陕西科技大学
2015 级研究生课程考试答题纸
考试科目机械制造与装配自动化
专业机械工程
学号1505048
考生姓名乔旭光
考生类别专业学位硕士
浅谈机器人智能控制研究
摘要：以介绍机器人控制技术的发展及机器人智能控制的现状为基础,叙述了模糊控制和人工神经网络控制在机器人中智能控制的方法。讨论了机器人智能控制中的模糊控制和变结构控制,神经网络控制和变结构控制,以及模糊控制和神经网络控制等几种智能控制技术的融合。并对模糊控制和神经网络控制等方法中的局限性作出了说明。
关键词:机器人；智能控制；模糊控制；人工神经网络
1 智能控制的主要方法
随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出崭新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。
智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。1.1 模糊控制
模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。
1.2 专家控制
专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。
1.3 神经网络控制
神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表
示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。
1.4 学习控制
(1)遗传算法学习控制
智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向。
(2)迭代学习控制
迭代学习控制模仿人类学习的方法、即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。
2 机器人智能控制技术的发展
从机器人诞生到20 世纪80 年代初,机器人技术经历了一个长期缓慢的发展过程。到了20 世纪90 年代,随着计算机技术、微电子技术、网络技术等的快速发展,机器人技术也得到了飞速发展。智能机器人的研究是目前机器人研究中的热门课题。作为一门新兴学科,它融合了神经生理学、心理学、运筹学、控制论和计算机技术等多学科思想和技术成果。智能控制的研究主要体现在对基于知识系统、模糊逻辑和人工神经网络的研究。智能机器人可以在非预先规定的环境中自行解决问题。智能机器人的技术关键就是自适应和自学习的能力,而模糊控制和神经网络控制的应用显示出诸多优势,具有广阔的应用前景。
2.1 机器人控制技术的发展
早期的机器人系统,由于需要完成的任务比较简单,而且对动态特性的要求不高,其系统可看成是机器人各关节控制器简单的组合。随着机器人技术的发展,机器人控制器对各关节在整个过程中位置、速度及加速度都有一定的要求,因此可采用独立关节控制原则,在各关节构成PID 控制。由于机器人操作臂是一个高度非线性的系统,工业用的低速操作臂应用常规的PID 反馈控制可以满足控制要求,但为实现高速运动,要求具有较好的控制品质, PID 反馈控制难以取得较好的控制效果。在传统的控制方法中,它们依赖数学模型。但是,由于操作臂的参数不能精确得到,模型参数与实际参数不匹配时,便会产生伺服误差。当机器人工作环境及工作目标的性质和特征在工作过程中随时间发生变化时,控制系统的特性有未知和不定的特性。这未知因素和不定性使控制系统性能降低。因此,采用传统的控制方案已不能满足控制要求。在研究被控对象的模型存在不确定性及未知环境交互作用较强情况下的控制时,智能控制方法得到了成功的应用。近年来,随着人们对机器人高速高精度要求的不断提高,使得整个机器人系统对其控制部分的要求也越来越高,开发具有智能的机器人已经成为人们研究的热点。
2.2 机器人智能控制的现状
近几年,机器人智能控制在理论和应用方面都有较大的进展。在模糊控制方面,由J·J·Buckley 等人论证了模糊系统的逼近特性; E·H·Mamdan 首次将模糊理论运用于一台实际机器人,把模糊控制技术在机器人中的应用得以展现。而且,模糊系统在机器人的建模、控制、对柔性臂的控制、模糊补偿控制、以及移动机器人路径规划等各个领域都得到了广泛的应用。
在机器人神经网络控制方面,CMCA (Cere-bella Model Cont roller Articulation) 是应用较早的一种控制方法,它的最大特点是实时性好,尤其适应于多自由度操作臂的控制,W·T·Miller 等还进行了实验研究,验证了该方法的有效性。
3 机器人智能控制方法
3.1 机器人的模糊控制
英国学者E·H·Mamdani 在1974 年首次成功地将模糊集理论运用于工业锅炉的过程控制之中,并于20 世纪80 年代初又将模糊控制引进到机器人的控制
中. 被控对象是一个具有两个旋转关节的操作臂,每个关节由直流电动机驱动。关节的实际转角通过测速发电机由A/ D 转换电路获得,其角速度通过SOC 的记忆存储器编程来实现。其主要是对操作臂模糊控制系统,分别进行阶跃响应测试和跟踪控制试验. 控制结果证明了模糊控制方案具有可行性和优越性。由Lin C M 等人提出了在模糊控制器结构的基础上,引入PI 调节机制达到对阶跃输入的快速响应和达到消除隐态误差的效果. 通过相平面上对两种不同区域的启发性分类,可得到一组简单的模糊规则,从而简化了模糊规则库和算法,使最终的控制器易于实现. 该控制方案通过仿真实验得到验证。
由邓辉等人提出了一种基于模糊聚类和滑模控制的模糊逆模型控制方法,并将其应用于动力学方程未知的机械手轨迹控制。采用 c 均值聚类算法构造两关节机械手模糊模型,并由此构造模糊系统的逆模型。在提出的模糊逆模型控制结构中,离散时间滑模控制和时延控制用于补偿模糊建模误差和外扰动,保证系统全局稳定性,并改善其动态和稳态性能。系统稳定性和轨迹误差的收敛性,通过稳定性定理得到证明。
3.2 机器人的神经网络控制
神经网络的研究20 世纪60 年代,并在20 世纪80 年代得到了快速的发展。近几年来,神经网络研究的目标是复杂的非线性系统的识别和控制等方面,神经网络在控制应用上具有以下特点:能够充分逼近任意复杂的非线性系统；能够学习与适应不确定系统的动态特性；有很强的鲁棒性和容错性等。因此,神经网络对机器人控制具有很大的吸引力。
在机器人的神经网络动力学控制方法中,典型的是计算力矩控制和分解运动加速度控制,前者在关节空间闭环,后者在直角坐标空间闭环。在基于模型计算力矩控制结构中,关键是逆运动学计算,为实现实时计算和避免参数不确定性,可通过神经网络来实现输入输出的非线性关系。对多自由度的机器人手臂,输入参数多,学习时间长,为了减少训练数据样本的个数,可将整个系统分解为多个子系统,分别对每个子系统进行学习,这样就会减少网络的训练时间,可实现实时控制。
由Albus 提出了一种基于人脑记忆和神经肌肉控制模型的控制机器人关节控制方法,即CM-CA 法。该方法以数学模块为基础,采用查表方式产生一个以离
散状态输入为响应的输出矢量。在控制中,状态矢量输入来自机器人关节的位置与速度反馈,输出矢量为机器人驱动信号。也可以利用CMCA 模拟机器人动力学方程,计算实现期望运动所需力矩作为前反馈控制力矩,采用自适应反馈控制消除输入扰动及参数变化引起的误差。经过仿真实验证明,经过 4 个控制周期后,控制过程的误差趋近于零。
F.L. Lewis 基于无源理论,提出了一类网络利用功能连接神经网络逼近机器人动力学模型,连接权在线调整方法,可保证神经网络自适应控制算法闭环稳定。
3．3 机器人智能控制技术的融合
(1) 模糊控制和变结构控制的融合
在模糊变结构控制器(FVSC) 中,许多学者把变结构框架中的每个参数或是细节采用模糊系统来逼近或推理,仿真实验证明该方法比PID 控制或滑模控制更有效。
在设计常规变结构控制律时,若函数系数取得很大,系统就会产生很多的抖振,如果用引入边界层方法消除抖振,就会产生很大的误差；若该系数取较小值,鲁棒性就会变差。因此,金耀初等人提出了通过引入模糊系统来动态预测和估计系统中不确定量的方法。模糊系统中的输入分为两种:一种为系统的综合偏差模糊值;另一种为偏差增量模糊值。它的输出是对上述函数中的系数进行模糊估值。仿真结果表明抖振现象得到了抑制。还有人在初始建模阶段采取模糊系统辨识,其后在变结构控制中对动力学模型进行自适应学习。在这种控制方案中,模糊控制和变结构控制之间的界限很清晰,从仿真结果看,控制性能也较好。
(2) 神经网络和变结构控制的融合
神经网络和变结构控制的融合一般称为NNVSC。实现融合的途径一般是利用神经网络来近似模拟非线性系统的滑动运动,采用变结构的思想对神经网络的控制律进行增强鲁棒性的设计,这样就可避开学习达到一定的精度后神经网络收敛速度变慢的不利影响。经过仿真实验证明该方法有很好的控制效果。但是由于变结构控制的存在,系统会出现力矩抖振。牛玉刚等人将变结构控制和神经网络的非线性映射能力相结合,提出了一种基于神经网络的机械手自适应滑模控制器. 如果考虑利用滑模控制技术,需要知道系统的不确定性的上界,但在实际应用中,
许多系统的不确定界却难以得到。因此利用神经网络估计系统的不确定性的未知界,克服了常规滑模控制需要已知不确定性界的限制,但是由于滑模控制的存在,就有抖振现象,为了消除抖振,可用S 型函数代替符号函数。经过仿真实验,该控制器能够有效的补偿系统不确定性的影响,保证机器人系统对期望轨迹的快速跟踪。
(3) 模糊控制和神经网络控制的融合
模糊控制和神经网络控制的融合,一般称为模糊神经网络( Fuzzified neural network) 或神经网络模糊控制器(neuro-fuzzy cont roller) 。
模糊系统和人工神经网络相结合实现对控制对象进行自动控制,是由美国学者B·Kosko 首先提出的。模糊系统和神经网络都属于一种数值化和非数学模型函数估计器的信息处理方法,它们以一种不精确的方式处理不精确的信息。模糊控制引入了隶属度的概念,即规则数值化,从而可直接处理结构化知识；神经网络则需要大量的训练数据,通过自学习过程,借助并行分布结构来估计输入与输出间的映射关系。虽然模糊控制与神经网络处理模糊信息的方式不同,但仍可以将二者结合起来。利用模糊控制的思维推理功能来补充神经网络的神经元之间连接结构的相对任意性；以神经网络强有力的学习功能来对模糊控制的各有关环节进行训练。可利用神经网络在线学习模糊集的隶属度函数,实现其推理过程以及模糊决策等。在整个控制过程中,两种控制动态地发生作用,相互依赖。
王洪斌等人针对机器人逆运动学问题提出了基于模糊神经网络的解决方案。该方案对二自由度刚性机器人进行仿真实验,证明了其有效性和可行性。王耀南等人也介绍了模糊神经网络的应用。介绍了一种模糊神经网络控制与传统的PD 控制相结合的机器人学习控制系统,该控制具有自学习、自适应、控制精度高等特点。
智能融合技术还包括基于遗传算法的模糊控制方法。遗传算法作为一种新的搜索算法,具有并行搜索,全局收敛等特性,将遗传算法应用于模糊控制中,可以解决一般模糊控制中隶属度函数及规则参数调节问题。这方面研究典型代表人物有Karr , Homaifar , Ishibuchi等人。也有基于遗传算法的人工神经网络学习算法,以及基于粗糙集理论进行BP 网络设计的方法。在粗糙集改进BP 网络的方法中,主要是应用粗糙集的理论和方法,从给定学习样本数据中发现一组规则,并
根据这些规则去建立网络模型中相应的隐层节点,然后用BP 算法迭代出网络的参数。和以前实验法选择隐层数量和隐层内神经元个数的方法相比,节约了计算时间,简化了选择的方法。
4 结束语
智能控制理论的创立和发展是对计算机科学、人工智能、知识工程、模式识别、系统论、信息论、控制论、模糊集合论、人工神经网络、进化论等多种前沿学科、先进技术和科学方法的高度综合集成。
智能控制方法提高了机器人的速度及精度,但是智能控制方法本身也有着自身的局限性。例如机器人模糊控制中的规则库如果很庞大,推理过程的时间就会过长；如果规则库很简单,控制的精确性又要受到限制；无论是模糊控制还是变结构控制,抖振现象都会存在,这将给控制带来严重的影响；神经网络的隐层数量和隐层内神经元数的合理确定仍是目前神经网络在控制方面所遇到的问题,另外神经网络易陷于局部极小值等问题,都是智能控制设计中要解决的问题。
最后，本课程结束之前感谢老师的辛勤付出，带给我们那么多次生动的课堂讲解，使我对该课程的知识有了一定的理解与掌握，对后期所学知识也奠定了基础。非常感谢！
陕西科技大学 2015 级研究生课程考试答题纸 考试科目机械制造与装配自动化 专业机械工程 学号1505048 考生姓名乔旭光 考生类别专业学位硕士
浅谈机器人智能控制研究 摘要：以介绍机器人控制技术的发展及机器人智能控制的现状为基础,叙述了模糊控制和人工神经网络控制在机器人中智能控制的方法。讨论了机器人智能控制中的模糊控制和变结构控制,神经网络控制和变结构控制,以及模糊控制和神经网络控制等几种智能控制技术的融合。并对模糊控制和神经网络控制等方法中的局限性作出了说明。 关键词:机器人；智能控制；模糊控制；人工神经网络 1 智能控制的主要方法 随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出崭新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。1.1 模糊控制 模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。 1.2 专家控制 专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。 1.3 神经网络控制 神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表
人工智能与机器人
1 1.机器人定义的三个共有属性是：有类人的功能、根据人的编程能自动的工作、人造的机器或机械电子装置。 2.简述机器人的发展史？ 1954年美国人（George C. Devol）乔治·德沃尔制造出世界上第一台可编程的机器人，并在1956年获得美国专利。 1959年德沃尔与美国发明家约瑟夫·英格伯格联手制造出第一台工业机器人。 1960年，Conder公司购买专利并制造了样机。 1961年，Unimation公司（通用机械公司）成立，生产和销售了第一台工业机器“Unimate”，即万能自动之意。 1962年，美国万能自动化（Unimation）公司的第一台机器人Unimate在美国通用汽车公司（GM）投入使用标志着第一代机器人的诞生。 1963年麦卡锡则开始在机器人中加入视觉传感系统。 1965年 MIT推出了世界上第一个带有视觉传感器。 1967年， Unimation公司第一台喷涂用机器人出口到日本川崎重工业公司。 1968年，第一台智能机器人Shakey在斯坦福研究所诞生。 1972年，IBM公司开发出直角坐标机器人。 1973年，Cincinnati Milacron公司推出T3型机器人。 1978年，第一台PUMA机器人在Unimation公司诞生 1998年世界著名玩具厂商丹麦乐高(LEGO)公司推出机器人(Mind-storms)套件，让机器人制造变得跟搭积木一样， 1999年日本索尼公司推出犬型机器人爱宝(AIBO)。 2002年5月2日本田制造的名叫阿西（Asimo）四英尺高的白色机器人摇响开市铃声，摇响了机器智能时代的开始。 2006年6月，微软公司推出基于Windows的开发环境，用于构建面向各种硬件平台的软件---Microsoft Robotics Studio，试图实现机器人统一的标准或平台。
一、前言 1.课题研究的意义，国内外研究现状和发展趋势 1.1课题研究的意义 随着机器人在工业装配线的应用越来越广泛，工业环境对其控制系统的要求也越来越高，所以开放式机器人控制系统的设计具有工程实际意义。 课题以一四自由度关节型机器人研制为背景，设计机器人运动控制系统的硬件电路和软件结构，对机器人的运动控制电路进行设计，实现机器人按照预定轨迹或自主运动控制功能。 在机械工业中，应用机械手的意义可以概括如下： ①以提高生产过程中的自动化程度 应用机械手有利于实现材料的传送、工件的装卸、刀具的更换以及机器的装配等的自动化的程度，从而可以提高劳动生产率和降低生产成本。 ②以改善劳动条件，避免人身事故 在高温、高压、低温、低压、有灰尘、噪声、臭味、有放射性或有其他毒性污染以及工作空间狭窄的场合中，用人手直接操作是有危险或根本不可能的，而应用机械手即可部分或全部代替人安全的完成作业，使劳动条件得以改善。 ③可以减轻人力，并便于有节奏的生产 应用机械手代替人进行工作，这是直接减少人力的一个侧面，同时由于应用机械手可以连续的工作，这是减少人力的另一个侧面。因此，在自动化机床的综合加工自动线上，目前几乎都没有机械手，以减少人力和更准确的控制生产的节拍，便于有节奏的进行工作生产 随着机器人技术的发展，机器人应用领域的不断扩大，对机器人的性能提出了更高的要求，因此，如何有效地将其他领域（如图像处理、声音识别、最优控制、人工智能等）的研究成果应用到机器人控制系统的实时操作中，是一项富有挑战性的研究工作。而具有开放式结构的模块化、标准化机器人，其控制系统的研究无疑对提高机器人性能和自主能力，推动机器人技术的发展具有重大意义。 1.2国内外研究现状和发展趋势 随着机器人控制技术的发展，针对结构封闭的机器人控制器的缺陷，开发“具有开放式结构的模块化、标准化机器人控制器”是当前机器人控制器的一个发展方向。近几年，日本、美国和欧洲一些国家都在开发具有开放式结构的机器人控制器，如日本安川公司基于PC开发的具有开放式结构、网络功能的机器人控制器。我国863计划智能机器人主题也已对这方面的研究立项。 由于适用于机器人控制的软、硬件种类繁多和现代技术的飞速发展，开发一个结构完全开放的标准化机器人控制器存在一定困难，但应用现有技术，如工业PC
三大关键技术决定人工智能未来 摘要 : 机器理解语言的技术、知识挖掘技术、对人的建模技术这三大技术再经过一段时间的发展后，对破解图灵测试是有可能的。 科幻作品中我们经常能够看到与人类一样聪明的机器人，但机器是如何在这背后存储知识的？是如何推理知识并运用知识的？最后又是如何实现与人的交互的？此次在的百度BIG大会上，百度技术副总王海峰博士总结了实现人工智能的三大关键技术，基本回答了这些问题，虽然讲的比较简单，但由于信息量过大没有一定背景的人是很难听懂的，所以我纯粹来给各位科普下。 关键一，让机器理解语言的技术
理解语言是一个从词语逐渐递进到事件的过程。 1，分词技术 让机器理解语言，也就是要让机器学会自己思考，那么就需要让机器去理解语言。而汉语的 理解与英语相比起来就显得更加困难，在英语中每个单词都是基本上可以被机器直接读取的，但是汉语在分词上则更为困难。我们来举几个列子。 “你|老张|着什么急|啊” “你|老张着|什么嘴|啊” 上面是一个简单的列子，修改一个字，意思就相差十万八千里，而机器根据字的不同则可以勉强分出来。但是下面这个列子就折腾了。 “乒乓球拍卖完了” 机器该怎么分？这就困难了，机器既可以分出两种意思“乒乓球|拍卖|完了” “乒乓|球拍|卖完了”
那么困难就来了，我们如何告诉机器这句话中的词该怎么分呢？对于人来说很简单，根据前后文马上就能识别出来，但是对于机器来说则极为艰难。 2，句子的分析技术 分词问题解决之后便是分析句子的问题，请看下面两句“谢霆锋|是谁|儿子” “谢霆锋|儿子|是谁” 对于机器来说，这两句话获得的关键分词信息是一样的，都是“谢霆锋”、“是谁”、“儿子”，这三个关键分词信息。我们该如何告诉计算机，因为顺序先后的原因而导致的语义的天差地别呢？ 这其中就需要对语言有很深入的分析，对语义理解，从而知道他们要找的答案是不一样。做到这单同样不容易。 3，上下文相关的分析技术 分析完一句话后，机器自然要推演到分析一篇文章的内容。 在《信息简史》中有一个很重要的信息原理，就是说当我们需要传递信息时，需要大量的冗余信息来保障信息的准确性，没用的废话越多则传递信息的准确性越高，同样对于让机器理解某句话也是基于同样原理。 但问题是，人可以依靠直觉抓取关键信息，而机器又凭借什么来抓取关键信息呢？又如何识别真正的信号与噪声？这也是至关重要的技术。 我们看以下三个列子
XXXX大学 《智能机器人》结课论文 移动机器人对运动目标的检测跟踪方法 学院（系）： 专业班级： 学生学号： 学生姓名： 成绩：
目录 摘要 (1) 0、引言 (1) 1、运动目标检测方法 (1) 1．1 运动目标图像HSI差值模型 (1) 1.2 运动目标的自适应分割与提取 (2) 2 运动目标的预测跟踪控制 (3) 2．1 运动目标的定位 (3) 2．2 运动目标的运动轨迹估计 (4) 2．3 移动机器人运动控制策略 (6) 3 结束语 (6) 参考文献 (7)
一种移动机器人对运动目标的检测跟踪方法 摘要：从序列图像中有效地自动提取运动目标区域和跟踪运动目标是自主机器人运动控制的研究热点之一。给出了连续图像帧差分和二次帧差分改进的图像HIS 差分模型，采用自适应运动目标区域检测、自适应阴影部分分割和噪声消除算法，对无背景图像条件下自动提取运动目标区域。定义了一些运动目标的特征分析和计算 ，通过特征匹配识别所需跟踪目标的区域。采用 Kalrnan 预报器对运动目标状态的一步预测估计和两步增量式跟踪算法，能快速平滑地实现移动机器人对运动目标的跟踪驱动控制。实验结果表明该方法有效。 关键词：改进的HIS 差分模型；Kahnan 滤波器；增量式跟踪控制策略。 0、引言 运动目标检测和跟踪是机器人研究应用及智能视频监控中的重要关键技术 ，一直是备受关注的研究热点之一。在运动目标检测算法中常用方法有光流场法和图像差分法。由于光流场法的计算量大，不适合于实时性的要求。对背景图像的帧问差分法对环境变化有较强的适应性和运算简单方便的特点，但帧问差分不能提出完整的运动目标，且场景中会出现大量噪声，如光线的强弱、运动目标的阴影等。 为此文中对移动机器人的运动目标检测和跟踪中的一些关键技术进行了研究，通过对传统帧间差分的改进，引入 HSI 差值模型、图像序列的连续差分运算、自适应分割算法、自适应阴影部分分割算法和图像形态学方法消除噪声斑点，在无背景图像条件下自动提取运动 目标区域。采用 Kalman 滤波器对跟踪目标的运动轨迹进行预测，建立移动机器人跟踪运动 目标的两步增量式跟踪控制策略，实现对目标的准确检测和平滑跟踪控制。实验结果表明该算法有效。 1、运动目标检测方法 接近人跟对颜色感知的色调、饱和度和亮度属性 (H ，S ，I )模型更适合于图像识别处理。因此，文中引入改进 型 HSI 帧差模型。 1．1 运动目标图像HSI 差值模型 设移动机器人在某一位置采得的连续三帧图像序列 ()y x k ,f 1-，()y x f k ,，()y x f k ,1+
智能控制及其在机器人领域的应用 本文通过对智能控制的发展轨迹和特点进行简单的介绍，对智能控制的技术方法进行了分析，对比了智能控制和传统控制的优缺点，对智能控制在机器人领域的应用进行了分析和探究+提出了智能控制的未来发展方向应该是由多种智能控制模式组成以及把智能控制模式和传统控制相结合的思维方法。 标签：智能控制；机器人；应用 1.控制的概述 从20世纪初到今天，控制理论已经由以传递函数为理论基础的传统模式发展到了以状态空间理论为依据的现代模式。到了今天，控制理论经历了由人工智能向自动控制的转变过程，从而形成了智能控制的相关理论。 2.智能控制的发展轨迹和特点 智能控制的理论思想最早被提出时是由人工智能思想和自动控制交叉的思想相融合而得出的一种思想理论，并且把智能控制的系统分为人工控制器为核心的智能控制、人工和机器同时作为核心的智能控制系统、纯机器控制作为核心的智能控制系统。智能控制的理论基础是运筹学的相关理论、人工智能的相关理论以及自动控制理论相结合的一种控制理论学说；智能控制系统是由传统控制理论进化而来，主要利用自主智能机来达到预设目标，从而实现无人操作的目的。 智能控制的整套系统结构具有开放式、分级式以及分布式的特点，处理综合信息的能力非常强大。但是智能控制的终极目标却不是高级自动控制，而是优化系统的各个方面。智能控制的服务对象主要是一些非线性和不确定性的研究对象，这种研究对象是主要研究线性结构的传统控制理论无法操作的内容。智能控制在对数学模型的描述以及对符号和相关环境的识别等方面都十分擅长。 3.智能控制的技术方法 智能控制的主要技术方法有神经网络智能控制、模糊网络智能控制以及分层递阶智能控制等。在日常实际操作中，进行智能控制应用时常用的方法是把几种智能控制模式融合在一起来使用。比较典型的智能控制方法有以下几个。 （1）模糊智能控制方法。模糊智能控制方法主要是把知识库和模糊模式推理机以及输出量清晰化的模块等进行组合，模糊智能控制的具体方式是，由模糊量的互相转化以及推理，最后得出具体的参数来执行。[1] （2）专家智能控制方法。专家智能控制方法就是把智能控制与传统控制理论相融合的一种典型的智能控制方法。这种方法就是以专家智能控制的理论基础作为依据，对控制方法进行优化。
机器人的控制 机器人控制系统是机器人的大脑，是决定机器人功能和性能的主要因素。机器人控制技术的主要任务就是控制工业机器人在工作空间中的运动位置、姿态和轨迹、操作顺序及动作的时间等。具有编程简单、软件菜单操作、友好的人机交互界面、在线操作提示和使用方便等特点。 智能机器人控制的关键技术 关键技术包括： (1)开放性模块化的控制系统体系结构：采用分布式CPU计算机结构，分为机器人控制器(RC)，运动控制器(MC)，光电隔离I/O控制板、传感器处理板和编程示教盒等。机器人控制器(RC)和编程示教盒通过串口/CAN总线进行通讯。机器人控制器(RC)的主计算机完成机器人的运动规划、插补和位置伺服以及主控逻辑、数字I/O、传感器处理等功能，而编程示教盒完成信息的显示和按键的输入。 (2)模块化层次化的控制器软件系统：软件系统建立在基于开源的实时多任务操作系统Linux上，采用分层和模块化结构设计，以实现软件系统的开放性。整个控制器软件系统分为三个层次：硬件驱动层、核心层和应用层。三个层次分别面对不同的功能需求，对应不同层次的开发，系统中各个层次内部由若干个功能相对对立的模块组成，这些功能模块相互协作共同实现该层次所提供的功能。 (3)机器人的故障诊断与安全维护技术：通过各种信息，对机器人故障进行诊断，并进行相应维护，是保证机器人安全性的关键技术。 (4)网络化机器人控制器技术：目前机器人的应用工程由单台机器人工作站
向机器人生产线发展，机器人控制器的联网技术变得越来越重要。控制器上具有串口、现场总线及以太网的联网功能。可用于机器人控制器之间和机器人控制器同上位机的通讯，便于对机器人生产线进行监控、诊断和管理。 PID控制原理和特点 在工程实际中，应用最为广泛的调节器控制规律为比例、积分、微分控制，简称PID控制，又称PID调节。PID控制器问世至今已有近70年历史，它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握，或得不到精确的数学模型时，控制理论的其它技术难以采用时，系统控制器的结构和参数必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便。即当我们不完全了解一个系统和被控对象，或不能通过有效的测量手段来获得系统参数时，最适合用PID控制技术。PID控制，实际中也有PI和PD控制。PID控制器就是根据系统的误差，利用比例、积分、微分计算出控制量进行控制的。 比例（P）控制 比例控制是一种最简单的控制方式。其控制器的输出与输入误差信号成比例关系。当仅有比例控制时系统输出存在稳态误差。 积分（I）控制 在积分控制中，控制器的输出与输入误差信号的积分成正比关系。对一个自动控制系统，如果在进入稳态后存在稳态误差，则称这个控制系统是有稳态误差的或简称有差系统。为了消除稳态误差，在控制器中必须引入积分项。积分项对误差取决于时间的积分，随着时间的增加，积分项会增大。这样，即便误差很小，积分项也会随着时间的增加而加大，它推动控制器的输出增大使稳态误差进一步减小，直到等于零。因此，比例+积分(PI)控制器，可以使系统在进入稳态后无稳态误差。 微分（D）控制
机器人关键技术分析 一、机器人传感器 机器人是由计算机控制的复杂机器，它具有类似人的肢体及感官功能;动作程序灵活;有一定程度的智能;在工作时可以不依赖人的操纵。机器人传感器在机器人的控制中起了非常重要的作用，正因为有了传感器，机器人才具备了类似人类的知觉功能和反应能力。 为了检测作业对象及环境或机器人与它们的关系，在机器人上安装了触觉传感器、视觉传感器、力觉传感器、接近觉传感器、超声波传感器和听觉传感器，大大改善了机器人工作状况，使其能够更充分地完成复杂的工作。由于外部传感器为集多种学科于一身的产品，有些方面还在探索之中，随着外部传感器的进一步完善，机器人的功能越来越强大，将在许多领域为人类做出更大贡献。 内传感器、位置(位移)传感器 主要有：速度和加速度传感器、力觉传感器、外传感器、触觉传感器、应力传感器、近度传感器、声觉传感器、接触式或非接触式温度传感器、滑觉传感器、距离传感器、视觉传感器。 二、机器人的机械设计 根据题目对所设计的机器人的要求，确定了要设计的机
器人的类型；确定机器人的自由度；拟定机器人手部的负载；从总体上确定机器人机械部分的设计方案；拟定关节型机器人控制系统总体方案；根据机器人的工作要求和结构特点，进行了机器人的总体设计，确定了机器人的外形尺寸和工作空间，拟定了机器人各关节的总体传动方案，对机器人腰关节结构进行了详细设计，合理布置了电机和齿轮，确定了各级传动参数，进行了齿轮、轴和轴承的设计计算和校核。利用齐次变换矩阵法建立了六自由度关节机器人的正运动学模型，求出机器人末端相对于各自参考坐标系的齐次坐标值，建立了在直角坐标空间内机器人末端执行器的位置和姿态与关节变量值的对应关系。对所设计的机器人进行理论计算；对其初步进行了运动学分析和动力学分析；确定机器人的驱动方式；对机器人机械系统的各组成部分进行具体的设计；确定各主要零部件的尺寸；确定各个部分的具体结构；利用Pro/E软件建立整个机器人结构的简单模型。 三、机器人程序设计 机器人编程为使机器人完成某种任务而设置的动作顺序描述。机器人运动和作业的指令都是由程序进行控制，常见的编制方法有两种，示教编程方法和离线编程方法。其中示教编程方法包括示教、编辑和轨迹再现，可以通过示教盒示教和导引式示教两种途径实现。由于示教方式实用性强，操作简便，因此大部分机器人都采用这种方式。离线编程方
【机器人智能技术论文】人工智能机器人论文 随着社会发展的需要和机器人应用领域的扩大，人们对智能机器人的要求也越来越高。下面是的机器人智能技术论文，希望你能从中得到感悟! 刍议智能机器人及其关键技术 【摘要】文章介绍了机器人的定义，阐述了智能机器人研究领域的关键技术，最后展望了智能机器人今后的发展趋势。 【关键词】智能机器人;信息融合;智能控制 一、机器人的定义 自机器人问世以来，人们就很难对机器人下一个准确的定义，欧美国家认为机器人应该是“由计算机控制的通过编程具有可以变更的多功能的自动机械”;日本学者认为“机器人就是任何高级的自动机械”，我国科学家对机器人的定义是：“机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。”目前国际上对机器人的概念已经渐趋一致， __标准化组织采纳了美国机器人协会(RIA：Robot Institute of America)
于1979 年给机器人下的定义：“一种可编程和多功能的，用来搬运材料、零件、工具的操作机;或是为了执行不同的任务而具有可改变 和可编程动作的专门系统。”概括说来，机器人是靠自身动和控制能力来实现各种功能的一种机器。 二、智能机器人关键技术 随着社会发展的需要和机器人应用领域的扩大，人们对智能 机器人的要求也越来越高。智能机器人所处的环境往往是的、难以预测的，在研究这类机器人的过程中，主要涉及到以下关键技术： (1)多传感器信息融合。多传感器信息融合技术是近年来十分热门的研究课题，它与控制理论、信号处理、人工智能、概率和统计相结合，为机器人在各种复杂、动态、不确定和的环境中执行任务提供了一种技术解决途径。机器人所用的传感器有很多种，根据不同用途分为内部测量传感器和外部测量传感器两大类。内部测量传感器用来检测机器人组成部件的内部状态，包括：特定位置、角度传感器;任 意位置、角度传感器;速度、角度传感器;加速度传感器;倾斜角传感器;方位角传感器等。外部传感器包括：视觉(测量、认识传感器)、 触觉(接触、压觉、滑动觉传感器)、力觉(力、力矩传感器)、接近觉(接近觉、距离传感器)以及角度传感器(倾斜、方向、姿式传感器)。多传感器信息融合就是指综合多个传感器的感知数据，以产生更可靠、
1前言 1.1 焊接机器人的发展历史与现状 现代机器人的研究始于20世纪中期，其技术背景是计算机和自动化的发展，以及原子能的开发利用。美国原子能委员会下属的阿尔贡研究所为解决可代替人进行放射性物质的处理问题，在1947年研制了遥控式机械手臂；1948年又相继开发了电气驱动式的主从机械手臂，从而解决了对放射性物质的进行远距离操作的问题。1954年，美国科学家戴沃尔最先提出工业机器人的概念，并申请了新的专利。其主要特点是借助伺服技术来控制机器人的关节，并利用人手对机械手臂进行动作示教，机械手臂能实现人物动作的记录和再现。这就是示教再现机械臂，现在所用的机械手臂差不多都采用这种控制方式。伴随着现代社会的发展，为了提高生产效率，稳定和提高产品的质量，加快实现工业生产机械化，改善工人劳动条件，已经大大改进了机械手臂的性能，并大量应用于实际生产中，尤其是在高压、高温、多粉尘、高噪音和重度污染的场合。焊接机器人的诞生可以追溯到上世纪70年代，是由日本发那科（FANUC）公司生产的小型机器人改进的，受限于当时的技术手段以及高昂的造价，使得当时的焊接机器人不能得到很好的应用。机械手臂是一种工业机器人，它由控制器、操作机、检测传感装置和伺服驱动系统组成，是一种可以自动控制、仿人手操作、可以重复编程、可以在三维空间进行各种动作的自动化生产设备。机械手臂首先是在汽车制造工业中使用的，它一般可进行焊接、上下料、喷漆以及搬运。它可代替人们进行从事繁重、单调的重复劳动作业，并且能够大大改善劳动生产率，提高产品的质量[1]。 到了90年代初，随着计算机技术、微电子技术、网络技术等的快速发展，机器人技术也得到了飞速发展。工业机器人的制造水平、控制速度和控制精度、可靠性等不断提高，而机器人的制造成本和价格却不断下降。在西方国家，由于劳动力成本的提高为企业带来了不小的压力，而机器人价格指数的降低又恰巧为其进一步推广应用带来了契机，采用机器人的利润显然要比采用人工所带来的利大，使得焊机机器人得到了推广，同时技术的进步也使得焊机机器人技术得到很大提高。 进入新世纪之后，由于各国对焊接机器人的不断重视，使得焊接机器人技术取得了很大的进步。同时由于其焊机精度及更低的生产成本，也使得它得到了越来越多的应用。目前，焊接机器人主要用于装卸、搬运、焊接、铸锻以及热处理等方面，无论数量、品种和性能方面都还不能满足工业生产发展需要。在一些特殊的行业，使用它来代替人工操作的，主要是在危险作业、多粉尘、高温、噪声、工作空间小等的不适于人工作业的环境。 1.2 焊接机器人发展趋势
机器人未来发展趋势之十大关键技术盘点 前各个国家对机器人技术都是非常的重视，人们生活对智能化要求的提高也促进了机器人的发展，在这样的背景下，机器人技术的发展可以说是一日千里，未来机器人将在以下技术的基础上飞速发展。 人机交互技术 东芝在本周举办的CEATEC展会上发布了一款全新人形交互机器人，而其最大特色就是可以通过手语与人交流。 据悉，多亏了关节中内置的43个电动机，这个名叫AikoChihira的女性角色机器人的肢体运动相当自然流畅，这也让手语表达成为了可能。不过，机器人动作模拟技术目前还存在诸多限制，东芝计划在2020年以前推出更为全面智能的手语交互机器人，而实现这个目标就必须将语言表达、语音识别、动作控制等多个系统完美结合在一起。值得一提的是，AikoChihira计划的最终目标是为老人以及老年痴呆症患者提供服务，在陪伴他们的同时还能帮助医护人员或者其亲人进行实时监护。 除了东芝以外，很多科研机构也参与了AikoChihira计划。东芝已经和大阪大学展开了深入合作，而后者则一直致力于人形机器人的设计和开发工作，所以AikoChihira才会看起来如此真实。另外，芝浦科技学院和湘南工科大学在运动传感器技术和机器人驱动技术方面也给予该项目很大帮助，而东芝则创建了AikoChihira的运动控制与协调算法。 有感情的机器人：读懂表情 许多机器人的存在只是为了完成某些工作或特定的任务，有“情感”的机器人相信大家都只在电影中才会见到。来自东南大学机器人传感控制实验室的吴涓教授透露说，该实验室的研究团队已完成了情感交互机器人的初步设计。 一般来说，当人和机器人接触的时候，由于机器缺乏可辨认的性格，因此和人没有情感的互动。吴涓表示，其实只要把人的表情、动作的特定的信号提取出来，再交给机器人，那么它就会识别人的表情，辨别别人对它的动作到底是粗暴还是友好，从而做出相应的反应，可以与人的情感形成互动。 经初步设计，这个机器人通过提取人的嘴部、眼睛的几十个甚至数百个关键点的数据信号，从而能够非常准确地读懂人的高兴、愤怒、忧伤等种种表情，并将它们模拟出来。通过感觉、触觉的设计，该机器人也能够分辨对它进行的是抚摸还是按压、打击等动作，如果对它抚摸，它会开心地笑，如果对它打压，它则会表现出很忧伤，是个有感情的机器人。 吴涓分析说，由于目前对于人的情感的科学基础研究还不够，因此目前研究出来的情感交互机器人其实和真人的情感交互还有很大的距离，它只是能够识别一些简单的表情，对于动作的识别也局限于一些固定的动作，但是未来随着人机交互技术的进一步发展，我们和机器人的“情感”交流将会越来越顺畅。 软体机器人控制技术 机器人在大部分人眼里一直都是像擎天柱一样的钢筋铁骨，不过事实并不总是这个样子的。最近，来自美国普渡大学的研究人员就发明了一种由轻质惰性泡沫材料制成的软体机器人，为了让它像机器手臂一样可以自由弯曲，研究人员还在在泡沫材料的表面覆盖了一层特殊的“衣服”，而这层聚合物纤维在受热的情况下可以自由改变形状和坚硬度，作用就如同附着在骨骼上的肌肉一般。 该项目的负责人称，这种能够变形收缩的机械纤维将被广泛用于机器人领
智能机器人的控制技术前景分析 随着科学技术的发展，机器人控制技术也日渐成熟，不仅在力矩和位置控制等基础技术上有所进步，在智能化控制上也有显著提高。可是机器人基础控制技术尽管比较完善，但是想要得到进一步提升却有很大难度，因此，智能化发展成为了机器人控制技术的研发方向，该技术上突破会给基础控制技术的发展带来契机，本文重在研究机器人控制技术的发展方向及难度，希望本文内容能对机器人控制技术的研究带来帮助。 机器人技术一直是国内外科学家重点研究的课题，尤其是美国、日本等发达国家更是机器人研究能力较强的国家，他们对机器人的研究工作有近60年了，而且实现了编程机器人向智能化机器人的发展。他们经过多年研究总结，把机器人控制技术分为三大部分，分别是力矩技术、位置技术和智能技术，其中，力矩技术和位置技术是基础，智能技术是研究的发展方向，所以说，前者是基础技术，后者是重点技术，两者都要快速地向前发展。 1.机器人基础控制技术的重要性及所面临的技术难题 力矩技术和位置技术是机器人控制技术的基础，智能化技术是在这两种技术的基础上进行发展的，所以说，我们要想实现机器人智能化发展，就要先认识到力矩技术和位置技术的作用，了解到两种基础控制技术的重要性。 以前，在机器人基础控制技术中的研究重点是速度、位置和受力等要素，而随着科学技术的发展，控制技术又需要研究各种实用的系统技术，从而保证机器人基础控制技术更加完善。可以这样说，在当今时代，机器人基础控制技术已经达到了一定的水平，这给机器人控制技术的发展打下了坚实的基础，但是，对于作为基础技术中的力矩技术和位置技术来说，要想实现突破，却要依赖智能化技术的发展，因此，位置技术、力矩技术、智能技术三者是紧密联系和相互制约的，位置技术和力矩技术为机器人控制技术智能化发展打下了基础，智能化技术又为机器人基础控制技术的突破带来了机会。下面，我介绍一下机器人控制基础技术所面临的难题。 第一，机器人基础技术研发中存在技术难题。机器人系统设置和实际运动出现不一致问题，这个问题一直难以解决，这对位置技术和力矩技术来说是一个大的挑战。第二，数据模型不能解决机器人运动中的复杂问题。机器人在实际运行中遇到复杂问题时，数据模型就出现工作不正常现象，还有一些难以预见的问题，更是机器人控制基础技术难以解决的。第三，机器人基础控制技术系统不够完善。由于机器人基础控制技术都是建立在数字模型基础上的，该数字模型只是简单的力矩控制系统，根本不能完成复杂的指令，因此，机器人为了提高系统的性能，就需要增加设备来实现，这对基础控制系统来说难度很大。第四，机器人基础控制技术不能解决不确定对象的有关问题。机器人运行中会遇见很多不确定因素，由于这些不确定因素没有建立数字模型，因此，这些问题就难以靠基础控制技术来解决。所以说，机器人性能要想得到提高，光靠基础控制技术是难以实现的，
湖面清扫智能机器人的控制系统设计 1、引言 机器人是上个世纪中叶迅速发展起来的高新技术密集的机电一体化产品，它作为人类的新型生产工具，在减轻劳动强度、提高生产率、改变生产模式，把人从危险、恶劣的环境下解放出来等方面，显示出极大的优越性。在发达国家，工业机器人已经得到广泛应用。随着科学技术的发展，机器人的应用范围也日益扩大，遍及工业、国防、宇宙空间、海洋开发、紧急救援、危险及恶劣环境作业、医疗康复等领域。进入21世纪，人们已经越来越切身地感受到机器人深入生产、深入生活、深入社会的坚实步伐。机器人按其智能程度可分为一般机器人和智能机器人。一般机器人是指不具有智能，只具有一般编程能力和操作功能的机器人；智能机器人是具有感知、思维和动作的机器人。所谓感知即指发现、认识和描述外部环境和自身状态的能力，如装配机器人需要在非结构化的环境中认识障碍物并实现避障移动，这依赖于智能机器人的感觉系统，即各种各样的传感器；所谓思维是指机器人自身具有解决问题的能力，比如，装配机器人可以根据设计要求为一部复杂机器找到零件的装配办法及顺序，指挥执行机构，即指挥动作部分完成这部机器的装配；动作是指机器人具有可以完成作业的机构和驱动装置。由此可见，智能机器人是一个复杂的软件、硬件综合体。 机器人的核心是控制系统。机器人的先进性和功能的强弱通常都直接与其控制系统的性能有关。机器人控制是一项跨多学科的综合性技术，涉及自动控制、计算机、传感器、人工智能、电子技术和机械工程等多种学科的内容。 近年来，随着工业和其它服务行业的蓬勃发展，人们在重视其经济效益的同时却往往忽略了他们对环境的污染，人类赖以生存的水资源也不例外。水面污染对人类的水源构成很大的威胁，湖泊尤其是旅游胜地和市内人工湖泊，更是无法逃避漂浮物污染的厄运，举目可见各种日常消费品的包装物在湖面上漂浮。污染的加剧根治水污染。但是，水面污染的治理是一项艰难的长期任务，是全人类必须面对的共同问题。用人工清理水面漂浮物只是权益之计，有些危险水域人无法工作。很多发达国家致力于水面污染治理设备的研究，如石油清理设备，但只是用于大量泄露石油的清理。目前，我国研制的清理水面漂浮物的设备还未见报道，国外研制的也不多，并且价格昂贵，实现的功能也不尽人意。因此，开发一种性
引言 单片机技术作为自动控制技术的核心之一，被广泛应用于工业控制、智能仪器、机电产品、家用电器等领域。随着微电子技术的迅速发展，单片机功能也越来越强大，本设计基于单片机技术、红外技术完成智能机器人控制系统设计。智能机器人研究在当前机器人研究领域具有十分突出的地位, 其显著的特点是具有环境感知、判断决策、人机交互等功能[1]。本智能机器人系统主要实现了步行、跟踪、避障、步伐调整、语音、声控、液晶显示，地面探测等功能。在遇到外界条件发生变化时，该机器人将采取不同的措施对待，较好地表现出该机器人的思考能力。 1 智能机器人简介 1.1 系统框图 该智能机器人控制系统采用两片AT89C51[2]控制，一片单片机MCU1用于整个系统的控制，另一片单片机MCU2用于驱动液晶屏LCM1602工作，它们之间通过I/O口通讯，以实现两片单片机共同工作的相互协调控制。系统框图[3]如图1所示。
图1 机器人控制系统结构图 设计中，MCU1的P1.0、P1.3分别接触觉传感器，P1.6-P1.7接视觉红外传感器，P2.0-P2.4口控制继电器驱动电路，P2.5口接地面探测传感器，P2.6-P2.7接步伐校正光耦器，P3.0-P3.5接I SD25120语音芯片。 1.2 实现功能 机器人在移动过程中，会发出语音提示：“目标搜索中”，同时液晶显示：“Target is in searchi ng”；前进过程中发现目标，语音提示：“发现目标”；液晶显示：“Find object”，机器人自动向该目标转向；对准目标后，语音提示：“锁定目标”，液晶显示：“Lock it”，同时机器人向目标继续前进；如机器人撞上目标，语音提示：“前方有障碍物”，液晶显示：“Obstacles impending”，机器人根据触角碰撞的先后顺序，向该相反的方向转角约100度，继续前进；当前方地面出现断层，语音提示：“危险，前方地面有断层”，液晶显示：“Warning，fault ahead”，同时机器人会向后退几步，转向后继续前进；如果机器人在转向过程中，步伐错乱，便会自动执行步伐调整程序，以校正步伐。 2 系统设计 2.1 驱动电路
智能机器人的关键技术及其发展趋势 机器人是自动执行工作的机器装置。它既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动。按联合国标准化组织采纳了美国机器人协会给机器人下的定义，即为：一种可编程和多功能的，用来搬运材料、零件、工具的操作机；或是为了执行不同的任务而具有可用电脑改变和可编程动作的专门系统。 而智能机器人有相当发达的“大脑”。在脑中起作用的是中央计算机，这种计算机跟操作它的人有直接的联系。它给人的最深刻的印象是一个独特的进行自我控制的“活物”。其实，这个自控“活物”的主要器官并没有像真正的人那样微妙而复杂。到目前为止，在世界范围内还没有一个统一的智能机器人定义。大多数专家认为智能机器人至少要具备以下三个要素：一是感觉要素，用来认识周围环境状态；二是运动要素，对外界做出反应性动作；三是思考要素，根据感觉要素所得到的信息，思考出采用什么样的动作。 智能机器人根据其智能程度的不同，又可分为三种： 传感型机器人，又称外部受控机器人。机器人的本体上没有智能单元只有执行机构和感应机构，它具有利用传感信息（包括视觉、听觉、触觉、接近觉、力觉和红外、超声及激光等）进行传感信息处理、实现控制与操作的能力。受控于外部计算机，在外部计算机上具有智能处理单元，处理由受控机器人采集的各种信息以及机器人本身的各种姿态和轨迹等信息，然后发出控制指令指挥机器人的动作。目前机器人世界杯的小型组比赛使用的机器人就属于这样的类型。 交互型机器人，机器人通过计算机系统与操作员或程序员进行人－机对话，实现对机器人的控制与操作。虽然具有了部分处理和决策功能，能够独立地实现一些诸如轨迹规划、简单的避障等功能，但是还要受到外部的控制。 自主型机器人，在设计制作之后，机器人无需人的干预，能够在各种环境下自动完成各项拟人任务。自主型机器人的本体上具有感知、处理、决策、执行等模块，可以就像一个自主的人一样独立地活动和处理问题。机器人世界杯的中型组比赛中使用的机器人就属于这一类型。全自主移动机器人的最重要的特点在于它的自主性和适应性，自主性是指它可以在一定的环境中，不依赖任何外部控制，完全自主地执行一定的任务。适应性是指它可以实时识别和测量周围的物体，根据环境的变化，调节自身的参数，调整动作策略以及处理紧急情况。交互性也是自主机器人的一个重要特点，机器人可以与人、与外部环境以及与其他机器人之间进行信息的交流。由于全自主移动机器人涉及诸如驱动器控制、传感器数据融合、图像处理、模式识别、神经网络等许多方面的研究，所以能够综合反映一个国家在制造业和人工智能等方面的水平。因此，许多国家都非常重视全自主移动机器人的研究。 下面就机器人的控制技术以及列举几种常见的机器人对当前智能机器人的关键技术进行分析。
机器人智能控制方法 智能控制通过采用各种智能技术从而达到对复杂系统控制的目标， 是一种具有强大生命力的新型自动控制技术。智能控制的产生和发展正 反映了当代自动控制以至整个科学技术的发展趋势，现代科学技术的迅 速发展和重大进步，已对控制和系统科学提出新的更高的要求，自动控 制理论和工程正面临新的发展机遇和严峻挑战。自动控制的出路之一就 是实现控制系统的智能化。 本文主要介绍四种基本的机器人智能控制方法以及这四种控制方法 的相互融合技术。 1．机器人变结构控制 【1】，因此在机器人控变结构控制具有完全鲁棒性或理想鲁棒性 制方面发挥了重要作用。 尽管含有不确定性，但系统在滑动模态时仍 具有对外部环境的不变性。 这一点也是变结构控制与其它的鲁棒控制 方法不同的地方，变结构控制理论特别适用于机器人的控制。 因为变 结构控制不需要精确的系统模型，只需要知道模型中参数的误差范围或 变化范围即可。 对于有界干扰和参数变化具有不敏感性， 可消除由于 哥氏力及粘性摩擦力的作用而产生的影响，控制算法相对简单，容易在 线实现 。但是，抖振现象是阻碍变结构实际应用的致命原因。因此， 削弱抖振的各种改进算法也被陆续地提出来，如动态调整滑模参数，在 线估计滑模参数等。 2 .机器人模糊控制 英国学者Mamdani 在1980 年代初将模糊控制引进到机器人的控制 中，控制结果证明了模糊控制方案具有可行性和优越性。 模糊控制的 基本思想是用机器去模拟人对系统的控制，而不是依赖控制对象的模 型。 模糊控制有3 个基本组成部分：模糊化、模糊决策和精确化计 算。 模糊系统可以看作是一种不依赖于模型的估计器，给定一个输入， 便可以得到一个合适的输出，它主要依赖模糊规则和模糊变量的隶属度
人工智能技术与机器人 本章导读 人工智能技术是电子信息技术的重要组成部分。是20世纪对人类阻碍最为深远的三大前沿科学技术之一。机器人的研究与制作是人工智能技术的重要应用领域和前沿领域。 本章将介绍人工智能技术的概念、人工智能技术
第一节人工智能技术 人工智能产生于20世纪50年代末期，从学科地位和进展水平来看，人工智能是当代科学技术的前沿学科，也是一门新思想、新理论、新技术、新成就不断涌现的新兴学科。人们把人工智能技术同宇航空间技术、原子能技术一起誉为20世纪对人类阻碍最为深远的三大前沿科学技术成就。 一、什么是人工智能？ 1、人工智能概念及其学科特性 人工智能，英译名为Artificial Intelligence，简称AI。 人工智能，顾名思义，即用人工制造的方法，实现智能机器或在机器上实现智能。是一门研究构造智能机器或实现机器智能的学科，是研究模拟、延伸和扩展人类智能的科学。人工智能的研究，是在运算机科学、操纵论、信息论、心理学、生理学、数学、物理学、化学、生物学、医学、哲学、语言学、社会学、数理逻辑、工程技术等众多学科的基础上进展起来的，因此，它又是一门综合性极强的边缘学科。 2、人工智能的研究目标 人工智能的研究目标分为远期目标和近期目标。 远期目标：从长远的角度，人工智能的研究确实是要设计并制造一种智能机器系统。使该系统能够代替人去完成诸如感知、学习、联想、推理等活动；能够代替人去明白得并解决各种复杂困难的问题；能够代替人去完成各
种具有思维劳动的任务。也确实是说，人工智能的远期目标是要制造出完全具有人脑聪慧的人工智能系统。因此，这依旧专门遥远的情况。 近期目标：从当前的角度，人工智能的研究确实是要最大限度地发挥运算机的功能，使运算机能够模拟人脑，在机器上实现各种智能。例如：让运算机能够看、听、读、说、写；使运算机能够想、学、仿照、执行命令甚至出谋献策等。因此，运算机是当前实现人工智能的重要手段，因为运算机在所有机器和人工系统中“智商”最高，因此，人工智能的研究都要通过运算机来实现。运算机解决问题需依靠人工事先编制的软件，它所做的每一件情况差不多上程序员事先在程序代码中规定好的。也确实是说，目前人工智能的研究工作要紧是集中在以运算机的硬件系统为基础，通过运算机软件实现模拟人类的智能活动的成效。 事实上，人工智能研究的远期目标与近期目标是相辅相成的。远期目标是近期目标的方向，近期目标的研究为远期目标的实现预备着理论和技术的差不多条件。随着人工智能的不断进展与进步，近期目标将不断调整，最终完全实现远期目标。 二、人工智能研究的三大学派和四大技术 1、在人工智能科学的研究与进展中，形成了众多学派，其中要紧的三大学派是： 功能派。这是最早进展起来的传统主流学派，又称为逻辑学派或宏观功
摘要 为使机器人完成各种任务和动作所执行的各种控制手段。作为计算机系统中的关键技术，计算机控制技术包括范围十分广泛，从机器人智能、任务描述到运动控制和伺服控制等技术。既包括实现控制所需的各种硬件系统，又包括各种软件系统。最早的机器人采用顺序控制方式，随着计算机的发展，机器人采用计算机系统来综合实现机电装置的功能，并采用示教再现的控制方式。随着信息技术和控制技术的发展，以及机器人应用范围的扩大，机器人控制技术正朝着智能化的方向发展，出现了离线编程、任务级语言、多传感器信息融合、智能行为控制等新技术。多种技术的发展将促进智能机器人的实现。 当今的自动控制技术都是基于反馈的概念。反馈理论的要素包括三个部分：测量、比较和执行。测量关心的变量，与期望值相比较，用这个误差纠正调节控制系统的响应。这个理论和应用自动控制的关键是，做出正确的测量和比较后，如何才能更好地纠正系统。 PID（比例-积分-微分）控制器作为最早实用化的控制器已有50多年历史，现在仍然是应用最广泛的工业控制器。PID控制器简单易懂，使用中不需精确的系统模型等先决条件，因而成为应用最为广泛的控制器。 它由于用途广泛、使用灵活，已有系列化产品，使用中只需设定三个参数（Kp，Ti和Td）即可。在很多情况下，并不一定需要全部三个单元，可以取其中的一到两个单元，但比例控制单元是必不可少的。 第1章绪论 1.1 机器人控制系统 机器人控制系统是机器人的大脑，是决定机器人功能和性能的主要因素。工业机器人控制技术的主要任务就是控制工业机器人在工作空间中的运动位置、姿态和轨迹、操作顺序及动作的时间等。具有编程简单、软件菜单操作、友好的人机交互界面、在线操作提示和使用方便等特点。 1.2 机器人控制的关键技术 关键技术包括： (1)开放性模块化的控制系统体系结构：采用分布式CPU计算机结构，分为机器人控制器(RC)，运动控制器(MC)，光电隔离I/O控制板、传感器处理板和编程示教盒等。机器人控制器(RC)和编程示教盒通过串口/CAN总线进行通讯。机器人控制器(RC)的主计算机完成机器人的运动规划、插补和位置伺服以及主控逻辑、数字I/O、传感器处理等功能，而编程示教盒完成信息的显示和按键的输入。 (2)模块化层次化的控制器软件系统：软件系统建立在基于开源的实时多任务操作系统Linux 上，采用分层和模块化结构设计，以实现软件系统的开放性。整个控制器软件系统分为三个层次：硬件驱动层、核心层和应用层。三个层次分别面对不同的功能需求，对应不同层次的开发，系统中各个层次内部由若干个功能相对对立的模块组成，这些功能模块相互协作共同实现该层次所提供的功能。 (3)机器人的故障诊断与安全维护技术：通过各种信息，对机器人故障进行诊断，并进行相应维护，是保证机器人安全性的关键技术。 (4)网络化机器人控制器技术：目前机器人的应用工程由单台机器人工作站向机器人生产线发展，机器人控制器的联网技术变得越来越重要。控制器上具有串口、现场总线及以太网的联网功能。可用于机器人控制器之间和机器人控制器同上位机的通讯，便于对机器人生产线进行监控、诊断和管理。 第2章机器人PID控制 2.1 PID控制器的组成 PID控制器由比例单元（P）、积分单元（I）和微分单元（D）组成。其输入e (t)与输出u (t)