人人文库网 > 图纸下载 > 毕业设计 > 玻璃横切结构及人机界面系统设计【7张CAD图纸+毕业论文】【答辩优秀】

零件组合5张 a0.dwg

玻璃横切结构及人机界面系统设计【7张CAD图纸+毕业论文】【答辩优秀】

资源目录

玻璃横切结构及人机界面系统设计【全套CAD图纸+毕业论文】【答辩优秀】.rar

玻璃横切结构及人机界面系统设计

零件组合5张 a0.dwg---(点击预览)

附录

压缩包内文档预览：

编号：428192 类型：共享资源大小：4.76MB 格式：RAR 上传时间：2015-04-28 上传人：好资料QQ****51605 IP属地：江苏

45
积分

版权申诉 word格式文档无特别注明外均可编辑修改；预览文档经过压缩，下载后原文更清晰！ 立即下载

关键词：: 玻璃切结人机界面系统设计全套 cad 图纸毕业论文答辩优秀优良

资源描述：

【温馨提示】购买原稿文件请充值后自助下载。

[全部文件] 那张截图中的文件为本资料所有内容，下载后即可获得。

预览截图请勿抄袭，原稿文件完整清晰，无水印，可编辑。

有疑问可以咨询QQ：414951605或1304139763

摘要

本次毕业设计的题目是设计一种基于单片机控制的玻璃横切机。主要设计内容为：设计玻璃横切机的机械结构及人机界面系统。机械结构部分的设计确定为步进电动机带动的同步带传动系统。控制系统采用AT89C51为CPU。由矩阵键盘和RT12864M汉字图形点阵液晶显示模块组成人机界面系统。

首先，分析了玻璃横切机的市场前景及其在玻璃生产中的重要作用。然后，确定机械结构。根据现有的玻璃横切机的结构将其分类，并归纳出每一类玻璃横切机的机械机构特征、运行特征、切割原理等。本设计最终选用了其中的斜置、速度控制式的机械结构。基于这种机械结构，对步进电动机、同步带进行了选型和计算。绘制了机械结构装配图及部分零件图。

对于玻璃横切机的人机界面系统，本设计主要大致完成其程序的编写。即液晶显示四组控制参数，并可以通过键盘修改这些参数。本文中包括了各级程序流程图及其对应的说明。大致包括LCD驱动、键盘监控、液晶显示三个程序块。详见正文。

关键字玻璃横切机; 步进电动机; 同步带; 单片机; 人机界面系统 ;液晶

This graduation project's topic is the design of one kind of the auto glass-cutter which controls based on the Microcontroller. The main content of the design is: the machine mechanism and man-machine contact surface system of the glass-cutter’s design .The mechanism part's design I determined it as that Pulse motor gives the power and the Transmission system transfer the power to the Ambulacrum.The control system uses AT89C51 as CPU. Forms the man-machine contact surface department of the matrix keyboard and the RT12864M Chinese character graph lattice liquid crystal display module.

First, has analyzed the glass-cutter’s market prospect and its influential role in the glass production. Then, determination of the machine mechanism. According to the existing glass-cutter’s structure I staple then to same types, and then concluded the mechanism character, sport character, cutting principle of each of the types. And so on.

This design finally has selected the tilts, speed control-like mechanism. Based on this kind of mechanism, I did the choice of the Pulse motor, ambulacrum’s and the count, checkout of them. I had drawn up the drawing of mechanism assembly and some part drawings.

Regarding the glass-cutter’s man-machine contact surface system, this design mainly completes its program’s compilation. Namely the liquid crystal display shows the four groups of controlled variables, and may revise these parameters through the keyboard. This article has included all levels of program flow diagram and the corresponding explanation. Includes the LCD actuation, the keyboard monitoring, and the liquid crystal display three blocks approximately. For details sees the main text.

Key-words glass-cutter ; Pulse motor ;ambulacrum ; Microcontroller ; man-machine contact surface system ; liquid crystal display module

摘要（中文）…………………………………………………………………………………І

（英文）…………………………………………………………………………………П

第一章概述……………………………………………………………………………………1

1.1我国玻璃市场现状………………………………………………………………………………………1

1.2 我国浮法玻璃技术与国际先进水平的差距…………………………………………………………1

1.3 高精度玻璃切割的必要………………………………………………………………………………1

1.4 玻璃横切机的分类……………………………………………………………………………………1

第二章设计方案……………………………………………………………………………7

2.1研究内容………………………………………………………………………………………………7

2.2实现方法…………………………………………………………………………………………………7

2.3设计任务…………………………………………………………………………………………………9

2.4 总体方案的确定………………………………………………………………………………………10

第三章机械部分设计计算…………………………………………………………………11

3.1 机械传动部件的计算与选型…………………………………………………………………………11

3.2 机械装配图的绘制……………………………………………………………………………………17

第四章控制系统设计、编程………………………………………………………………19

4.1控制系统硬件电路设计………………………………………………………………………………19

4.2 人机界面的软件设计…………………………………………………………………………………19

结束语………………………………………………………………………………………36

参考文献……………………………………………………………………………………37

全部文件.jpg

装配图.jpg

机箱A1.jpg

零件组合.jpg

字数统计.jpg

内容简介：: 玻璃横切结构及人机界面系统设计开题报告机0405班 04号米永红指导教师李天剑一、综述玻璃装饰建材产品在日常生活中已得到了广泛使用。但是，就我国目前的浮法玻璃生产技术而言，除了合资生产线达到国际先进水平外，其余均属一般水平，与国际先进水平相比存在着较大差距。国家每年需要花大量外汇从国外进口大量优质浮法玻璃，以满足国内建筑业，装饰，装修和玻璃深加工业对优质浮法玻璃的需求。1994年，全国优质浮法玻璃产量占总产量的5.5%，经综合分析预测，本世纪末我国浮法玻璃需求量为1.4亿重量箱，其中，优质浮法玻璃需求量为：交通运输业850-900万重量箱，建筑业12501300万重量箱，制镜业300350万重量箱，市场及其他400450万重量箱，出口600700万重量箱，供给34003700万重量箱。占总产量的24.3%26.4%.我们应抓紧机遇，建设具有当代国际先进技术水平的浮法玻璃生产线，推进我国平板玻璃工业技术进步，生产出优质浮法玻璃，满足日益增长的市场需求，参与国际竞争，缩小我国浮法玻璃技术与国际先进水平的差距。我国浮法玻璃技术与国际先进水平的差距表现在软件上是指浮法玻璃生产线各部分的自动控制能力和全线自动控制程度和水平。对于浮法玻璃的生产来说，高水平的自控可以最大限度的消除认为因素对玻璃质量的影响，从而达到稳定，高质量的生产。国内的浮法玻璃生产线一般都是以半经验半技术自控，自控程度和自控水平较低。在加工浮法玻璃的过程中,高精度的玻璃切割作为加工的第一道工序是必不可少的。平板玻璃生产线是连续型生产线。原料在经过了熔化、成形、退火后成为连续的带状玻璃带。这条玻璃带必须经过在线切割才能满足包装与市场的需求。横切机就是玻璃在线切割必不可少的设备之一。它的设备形式、控制原理及与生产的匹配性直接影响了成品玻璃板的几何质量。平板玻璃生产线的特点是连续性和大规模，但是由于缺乏行之有效的控制方法，横切机切割质量的检测和调节一直是由人工来完成的。由于人工检测调节的间歇性、经验性和不确定性，玻璃切割质量的控制不能很好的针对工况的变化，同时又加重了工人的劳动强度。而横切机的切割系统是一个离散、滞后、非线性不确定的系统。传统的控制方法又很难满足它的控制要求。采用先进的智能控制技术可以将这一问题较好的解决。目前,横切机对切割过程中的切刀速度的控制策略有两种: 在切刀切割的过程中, 切刀的速度与玻璃带的速度在每一时刻都保持一定的关系, 即完全随动的策略, 切刀速度为时时变化的。以这种控制策略控制的横切机称为完全随动斜置式横切机。当切刀停止时, 控制器根据玻璃带速度按一定的公式不停的计算着切刀的速度。当切刀启动时, 切刀以最后计算的速度为切刀速度进行玻璃的切割。即不完全随动的策略, 每一次切割过程中, 切刀的速度是不变的。以这种控制策略控制的横切机称为不完全随动斜置式横切机。不完全随动式用于浮法玻璃生产中。完全随动式较难实现，目前尚无应用实例。二、研究内容研究方向、内容随着单片机、PLC技术的发展，传统的控制系统逐渐被新型智能控制系统取代。鉴于PLC比单片机成本高，且输入/输出点数受到限制。本次毕业设计我主要研究单片机技术的全自动玻璃横切结构，分别对其机械结构和人机界面系统进行设计。系统功能：1）机械系统功能：切割速度方向要求：玻璃带为运动的带状物体, 运动速度为V L。为了保证成品玻璃板为矩形, 横切机的切刀必须同时具有纵向与横向两个方向的运动 (如图1 所示)。纵向运动使切刀与玻璃带保持运动同步, 即纵向运动速度V Z 与玻璃带运动速度V L 保持一致; 而横向运动则使切刀完成切割工作, 其运动速度为V H。刀架运动要求；接到单片机控制信号后，落刀，由皮带带动沿横梁方向切割玻璃，抬刀，返回原落刀点。其中落刀刀口压力要控制在指定厚度的玻璃的承载范围之内。要保证其对玻璃的冲击不至于使玻璃损坏。横梁的直线度不低于对玻璃的直线度的要求。2）人机界面系统功能：手动输入所要切割的玻璃的长度，当送料长度达到设定值后，切割。LCD显示切片数量，落刀位置，抬刀位置等参数，并可以通过键盘修改相关参数。键盘设置急停键，抬刀键、回车键，以便切割出现问题时手动处理。三、实现方法及预期目标初步方案：1）机械结构方案根据横切机上用以承载切刀工作机构并担负其工作运动导轨作用的横梁与玻璃带输送辊道 (玻璃带运动方向) 的相互位置关系, 横切机机械运动机构的组成方式可以分为垂直式与斜置式。垂直式横切机（如图2所示）采用双运动执行机构,它的机械运动机构由横梁、横梁传动机构、横梁导轨、切刀小车、小车传动机构、小车导轨等组成。垂直式横切机的特点是控制方式简单易行, 但机械运动机构的组成方式较为复杂, 并由于横梁的运动惯量较大, 因而不适用于玻璃带运动速度较高的生产场合。在实际生产中, 垂直式横切机在平拉或格法玻璃生产线上应用较多。斜置式横切机, 就是通过把决定切刀小车运动方向的横梁与玻璃带输送辊道 (玻璃带运动方向) 倾斜放置, 并对切刀小车沿横梁的工作运动进行控制, 从而实现玻璃带切割时所需的横向与纵向运动。切刀小车的工作运动速度V Q 与横向运动速度V H 和纵向运动速度V Z 的关系, 可以由式 (1) 和式(2) 表示, 其中为V Q 与V H 之间的夹角。V H= V Qco s (1)V Z= V Qsin (2)在玻璃切割过程中, 为了保证切痕的平直, 切刀的纵向运动必须与玻璃带的运动保持同步, 即必须保证V Z= V L。当V L 为恒量或基变量时, 由式(2) 可知, 可以通过分别控制和V Q 来实现V Z 与V L 相等的要求。若仅变化 A则称为角度调节方式;若仅变化V Q , 则称为速度控制方式。此外, 由于机械运动机构实现困难, 通常都不会采用对和V Q同时调控的方式。角度调节式横切机（如图3所示）采用角度调节方式的斜置式玻璃横切机, 称为角度调节式横切机。它的机械运动机构由横梁、切刀小车、小车导轨、小车传动机构和角度调节装置等所组成。目前, 角度调节式横切机仅在一些应急的、非生产关键环节上有限使用, 但一般都不作为生产线上的主用横切机。而且, 角度调节一般都是针对某种相对固定的产品规格及以相对稳定工况为前提而进行的, 难以根据实际的V L 实现无级自动跟踪式的调节。速度控制式横切机(如图4所示)采用速度控制方式的斜置式玻璃横切机, 称为速度控制式横切机。它的机械运动机构由横梁、刀具小车、小车导轨、小车传动机构等组成。这是机械运动机构组成方式最为简单的横切机, 也是目前使用最为广泛的。当进行速度控制时,V Q =V L/sin 由于为定值, 可知, 切刀工作运动速度V Q 与玻璃带运动速度V L 成正比。因此, 可根据实际测出的V L , 就能通过式 (6) 求出对应的V Q ,最终根据V Q 来控制驱动电机的实际运行。图4速度调节式横切机的组成示意图由于机械运动机构组成方式简单可靠, 因此速度控制式横切机作为生产线上的主用横切机而得到了广泛的应用。本次毕业设计我也决定采用此种机械结构。机械结构简图如图5。123456781 主电机 2 同步带 3 刀架 4 气动元件 5 玻璃切割刀6 支杆 7 被切玻璃 8 工作台（玻璃输送机构）图5 自动玻璃横切机机械结构组成具体工作过程：1、通电：由键盘输入所切玻璃长度、切片数量、，落刀、抬刀位置等参数。点击启动键，系统自动运行。2、启动主电机；单片机发出控制信号，启动主电机，同步带带动刀架到指定落刀位置。3、切割：传感器检测玻璃输送情况，到达要求长度时，单片机控制气动元件落刀并切割到指定抬刀位置，抬刀。单片机的计数单元自动加一。刀架以最大回车速度运动到指定落刀点4、显示：将单片机计数单元中的数值传输给LCD并显示，全程显示落刀、抬刀位置、要求切片量等数值。5、系统自动重复切割至实际切割片数等于设定切割片数或手动停车为止。2）控制系统方案主电机控制单元为了保证加工过程的连续性和生产效率，切刀必须连续不断地工作，同时因切割玻璃长度的不同，主电机应持续通电，且能够调速以适应不同切断长度的需要。考虑到此要求，本设计中主电机采用步进电机，并变频器进行速度控制。单片机控制模块单元1、硬件设计处理器用51单片机主要用于信号的采集，数据的处理、控制信号的输出等，它是整个控制系统的核心。键盘完成加工参数以及干预信号的输入，通过对自动横切机的整个生产过程分析，用薄膜开关矩阵键盘。考虑到以后显示功能的扩展，本设计采用的是RT12864M ST7920 汉字图形点阵液晶显示模块。51 单片机步进电机驱动器步进电机传感器8255键盘L C D图6 控制系统结构原理名称型号功能单片机51中央处理器接口扩展芯片8255扩展I/O口LED显示屏RT12864M ST7920显示参数按键矩阵键盘输入参数地址锁存器74LS373锁存地址变压器24/12/5V输出为单片机和步进电机驱动电路提供电源测讯轮脉冲发生器测玻璃传输速度表1 元器件列表2、软件设计根据自动横切记的自动化过程，采用模块化结构设计。设计掉电保护程序，保护工作状态信息和加工参数，以便恢复生产。开始系统初始化控制参数输入RUN一组片数到否停止切割YN系统电源配置为了保证系统可靠，单片机的电源与外部控制通道的电源必须隔离。本次计的重点难点本次计的重点难点是刀架结构的设计和显示系统程序的编写。本系统的核心问题之一是对玻璃长度进行实时检测。在此系统中传感器采用测讯轮和脉冲发生器组成，测讯轮与玻璃平面接触，当玻璃向前运动时，带动测讯轮转动，脉冲发生器的轴随之转动。把脉冲送入处理器，对脉冲进行计数，实现对玻璃长度的计量。（如图8所示）图8传感器四、对进度的具体安排1、第1-4周实习调研；2、第5周撰写并提交调研报告和开题报告；3、第6-9周机械结构设计；4、第10-12周电路设计及调试5、第13-15周软件设计及调试6、第16-17周撰写并提交毕业论文；7、第18周毕业论文答辩五、参考文献1、聂刚. 平板玻璃横切机的分类及类别特征. 玻璃,2002 年第 2 期总第161 期2、杨清翔李文江.单片机在玻璃自动计数系统中的应用. 辽宁工程技术大学学报 2005年4月第24卷增刊3、欧耀海.机电一体化全自动横切机. 玻璃 2007 年第 6 期总第 195 期4、刘克福李晓虹。基于单片机技术的全自动横切机研制。微机算计信息(嵌入式与SOC) 2008年第24卷第12期5、叶文才.自动玻璃切割机控制系统的设计6、张瑞张宇干谈军费晓勇.浮法玻璃横切机智能控制系统的开发. 中国建材装备7、孟正大郝立戴先中. 开放式玻璃自动切割机计算机控制系统. 电气传动2003 年第 3 期8、龚振邦，等机器人机械设计【M】. 北京：电子工业出版社，19959、殷际英编著光机电一体化理论基础. 化学工业出版社.10、薛万鹏等译 C程序设计教程. 机械工业出版社.11、沈文等编著，AVR单片机C语言开发入门指导，清华大学出版社，2003.指导教师年月日督导教师年月日领导小组审查意见：审查人签字年月日关于装载适应性神经模糊系统的有两足行走的机器人的零刻点弹道造型D. Kim, S.-J. Seo and G.-T. Park摘要：对于制造机器人来说两足动物的体系结构高度适用于它们工作在人的环境里，因为这样将使机器人避免障碍变成一项相对的容易的任务。然而，在走动的机制中介入复杂动力学，这使得制作这样的机器人的控制系统变成了一项富有挑战性的任务。机器人脚部的零刻点(ZMP)弹道是机器人行走时的稳定性的重要保障。如果ZMP可以在线测量那么就将使为机器人稳定行走创造条件成为可能，而且通过运用标准的ZMP还可以实现机器人的稳定控制。ZMP数据是通过两足行走机器人实时测量出来的，在这之后在通过一套适应性神经模糊系统（ANFS）将其造型。测量了在水平基准面的自然行走和在带有10度倾斜面的上下行走。通过改变模糊系统的成员作用和结果输出部分的规则，使得ANFS造型的表现最优化。由ANFS展示的优秀表现意味着它不仅可以运用于模型机器人的运动，还可以运用于控制真正的机器人。1 介绍两足动物结构是对走动的机器人的最多才多艺的设定之一。两足动物结构，使机器人即使在有台阶或障碍等的环境里也具备和人几乎同样的可支配的机械装置。然而，介入的动力学是高度非线性，复杂和不稳定的。因此，它是引入模仿人体行走的最大的困难。模仿人体行走是一个可观的研究领域（1）。与产业机器人的操作器相比，一个走动的机器人和地面之间的相互作用是复杂的。在这种相互作用的控制上零刻点(ZMP) 2概念被证明是有用的。在ZMP的弹道的帮助下机器人的脚在步行期间的行动是受其稳定性信息的诱导的。使用ZMP我们可以整合两足的机器人的走的模式并用实际机器人示范行走行为。因此，ZMP标准决定了一个两足的机器人的动态稳定性。ZMP代表地面反作用力被采取发生的点。使用机器人的模型，ZMP的地点可以被计算。然而，ZMP价值指标与计算值价值指标之间有很大偏差也是有可能的，这是因为物理参量的偏差在数学模型和实际机器之间。因此，实际ZMP是应该测量的，尤其是在它作为稳定行走的控制参数时。在这项工作中，实际ZMP整周期走动数据是通过一个实用两足走动机器人获得的。机器人将在水平基准面和10度倾斜面上被测试。一个适应性神经模糊系统(ANFS)将被用于控制一个复杂的真正的有两足的走动机器人，以便于ZMP的建模，使其能应用与控制中。2有两足的走动机器人2.1有两足的走动机器人的设计我们设计了并且制造了如图1所示的有两足的走动机器人。机器人有19联接。机器人的关键尺寸如图1所示.高度308mm,总重量约为1700 g，包括个别电池。通过使用铝制结构使机器人的重量减到了最小。每一个联接都由一个遥控装置控制，这个遥控装置包括一个直流马达、齿轮和一个简单的控制器。每一台遥控装置都安装在联接结构上。这个结构保证机器人是稳定的(即不会容易跌倒)并且给了机器人一个人类的外型。我们的机器人系统结构如图2所示。机器人能在平面或小斜度面以1.4s一步，每步48mm的速度行走。机器人的配置如表一所示。机器人的行走动作如图36所示。图3、4分别为机器人在平面行走时正视图和侧视图。图5是机器人沿着倾斜面向下步行的快照，而图6是机器人沿着倾斜面向上步行的快照。行动时联接的位置如图7.所示。被测量的ZMP弹道是从这十个自由(DOF)（如图7.所示）的数据得到的。二个自由度被分配到臀部和脚腕，每个膝盖分配一个自由度。使用这些连接角，一个循环走的样式就会体现出来。我们的机器人能连续地走，无需跌倒。在附录里总结了我们的机器人的四步行动的连接角。2.2 ZMP测量系统在一个机器人脚部的ZMP弹道是步行的稳定的一个重要标准。在许多研究中， ZMP坐标是通过使用机器人模型和连接处的编码器传出的信息用计算机计算出来的。然而，我们使用更直接的方法，使用了机器人脚部上的传感器测量的数据。在机器人脚部的作用之下地面的反作用力的分布是复杂的。然而，如图8.所示，在脚的脚底的任意点P点的反作用力都可以用力量N和M时刻之前在任意时候代的力表。 ZMP是在地面上的脚的压力的中心，并且关于这点的地面运用的片刻是零。换句话说，在地面上的点P是惯性和重力在0刻没有沿轴的组分，平行与地面的点1， 7。图9说明了使用的传感器和他们的在机器人脚的脚底的安置情况。用于我们的实验的力量传感器的种类是Flexi Force A201传感器8。他们附在构成脚的脚底板材的四个角落。传感器信号由一个ADC板数字化，与10ms的采样时光。测量在实时被执行。脚压力通过求和力量信号得到。使用传感器数据计算实际ZMP价值是容易的。使用(1)，计算位置脚坐标框架的ZMP。式中每fi在传感器ri的力量是传感媒介的传感器位置。这些是在图10.的详细说明。在图形中， O是位于低左手角落左脚坐标框架的起源。实验性结果如图1116所示。图11，13和15显示的是走动机器人在平面和10度倾斜面的四步走动的x坐标和y坐标转化的实际ZMP位置。图12，14和16显示了机器人运用图11，13和15 的准确ZMP坐标的单步行走情况。如弹道所显示，ZMP存在于实线显示的一个长方形领域。因此，ZMP的位置是与机器人脚部相关的，因此机器人是稳定的。3 ZMP弹道建模在许多科学问题中，通往他们答案的实质性的一步就是在他们的实验下建立（数学）模型。建模的重要性体现在是建立被观察物和可变物之间的经验性的关系。机器人步行介入的复杂动力学使做机器人控制系统变为一项富挑战性的任务。然而，如果高度非线性和复杂动力学可以被严密地建模，之后他的模型可以用于机器人的控制。另外，建模，甚至能用于机器智能控制与干扰、噪声的最小化处理。3.1 ANFS模糊建模技术近些年已经成为一项活跃的研究领域，因为它在复杂的，不清楚的，不明确的系统中依然能有出色的表现，而这些时候常规的数学建模很难给出让人满意的答案9。就此而论我们打算使用此系统为ZMP弹道建模。模糊推理系统是以模糊集合理论的概念、模糊的if-then 语句和模糊推理为基础的一个普遍的计算的框架。我们将使用Sugeno 模糊模型，因为在这个系统中，每一个规则都有明显的输出，总体的输出将通过加权平均值给出。这样就避免了计算的费时过程。当我们考虑在模糊建模时的模糊规则时发现，结果部分可以由一个恒定或一个线性的多项式表达。可以用于模糊系统的多项式的不同的形式如表2.所示。建模的表现形式取决于用于建模的表示结果的多项式的种类。而且，我们可以为模糊规则的前期部分的模糊嵌入拓展各种各样单元作用(MFs)，例如三角和高斯。这些是为算式贡献可行方法另一个因素。多项式的种类如下是建模系统的结构图如图17所示。提出的方法首先用于建模，而后用于控制一个实际的两足结构行走机器人。为了得到模糊建模系统的模糊规则，我们必须记录一个非线性系统，这个系统是通过两足行走机器人的十个输入变量产生的模糊坐标建立的，每个输入变量会产生两个模糊坐标。模糊建模的if-then法规如下：在式中Ai，Bi，J1，在规则的假设部分中起到语言上判断的作用，分别结合输入变量x1， x2，， x10。 fj (x1、x2、， x10); 是常数,或者jth规则的已知结果多项式函数。如图18所示，检定了MFs的二种类型。一个是三角式，另一个是高斯式。图19是适应性神经模糊系统体系结构，考虑到让它等同于十输入模糊模型。在这个系统中假设每个输入有两个模糊值与它对应，如图18所示。标记P的值给出的是所有输入信号的乘积，而这些标记的N的值计算的是某一确定的反作用力与总反作用力之和的比。关于如何使ANFIS参量变化，我们使用梯度下降算法或一种递归最小平方的估计算法重复调整前提和结果参量。然而，我们不使用复杂杂种学习算法，反而使用一般最小平方的估计算法并且只确定结果多项式函数的趋势。3.2模仿结果使用ANFS，模型大致建成了。然后准确性在中间领域误差（MSE）中被量化了。ANFS系统被申请为两足走动机器人的ZMP弹道建模，通过运用机器人测量传出的数据。ANFS的表现取决于MF的机警性和模糊规则的结果输出。从我们的机器人输出的ZMP弹道数据（如附录的图3241所示）将用于过程参量。当三角和高斯MFs用于前提部分或用于结果部分的不变参数，那么相应的MSE值列在表3中。我们在图2025中绘出了我们的结果。由ANFS产生的ZMP弹道图如图20，22，24所示分别为水平基准面的行走图，10度倾斜面下行图和10度倾斜面上行图。在图21，23，25，我们可以看见由ANFS产生的相应的ZMP弹道。简而言之，两个膝盖的过程参数可以被忽略。作为结果，我们可以减少模糊规则的维度和从而降低计算负担。在这种情况下ANFS的仿真条件和它对应的MSE（均方的误差）价值在表4列出。从给出的模仿结果的图和表中，我们能看到从模糊系统得到的ZMP弹道非常类似于我们的行走机器人所测量出的实际ZMP弹道（如图1116所示）。ANFS被展示的高准确性能力，意味着ANFS可以有效地被用于建模和控制一个实际的两足结构走动机器人。3.3比较我们现在把ANFS的表现与三种统计回归模型的数学模型相比较。对于每个统计回归模型，四个不同案件类型被修建了。它们在两种输入下的一般表达式如下：这里ci是回归常数。对应的MSE值在表57里被给出。它测量第二类型给x和Y坐标的最佳的结果所有被考虑的走的条件的。产生的ZMP弹道和相应的产生它们的第二类型回归模型如图2631所示。我们可以认为， ANFS比统计回归模型展示了一条相当地更好的ZMP弹道。4个结论一个实用的装载模糊神经系统的零弹道两足结构走动机器人被展示出来。ZMP弹道是确保机器人行走稳定性的重要保障。但是地面复杂的反作用力使控制变得困难。我们试图建立过程参数之间的经验的关系，并且通过将其运用于一个两足结构走动机器人来解释经验规律。整个走动过程的ZMP数据通过让一个实际两足结构机器人在水平基准面和斜面行走而获得。ANFS的适用性取决于使用的MF和模糊的规则的结果部分。使用ANFS产生的ZMP弹道严密地匹配于被测量的ZMP弹道。然后模仿结果也表示，使用ANFS引起的ZMP可以改善两足结构走动机器人的稳定性并且ANFS不仅可以有效地用于建模，而且可以用于控制实际两足结构走动机器人。如图3241所示。5鸣谢这项工作由韩国科学和工程学基金会的基础性研究计划的第R01-2005-000-11-44-0支持。6参考文献1 Erbatur、F.、Okazaki、A.、Obiya、K.、Takahashi、T.和Kawamura， A. ：“一项关于两足结构走动机器人的零刻点测量的研究”。 Proc.7th Int。关于先进的运动控制2002年，第 431436页。2 Vukobratovic、M.、Brovac、B.、Surla、D.和Stokic， D. ：运动机器人 (Springer-Veriag1990)3 Takanishi、A.、Ishida、M.、Yamazaki、Y.和Kato， I. ： “动态走的机器人WL-10RD的认识”。 Proc。 Int. Conf。先进机器人， 1985年，第. 459466页。4 Hirai、K.、Hirose、M.、Haikawa、Y.和Takenaka， T. ： “本田类人机器人的”。 Proc。国际电气电子工程师协会。 Conf。在机器人技术和自动控制， 1998年，第 13211326页。5 Park,、J.H.和Rhee， Y.K. ：减少两足结构走动机器人的干线行动的ZMP弹道世代。 Proc。国际电气电子工程师协会。 Conf。在智能机器人和系统， 1998年，第 9095页。6Park、J.H.和Cho， H.C. ： “提高两足结构走动机器人的基本联接的在线ZMP弹道测量。 Proc。国际电气电子工程师协会。 Conf。在机器人技术和自动控制， 2000年，第. 33533358页。7 Tak、S.、Song、O.和Ko， H.S. ：行动平衡过滤。 Proc。欧洲制图，第19卷，第3日2000年。8 FlexiForce A201传感器模型， / exiforce/exiforce.html， (访问2004 4月)。9 Takagi、T.和Sugeno， M. ：神经模糊系统和它的建模和控制，国际电气电子工程师协会，传感器.， 1985年， S-15，第116132页。10 Jang, J.S.: 适应性网络神经模糊系统: Adaptive-Networks-Based Fuzzy Inference Sys- tem, 国际电气电子工程师协会，传感器., 1993, 23, (3), 第 665685页。7附录这个附录总结了我们两足结构走动机器人的四步行动的连接角。这些连接角如下。图1两足结构走动的机器人(所有尺寸单位为毫米)图2机器人系统的结构图图3机器人在水平基准面行走的正视图图4与图3对应的机器人的图5机器人沿带有10度斜度图6机器人沿带有10度斜侧视图的斜坡向下步行的快照度的斜坡向上步行图7由连接角的表示法构成的图8 ZMP的概念图9力量传感器和他们的安置十个自由程度 a力量传感器b安置在构成机器人脚部板材下面的四个角落图10传感器位置和左右脚的应用力图11在机器人的四步行动的实际ZMP位置在基准水平面的a x坐标的by坐标图12一步行动的ZMP弹道与图11相对应图14 一步行动的ZMP弹道与图13相对应图13沿着一个10度倾斜的面向下步行的机器人的四步行动的实际ZMP位置的a x坐标 b y坐标图15沿着一个10度倾斜的面向上步行的机器人的四步行动的实际ZMP位置的a x坐标b y坐标图16一步行动的ZMP弹道与图15相应图17塑造方法的ANFS的结构图图18在与二个模糊的标签的模糊的模型的三角和高斯MFs用于输入变数a三角MF b高斯MF图19与ANFIS是等效的能适应的神经模糊的结构图20引起了使用ANFS的四步行动的ZMP位置与被测量的数据（机器人在水平基准面行走）的比较a x坐标 b y坐标图21一步行动的引起的ZMP弹道与图20相对应图23一步行动的引起的ZMP弹道与图 22对应图22引起了使用ANFS的四步行动的ZMP位置与被测量的数据（机器人在一个10度斜面向下行走）的比较a x坐标 b y坐标24引起了使用ANFS的四步行动的ZMP位置与被测量的数据（机器人在一个10度斜面向上行走）的比较a x坐标b y坐标图25一步行动的引起的ZMP弹道与图24相应图27一步行动的引起的ZMP弹道与图26相对应图26引起了四步行动的ZMP位置使用一个统计回归模型与被测量的数据比较为案件机器人在水平基准面上走的a x坐标 b y坐标图28引起了四步行动的ZMP位置使用统计回归模型与被测量的数据比较为案件机器人步行沿着向下10倾斜的a x坐标 b y坐标图29一步行动的引起的ZMP弹道与图28相应图31一步行动的引起的ZMP弹道与图30相对应图30引起了四步行动的ZMP位置使用统计回归模型与被测量的数据比较为案件机器人向上走10倾斜的面a x坐标 b y坐标图32我们的机器人的四步行动的连接角1 图33在我们的机器人的四步行动的连接角2 图34在我们的机器人的四步行动的连接角3 图35在我们的机器人的四步行动的连接角4 图36在我们的机器人的四步行动的连接角5 图37在我们的机器人的四步行动的连接角6图38在我们的机器人的四步行动的连接角7 图39在我们的机器人的四步行动的连接角8图40在我们的机器人的四步行动的连接角9图41在我们的机器人的四步行动的连接角10表1机器人规格尺寸高：300mm, 宽；225mm重1.7kgCPUS3C3410X驱动RC电机（11kg,4.8V）自由度19动力源AA号镍镉电池（2100MA）行走速度48mm/1.4s表2神经模糊系统运用的不同形式的多项式输入多项式1230命令不变不变不变1命令直线的双线性的三线性的表3我们两足结构走动机器人在仿真条件的下和相应的实际的四部走动的ZMP值行走条件度乐观因素前提的MF结果类型MSE mmX 坐标Y 坐标0三角常量4.3254.615103.5717.008108.1255.5790高斯常量4.2494.59103.5677.225107.9435.797表4我们两足结构走动机器人在仿真条件的下和相应的实际的四部走动的ZMP值行走条件度乐观因素前提的MF结果类型MSE mmX 坐标Y 坐标0三角常量6.71610.928106.09213.4461011.03112.25201命令4.5396.985104.1147.648108.8626.4430高斯常量6.40410.823105.67012.2071010.96611.17901命令4.1644.763103.8799.928108.5525.011表5我们两足结构走动机器人在仿真条件的下和相应的实际的四部走动的ZMP值行走条件度统计的回归模型MSE mmX 坐标Y 坐标0一型32.17548.793二型7.78013.558三型8.12615.353四型13.01821.420表6我们两足结构走动机器人在仿真条件的下和相应的实际的四部走动的ZMP值行走条件度统计的回归模型MSE mmX 坐标Y 坐标10一型34.56446.773二型7.73416.743三型8.19319.377四型11.60625.290表7我们两足结构走动机器人在仿真条件的下和相应的实际的四部走动的ZMP值行走条件度统计的回归模型MSE mmX 坐标Y 坐标10一型34.42150.216二型13.66115.560三型14.40917.436四型17.54324.889Zero-moment point trajectory modeling of a bipedwalking robot using an adaptive neuro-fuzzy systemD. Kim, S.-J. Seo and G.-T. ParkAbstract: A bipedal architecture is highly suitable for a robot built to work in human environmentssince such a robot will find avoiding obstacles a relatively easy task. However, the complex dynamics involved in the walking mechanism make the control of such a robot a challenging task.The zero-moment point (ZMP) trajectory in the robots foot is a signicant criterion for the robotsstability during walking. If the ZMP could be measured on-line then it becomes possible to createstable walking conditions for the robot and here also stably control the robot by using the measured ZMP, values. ZMP data is measured in real-time situations using a biped walking robot and this ZMP data is then modelled using an adaptive neuro-fuzzy system (ANFS). Natural walking motions on at level surfaces and up and down a 10 slope are measured. The modellingperformance of the ANFS is optimized by changing the membership functions and the consequentpart of the fuzzy rules. The excellent performance demonstrated by the ANFS means that it can not only be used to model robot movements but also to control actual robots.1 IntroductionThe bipedal structure is one of the most versatile setups for a walking robot. A biped, robot has almost the same movement mechanisms as a human and it able to operate in environments containing stairs, obstacles etc. However, the dynamics involved are highly nonlinear, complex and unstable. Thus, it is difcult to generate a human-like walking motion. The realisation of human-like walking robots is an area of considerable activity 14. In contrast to industrial robot manipulators, the interaction between a walking robot and the ground is complex. The concept of a zero-moment point (ZMP) 2 has been shown to be useful in the control of this interaction. The trajectory of the ZMP beneath the robot foot during a walk is after taken to be an indication of the stability of the walk 16. Using the ZMP we can synthesise the walking patterns of biped robots and demonstrate a walking motion with actual robots. Thus, the ZMP criterion dictates the dynamic stability of a biped robot. The ZMP represents the point at which the ground reaction force is taken to occur. The location of the ZMP can be calculated using a model of the robot. However, it is possible that there can be a large error between the actual ZMP value and the calculated value, due to deviations in the physical parameters between the mathematical model and the real machine. Thus, the actual ZMP should be measured especially if it is to be used in a to parameters a control method for stable walking.In this work actual ZMP data taken throughout the whole walking cycle are obtained from a practical biped waling robot. The robot will be tested both on a at oor and also on 10 slopes. An adaptive neuro-fuzzy system (ANFS) will be used to model the ZMP trajectory data thereby allowing its use to control a complex real biped walking robot.2 Biped walking robot2.1 Design of the biped walking robotWe have designed and implemented the biped walking robot shown in Fig. 1. The robot has 19 joints. The key dimensions of the robot are also shown in Fig. 1.The height and the total weight are about 380mm and 1700 g including batteries, respectively. The weight of the robot is minimised by using aluminium in its construction. Each joint is driven by a RC servomotor that consists of a DC motor, gears and a simple controller. Each of the RC servomotors is mounted in a linked structure. This structure ensures that the robot is stable (i.e. will not fall down easily) and gives the robot a human-like appearance. A block diagram of our robot system is shown in Fig. 2.Out robot is able to walk at a rate of one step (48mm) every 1.4 s on a at oor or an shallow slopes. The specications of the robot are listed in Table 1. The walkingmotions of the robot are shown in Figs. 36.- Figures 3 and 4 are show front and side views of the robot, respectively when the robot is on a at surface. Figure 5 is a snapshot of the robot walking down a slope whereas Fig. 6 is a snapshot of the robot walking up a slope.The locations of the joints during motion are shown in Fig. 7. The measured ZMP trajectory is obtained from ten-degree-of-freedom (DOF) data as shown in Fig. 7. Two degrees of freedom are assigned to the hips and ankles and one DOF to each knee. Using these joint angles, a cyclic walking pattern has been realised. Our robot is able to walk continuously without falling down. The joint angles in the four-step motion of our robot are summarised in the Appendix.2.2 ZMP measurement systemThe ZMP trajectory in a robot foot is a signicant criterion for the stability of the walk. In many studies, ZMP coordinates are computed using a model of the robot and information from the encoders on the joints. However, we employed a more direct approach which is to use data measured using sensors mounted on the robots feet.The distribution of the ground is reaction force beneath the robots foot is complicated. However, at any point P on the sole of the foot to the reaction can be represented by a force N and moment M, as shown in Fig. 8. The ZMP is simply the centre of the pressure of the foot on the ground, and the moment applied by the ground about this point is zero. In other words, the point P on the ground is the point at which the net moment of the inertial and gravity forces has no component along the axes parallel to the ground 1, 7.Figure 9 illustrates the used sensors and their placement on the sole of the robots foot. The type of force sensor used in our experiments is a FlexiForce A201 sensor 8. They are attached to the four corners of the plate that constitutes the sole of the foot. Sensor signals are digitised by an ADC board, with a sampling time of 10ms. Measurements are carried out in real time.The foot pressure is obtained by summing the force signals. Using the sensor data it is easy to calculate the actual ZMP values. The ZMPs in the local foot coordinate frame are computed using (1).Where each fi is the force at a sensor ri is the sensor position which is a vector. These are dened in Fig. 10. In the gure, O is the origin of the foot coordinate frame which is located at the lower-left-hand corner the left foot. Experimental results are shown in Figs. 1116. Figures 11, 13 and 15 show the x-coordinate and y-coordinate of the actual ZMP positions for the four-step motion of the robot walking on a at oor and also down and up a slope of 10 , respectively. Figures 12, 14 and 16 shown the ZMP trajectory of the one-step motion of the robot using the actual ZMP positions shown in Figs. 11, 13and 15. As shown in the trajectories, the ZMPs exist in a rectangular domain shown by a solid line. Thus, the positions of the ZMPs are with in the robots foot and hence the robot is stable.3 ZMP trajectory modellingIn many scientic problems an essential step towards their solution is to accomplish the modelling of the system under investigation. The important role of modelling is to establish empirical relationships between observed variables. The complex dynamics involved in making a robot walkmake the control of the robot control a challenging task. However, if the highly nonlinear and complex dynamics can be closely produced then this modelling can be used in the control of the robot. In addition, modelling, can even be used in robust intelligent control to minimise disturbances and noise.3.1 ANFSFuzzy modelling techniques have become an active research area in recent years because of their successful application to complex, ill-dened and uncertain systems in which conventional mathematical models fail to give satisfactory results 9. In this light we intend to use a system to model the ZMP trajectory.The fuzzy inference system is a popular computing framework that is based on the concepts of fuzzy set theory, fuzzy if-then rules, and fuzzy reasoning. We will use the Sugeno fuzzy model in which since each rule has a crisp output, the overall output is obtained via a weighted average, thus avoiding the time-consuming process of defuzzication. When we consider fuzzy rules in the fuzzy model, the consequent part can be expressed by either a constant or a linear polynomial. The different forms of polynomials that can be used in the fuzzy system are summarised in Table 2. The modelling performance depends on the type of consequent polynomial used in the modelling. Moreover, we can exploit various forms of membership functions (MFs), such as triangular and Gaussian, for the fuzzy set in the premise part of the fuzzy rules. These are another factor that contributes to the exibility of the proposed approach.The types of the polynomial are as followsA block diagram of the modelling system is shown in Fig. 17. The proposed method is rst used to model and then control a practical biped walking robot.To obtain the fuzzy rules for the fuzzy modelling system we must notes that the nonlinear system to be identied is a biped walking robot with ten input variables and each input variables has two fuzzy sets, respectively. For the fuzzy model, the if-then rules are as follows:where Ai，Bi，, Ji in the premise part of the rules have linguistic values (such as small or big) associated with the input variable, x1,x2,x10; respectively. Fj (x1, x2, x10); is the constant, or rst-order consequent polynomial function for the jth rule. As depicted in Fig. 18, two types of MFs were examined. One is the triangular and the other is Gaussian.Figure 19 is an adaptive neuro-fuzzy inference system 10 architecture that is equivalent to the ten-input fuzzy model considered here, in which each input is assumed to have one of the twoMFs shown in Fig. 18. Nodes labelled P give the product of all the incoming signals and these labelled N calculate the ratio of a certain rules ring strength to the sum of all the rules ring strengths. Parameter variation in ANFIS is occured using either a gradient descent algorithm or a recursive least-squares estimation algorithm to adjust both the premise and consequent parameters iteratively. However, we do not use the complex hybrid learning algorithm but instead use the general least-squares estimation algorithm and only determine the coefcients in the consequent polynomial function.3.2 Simulation resultsApproximately models were constructed using the ANFS. Then accuracy was quantied in terms of there mean- squared error (MSE), values. The ANFS was applied to model the ZMP trajectory of a biped walking robot using data measured from out robot. The performance of the ANFS was optimised by warying the MF and consequent type in the fuzzy rule. The measured ZMP trajectory data from our robot (shown in Figs. 3241A in the Appendix) are used as the process parameters.When triangular and Gaussian MFs are used in the premise part and a constant in the consequent part then, the corresponding MSE values are listed in Table 3. We have platted our results in Figs. 2025. The generated ZMP positions from the ANFS are shown in Figs. 20, 22 and 24 for a at level oor, walking down a 10 slope and walking up a 10 slope, respectively. In Figs. 21, 23 and 25, we can see the corresponding ZMP trajectories which are generated from the ANFS.For simplicity, the process parameter of both knees can be ignored. As a result, we can reduce the dimension of the fuzzy rules and thereby lower the computational burden. In this case the simulation conditions of the ANFS and its corresponding MSE values are given in Table 4.From the Figures and Tables that present the simulation results, we can see that the generated ZMP trajectory from the fuzzy system is very similar to actual ZMP trajectory of measured for our walking robot shown in Figs. 1116. The demonstrated high performance ability of the ANFS, means that ANFS can be effectively used to model and control a practical biped walking robot.3.3 ComparisonsWe now compare the performance of ANFS with numerical methods including three types of statistical regression models. For each statistical regression model, four different case types were constructed. Their general forms in the case of two inputs are given as:where the ci are the regression coefcients.The corresponding MSE values are given in Tables 57 which reveals that type 2 gives the best results for the x and y coordinates for all the considered walking conditions. The generated ZMP positions and their corresponding trajectons generated using the type 2 regression model are shown in Figs. 2631. We can conclude that the ANFS demonstrated a considerably better ZMP trajectory than the statistical regression models.4 ConclusionsThe ANFS modelling at the ZMP trajectory of a

温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。