关键词： 轮足机器人   并联机构   多目标优化算法   机器人动力学   阻抗控制  

摘要： 近年来,移动机器人技术的蓬勃发展为人类探索自然资源提供了更加安全、高效的方式。地球漫游车是一种全地形轮腿复合式移动机器人,其结合了轮式和足式移动机器人的特点,可在执行地球探索任务时展现更好的灵活性、稳定性和对各种地形条件的适应性。本文以一种新型地球漫游车为研究对象,为其设计了一种独特的基于侧装并联机构的腿部机构并开发了相应的控制系统,全文研究内容如下: （1）针对新型轮腿复合式漫游车对高稳定性和多地形适应性的需求问题,将侧装并联机构融入腿部机构的设计中。基于螺旋理论分析了漫游车的运动需求,根据腿部末端的目标运动约束特点设计多种备选的侧装腿部机构构型,并分析它们的可行性。使用六自由度支链和一条带驱动的L1F1C支链设计一种紧凑高效的（3-UPRU&RRRR）&R混联腿部机构。以漫游车进行长距离和重载应用为背景,对该腿部机构的运动学、工作空间、静力学和动静力学进行分析,验证了其直线驱动关节的最大驱动力不超过600 N,旋转驱动关节的最大驱动扭矩不超过30 N/m。此腿部机构的结构尺寸和运动性能可为后期优化设计的开展提供研究基础。 （2）为改善漫游车在狭窄环境中的机动性能,提出漫游车小型化和轻量化的设计需求,并基于新的边界条件构建其侧装腿部优化方法。利用格拉斯曼线几何和雅可比矩阵分析,在保留原有腿部机构运动特性的同时避免奇异性,优化出（3-UPRU&PPRR）&R新型腿部机构。在NSGA-II多目标优化算法的基础上使用新的拥挤度计算方法,利用LCI（局部条件因数）、GCI（全局条件因数）和GFI（全域性能波动指标）等参数对侧装腿部机构进行尺寸优化。通过腿部机构仿真验证,相对优化前的机构,其在全工作空间中运动性能提高了50%到316%。提出的优化方法可用于为漫游车设计具有特定优势性能的腿部机构。 （3）为实现漫游车的主动悬挂功能,提出侧装腿部机构的主动柔顺控制策略,并构建无力学传感器的阻抗/导纳控制方法。基于虚功原理建立3-UPRU&PPRR侧装并联机构的动力学数学模型,使用MATLAB与Adams对预定轨迹下的动力学模型进行仿真测试。基于腿部机构动力学模型,研究导纳/阻抗控制策略,推导相应动力学控制方程。使用simulink与Adams联合仿真搭建腿部机构虚拟样机进行测试,分析阻抗控制参数对控制系统的影响。研究结果验证了在不使用力传感器的条件下实现阻抗控制模型的可行性,可为腿部机构控制系统的工程实现奠定基础。 （4）为分析真实环境中腿部机构的各项性能以及多条腿间的协同配合问题,本文搭建样机平台进行实验并构建漫游车虚拟样机BJTUBOT进行测试。在进行3-UPRU&PPRR侧装并联机构样机的实验过程中,为提升动平台运动稳定性,提出基于驱动单元FOC速度环的控制策略以及并联机构各支链间的耦合同步控制方法。通过轨迹跟踪和阻抗控制等实验,验证腿部机构的控制系统和控制方法性能。基于Coopeliasim仿真环境建立漫游车虚拟样机BJTUBOT,通过转弯、姿态调整、主动悬挂和行走等基本运动形式分析虚拟样机的运动性能,证明整车控制理论的可行性。相关实验与仿真结果可为实际整机样机开发提供重要参考。

关键词： 教育研究   数位科技教育   UTAUT模型   批判性思维倾向  

摘要： 近年来，资讯科技迅猛发展使教育领域有了新的变化。综观现今教学现场，在教学策略中融入数位科技的应用已经不在少数。ChatGPT在2022年问世後，生成式聊天机器人俨然成为人工智慧应用中重要一环；而聊天机器人整合成为课程教材与学生学习的工具，过去就曾有研究表明，能有效提升学生幸福感、学习效率等益处。尽管聊天机器人为社会带来无尽的便利，同时也带来了教育领域新的考验。 又聊天机器人题材新颖，近来还没有高等教育中学习者对聊天机器人接受度与批判性思维关联性的调查。但这类以学习者为观点进行的研究在教育上却至关重要。此外，研究指出逻辑推理（Logical Reasoning）课程能有效地提升大学生其他学科的基础，且逻辑课程提供了培养学生逻辑思维和批判性思考能力的机会，考虑到聊天机器人技术的复杂性，本研究认为逻辑课程提供了一个理想的实验场域。 有监於此，为更深入地了解大学生对聊天机器人的感知态度与批判性思维倾向，本研究以台北市某大学所开设之「逻辑思考与应用」课程修课学生作为研究对象，采问卷调查法前、後测，透过授课教师一学期的教学，探究以聊天机器人整合成通识教育教材，并作为大学生学习辅助工具後，学习者对聊天机器人之使用态度与批判性思维关联性。 本研究在学生对机器人感知与批判性思维倾向，建构了偏最小平方法的结构方程模型（PLS-SEM）。结果显示，学生对於聊天机器人的理想自我能成功预测他们的批判性思维倾向。此外，经过教学干扰後，学生对聊天机器人的使用行为不再影响他们的批判性思维倾向；研究者同时发现，学生对聊天机器人的行为意图正向影响批判性思维倾向合。这突显课堂对学生个人成长与自我效能的重要性。最後，通过配对样本t检定发现，学生经过新科技辅助学习逻辑思维课程後，其学习结果获得显着提升。

关键词： 四足机器人   机器人设计   运动学分析   动力学分析   尺度优化设计  

摘要： 随着科技的发展以及机器人技术的成熟,越来越多的领域如工程机械、航空航天、医学领域以及军事领域等都与机器人紧密相连,使得机器人领域得到了飞速的发展。机器人的出现极大程度上降低了人们在工作时的危险,大大提高了生产效率。作为机器人家族成员的四足行走负载机器人也走在了飞速发展的快车道上。四足负载行走机器人存在关节多,驱动元件多,控制系统复杂,成本高等缺陷,在一定程度上限制其广泛应用。基于此,本文提出运输货物的四足行走负载机器人方案,对其进行了结构优化和动力学行为分析,主要完成如下工作: 结合四足行走负载机器人的设计要求,完成了四足行走负载机器人的运动方案设计,建立了四足行走负载机器人单腿机构优化数学模型,经遗传算法求解获得了体积小、结构紧凑、越障能力更强的单腿机构各构件的最优尺度,优化后各构件的总长度较优化前降低了18.7%,步长基本相同的情况下,步高由原来的80mm提高到120mm,为后续研究奠定了基础。 以四足行走负载机器人单腿机构为研究对象,推导了位移、速度和加速度方程,编制相应的程序,完成该机构运动学仿真分析。并根据单自由度系统的等效原理,以曲柄为等效构件,建立了单腿机构的等效动力学模型,推导了其等效动力学方程,结合前述运动学分析,求解获得优化前后等效曲柄的角速度可视化变化规律,分析可知优化后的角速度幅值减小了28%,动态性能更好。 为了减轻四足行走负载机器人自身质量,提高其负重能力,对其中结构形状复杂的3号构件进行拓扑优化,并根据工程经验确定了其它构件的形状。以此为基础,应用有限元分析软件Ansys对四足机器人的腿部机构进行仿真分析,从其应力、应变变化云图,以及安全系数图可知:所设计的腿部机构结构均满足强度与刚度要求。 构建了四足行走负载机器人三维模型,结合Adams软件进行了平地和坡路两种环境的整机模型运动仿真。仿真结果表明:腿部机构足底位置的速度规律与前文运动学分析得到的完全吻合,进一步说明前文运动学理论的正确性;在不同路面环境下,四足行走负载机器人质心位置在前进方向上变化幅度很小,能够实现运动平稳性要求。

关键词： 果园巡检机器人   柔性臂   奇异摄动法   轨迹规划   抑振控制  

摘要： 果园巡检机器人应用于果树栽培过程中冠层图像的采集工作,主要由行走机构和支撑图像采集装置的柔性臂构成。由于臂体柔性显著,在受到冲击或调姿过程中极易发生低频振动,严重影响设备稳定性及图像采集质量和效率。为解决柔性臂抑振问题,本文针对柔性臂关节角位移固定的行走过程和角位移变化的调姿过程,分别建立柔性臂振动力学模型,并设计不同场景下的控制器进行抑振。主要研究内容如下: (1)在行走过程中,考虑柔性臂自重对轴向载荷的影响,建立了轴向载荷与负载同时作用下的变截面柔性臂振动力学解析模型,并基于格林函数给出了固有特性求解方法,进而探究了柔性臂自重对固有特性的影响;应用柔性臂振动力学模型求解振动响应,结果表明,柔性臂各工况下的末端残余振动显著,因此需要进行抑振控制。 (2)针对柔性臂行走过程中残余振动的抑制问题,考虑PID控制中参数组合难以选取的现状,设计了基于BP神经网络的PID控制器。结果表明,基于BP神经网络的PID控制器抑振效果显著,且具有较好的动态性能。 (3)在调姿过程中,考虑柔性臂关节转动对末端振动的影响,基于假设模态法和Lagrange原理,建立了柔性臂振动力学解析模型,进而研究了柔性臂不同运动轨迹下其末端振动响应规律,并基于改进蜣螂算法,制定了抑振轨迹规划策略,得到了最优抑振轨迹。结果表明,柔性臂完全跟踪此轨迹时,抑振效果显著。 (4)针对柔性臂最优抑振轨迹跟踪问题,采用奇异摄动法对振动力学模型解耦,设计了基于自抗扰控制和线性二次型最优控制的组合控制器,并通过改进能量谷优化(EVO)算法优化控制器参数。结果表明,组合控制器能够使柔性臂精确跟踪最优抑振轨迹,但抗干扰能力较弱,致使柔性臂偏离最优抑振轨迹,从而增加振动量。 (5)针对组合控制器抗干扰能力较弱问题,设计了基于滑模控制的SMC控制器,并通过改进EVO算法优化控制器参数,得到了比组合控制器更好的轨迹跟踪效果,且抗干扰能力较强、抑振效果显著。

关键词： 机器人学   路径规划   机器学习   神经网络   人工势场方法  

摘要： 机器人的运动路径规划是机器人学中的研究热点之一,也是工业应用中的核心问题,在零件分拣、快递分拣等半结构化场景中有着广泛的应用。传统的基于概率采样的方法未能充分利用半结构化场景中的信息,导致效率不高。随着机器学习技术的快速发展,其在机器人领域的应用越来越受到关注。尽管机器学习为解决机器人路径规划问题提供了新的思路和方法,但大多数工作仍停留在算法研究的层面,缺乏将算法落地应用到实际场景中的实践。本文针对半结构化场景中机器人运动路径规划任务的特点,设计了基于机器学习的规划算法,并以此为核心,构建了一个完整的机器人运动路径规划系统,尝试弥合学术和工业界的鸿沟。本文主要研究内容分为三部分: 1.本文设计了碰撞检测网络,用于拟合半结构化环境中机器人高维且连续的构型空间。该网络能够准确预测给定构型下机器人与环境发生碰撞的概率,并在平面二连杆机械臂仿真环境中验证了其良好的拟合效果。 2.在传统人工势场方法的框架下,本文基于碰撞检测网络设计了一个斥力势场函数,形成了神经势场路径规划方法。该斥力势场函数规避了传统方法中需要计算当前构型与最近障碍物距离的难题。同时,通过设置虚拟势场的方法,有效缓解了局部极小值点对规划的影响,并在平面二连杆机械臂仿真环境中验证了该方法的可行性。本文选择了贝塞尔曲线作为路径曲线的参数化表示,并借助碰撞检测网络提供的梯度信息,对路径曲线进行避障优化。进一步地,本文利用了路径生成网络存储训练过程中的路径曲线,实现路径规划请求到路径曲线之间的映射。路径生成网络实现了端到端的路径规划,能够实时提供候选路径。最后通过在平面二连杆机械臂仿真环境中进行实验,验证了算法的可行性。 3.本文设计并实现了以神经势场路径规划方法和路径生成网络规划方法为核心的机器人运动路径规划系统,对系统进行了详细的需求分析和设计,并根据设计结果进行实现。该系统允许使用路径生成网络规划方法和神经势场规划方法,快速输出候选路径,并通过RRT算法保证了系统的概率完备性。最后通过设计测试用例,搭建了分拣仿真场景,对系统功能和性能分别进行了测试,验证了系统的实时性和有效性,为半结构化场景中机器人的实时运动路径规划提供了一种有效的解决方案。