【摘 要】
:
闭链连杆式移动机器人是一种具有大尺度变形能力,高越障能力的地面移动机器人。目前对闭链连杆式移动机器人的研究主要集中于论证移动的可行性,对于其移动能力及评价体系仅有较少的涉及。本文从平面6R单环运动链的理论研究出发,对平面6R单环运动链为基础构造的闭链连杆式机器人的移动进行数学建模并进行了运动学分析、动力学分析和步态规划,提出6R机器人移动理论,新理论得到了这种运动链连续移动和越障过程的步态通解,并
论文部分内容阅读
闭链连杆式移动机器人是一种具有大尺度变形能力,高越障能力的地面移动机器人。目前对闭链连杆式移动机器人的研究主要集中于论证移动的可行性,对于其移动能力及评价体系仅有较少的涉及。本文从平面6R单环运动链的理论研究出发,对平面6R单环运动链为基础构造的闭链连杆式机器人的移动进行数学建模并进行了运动学分析、动力学分析和步态规划,提出6R机器人移动理论,新理论得到了这种运动链连续移动和越障过程的步态通解,并且提出快速步态和平稳步态,相较于已有理论分析的对照步态在性能上有所提升,并对此展开详细分析论证。首先明确理论的适用范围为在运动过程中运动平面可以等效为平面6R单环运动链的闭链连杆式移动机器人。对该类机器人进行列举,并建立平面6R单环运动链的运动学模型,得出其输入驱动角度与输出质心位置之间的数学关系。对平面6R单环运动链进行单步运动学分析。提出统一的运动策略表达运动链的移动步态,依据该策略提出统一的步态表达形式,即步态周期表,以及统一的评价指标。对对照步态进行分析,得出其速度和质心波动率参数,通过优化得到更快速的快速步态和质心波动更小的平稳步态,解析结果与仿真对比一致。对平面6R单环运动链进行多步分析。提出对于不同障碍的统一越障策略,即归一化越障策略。对于同一障碍不同参数,给出步态通解。对运动链进行连续性分析,得到运动链连续运动时在世界坐标系下质心的位置,解析结果与仿真结果对比一致。对平面6R单环运动链进行动力学分析。基于拉格朗日动力学方程和达朗贝尔原理建立运动链的动力学模型,以快速步态输入角度为例求出力矩—时间曲线,解析结果与仿真结果对比一致,并且提出两种动力学优化方案。以平面6R单环运动链实现空间转向功能为例对其空间构造形式进行讨论。从两个方向对平面6R单环运动链进行空间扩展,构造空间机构,使其具有空间转向能力。依据该理论设计具有空间转向功能的样机,对其进行了三维建模、虚拟样机实验和样机实验,验证了理论的正确性。为闭链连杆式移动机器人的构造与性能优化提供了一种研究方法与评价体系。
其他文献
纳米机械传感器因其灵敏度高、体积小等优点,在生物、化学传感器的应用中得到了广泛的研究。微悬臂梁光波导传感器作为一种新兴纳米机械传感技术,其将机械力学中的悬臂梁结构与光波导技术结合。当悬臂梁在静态模式下表面受力时,偏转挠度改变会使悬臂梁光波导与输出波导间的光耦合功率发生变化,通过结构的输出光功率变化可以实现对悬臂梁偏转的高灵敏度检测。这种检测技术不仅具备纳米机械传感中已有的灵敏度高、体积小等优点,相
随着工业化的快速发展,保证机械特别是大型旋转机械的正常有序运行,对工业生产和生活起着至关重要的作用。滚动轴承是许多大型旋转机械的关键部件,旋转机械的长期安全运行与滚动轴承的稳定性密切相关。因此,研究针对于滚动轴承的故障诊断方法具有十分重要的意义。大数据时代以来,传统的故障诊断方法需要大量的人工处理过程,已经无法顺应大数据时代的发展要求。由于可以从原始数据中自动提取特征的优势,深度学习在机械故障诊断
人脸聚类是利用未标记人脸数据必不可少的工具,在人脸数据库构建、人脸图像标注等方面具有广泛的应用。一般来说,人脸聚类效果的优劣,主要受到所采用的特征提取方法和聚类算法设计这两方面的影响。随着深度学习在人脸识别上的应用,深度面部模型已经成为目前主要的人脸特征提取方式。现有多数人脸聚类算法是基于卷积神经网络提出的,聚类规则采用相似性度量,但卷积神经网络更适合处理欧式空间的数据,因此,如何有效学习到不同簇
随着数据通信业务量的指数级增长,人们对高速无线技术的带宽和质量要求不断提高,云无线接入网(Cloud Radio Access Network,C-RAN)前传链路的容量受限问题难以忽视,为降低数据存储对带宽的需求,本文将压缩感知(Compressed Sensing,CS)技术应用到C-RAN前传受限链路,并进行射频拉远端和基带处理池功能分配,减少了C-RAN前传链路负载,提升了传输信号的恢复精
近些年来,多智能体系统的协同控制被广泛应用于智能机器人、无人机编队、人造卫星等领域,引起了诸多学者的注意。目前,多智能体系统的协同控制问题主要包括一致性控制、编队控制和包含控制等,在此类问题的研究中,智能体之间的信息传递是至关重要的。通常情况下,我们用拓扑图来表示智能体之间的通信关系。在以往的研究中,多智能体系统的通信拓扑大多被假设为固定拓扑,而考虑到多智能体系统所处操作环境的复杂性,智能体之间的
实际工程系统往往都设有物理安全边界,例如流水线工业系统,风力发电系统,电力系统,高铁系统等,运行过程中系统自身状态受物理边界严格约束,以确保长期稳定可靠运行。一旦这样的物理约束装置被忽略或发生故障,系统就面临超界运行风险甚至发生重大安全事故。随着工业生产复杂化,相应的生产装置和系统的非线性特性日益凸显,系统参数不确定性也随之增加,系统控制器设计难度也随之增加。因此,针对具有参数不确定的非线性系统的
定位技术是实现移动机器人自主导航的关键技术之一。视觉SLAM是一种同时完成定位与地图构建的技术,目前得到了越来越多的应用和研究。针对视觉SLAM在一些室内场景无法有效定位的问题,通常借助自身算法框架的冗余性完成重定位。但是该方法导致了定位实时性的下降,当机器人快速移动时,这种影响尤其明显。为了避免冗余的算法框架对视觉SLAM定位实时性的影响,本文通过引入IMU来辅助视觉SLAM,实现多种工况下机器
头部运动障碍或头部下垂综合征(DHS)在许多运动神经元疾病中十分常见,患者的颈部肌肉发生退行性减弱,使得抬头或移动头部变得十分困难。目前该疾病没有较好的治疗方法,主要使用颈托设备来缓解头部下垂的症状。然而,颈托使得头部的运动受到局限,也不能按照患者想要的移动方向进行调整。因此,研究一种可以实现临床治疗、功能全面、康复机理完善、操作方便的颈椎康复机器人,对于治疗、康复头部下垂综合征有着重要意义。本文
不均衡分类问题在实际生产生活中频繁出现,如生物信息学、电信或金融风险评估和文本分类等。传统分类器由于期望整体精度最大化,常常忽略少数类(样本较少的类别)的分类精度,然而少数类的分类精度往往比多数类(样本较多的类别)更为重要。针对这一问题,一种有效的解决方法是基于数据增强将不均衡数据恢复为均衡数据。这种方法的目标是生成具有较强类判别性和多样性,且真正有助于分类器构建的少数类新样本。然而,在不均衡数据
标记分布学习是一种新的可以用来解决标记多义性问题的学习范式,是对单标记学习和多标记学习的进一步泛化,已经成功应用于人脸情感分析、头部姿态识别以及人脸年龄估计等领域。在标记分布学习的标记集合中,标记间关系广泛存在并且有助于提升标记分布学习性能。因此本文从标记间关系这一角度出发,对标记分布学习展开深入研究。首先,针对局部标记间关系展开研究。当前存在的利用局部标记间关系的算法都服从一个假设,即样本之间的