关键词： Mobile and Distributed Robotics SLAM   Marine Robotics   Mapping   Field Robots   Localization   Bathymetric  

摘要： In recent years, sonar systems for surface and underwater vehicles have increased in resolution and become significantly less expensive. As such, these systems are viable at a wide range of price points and are appropriate for a broad set of applications on surface and underwater vehicles. However, to take full advantage of these high-resolution sensors for seafloor mapping tasks an adequate navigation solution is also required. In GPS-denied environments this usually necessitates a simultaneous localization and mapping (SLAM) technique to maintain good accuracy with minimal error accumulation. Acoustic positioning systems such as ultra short baseline (USBL) and long baseline (LBL) are sometimes deployed to provide additional bounds on the navigation solution, but the positional uncertainty of these systems is often much greater than the resolution of modern multibeam or interferometric side scan sonars. As such, subsurface vehicles often lack the means to adequately ground-truth navigation solutions and the resulting bathymetic maps. In this article, we present a dataset with four separate surveys designed to test bathymetric SLAM algorithms using two modern sonars, typical underwater vehicle navigation sensors, and high-precision (2 cm horizontal, 10 cm vertical) real-time kinematic (RTK) GPS ground truth. In addition, these data can be used to refine and improve other aspects of multibeam sonar mapping such as ray-tracing, gridding techniques, and time-varying attitude corrections.

关键词： Autonomous robotic systems   deep learning   convolutional neural networks   sensor fusion  

摘要： Autonomous robotic systems (ARS) serve in many areas of daily life. The sensors have critical importance for these systems. The sensor data obtained from the environment should be as accurate and reliable as possible and correctly interpreted by the autonomous robot. Since sensors have advantages and disadvantages over each other they should be used together to reduce errors. In this study, Convolutional Neural Network (CNN) based sensor fusion was applied to ARS to contribute the autonomous driving. In a real-time application, a camera and LIDAR sensor were tested with these networks. The novelty of this work is that the uniquely collected data set was trained in a new CNN network and sensor fusion was performed between CNN layers. The results showed that CNN based sensor fusion process was more effective than the individual usage of the sensors on the ARS.

关键词： 轮式机器人   虚功率原理   LuGre摩擦模型   黏滞-滑移   伺服约束  

摘要： 轮式机器人以其极高的移动性以及可控性成为共融机器人研究领域的热点之一。目前大多数研究通常以轮式机器人行驶在结构化环境中为前提,假定轮-地之间紧密贴合无滑移,所建立的动力学模型在二维问题中得到的广泛的应用。随着轮式机器人的应用场景和范围不断扩大,动态的、未知的非结构化环境中运行的轮式机器人逐渐受到学者的广泛重视,对轮式机器人的轨迹跟踪与控制进行准确分析就需要在动力学预测模型中充分考虑纵向和横向滑移带来的影响,目前相关的研究较少。本文以轮式机器人为具体研究对象,开展的主要研究工作如下:(1)以虚功率原理为建模依据,建立了轮式机器人运动学以及动力学方程。在非结构化环境中,轮式机器人将面临复杂的外部载荷作用,在虚功率原理的建模框架下,只需求出任意载荷的虚功率即可将其耦合进入全局动力学方程中,对后续的建模和控制带来了较大的模型便利。(2)以非结构化场景中共融的轮式机器人为驱动,对机械系统动力学中常见的多种摩擦模型进行比较,特别是从积分器的选择、积分参数的调控以及动态参数辨识等方面对Lu Gre摩擦模型进行了说明。引入线性互补模型描述轮-地间法向接触力,克服了连续接触力模型在求解平顺接触问题时效率较低的缺点,通过数值算例验证了所提方法的准确性。(3)面向非结构化环境应用场景,引入动态接触模型分析轮式机器人轮-地间复杂非光滑动力学行为,建立考虑黏滑摩擦的轮式机器人系统动力学高效准确预测模型,开展了轮式机器人纵向和横向滑移分析,同时与基于非完整约束建立的系统动力学模型所得到的仿真结果对比,验证该模型的准确性。(4)探寻考虑滑移的轮式机器人轨迹跟踪问题的解决,针对非结构化环境中运行的轮式机器人,研究基于虚功率原理的伺服约束控制方法,根据期望轨迹得到力矩,即为满足系统目标轨迹的驱动力矩;通过对含有相对滑移的两轮轮式移动机器人的目标轨迹进行跟踪控制,证明该方法能够实现对轮式机器人目标轨迹的跟踪控制。

关键词： SCARA机器人   关节柔性   动力学模型   动力学参数辨识   双编码器机器人  

摘要： 随着“工业4.0”和“智能制造2025”的相继提出,中国制造业正朝着自动化、绿色化及智能化等方向发展。工业机器人作为制造业升级的关键,在3C电子、车辆制造、精密加工等行业应用广泛。其中,SCARA机器人因其灵活性高、运行速度快、定位精度高等良好的特性,在工业自动化市场中被大多数企业青睐。随着市场份额加大,对SCARA机器人的性能指标也提出了更高的要求,因其高端技术应用大多以动力学模型为其基础理论支撑,并且在一、二轴关节处使用谐波减速器传动,将不可避免带来关节柔性,故需建立考虑关节柔性的SCARA机器人动力学模型才更加符合实际应用。在实际中,机器臂工件加工和装配时将引入结构误差,使SCARA机器人存在个体差异,关节刚度和摩擦也无法从理论模型知晓,所以必须通过参数辨识方法获取到实际动力学参数值。本文为了得到更加贴近真实的SCARA机器人动力学模型,进行了考虑关节柔性以及非线性摩擦的SCARA机器人动力学参数辨识研究。主要研究内容如下:首先,设计了从模型建立-消除刚度项-模型线性化-激励轨迹参数设计及优化-数据采集并处理-惯性参数及摩擦系数辨识-关节刚度辨识-模型验证的完整参数辨识流程,并详细讲述了本实验所采用的双编码SCARA机器人的软硬件平台,为后续研究奠定了基础。然后,采用D-H法建立SCARA机器人运动学模型,并求出SCARA机器人的运动学正逆解,作为动力学建模的基础;采用Lagrange方程建立动力学模型,该模型即考虑了关节柔性,又考虑了连杆侧与电机侧的非线性摩擦,使之更符合SCARA机器人的实际动力学模型。接着,通过因式分解法对动力学方程进行线性化处理,得出待辨识动力学最小参数集。再基于有限项傅里叶级数,选定动力学方程中回归矩阵的条件数作为优化指标,设计并验证了该动力学模型的最优激励轨迹。最后,将最优激励轨迹下发给双编码器SCARA机器人,利用伺服软件分别采集各关节反馈电流、电机编码器值、减速器输出端编码器值;将采集得到的数据经过均值滤波+巴特沃斯低通滤波+flitflit零相移滤波器处理后,代入动力学模型中,利用最小二乘法求出待辨识的摩擦系数和惯性参数,接着将辨识结果中电机惯量和电机摩擦系数代入电机侧动力学模型中估算出关节刚度,完成所有参数的辨识,选择不同于激励轨迹的另外一条轨迹验证参数辨识结果,求得残差均方根误差值都在2以内,说明了参数辨识结果的正确性。本文的主要创新之处在于采用一次辨识实验即可获得所有待辨识参数,且辨识误差都在可控范围内,极大地简化了工业机器人出厂流程,提高了效率,对实际生产制造具有重要意义。

关键词： 全向移动机器人   轨迹跟踪   滑模控制   编队控制  

摘要： 本文以四轮全向移动机器人为研究对象,针对现有控制器误差收敛速度慢、质心与重心不重合、未知干扰较多、模型参数不确定或参数摄动等问题进行系统的研究,同时简单探讨了多移动机器人的编队控制。本文的主要研究内容如下:1.四轮全向移动机器人数学模型的建立。基于四轮全向移动机器人运动学和动力学模型示意图,分析得到其约束方程,并归纳得到其数学模型的标准形式。然后,基于直流电机模型推导得到包含驱动电机信息的四轮全向移动机器人动力学模型。2.针对质心与重心不重合的情况,提出了一种双幂次趋近律的快速滑模轨迹跟踪控制方法。首先,在考虑质心与重心不重合的基础上,结合移动机器人满足的运动学约束方程,得到其轨迹误差模型。然后,基于误差模型设计了新的滑模面,并运用双幂次趋近律来设计线速度控制器和角速度控制器,以此来提高系统误差的收敛速度。最后,证明了系统的稳定性并对其系统的收敛时间进行了定量的分析。仿真结果表明,本文设计的控制器响应速度快,稳定时间更短,系统的误差收敛速度快。3.针对因模型参数摄动以及未知干扰导致轨迹跟踪控制性能变差问题,提出了一种基于ASMCFR的全向移动机器人轨迹跟踪控制器。首先,基于含驱动电机信息的动力学模型建立滑模控制器,并引入滤波器削弱抖震现象。其次,设计了参数自适应律来削弱参数摄动给控制性能带来的影响。然后,利用RBF神经网络对滑模控制律中切换增益进行实时调整,进一步降低抖震带来的影响。最后,证明了系统的全局稳定并进行了仿真验证。仿真结果表明,该方法能够很大程度削弱抖震现象,同时在降低模型参数变化带来的负面影响方面也具有显著的效果。4.多移动机器人的编队控制。基于领航跟随方法提出了一种新的编队控制方法,领航机器人采用基于ASMCFR的轨迹跟踪控制器对理想轨迹进行跟踪;跟随机器人采用双环编队控制器对领航者进行跟随。双环编队控制通过位置控制器和姿态控制器来保证系统的稳定性。外环跟踪两机间距,然后产生角速率命令提供给内环;内环通过跟踪外环提供的角速度,完成跟随。最后,通过仿真验证了方法的可行性。

关键词： 连续型机器人   线驱动   多体系统   实时动力学  

摘要： 连续型机器人作为一类新兴的仿生机器人，具有强灵活性以及高安全性的作业特点，针对医学介入手术、医疗康复，空间抓捕、辅助操作、生产检修、水下捕获等非结构环境具有广泛的应用前景。然而，连续型机器人依赖于自身的柔顺变形进行作业，也给其带来了变形不确定、物理量反馈有限、作业稳定性低以及作业精度差的问题。因此，本文在总结已有研究的基础上，聚焦于线驱动连续型机器人的动力学建模、数值求解及其感知等方面进行研究，有助于解决阻碍连续型机器人广泛应用的问题。主要工作如下：　　(1)考虑系统中刚性/柔性部件运动的耦合效应，基于虚功率原理建立了一种考虑牵引线约束及摩擦的线驱动连续型机器人高保真度刚柔耦合动力学模型。根据牵引线与机器人动态位形的几何关系，采用牵引线时变驱动长度建立系统的几何约束方程，使其能充分反映牵引线对机器人位形的约束作用，推导出拉氏乘子与牵引线驱动力关系式，进一步考虑了牵引线的摩擦影响。通过多组数值仿真与样机实验的对比分析，所建立的动力学模型适用于单/多根线驱动的单/多串联臂的连续型机器人，并且适用于空载/存在外载荷的复杂场景。　　(2)线驱动连续型机器人的实时动力学分析。基于集中质量矩阵法将梁单元的惯性力虚功率等效离散为三点求和形式，采用梁单元在共旋坐标系内为小变形的假设，进一步将梁单元的重力虚功率离散为求和形式，减小数值计算困难。从力学原理出发，基于模型降噪法滤除系统中的高频分量。通过多组数值仿真与实验结果的对比分析，所建立的动力学模型显著地降低了系统方程的刚性，不仅可以使用刚性微分方程积分器进行求解，还可以使用传统的非刚性微分方程积分器计算;在保证给定数值计算精度的条件下，有效地提升数值计算效率，并且实现了平缓驱动的连续型机器人动力学模型的实时求解。　　(3)线驱动连续型机器人牵引线动态张力及张紧/松弛驱动状态的感知。通过分析牵引线在机器人内部的运动规律，基于Stribeck的库伦摩擦模型描述牵引线滑动摩擦力，并给出牵引线张力沿路径的传递函数，可以准确地反映牵引线张力沿路径的损失，并可以捕捉到牵引线张力的迟滞现象。研究牵引线驱动状态与张力的物理关系，提出了一种求解牵引线张力的非线性互补方法，不仅可以准确地计算牵引线张力，还可以得到牵引线的驱动状态。通过数值仿真与样机实验结果的对比分析，所提出的感知方法可以在仅使用驱动长度数据的条件下，有效地实现机器人大位移大转动、弯曲及扭转变形的张力及张紧/松弛驱动状态的感知。　　(4)线驱动连续型机器人动态外载荷感知。分析牵引线与机器人内部结构的自接触行为，建立牵引线接触点检测模型，进一步提升力学模型的准确性。在此基础上，建立将牵引线的张力作为输入的动力学模型，将约束方程与系统广义加速度相关联，给出了动力学模型的求解算法。该方法仅需牵引线的张力及驱动长度数据即可实现，无需使用位形传感器或在交互区域安装力传感器，降低了机器人的硬件要求。实验验证了其有效性。

关键词： 行星履带机器人   动力学分析   越障控制算法   自适应模糊PID  

摘要： 随着机器人技术的发展,移动机器人在水平路面的基本运动能力已经相对成熟,其越障能力研究具有更重要的意义。机器人的越障性能会直接影响到它的侦察能力、救援效率等作业效果,因此在现代军事侦察或者抗灾救援工作等情景中对机器人的自主越障性能提出了更高的要求。为提高行星履带机器人的越障性能,实现机器人越障过程的精确控制,本文在对行星履带机器人的基本运动能力分析的基础上,对其越障过程中的动力学问题进行了分析,为后续控制系统研究提供理论支撑,并给出了优化后的质心位置;研究了行星履带机器人的运动控制算法,提出自适应模糊PID控制算法并设计了机器人越障控制系统,实现了对机器人越障过程的精确控制。通过对行星履带机器人的基本运动能力的研究分析,得到机器人的相关技术参数和运动所需力矩,在此基础上利用达朗贝尔原理、牛顿欧拉方法和拉格朗日方法、哈密尔顿原理进行动力学建模,建立了行星履带机器人越障过程中受力情况与运动参数的动力学关系模型并进行了动力学分析。通过对行星履带机器人的越障过程仿真,调整了机器人的质心位置,实现了越障时间的优化。为解决行星履带机器人在越障过程中运动控制精度低的问题,对常见的运动控制PID算法进行分析对比后,提出自适应模糊PID控制算法,可有效解决常规PID算法与模糊PID算法动态性能较差的问题,满足行星履带机器人在越障过程中对于运动控制的需求。为实现行星履带机器人越障过程的精确控制,在基于对行星履带机器人越障过程进行动力学分析及运动控制算法研究成果的基础上,利用模块化的设计思想对越障控制系统进行了硬件和软件设计。控制系统主要包括姿态采集模块、电机驱动控制模块等,能够对行星履带机器人的越障运动进行控制。进行了行星履带机器人基本运动能力和越障能力实验,设计机器人越障过程中的航向波动参数等作为衡量越障性能的指标。实验结果表明,行星履带机器人控制系统满足其越障控制需求,能够实现行星履带机器人越障过程中的精确控制。

摘要： Autonomous learning of behaviour is a hallmark trait for any artificially intelligent agent. It is required for learning skills in a self-supervised manner and for adapting quickly to changes in the environment. It is difficult for human-developed hand-crafted methods to account for every unforeseen eventuality. Moreover, solutions to tasks in the real world are often complicated and tedious to manually design. Reinforcement Learning (RL) has long been used as a method for learning behaviour through agent-collected experience. Its popularity in recent years was boosted by the combination of deep neural networks with RL, allowing artificial agents to learn features from high dimensional inputs such as images. This has allowed agents to learn complex strategies in games such as Go, Atari and, recently, StarCraft II. Additionally, Deep Reinforcement Learning has also demonstrated capabilities in simulated control tasks, learning to control joints of simulated bodies from scratch in order to run, climb, and jump. Recently, in the field of robotics, deep RL has been used to learn behaviours necessary to complete robot tasks such as navigation in large scale unstructured environments and dexterous manipulation of objects. However, deep RL has been slow to gain traction in the robotics community compared to video games and other simulated domains. A Reinforcement Learning agent selects an action through trial-and-error by observing its environment. It then performs the action in the environment and is given an extrinsic reward. The objective of the agent is to maximise the returns defined as the sum of future rewards. In simple terms, the actions that were beneficial in the agent obtaining the reward are positively reinforced. In this way, the RL agent learns complex behaviors. This method of learning through trial- and-error introduces the problem of requiring sufficient experience from which to learn. Typical deep RL agents require experience in the order of millions of

关键词： 小肠褶皱   胶囊机器人   阻力模型   振动驱动   分岔分析  

摘要： 自推进胶囊机器人在胃肠检测领域应用前景广泛,尤其在胃部检查中,目前市面上已经出现了能代替胃镜进入胃部的胶囊内镜。但与胃中的凸起不同,小肠内丰富的环状褶皱是永久性的,在肠道蠕动时不会消失。毫无疑问,这样的褶皱会提供很大一部分阻力来阻止胶囊的运动,是自推进胶囊在小肠中行进的主要障碍。然而许多的相关研究并未将该问题纳入考虑。为此,本文提出并验证了一个新的阻力模型,该模型在胶囊翻越过褶皱的整个过程中都适用。此模型能够计算在不同尺寸褶皱下所反馈的胶囊阻力。结果表明,在胶囊刚一碰到褶皱时,阻力会立即达到最大值,并在翻越过程中逐渐下降。除此之外,对单一参数变量的影响以及最大阻力的变化情况也都做了讨论。随后,本文研究了以振动来驱动胶囊在肠道组织上移动的动力学,驱动方式包括方波和正弦驱动。在方波驱动下,基于数值模拟和分岔分析发现,当驱动力较小时,胶囊的运动总是周期一的;而翻越褶皱则需要较大的激励幅值,尤其是当占空比较小时。相比之下,驱动周期对胶囊翻越的影响不大。但内部质量块的质量、胶囊质量、摩擦系数和褶皱高度对胶囊翻越所需的驱动力存在很大影响。同时,组织的杨氏模量是决定非线性胶囊动力学分岔模式的关键因素,更硬的组织会导致3个不同的吸引子共存。而胶囊的长度和弹簧的刚度则影响不大。而将驱动方式改为正弦激励后,为了加快计算效率,采用了多项式近似的方法来代替复杂的阻力积分。与方波激励类似,也做了胶囊在三种频率驱动力作用下的仿真及分岔分析。在结果中发现,驱动力的频率和振幅对胶囊的响应和运动有至关重要的作用。由于正弦信号本身的特性,受此驱动力激励的胶囊,其运动方式会更多样,包括:远离褶皱后退、向前推进被褶皱阻挡、向前推进翻越褶皱并继续前进、向前推进翻越褶皱后反向运动被其阻挡,共计四种。值得一提的是,褶皱的几何形状对分岔模式没有显著影响,但有无褶皱会明显改变胶囊的运动情况。总体而言,本文针对自推进胶囊机器人在小肠中行进这一场景,提出并验证了一个适用胶囊翻越褶皱的整个过程阻力模型。同时利用该模型研究了包括方波和正弦两种驱动方式在内的振动胶囊在肠道组织上移动的动力学机制,并通过仿真及分析得到了一系列结果。在实际应用中,最优的驱动方式应是二者的有机结合。