含柔性腹节的小型仿蚕机器人的研究

来源 :南京理工大学 | 被引量 : 0次 | 上传用户:lollipop7919
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
蠕动机器人是仿生机器人的一种,由于特殊的运动模式和结构,它们具有很强的环境适应性,应用领域广泛。本文通过结合传统蠕动机器人与软体机器人的特点,保留其刚性框架,在关节处加入柔性材料,研制出了一款刚柔结合的小型仿蚕机器人。本文对生物蚕的运动方式进行分析,根据蚕的生理结构和运动规律,在现有小型仿蚕机器人的基础上对其进行柔性化设计。选择硅橡胶作为柔性化材料,设计了柔性腹节驱动器。并通过ANSYS分析驱动器的形变特性,确定驱动器合适的结构参数,以满足驱动器作为柔性腹节的工作需求。将含柔性腹节的小型仿蚕机器人简化为连杆系统,建立运动学模型,完成了蠕动运动、转弯运动的步态规划,得到了相应的关节转动的控制函数,通过多目标优化算法对控制函数进行了优化。通过ADAMS建立蠕动运动、转弯运动的仿真模型,对控制函数进行仿真验证,优化后的控制函数能有效地提高机器人的蠕动效率。利用ADAMS和MATLAB/Simulink对机器人的柔性腹节驱动器进行联合仿真,利用PID算法对机器人转弯关节位姿进行跟踪控制,提高了机器人在运动过程中的位置准确性。控制系统以中心控制器为核心,控制舵机和柔性腹节驱动器动作,采集MPU6050、超声波传感器信息,通过NRF24L01与上位机通信。控制系统的软件分为两部分:下位机采集传感器信息,通过无线通信发送给上位机,同时接收控制命令,通过PWM控制舵机和柔性腹节驱动器;上位机采用QT结合C++语言开发,实现机器人的控制、无线通信、避障检测、倾角检测和视频监控等功能。通过3D打印技术和铸模技术制作了各部件,完成了含柔性腹节的小型仿蚕机器人样机。通过样机试验验证了机器人蠕动、转弯的运动控制模型,探究了不同参数对机器人运动的影响。经本文优化设计,小型仿蚕机器人的行进效率得到了有效提高。
其他文献
目前,虚拟演播室已经成为当下节目制作的主流技术,而摄影机器人作为虚拟演播室的主要组成部分之一,也成为了机器人项目中的热门研究对象。本文针对虚拟演播室摄影机器人进行研究,对摄影机器人进行了结构设计、仿真分析、实验优化等方面的研究。在结构设计方面,根据设计方案对摄影机器人各个关键部件进行设计。针对电控云台的设计要求,完成了云台的结构设计,并进行了内部减速器的设计及选型;基于平行四边形原理对摇臂部件进行
磁电复合材料作为一种新型智能材料,具备磁电转换能力,能够直接感知外部磁场,在磁电传感器与换能器领域具有广阔的应用前景。非晶态磁致伸缩合金在数十奥斯特的磁场作用下就会发生饱和磁化,产生非线性磁致伸缩效应,从而非晶态合金/压电复合材料在较高幅度的激励磁场作用下产生非线性磁电效应。现有研究表明:通过解调奇次谐波输出,可实现静态/低频动态磁场的测量,且无需另外施加偏置磁场。本文从理论和实验两个方面对非晶态
本课题来源于企事业委托项目,负责研发虚拟演播室摄影机器人的视觉模块,主要实现摄影机器人对目标主持人的识别与跟踪的系统开发,其核心模块主要有人脸识别模块、深度定位模块与目标跟踪模块。本文首先对虚拟演播室下摄影机器人的工作空间需求进行分析,提出了一种轨道式摄影机器人,并对其结构与控制系统进行了详细介绍。本文对该摄影机器人进行了运动学分析,并对其进行了逆运动学求解。虚拟演播室下,除主持人固定外,其他嘉宾
滚珠丝杠副作为数控机床的核心传动部件,其性能直接影响数控机床的定位与传动精度。经过多年可靠性工程的研究,国内滚珠丝杠副的综合性能已经获得了极大的提升。而作为可靠性工程的重要组成部分,滚珠丝杠副的可靠性增长承担着设计加工优化改良,现场使用规范操作的任务,而目前对这方面还鲜有研究。本文依托国家科技重大专项,旨在建立与验证一个适用于不同型号丝杠的可靠性增长体系与评估方法。本文首先建立了滚珠丝杠副可靠性增
随着摄像头的不断更新换代,图像的分辨率越来越高,所占空间也越来越大,为图像的存储和传输带来了巨大的挑战。除了考虑增加存储空间、升级带宽外,还应该从图像本身出发,研究图像压缩技术,在保证图像质量的情况下,尽量减少存储空间。基于深度学习的图像压缩方法近几年发展迅速,其中基于卷积神经网络的方法已经成为主流的压缩方法。该类方法主要分为四部分:编码器、量化器、熵编码器以及解码器。编码器采用卷积层提取图像特征
近年来,如何解决标记多义性问题已成为机器学习和数据挖掘领域的一个热门研究点。在传统的机器学习框架中,比较成熟的标记多义性学习范式是单标记学习和多标记学习。前者假设一个示例仅仅只有一个标记,后者认为一个示例可以和多个标记相关。因此,相比于单标记学习,多标记学习可以解决更多的标记多义性问题。然而,无论是单标记学习还是多标记学习都只能解决“哪些标记与示例相关”的问题,无法回答“每个标记是怎样对示例进行描
车联网是物联网在智能交通领域的运用,也是智能交通系统的重要组成部分。车联网本质上是一个庞大的无线传感器网络,其中路边节点与车辆之间能够进行无线通信,从而实时感知车辆位置,并与车辆进行数据交互。为了保证车辆与网络的实时通信,车联网需要具备高精度目标追踪能力。然而,当前主要追踪方法依靠的是全球定位系统等传统技术,不具备足够的追踪精度,且易受到天气与建筑因素影响。本文基于车联网中目标追踪场景,设计了三种
随着社会的不断发展和进步,人类集体性的活动日益频繁,聚集的场所也越来越多,准确估计人群密度和数量可以为预判人群活动提供非常有效的信息,有利于保障社会公共安全。人群计数已成为当下计算机视觉领域方面的一项研究热点。早期的人群计数方法主要以检测和回归为基础,近年来,深度学习凭借其在特征学习方面卓越的能力吸引了越来越多的研究者。鉴于深度学习方法在人群计数方面比传统方法的计数精确度更高,本文采用基于深度学习
电动直线负载模拟器(electric linear load simulator,ELLS)广泛应用于航空航天、武器装备及船舶等领域,是重要的地面半实物仿真设备。ELLS可模拟直线舵机在实际工况中所受到的恒定或交变的载荷,由此完成舵机的机械性能及控制性能的测试。针对ELLS中存在的加载精度低、频宽小和抗扰能力差等问题,对ELLS系统进行了进一步的研究。完成了ELLS与电动直线舵机机理模型的搭建;采
随着群体活动在网络上越来越常见,如何向一个群组推荐一个物品或者一个活动吸引了很多学者的注意。由于群组内部的复杂关系,个性化推荐算法往往无法得到令整个群组满意的商品,因此需要更具针对性的群组推荐算法来进行群组推荐。已有的大部分的群组推荐工作通过融合群组内成员的偏好来表示群组的偏好,这种做法忽略了群组与群组之间的行为相似性。近期,图神经网络在个性化推荐系统显示出了惊人的潜力,图神经网络通过图上的信息流