垃圾分类机器人步进电机AI闭环控制方法

来源 :计算机仿真 | 被引量 : 0次 | 上传用户:sunleilong
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
为了解决步进电机控制过程智能化程度、精度均较低的问题,结合AI技术和闭环控制原理,提出垃圾分类机器人步进电机AI闭环控制方法。分析垃圾分类机器人的工作程序,结合机器人中步进电机的工作模式与基本结构,构建对应的步进电机数学模型;以闭环控制原理为基础,设计并安装控制器设备,结合AI技术实现对步进电机位置的检测,分别从速度、细分换向等方面实现垃圾分类机器人步进电机的闭环控制。仿真结论表明:设计的闭环控制方法的转速和位置更加接近目标位置,即设计闭环控制方法的控制精度和智能化程度均有所提升。
其他文献
虚拟化网络分析有利于解决复杂系统的控制问题,但是现有虚拟化网络研究主要针对非奇异网络,无法有效应用于包含奇异节点的网络处理。为解决上述问题,基于节点间的多重关联关系构造了奇异网络模型,分析领导节点以及网络偏差模型。基于模型分析设计了牵制控制算法,利用节点状态以及彼此存在的关联关系,通过牵制节点的改变来实现对全部节点的整体控制。根据偏差系统推导出反馈控制器,利用Laplacian矩阵确定牵制节点,并
针对传统方法未对加密过程进行约束,导致加密后的网络大数据易受到入侵。提出基于双向防御的网络大数据无损加密算法。将隐私数据源变成数值并按照所处方位排序,同时把排序完毕的方位数据划分成桶,优化其分布均匀性,增大每个桶中点的数目但低于设定阈值,使用保护序加密算法把桶中的数据实行加密,并保证加密后数值的大小顺序和原始一致,把数据隐私加密过程约束成加密函数的运算,在此基础上,建立大数据动态安全SAT双向防御
针对自主水下机器人在回收过程中,采用单一导航传感器导致系统定位精度低的问题,提出了一种改进的基于斜距的SINSUSBLDVL多传感器融合模型和基于USBL多传感器融合的自适应无迹卡尔曼滤波算法,解决了USBL系统基阵偏移所带来的误差以及滤波中的奇异值和发射问题。仿真结果表明,在改进的基于斜距的多传感器融合模型及自适应无迹卡尔曼滤波算法作用下,整个系统不仅提高了滤波精度,还有效地减少了滤波的发散,为
以基于气浮无摩擦缸驱动的3-UPU并联机器人为研究对象,对其进行运动学、工作空间仿真分析以及气动比例位置系统数学建模与控制仿真。由于气动比例位置系统具有很强的非线性,而且易受环境因素影响,当采用传统PID控制时,很难使系统保持良好的控制效果。考虑到神经网络具有很强的逼近特性,于是引入RBF神经网络监督控制算法进行仿真分析。仿真结果表明,上述机器人具有较大的工作空间,同时在气动比例位置系统中,RBF
针对在系统动力参数不确定、干扰随机性的情况下,对四旋翼无人侦察器非线性模型进行有效控制的问题,建立了侦察器的动力学模型,并提出了一种基于双层回路的非线性控制器设计方法。其外层回路中设计了基于模糊PID(proportional-integral-derivation)控制的控制器来实现高度和位置跟踪;内层回路中利用滑模控制器来实现姿态稳定控制。仿真结果表明,设计的控制器能够使无人侦察器的运动轨迹和
随着机械手抓取物体的多元化发展,研究一种具有广泛适应性的机械手成为领域热点,于是提出结合PID与状态观测器的欠驱动机械手末端控制方法。通过惯性权重值对比例、积分、微分参数进行在线控制,快速获取三个参数的最佳值,改善PID算法的收敛性能。构建常量已知、扰动变量未知的不确定非线性系统,并将机械手的系统函数更新为状态变量形式,通过引入非线性反馈函数抑制系统函数对机械手控制的影响。为了使复杂的欠驱动机械手
针对传统路径规划方法多为全局结构化空间划分,无法根据实时信息设置当前路径最优规划,导致出现碰撞与跌倒问题,提出一种机器人路径分段规划方法。方法以多传感器数据融合作为技术为基础,用单模与零均值的高斯白噪声表示机器人超声波测距传感器误差特征,利用传感器位置估计方差更新状态变量估计值;根据极值点进行路径划分,再进行平滑处理,利用转弯策略实现机器人在各分段点的平稳运行。以机器人定位精度与路径规划为指标进行
针对传统无线传感器网络节点重部署覆盖方法没有进行子群节点局部搜索,导致方法存在覆盖率较低、节点连通性较差等问题,提出基于蛙跳算法的无线传感器网络节点重部署方法,初始化无线传感器网络节点,引入蛙跳算法,将全局的信息交换和子群局部搜索结合,确定无线传感器所能够探测的区域范围,利用微积分方法求解不规则区域,获取网络节点最优解,实现无线传感器网络节点的重部署。实验结果表明,研究方法覆盖率较高、节点连通性较