爪刺式飞行爬壁机器人仿生接触动力学的理论与实验研究

来源 :南京理工大学 | 被引量 : 0次 | 上传用户:ztwpc2008
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
由于能源容量的限制,飞行机器人的任务生命周期短,作业形式单一,给予飞行器着陆栖息和爬行功能是解决此问题极为重要的方法之一。为了使飞行爬壁机器人能应用于外星探索或者混凝土、花岗岩等城市人造粗糙壁面,要求着陆栖息和爬行机构可适应多颗粒、多粉尘和粗糙的非结构化自然表面。然而,目前已有的真空、磁力和粘液等附着方式均无法适用于非结构化表面,爪刺附着方式也仅限于笨重的纯爬壁机器。研究爪刺式飞行爬壁机器人着陆栖息带来的接触-碰撞仿生接触动力学行为一直是该领域内前沿课题。本文针对该问题,综合采用自锁理论、有限元数值计算以及实验方法,研究了飞行爬壁机器人的接触-碰撞动力学机理和爬行步态控制算法,自行设计和制造了爪刺式飞行爬壁机器人样机,实验验证了理论结果。具体研究内容和创新点如下:(1)基于昆虫和鸟类的爪足结构,利用动态摩擦自锁理论研究了仿生力学模型的抓附机理,获得了爬行机构设计标准。设计了飞行系统、爬壁系统和爪刺等小型机械结构,给出新型传动方式、迈步方式和着陆方式以实现飞行、着陆和爬壁的功能。(2)编制了爬行过程中的步态控制算法。采用C语言书写飞行与爬行的控制算法的代码并同时写入微处理器,实现集成控制。采用python语言编译机器人上位机控制软件,通过遥控器和调参的控制方式控制机器人行为。针对爬行过程中可能出现的脱落情况,通过对加速度传感器数据的处理与反馈,设计爬行防脱落算法。(3)提出柔性多体系统接触碰撞动力学模型,研究着陆栖息时的动力学行为。基于该模型,模拟计算了着陆时的运动学、接触力和结构应力等动态响应。通过对机器人着陆前不同速度和飞行姿态模拟结果的分析,确定了着陆栖息前的可行初始状态,即水平速度在200-400mm/s之间并保持加速。提出降低机器人产生不良接触碰撞响应的方法,并进行结构优化。(4)实现了国内首个轻质量、低能耗和长工时的爪刺式飞行爬壁机器人样机,开展了爪刺的静力学实验、机器人的飞行-着陆实验和爬行实验。通过对陀螺仪和加速度传感器监测机器人运动并加以优化控制。通过实验数据的统计,得到最佳迈步速率和最佳着陆前初始状态,并验证理论与仿真结果的准确性。此机器人重43g,最大爬行速率为6.3cm/s,是目前爪刺式爬壁机器人中相对轻盈与快速的。
其他文献
近年来液化天然气工业发展极其迅速,铁路运输是LNG最经济、高效的运输方式,为此,中车集团某公司研制了铁路运输专用LNG储罐箱。为确保LNG铁路运输的安全,需要在铁路运输专用LNG储罐箱上设置LNG罐箱工况采集装置,并通过无线网络集中收集工况数据,对LNG储罐进行实时监控。本文详细分析了课题关键技术的国内外发展现状,结合LNG铁路运输的实际情况,研究并设计了LNG储罐车储罐工况参数监测系统。该监测系
驾驶机器人结构灵活、能够适应不同类型的车辆,本文在课题组对无人驾驶机器人车辆横纵向协调控制研究的基础上,为了能够了解被操纵车辆动力学特性的前提下,更好的操纵不同类型的车辆,研究了驾驶机器人车辆的纵向动力学特性学习方法与纵向动态控制。首先,介绍了驾驶机器人的性能指标。并分析了驾驶机器人换挡机械手、驾驶机械腿的结构特征。在此基础上,建立驾驶机器人各机械臂的运动学与动力学模型。接着,介绍了驾驶机器人车辆
视觉里程计(Visual odometry,VO)是通过视觉传感器来获取运动物体的位姿的一种方法,在自动驾驶、机器人自定位和增强现实等方面发挥了重要的作用。由于其低廉的成本和广泛的应用场景,近年来成为视觉领域一个讨论和研究的热点。基于几何法的传统视觉里程计十分依赖特征的选取和匹配结果,并且单目VO还存在尺度不确定的问题。而随着近年来深度学习的兴起,深度神经网络在各种视觉任务中都得了不错的成果,因此
随着社会生产的飞速发展,物流与仓储在供应链中的地位日益提高,传统仓储行业仍存在自动化水平低、功能单一且落地成本高等不足。自动化仓储技术通过计算机信息管理和电气控制,可以有效地完成货物自动存取作业,货物库存的高效管理,对降低物流与仓储成本,提高运输效率具有重要的意义。本文主要研究自动化仓储系统调度优化方法,主要包括基于条码识别的A-ABC货物分类法、货位分配调度优化算法等。本文主要工作及成果如下:(
视觉里程计是无人车导航领域的研究热点之一,它是利用装载在移动机器人上的一个或多个相机采集到的图像信息,对其自运动进行估计的过程。其中单目视觉里程计仅利用单个相机的图像信息,有着低成本、易配置、结构简单以及计算效率高等优点,成为了研究的热点。而近年来深度学习已广泛应用于计算机视觉任务中。因此本文结合深度学习,对单目视觉里程计进行研究。首先,针对深度神经网络中由于深度神经网络在网络层数较深产生的梯度消
在机器学习中,将不同类别的样本数量存在显著差距的数据集认为是不平衡数据集。当代表一个类别的样本数量远低于其他类别的样本数量时,这一个类或多个类在数据集中的代表性可能不足,就会发生类别不平衡问题。然而,为了提高准确性或者最优化相应的代价函数,正确预测多类实例的规则将会收到更大的权重,因此标准的机器学习算法通常偏向于数量多的大类,从而忽略了少类样本,导致小类样本比大类样本更容易被误分类。事实上,从应用
随着深度学习的发展及神经网络在图像识别等计算机视觉任务中取得的显著效果,使得深度学习在诸如目标追踪、目标检测、行人再识别、图像检索等计算机视觉任务中被广泛应用。显著性检测作为一项在其他计算机视觉任务中的数据预处理技术成为了研究的热点,随着视频设备的普及,人们面对的场景往往是动态变化的,所以视频显著性检测成为一个热门的研究方向,它旨在通过特定的算法检测出连续运动的能引起人眼关注的显著性目标。本文将视
热变形是影响数控机床加工精度和定位精度的最大误差源,而滚珠丝杠副作为数控机床的关键功能部件,控制丝杠轴的热变形是提高数控机床精度的关键。丝杠预拉伸作为高效易操作的热变形补偿技术手段,在数控机床领域应用广泛,但目前对于预拉伸量主要按照经验取值,缺乏系统研究。本文以国家科技重大专项为背景,首先建立了滚珠丝杠副预拉伸量与热变形量理论模型,然后对理论模型进行了有限元分析和试验验证,最终建立了不同工况下滚珠
蛋白质-DNA绑定位点是指能够与蛋白质发生相互作用的一段DNA序列,寻找蛋白质-DNA绑定位点可以帮助预测调控基因的功能,了解生物系统中的调节过程和识别致病变异体。更重要的是蛋白质-DNA绑定位点可以帮助设计能够促进或抑制目标基因表达的药物。因此,从DNA序列中精确地识别出蛋白质-DNA绑定位点是一项重要的任务。传统的基于生物实验来识别蛋白质-DNA绑定位点的方法存在成本高且耗时长的缺点。因此,设
本文以提高火箭飞行性能为研究目的,对火箭运动学模型、飞行参数优化方案与优化方法等方面进行研究。针对简单遗传算法容易收敛到局部极小问题,结合罚函数处理约束条件的方法,设计了改进的遗传算法,实现了最大射程和最小起飞质量约束条件下的火箭飞行参数优化设计,对火箭总体设计与制导方案的选择有着重要的指导意义。主要工作内容如下:1.建立了火箭三自由度运动学模型。分析了火箭飞行特点及运动规律,建立了火箭的三自由度