化。复杂巨系统的实现不能全靠子系统的堆积，要做到整体大于组分之和，同时要研究高效优化的控制算法才能使系统具有实时处理能力。信息融合问题在仿生机器人的设计开发中，为实现对不同物体和未知环境的感知，都装备有一定量的传感器。多传感器的信息融合技术是实现其具有一定智能的关键。信息融合技术把分布在不同位置的多个同类或不同类的传感器所提供的局部环境的不完整信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，从而提高系统决策、规划、反应的快速性和正确性。机构设计问题合理的机构设计是仿生机器人实现的基础。生物的形态经过千百万年的进化，其结构特征极具合理性，而要用机械来完全仿制生物体几乎是不可能的，只有在充分研究生物肌体结构和运动特性的基础上提取其精髓进行简化，才能开发全方位关节机构和简单关节组成高灵活性的机器人机构。微传感和微驱动问题微型仿生机器人有些已不是传统常规机器人的按比例缩小，它的开发涉及到电磁、机械、热、光、化学、生物等多学科。对于微型仿生机器人的制造，需要解决一些工程上的问题，如动力源、驱动方式、传感集成控制以及同外界的通讯等。实现微传感和微驱动的一个关键技术是机电光一体结合的微加工技术。同时，在设计时必须考虑到尺寸效应、新材料、新、工艺等问题。4.4 趋势仿生机器人的微型化仿生微型机器人可用于小型管道的检测作业，可进入人体肠道进行检查和实施治疗而不伤害人体，也可以进入狭小的复杂环境进行作业。因此，机器人的小型化和微型化是一个发展趋势。仿生机器人的相似性和多变性在军事侦察和间谍任务中，如果仿生机器人的外形与所模仿的生物外形完全一致，将能更隐蔽地、更安全地完成任务。因此，仿生机器人的外形与所模仿的生物的相似性，是仿生机器人研究的热点之一。日本研制的变形机器人包括若干小机器人，小机器人通过红外传感器和照相机识别周围的障碍物，然后相互协调，按照不同需要组合成狗、蜘蛛和蛇等 7 种形态，可以根据环境变化而改变自己的形状。机器人的多变性使其能够进入各种人类难以接近的灾害现场实施调查，还有望应用于航天等领域。5) 多传感器信息融合技术5.1 概念多传感器信息融合，就是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程。多传感器信息融合技术的基本原理就像人的大脑综合处理信息的过程一样，将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释。在这个过程中要充分地利用多源数据进行合理支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势，而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。5.2 技术手段卡尔曼滤波（KF）卡尔曼滤波处理信息的过程一般为预估和纠正，他对多传感信息融合技术的作用中不仅是个简单具体的算法，而且也是一种非常有用的系统处理方案。事实上，它与很多系统处理信息数据的方法类似，它利用数学上迭代递推计算的方法为融合数据提供行之有效的统计意义下的最优估计，但是对存储的空间和计算要求很小，适合于对数据处理空间和速度有限制的环境下。KF 分为分散卡尔曼滤波（DKF）和扩展卡尔曼滤波（EKF）两种。DKF 能使数据融合完全分散化，而 EKF 能有效克服数据处理的误差和不稳定性对信息融合过程产生的影响。人工神经网络法这种方法通过模仿人脑的结构和工作原理以传感器获得的数据为网络的输入，通过网络的训练在相应的机器或者模型上完成一定的智能任务来消除非目标参量的干扰。神经网络法对于消除在多传感器在协同工作中受各方面因素相互交叉影响效果明显，而且它编程简便，输出稳定。5.3 难点关联的