移动机器人多传感器信息融合技术述评.pdf

基于PLC的机器人本体设计(论文+DWG图纸+外文翻译+文献综述+开题报告)

收藏

资源目录
跳过导航链接。
基于PLC的机器人本体设计(论文DWG图纸外文翻译文献综述开题报告).zip
基于PLC的机器人本体设计(论文+DWG图纸+外文翻译+文献综述+开题报告)
新建文件夹 (2)
移动系统的控制结构.doc---(点击预览)
毕业设计完成.doc---(点击预览)
材料.doc---(点击预览)
新建 Microsoft Word 文档.doc---(点击预览)
主要工作.doc---(点击预览)
PLC控制系统.doc---(点击预览)
新建文件夹
面向对象的机器人仿真与监控系统.pdf---(点击预览)
移动机器人的定位算法.pdf---(点击预览)
移动机器人多传感器信息融合技术述评.pdf---(点击预览)
移动机器人Markov定位算法的研究——方向传感器建模新方法.pdf---(点击预览)
电磁爬行机构.pdf---(点击预览)
爬壁机器人履带吸盘的多体渐变磁化系统设计.pdf---(点击预览)
水冷壁清扫检测与自动化.pdf---(点击预览)
机器人骨关节的研究.pdf---(点击预览)
机器人避障功能的设计.pdf---(点击预览)
机器人用直流减速电机的选用.pdf---(点击预览)
机器人仿真通用试验平台的设计与实现.pdf---(点击预览)
微型六足仿生机器人.pdf---(点击预览)
实用机器人制作讲座(八)——机器人用电动机及其传动机构.pdf---(点击预览)
多传感器空瓶检测机器人的控制系统设计.pdf---(点击预览)
多任务程序设计方法在机器人实时控制中的应用.pdf---(点击预览)
壁面机器人控制系统设计安全性的讨论.pdf---(点击预览)
基于多传感器的空间遥操作机器人虚拟预测环境建模.pdf---(点击预览)
基于场景匹配的移动机器人避障.pdf---(点击预览)
基于PLC的移动机器人运动控制的实现.pdf---(点击预览)
基于ICP和PLC的移动机器人控制系统设计.pdf---(点击预览)
基于AutoCAD平台的机器人仿真系统研究.pdf---(点击预览)
可编程逻辑控制器在管道机器人控制系统中的应用.pdf---(点击预览)
伺服电动机需求分析.pdf---(点击预览)
伺服电动机.pdf---(点击预览)
串联磁路结构直接驱动电动机及相关技术概述.pdf---(点击预览)
三平移并联机器人步进电动机闭环控制.pdf---(点击预览)
一种小型移动机器人的电机控制系统设计.pdf---(点击预览)
一种双负压吸盘壁面清洗机器人及其控制系统研究.pdf---(点击预览)
S7200系列PLC与IPC的通信设计.pdf---(点击预览)
PLC无线通讯在幕墙清洁机器人系统中的应用.pdf---(点击预览)
PLC在爬行式焊接机器人中的应用.pdf---(点击预览)
PLC在变频调速仿形喷涂机器人控制系统中的应用.pdf---(点击预览)
AutoCAD.VBA与MATLAB混合编程开发机器人仿真系统.pdf---(点击预览)
新建文件夹 (2).zip
压缩包内文档预览:
预览图 预览图 预览图
编号:54871799    类型:共享资源    大小:12.32MB    格式:ZIP    上传时间:2020-03-07 上传人:机械设计Q****6154... IP属地:上海
12
积分
关 键 词:
基于 PLC 机器人 本体 设计 论文 DWG 图纸 外文 翻译 文献 综述 开题 报告
资源描述:
基于PLC的机器人本体设计(论文+DWG图纸+外文翻译+文献综述+开题报告),基于,PLC,机器人,本体,设计,论文,DWG,图纸,外文,翻译,文献,综述,开题,报告
内容简介:
2 0 0 5年 第 2 4 卷 第 4期 传感器技术( J 0 u m a l o f T r a n s d u c e r T e c h n o l o g y ) 5 移动机器人 多传感器信息融合技术述评 王仲 民 ,岳宏 一。刘继岩 ( 1 河北工业大学 机器人及 自动化研究所 。 天津 3 0 0 1 3 0; 2 天津工程师范学院 机械工程系。 天津 3 0 0 2 2 2: 3 中国科学院 沈阳自动化研究所 机器人学重点实验室 。 i Y -7 沈阳 l l I s) 摘要 :多传感器信息融合技术是 目前移动机器人领域的研究热点 。详细阐述 了多传感器信息融合技术 在移动机器人领域中的应用与研究进展 , 尤其对多传感器信息融合实现方法进行了深入的探讨 。指明了 移动机器人领域 中多传感器信息融合技术未来的发展方向。 关键词 :移动机器人 ; 多传感器; 信息融合 中图分类号:T P 2 4 文献标识码 :A 文章编号:1 0 0 09 7 8 7 ( 2 0 0 5 ) 0 40 0 0 50 3 Re ne w o n mul t i - s e n s o r i n f o r ma t i o n f u s i o n t e c h no l o g y f o r mo bi l e r o b o t WANG Z h o n g mi n ,YUE Ho n g ,L I U J i y a n ( 1 I n s t o f Ro b o ti c a n d A u t o ma ti o n , He b e i U n i v e r s i t y o f T e c h n o l o g y , T i a n j i n 3 0 0 1 3 0 , Ch i n a ; 2 D e p t o f Me c h E n g i n, a n j i n Univ e r s i ty o f T e c h n o l o g y a n d E d u c a ti o n, T i a n j i n 3 0 0 2 2 2 , Ch i n a ; 3 Ro b o tic s La b, S h e n y a n g I n s ti t u t e o f Au t o ma tio n, Ch i n e s e Aca d e my o f S c i e nc e s, S he n y an g 1 1 0 01 5,C h i n a ) Ab s t r a c t :Mu l t i - s e n s o r f u s i o n i s a l l i n t e n s i v e r e s e a r c h t o p i c i n t h e fi e l d o f mo b i l e r o b o t T h e a p p l i c a t i o n a n d d e v e l o p me n t o f mu l t i 。 s e n s o r i n f o r ma t i o n f u s i o n t e c h n o l o g y i n d e t a i l i s d e s c r i b e d, e s p e c i a ll y i t g i v e s a l l i n - d e p th d i s c u s s i o n t o a p p roa c h o f mu l t i - s e n s o r i nfo r ma t i o n f u s i o n At l a s t f u t u r e d e v e l o p me n t t r e n d s o f thi s t e c h n o l o gy a r e a l s o p r e s e n t e d Ke y wo r d s: mo b i l e robo t ;mult i - s e n s o r ;i nfo rm a t i o n f u s i o n 0引 言 , 移动机器人是机器人学领域 中的一个重要研究分 支, 它是一个集环境感知 、 动态决策与规划 、 行为控制 与执行等 多种功能于一体 的综合 系统 。随着机器人技术 的不断发 展 , 移动机器人的应用范围和功能都大为拓展和提高 , 不仅 在工业 、 国防、 服务等行业中得到广泛的应用 , 而且 , 在野外 作业以及在有害与危险环境作业 、 极限作业 和空间领域 中 的应用 , 已得到世界各国的高度重视。 移动机器人的研究始于 2 0世纪 6 0年代 , 目前 , 关于移 动机器人 的研究 , 诸如 , 基于感知的位置判断和局部与全局 导航方案的研究 ; 障碍物的检测和避障 的新方法以及多传 感器信息融合等 , 引起了国内外众多专家学者的广泛关注。 智能机器人就是一类能够通 过传 感器感知环境 和 自身状 态 , 实现在有障碍物 的环境中面向 目标的自主运动, 进而完 成不同作业功 能的机器人系统 。智能化是移动机器人 的发展方向, 而传感器技术 的发展是 实现移动机器人智 能 化的重要基础。移动机器人多传感器信息融合技术弥补了 使用单一传感器所 固有 的缺陷 , 现 已成为移动机器人智能 收稿 日期 : 2 0 0 41 0 2 4 化研究领域的关键技术 J 。 1 移动机器人的感知系统 移动机器人在正 常工作时 , 不仅要对 自身的位置、 姿 态 、 速度以及系统内部状态等进行监控 , 同时, 还要能够感 知所处的工作环境 , 从而使机器人相应 的工作顺序 以及操 作内容能够 自然地适应工作环境的改变 。因此 , 准确获取 外部和内部状态信息 , 对于移动机器人的正常工作 、 提高工 作效率 、 节约能源及防止意外事故 的发生等都是非常必要 的。 目前 , 应用于移动机器人的传感器 , 广义上可分为内部 传感器和外部传感器两类。内部传感器用于监测机器人 系 统内部状态参数, 如 , 电源电压 、 车轮位置等 ; 内部传感器 主 要有里程计、 陀螺仪 、 磁罗盘及光 电编码器等。外部传感器 用于感知外部环境信息 , 如, 环境 的温度 、 湿度 、 物体 的颜色 和纹理、 与机器人 的距离等 ; 外部传感器种类也很多 , 主要 包括视觉传感器 、 激光测 距传感器 、 超声 波传感器 、 红外传 感器、 接近传感器等 。不同的传感器集成在移动机器人 上 构成了多传感器信息融合的感知系统 。 维普资讯 6 传感器技术 第 2 4 卷 2 移动机器人多传感器信息融合的实现 目前 , 移动机器人领域中采用 的多传感器信 息融合方 法主要包括 : 加权平均法 、 K a l ma B滤波 、 扩展 K a l ma n滤波 、 B a y e s 估计 、 D e m p s t e r - S h a f e r 证据推理 、 模糊逻辑 、 神经网络 以及基于行为方法和基于规则方法等。应用这些方法可以 进行数据层 、 特征层以及决策层等不同的层次的融合等 , 也 可以实现测距传感器信息、 内部航迹推算系统信息 、 全局定 位信息之间的信息融合 , 进而准确 、 全面地认识和描述被测 对象与环境 , 从 而做出移动机器人能够作 出正确的判断与 决策。 2 1 加权 平均 法 此种方法是将一组传感器提供的冗余信息进行加权平 均 , 并将加权平均值作为信息融合值。它是一种最简单 、 最 直观地对多传感器低层数据的信息融合方法。该方法存在 的最大弊端就是很难获得最优加权平均值, 而且 , 确定权值 需要花费大量的时间。 2 2 K a l m a n滤波及其 扩展 用于实时融合动态的低层次冗余传感器数据。该方法 用测量模型的统计特性递推决定在统计意义下是最优的融 合数据估计。如果系统具有线性动力学模型, 且系统噪声 和传感器噪声是符合高斯分 布的 白噪声 , 那么 , K a l m a n滤 波为融合数据提供唯一 的统计 意义下的最优估计 】 。这 种方法 的递推特性使得其计算 速度快 , 且不需要过多的存 储空间。随着计算机技术的飞速发展 , K a l m a n滤波 的计算 要求与复杂性 已不再阻碍该方法的实际应用。现在这种方 法越来越受到人们 的青睐 , 尤其是在多传感器多 目标跟踪 系统中更显 出其 独特 的优 点, 如 , T o m a t i s 等 人采 用 基于 K a l m a n滤波混合法实现了移动机器人的导航 , 试验结果表 明 : 在 1 1 5 k m的路程上成功率达到 9 6 。从移动机器人 的跟踪精度来看 , 偏离 目标点的误差仅为 9 i n l n 。 工程实际应用中, 系统模 型线性程度的假设 或者数 据 处理不稳定性时, 将对信息融合过程产生较大影响。在这 种情况下, 常常 采用扩展 K a l m a l1 滤波( E K F ) 取代常规 的 K a l m a n滤波 】 。E K F 是移动机器人实现即时定位与导航 的重要方法 , 在移动机器人定位和导航中, 利用传感器融合 和非线性模型预测控制方法 , 并 以扩展的 K a l m a n滤波实现 最优估计。采用 K a l m a n滤波器通过统计特征进行状 态估 计 , 并实现噪声引起的误差最小。 2 3 B a y e s估 计 B a y e s 估计是融合静态环境中多传感器低层信息的一 种常用方法 , 其信息描述为概率分布, 适用于具有可加高斯 噪声的不稳定性。该融合方法产生于多传感器融合技术 的 初期 。应用 B a y e s 估计方法时, 首先 , 应描述出模型 ; 然后 , 赋予每个命题一个先验概率 ; 再使用概率进行推断 , 特别根 据信息数据估计置信度获取结果。但是 , 当某一个传感 器 的新信息到来 , 而此时未知命题的数量大于 已知命 题的数 量时 , 已知命题的概率是非常不稳定的。该方法 主要应 用 于移动机器人 自身的状态估计 以及对运动 目标的识别与跟 踪等方面 。 2 4 De mp s t e r S h a r e r 证 据推 理 证据推理 的概念首先 由 De m p s t e r于 1 9 6 7年提 出。 后 来 , 由他 的学 生 S h a r e r进 一步 发展完善 。D e mp s t e r S h a r e r 证据推理 是 B a y e s方法 的扩展 , 而 又不 同于 B a y e s方法 。 B a y e s 估计仅仅使用了一个代替前提概率为真的一个值 , 当 前提 相 互关 联 时 , B a y e s方 法 难 以保 证 估 计 的一 致 性 。 D e m p s t e r - S h a r e r 方法使 用一个不稳定 区间 , 通过不稳定 未 知前提的先验概率来避免 B a y e s 方法 的不足。由于 D e m p - s t e r - S h a r e r 证据推理法研究问题的方式 和内容特别适合处 理多传感器集成系统的信息融合 问题 , 因此 , 该证据推理现 已成为信息融合的一个重要理论基础。在移动机器人领域 中 , 这一方法现已被成功地应用于移动机器人对 目标的识 别 。 D e mp s t e r - S h a r e r 证据推理的优点是不需要指定先验概 率 ; 其缺点是一般情况下计算量非常大 , 而且 , 在工程实际 应用中, 如何有效获取基本概率赋值也有待于进一步深入 研究 。同时 , 文献 7 也指 出: D e m p s t e r - S h a f e r 理 论只积累 单独的信息源 , 而当事件合并后 , 时间权重与信任度之间存 在不合理关系 , 因此, 该理论还需进一步深入研究完善 J 。 2 5 模糊逻辑 与人 工神 经 网络 利用模糊逻辑可将多传感器数据融合过程中的不确定 性直接表示在推理过程中。基于模糊规则的目标识别融合 计算非常简单 , 通过指定一个 0到 1之间的实数来表示真 实度 , 这相当于隐式算子 的前提。但它不象 D e m p s t e r - S h a - f e r 方法 : 随着证据 的积累的同时, 逐步增长可能 目标对象 的概率取值 , 减少不可能 目标对象的概率取值。近年来, 模 糊集合推理被广泛应用于移动机器人 目标识别与路径规划 方面。S a s i a d e k 利用模糊 逻辑 和扩展的 K a l m a n滤波进行 传感器信息融合 。 人工神经 网络方法是一种仿效生物神经系统的信息处 理方法 。一个神经网络包括 以各种方式联接的多层处理单 元 。神经网络对输入的数据进行非线性变换 , 从 而完成 了 聚类分析技术所进行的从数据到属性 的分类。基于神经 网 。 络的多传感器信息融合有以下特点 : 具 有统一 的内部知识 表示形式 , 通过特定的学 习算法可 以将 神经 网络获取的传 感器信息进行融合 , 获得相应 网络参数 ; 可将知识规则转换 成数字形式 , 便于建立知识库 ; 不用建立系统精确的数学模 型 , 非常适合于非线性测试情况 ; 具有大规模并行处理 的能 力 , 使得系统信息处理速度非常快 , 并且 , 具有很强 的容错 性和鲁棒性 。 基于神经 网络的信息融合实质上是一个不确定性推理 过程 。充分利用外部环境 的信息 , 实现知识 的 自动获取以 及在此基础上进行联想推 理。经过大量 的学 习和推理 , 将 不确定环境的复杂关系融合为系统能够理解 的符号。神经 网络的研究对 于多传 感器信息融合提供 了一种很好 的方 维普资讯 第 4期 王仲民等 : 移动机器人多传感器信息融合技术述评 7 法 , 其非线性逼近能力在信息融合 中非常引人注 目, 通常采 用的是三层感知器模型和 B P算法。 目前 , 在移动机器人多传感器信息融合中, 神经网络主 要用于对移动机器人 目标的识别 , 获得移动机器人对于障 碍物影像的精确的估计 , 正确地引导机器人运动。采用神 经网络的多传感器信息融合方法 , 能够解决移动机器人的 自主行走问题。为了有效地改善神经网络信息融合的效果 和速度 , 利用阵列神经网络进行信息融合的结构模型 可以 通过子网络实现信息的分化与融合 。 传统的神经网络结构对于大量学习样本 , 需要 的隐结 点数非常大 , 甚至需要很多 的隐含层 , 因此 , 需要很大 的计 算工作量。限于计算机的运行速度 , 导致实时性很差 , 这也 是今后亟待进一步解决的问题 。 3 发展趋势 随着电子技术以及 V L S I 技术的飞速发展, 传感器结构 将朝着并行体结构发展 , 因此, 开发并行计算能力的软件和 硬件 , 来满足具有大量数据且计算 复杂的多传感器信息融 合的要求, 是多传感器信息融合技术的主要发展趋势之一 。 多传感器信息融合技 术硬件 的主要发展方 向为 : 研究 出能 处理多传感器信息的集成电路芯片 , 不断研制 出新型移动 机器人用传感器 , 并且 , 不断使传感器模型和接口实现标准 化。 目前 , 多传感器信息融合算法很多 , 但大多数算法都是 以线性正态分布的平稳随机过程为前提。因此 , 开发新型 的信息融合算法 , 进一步提高多传感器融合系统 的性能 , 解 决非线性以及非平稳正态分布的实际信息融合还有待于进 行深入的研究 。 人工智能可使 系统本身具有 良好的柔性与可理解性 , 因而, 能够处理复杂的问题。对人工智能的研究将会在传 感器选择、 自 动任务误差检测与恢 复等领域发挥巨大 的作 用。 目前, 人工智能在多传感器信息融合中的应用 已经是 国内外研究的一个热点 。 移动机器人在未知环境下的多传感器信息融合, 主要 解决其 自主定位与导航问题 。目前 , 基于多传感器 信息融 合的移动机器人 自主定位与环境建模取得的研究成果 , 大 多局限于室内结构化环境中。有关决策规则的鲁棒性 、 传 感器布置的效果 、 生物传感器方法的适应性 以及 自定位 、 运 动规划和控制与机器人动态的综合考虑等方面问题仍有待 于深入研究 , 特别是非结构环境下移动机器人技术将是今 后机器人技术发展的重点 。 4结束语 多传感器信息融合技术是智能移动机器人的关键技术 之一 。随着传感器技术的发展以及信息融合技术水平的提 高 , 移动机器人获取环境信息 的感知能力 以及系统 决策能 力将会得到不断的提高。传感技术 、 智能技术以及计算技 术的不断发展 , 将会促进移动机器人 向智能化 、 完全 自主化 方向发展 , 移动机器人一定能够在有害和危险环境 、 极限作 业及太空等各个领域中扮演拟人的角色 , 成 为人类真正意 义上的朋友 。 参考文献 : 1 K r i s t o f V F , A d a p ti v e Mu l ti s e n s 0 r f u s i o nf o r a w a r e n e s s i n d y n a m- i c e n v i r o n m e n t s D L a n c a s t e r , U K: L a n c a s t e r U n i v e r s i t y , 2 0 0 3 2 S t e p h e n S S S y n e s t h e t i c s e n s o r f u s i o n v ia A c r o s s - w i t t e d a r t i f i c i a l n e u r a l n e t w o r k D , U S A : E a s t T e n n e s s e e S t a t e U ni v e r s i ty, 2 O O 2 3 D d e k G, J e n k i n M , C o m p u t a ti o n p r i n c i p l e s o f m o b i l e r o b o t s D U K: C a m b ri d g e U n i v e rs i ty P r e s s , 2 O O O 4 J e t t o L , L o u g h i S , V e n t u r i n i G D e v e l o p m e n t a n d e x p e r i m e n t a l v a l i d a t i o n o f an a d a p tiv e e x t e n d e d K a h n a n fih e r for t h e l o c al i - li o n o fm o b il e r o b o t s J I E E E T r a n s a c ti o n s o n R o b o t i c s a n d A u t o ma ti 6 n , 1 9 9 9, 1 5 ( 2 ): 1 03 0 5 T o m a ti s N , N o u r b a k h s h I , A r r a s K A h y b ri d a p p r o a c h f o r rob u s t an d p r e c i s e mo b i l e robo t n a v i g a ti o n wi t h c o mp a c t e n v i r o n me n t m odl i n g A P r o c e e d i n g s o f the I E E E I n t e r n a ti o n a l C o n f e r m l c e o n R o boti c s and A u t o m a t i o n C S e o ul K o r e a , 2 0 0 1 1 1 1 1一 l ll 6 6 D a v i se n A J , N o b u y u k i K 3 D S i m u l t a n e o u s l o c a l i z a ti o n and m a p b ui l d i ng u s i n g a c t i v e v i s i o n f o r a r o bo t mo v i n g o n u n d u l a t ing l e t - r a i n A P r o c e e d i n gs o f th e I E E E In t e r n a t i o n a l C o n f e r e n c e o n C o m p u t e r V i s i o n and R e c o g n i z a ti o n C U S A: H a w a i i , 2 0 0 1 3 8 4 39 1 , 7 Mu r p h y R R D e m p s t e r S h a f e r t h e o r y f o r sen s o r fu s i o n i n ant o n o - m O l l S m o b i l e ro bots J I E E E T r a n s a c t i o n s o n R o bot i c s and A u t o ma ti o n , 1 9 9 8, 1 4( 2 ): 1 9 72 0 6 8 F i x sen D , M a h l e r R T h e m o d i fi e d c l as s ific a t i o n J I E E E T r
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。
提示  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。
关于本文
本文标题:基于PLC的机器人本体设计(论文+DWG图纸+外文翻译+文献综述+开题报告)
链接地址:https://www.renrendoc.com/p-54871799.html

官方联系方式

2:不支持迅雷下载,请使用浏览器下载   
3:不支持QQ浏览器下载,请用其他浏览器   
4:下载后的文档和图纸-无水印   
5:文档经过压缩,下载后原文更清晰   
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

网站客服QQ:2881952447     

copyright@ 2020-2025  renrendoc.com 人人文库版权所有   联系电话:400-852-1180

备案号:蜀ICP备2022000484号-2       经营许可证: 川B2-20220663       公网安备川公网安备: 51019002004831号

本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。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,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知人人文库网,我们立即给予删除!