第2章模糊控制
2.1模糊控制的发展现状
跟着科技的迅猛发展，模糊控制技术已经在全国乃至全球普遍的应用，是现在潮流的智能控制方法之一。虽然说出距离现在只有几十年时间的模糊控制理论要求，但是因为它具有不需要被控对象的数学的精确模型、快速度、好的鲁棒性等优点，使得它在某些应用领域具有不可代替性，研究性意义长远而悠久。
2.1.1模糊控制的理论发展研究
人类的思想，对事情的推断，对是非的分辨通过一些经历和知识用人类的语言表达出来就是咱们了解的模糊控制的控制方法，其创建一份可以用在电脑解决输进输走经历的模型，处理一些无法建模和无法精确化的问题。由于1965年L.A.Zadeh教授(美国加利福尼亚大学控制理论专家)说起的《FuzzySet》开辟了模糊数学的历史[7]，引来了许多的专家对它开始学习，让它的理论和想法逐日完成，加上越来越多的使用在物质世界科学和社会科学的各个方面，特别是第五代电脑的研究和知识的创建等方面拥有特别的地位[8]。把模糊逻辑操作于控制方面于1973年开始[9]。E.H.Mamdani在1974年把模糊控制使用在锅炉和蒸汽机上面。之后的几十年，模糊控制不停壮大并且很多方面取得很大的成就[10]。
模糊控制发展初始在欧美遭到巨大的困难，西方的专家一般觉得模糊控制在现实操作中意义不明显。然而，在亚洲尤其是日本，模糊控制获得了很快的发展，1980年前后，日本的工程师用模糊控制技术第一个解决了一家水清洁化单位的难题，还发现了地铁的模糊控制系统，开辟那个时候全球最潮流的地铁系统，而这引起了模糊控制这一方面的巨大变革，让西方又变得重视模糊控制[11]。模糊控制的目的关注在控制器的学习和开发上，现在模糊控制器已在许多的方面有实质的使用。
如果模糊能获得较优的控制方法，主要在强调有完美的控制方法。模糊方法是大家通过对中间部分或模糊信息的总结获取的，但是因为在冗繁的操作环境中，特别是面向高级、实时变化的参数、有延时、非线性和特别的复杂控制过程，
大家的认知一般比较简单以及很难分析完善的知识，所以，这样简单的模糊控制在特定条件下十分粗糙，适合不一样的过程运行很难，因此导致了控制反应。
第一，常规的模糊控制是变量、推理和决策以及判决的模糊化输入输出组成的言论控制[12]。从整体看来，电脑先把收取到的一些控制的信息用一些话语的控制放法来实现模糊推理和决策，通过这种方法算出的模糊集，然后由判决得到输出的控制的准确性，作用于对象的被控制，让整个过程满足所需要的要求。在现在的环境中，模糊控制一般由2种形式:一种是让硬件直接构成模糊控制器，即使是速度相对比较快的推理，相对的精度控制比较高，但是相对来说价格比较高，一般来说模糊控制的决策都有局限和单调的特性，这一方面需要克服，决策用加权推理的方法解决，加上把一些参与协调的因子引入，由偏差e和偏差EC可知，不确定的量在预测的控制中选择一个最好的参数和控制规则，为了更明确地烘托出人对各种原因的整体的思想，从而增加了精度的控制和更好的鲁棒性；模糊控制的多变性，将一个由很多变量的模糊控制变成相互之间都不产生干扰的单个变量模糊控制的组合，使用补给的方法去掉多变量系统间的耦合[24]。模糊控制中由于变量的多样性，所以可以明显知道他的通道也是与众不同的，那么必然对应的堆着肯定也是不一样的，所以针对这一方面，我们后期有一张控制的表格，为了获得更高的稳定性，我们需要根据表中的参数进行一系列的调整，从而达到我们的目的。在复合中，即便模糊控制的模型不需要十分的精准，但是如何用一条更好的途径来解决不是线性的而且还会产生时间延长的复杂问题至关重要。但是，它本身也缺乏一系列学习和适应的能力，导致一些控制的准确性问题。目前，影响深刻的控制方法有主要有三种。首先，模糊控制与专家控制相结合[13]，它是最重要的方法之一，是一种充满智慧的系统，可以用人的思想方法来思考。它最重要的是各种各样没有结构的难题，特别是解决各种定义下来的、给人想法的以及一些不大让人可以明确的难题，实现任务目标的过程已推算的方法来实现。我们想办法把两种捆绑起来之后，从而表现和使用整个冗繁的过程来获取我们所需要的知识，注意知识的复杂性和裂开区别的迫切性，进一步完善控制的缺陷问题，更好的增加了其整体的智能控制水准；而且，通过这种结合还能让我们在更加严峻的问题中得以准备，从而更好的控制过程中的复杂知识。第二，模糊神经网络[20]的人工神经网络通过人的思维方式将一些零散的信息一起分析并处理，是一种
不是线性的动力系统，它的特点是神经元的结构很明了但是如果能导致很强的功能特性的话一般是由大量结构组成的。所以人工神经网络的自身适应的学习能力、鲁棒性能等等都很好。现在人工神经网络的代表性模型有BP、RBF等等，通过这些来实现全部或者部分的功能。BP用神经网络来实现一些模糊中的控制和规则，RBF的要求而是只需要层数大于3；通过自身反映的神经网络模糊控制，将它的学习能力直接当做控制器；获取方法是通过模糊神经的函数和推理具有连接性较强的特点，而且其目前都有在运用当中。最后，就是本文的重点基于遗传算法优化的模糊控制，由于我们常常会考虑一些范围、参数、不连续等问题，所以后期我们常常会想到用遗传算法来解决问题，进行优化。通过查阅资料我们可以知道，遗传算法的关键在于它的适应度函数值，而且不需要任何被优化的局部内容，而且优化模糊控制器的时候，其优化的长度相对来说是比较短的且性能好的片段，所以遗传算法很符合被优化的内容，所以它可以成为后期对规则和函数进行优化的主要方向。现在，很多方面都已经开始使用模糊这一块的知识，比如说电冰箱，摄像用的设备，和洗衣服用的设备；在工业生产当中，把水进行进化的处理设备，控制产品发酵用的设备，以及本文我们需写的机器人等等。
2.2模糊控制基础
2.2.1模糊控制的原理
模糊控制算法的工作方式可这样表达：被控制的变量的一些准确信息可以通过一些小型计算机中使用的中断方式来获得。同时与咱们理论的给定的信息进行一些比较从而获得误差的信息E，相对来说E如果作为输进去的变量来水的话。咱们把信息E的精准值进行一些变化得到模糊量。
模糊控制的框图如图2-1所示。
图2-1 模糊控制原理框图
通过上图2-1我们可以知道，相对于一般的电脑数字控制和咱们本文中提到的控制相比，区别就在于是否采用了模糊。模糊控制器在系统的布局中起着至关重要的作用，根据控制器的结构，我们在系统中所使用的规则和方法都决定着我们可以判别一个模糊系统的工作性能的好坏程度。 2.2.2模糊化
在运行的控制系统当中，对于精准的一些数值，控制器的输入输出都有固定的清晰值，然而在进行一些模糊的控制的时候，整个过程是由一些模糊言语中的变化量导致的，其中两者存在一定的相对的关系。在现实的生活中，有特定的一些要求可以吧咱们一些正确的计算过程进行简化。以下介绍四种常见的隶属函数：
(1)高斯型隶属度函数
22
()2(,,)x c f x c e
σσ-=
γ、c 是其函数的两个特征参数。 (2)梯形隶属度函数
(,,,,)max(min(
,1,),0)x a d x
f x a b c d b a d c --=--
a,b,c,d 为函数的参数。 (3)三角形隶属函数
(2)
(1)
0,,f (,,,,),0,x a x a a x b b a
x a b c d c x b x c c b c x ≤??-?≤≤?-=?
-?≤≤?-?≤?
其中a,b,c,d 为其函数的参数 (4) Sigmoid 函数型隶属度函数
()
1(,,)1a x c f x a c e
--=
+
a,c 为其函数的特征参数 2.2.3模糊集合
Zadeh 教授最先提出的这一说法模糊控制的主要以模糊集合的形式为基础。模糊就是由于客观的事物之间的差异性的界限不明显，所以把模糊与集合相结合的话就可以体现出我们对于认识和推理的优势，而且严谨性也很好。模糊的反义词就是精确。状似模糊杂乱的东西并不是模糊数学的真正含义，反而是通过一些工具实现具体化的分析。 （1）模糊集合
模糊集合的表示方法主要有5种:函数描述法、Zadeh 表示法、序偶表示法、向量表示法。 （2）隶属度函数
何为隶属度函数，模糊集通过其进行反应，相对来说它是描写时刻的客观性的核心，所以如何正确的确认函数事关重要。正确的判断函数合适与否的标准在与它有没有符合实际的标准。一般我们不断地进行试验和学习来进一步确定函数的使用，让它与实际相符。 （3）确定隶属函数的方法
①经验法:隶属度函数的确定则是在论域离散的时候根据一定的经验或方法来确定具体的数值。
②调查统计法:先调查，然后根据调查绘制曲线，由此得到表达式。
③分析推理法：相反，对于连续的的论域，我们通过一些经典函数对问题进行分析。
(3)
(4)
（4）模糊控制语言
根据一些经验总结咱们可以 在一系列模糊控制基础上确定模糊控制，主要用的主要有以下几种[14]：
①如果A ，那么B 语句。模糊关系为
()()
C R A B A E =??
其隶属度函数为
(,)(,)(1())(()(y))
R A B A A B x y x y μμμμμ→==-X ∨X ∧
②如果A ，那么B ，否则C 语句。模糊关系为
()
C R A B C =??）(A
其隶属度函数为
(,)((()(y))((1())())R A B A C x y y μμμμμ=X ∧∨-X ∧
③如果A 且B ，那么C 语句。模糊关系为
1()T R A B C
=??
④如果A 且B 且C ，那么D 语句。模糊关系为
1()T R A B C D
=???
⑤如果A 且B ，那么C 否则D 语句。 模糊关系为
11[()][(())]T C T R A B C A B D =????
（5）模糊推理
模糊控制的核心就是模糊推理机。一般推理机中运用过一些规则，按照一定的包含关系和方法进行推理。因此，其两者是密切结合的。这种推理方式，是在一定的逻辑基础上发展而来的。
2.3模糊控制器
2.3.1模糊控制器原理图
模糊控制器原理框图如图2-2所示，他一共包含六大部分。
图2-2模糊控制器的构成框图
2.3.2模糊控制器中的模糊化
模糊化就是把一些在特定范围中的确定值模糊成模糊集范围上的值，具体的操作可以看下面几步:
首先，离散精确值，主要目的是为了吧真正的确定的输进去的值变换为一个模糊的矢量。在这之前，我们要对输进去的数值进行一定范围的变换，得到变换的范围。
其次，对于语言变量的语言值的隶属度是相对于确定的输入值。在对应的模糊系统当中，能对系统的性能产生影响的就是函数的形状和位置。
2.3.3模糊控制中的知识库
模糊控制主要有两个部分构成也就是数据库和规则库。
（1）数据库。数据库表示经过论域等级离散化以后对应值的集合若论域为连续域，则为隶属度函数[23]。一般我们在方程进行求解的时候都少不了通过推理机来提供给我们的数据。
（2）规则库。在我们日常的生产过程中，包含许多的经验以及知识存放在我们的规则库当中。在我们对模糊控制的规则进行设计的时候，我们要考虑三方面的性能因素即为：完备、交叉和一致性。模糊控制规则有下面这几种方法：①融合一些专家所获取的经验和知识②把过程中的模糊模型生成出来③通过对手
工的观察和测量生成模糊规则④根据学习算法生成[45]。为了解决在控制规则中的数量和质量的问题，我们还需要在规则建立完之后进行优化处理，才能更好的解决问题。
2.3.4模糊控制器中的模糊推理
精确量在连续不断输入的过程当中，经过具体的推理以及运算，求出与之对应的清晰数据来达到模糊控制算法的目。对于实现模糊推理的方式，目前有如下几种：①CRI推理法;②函数型推理法;③Mandani直接推理法后件函数法;④特征展开推理法。去掉这些之后，有人还提出比马丹尼法更简便的“重心法”。2.3.5模糊量的清晰化
在推理过程中，我们一般把模糊转为精确的过程称之为非模糊化的处理。一般的清晰化方法如下面介绍的五种:
①最大隶属度值法(MC)
②最大隶属度平均值法(MOM)
③面积平均法(COA)
④重心法(COG)
⑤左取大(IM）环口右取大(RM)。
因为各种各样局限性的特点对清晰化方法的影响，我们通过学习可以采用一种不是模糊化的分布函数的方法，对某些方面进行了修改和更正，再通过这一层关系提出了半线性非模糊化的方法并对其进行了进一步的改进。
2.4模糊控制的优缺点
2.4.1模糊控制的优点:
（1）模糊控制是一种基于规则的控制。它的控制规则采用的为语言型，通过给现场的工作人员提供一些联系性强的经验和专家所给的内容进行学习，就不用通过建立很精准的模型来控制对象，所以，这使得整个过程变得更加的简单，通俗易懂和方便应用[15];
（2）模糊控制的特点在于它的鲁棒性能很好，因此一般来说相较于常规的
而言，当外界对其进行阻挠时产生的影响并不会很大。尤其是，对于一些特殊情况的系统，例如：滞后或者产生时变的来说，它的控制能产生更加令人满意的结果；
（3）模糊控制采用的一些启发性和语言型的设计规则来实现人工控制能力，从而进一步促进智能效果；
（4）模糊控制中，数学变量常常被语言的变量所代替，所以可能不精确，所以我们所能研究和学习的对象就存在难以获得，性能很难把握以及其变化的过程太过明显的特点；
（5）对于以模型为基础的控制算法，容易因为一些源头和对于固定的指标不一样而产生很大的差异，但是我们可以由一些规则的独立的特性来模糊连接这些差异的控制规律，找到一个最适合的选择方案，让我们最终的结果比一般的常规控制器更好。
2.4.2模糊控制的缺点：
（1）相对于控制精度的降低和品质变差的直接原因就是由于信息太过简单的模糊处理引起的；
（2）模糊控制的设计仍处于一些性能的缺乏导致目标没有办法进一步进行定义。
（3）关于稳定性和鲁棒性等问题的解决需要我们对控制器的一些本质和工作的原理进行了解。
（4）很多的文章指明，一般来说传统的控制相对于模糊控制来说鲁棒性更低，但是这一块的具体理论到底是什么样的还缺少分析和具体的数学推导来进一步证实。
（5）模糊控制的规则和隶属度函数是目前研究的难题[22]。现在模糊子集在模糊控制规则中选取的方式为e={负大，负小，零，正小，正大}={ NB,NS,ZO,PS,PB}或e={负大，负中，负小，零，正小，正中，正大}={NB,NM,NS,ZO,PS,PM,PB}，从学习的经验中壳子，我们的隶属度函数一般为三角隶属度函数，对应的隶属函数如图2-3示。但是因为我们这些选择很大一部分都靠经验来决定，缺乏一部分的理论依据要求。
2
4
681012
-8-10
-12-2
-4-6
μe
NB
NM NS NZ
PZ
PS
PM
PB
图2-3 模糊化子集和模糊化等级
2.5模糊控制的发展趋势
2.5.1模糊控制发展可分为如下几种:
（1）复合模糊控制器。根据模糊PID 、变结构、模糊杖等控制器的组合来进行研究，从而满足不同的要求，得到控制器。
（2）被各种算法优化的模糊控制。通过遗传、退火、粒子群等等算法对模糊控制进行优化。从而进一步提高系统的控制品质[16]。
（3）专家模糊控制。首先引入专家模糊可以进一步提高模糊系统的控制性能，在面对更多的系统控制方面的问题的时候，我们可以在此基础上使用专家模糊控制，用以保持规则和模糊集的灵活性。将模糊控制与专家的技术结合起来，这种方法以规则为基础，同时还有模糊集的灵活性能，从而改善整个系统的智能优化水平，处理更加有深度的控制方面问题。
（4）多变量模糊控制。主要是为了探讨多个变量产生的耦合等问题。 （5）因为目前而言，关于模糊控制器这一方面，进行理论上研究的专家比较少，而采取对其进行仿真实验来对稳定性能和鲁棒的研究。[17]:对于混合模糊系统关于这两点的研究方法而言，首先，就是用模型来对模糊系统的辨识进行切换，使其变为很明显的模型状态。由此通过关系法和相平面分析法等等方法来检查是否满足我们所要解决的这两个问题。其次，把控制器的方法转化为确定的模型，借此，使其变为常规的模糊系统，然后用一般常规的方法对性能进行分析[18]。很多方法，比如说函数和圆判据以及线性近似等方法，通过这么多的方法我们从中选择一定的理论进行研究和设计分析其性能是未来研究发展的方向之一[21]。
第3章水下机器人的仿真建模
仿真的含义为：让我们通过对整体模型的实验来探求咱们所要实现和设计的系统方案工作。那我们是如何进行动态模拟的呢？一般来说，我们可以通过运动的状态方程或外部的环境通过计算机中的软件来进行一场实际的动态方面的模拟。重要的是，仿真在本论文中的运动控制器的设计显得特别重要，是我们优化中不可或缺的模块之一，其次通过这样一个工具我们可以对我们所研究的系统进行调试和训练，由此来确定水下机器人的合适的智能控制方法。所以，在研究这一方面的课题时，我们建立包含运动，推力器和环境的仿真是一个十分重要的决定。
3.1水下机器人运动仿真
3.1.1坐标系的选取及机器人运动参数
坐标系是我们研究数学模型的基础，所以在我们研究水下机器人之前必须先建立一个坐标系。
一、固定坐标系:也就是空间运动的惯性参考系，固定坐标系的原点E取为海面上一固定点，朝正指向地心的为Eζ轴，相互垂直[32]且正向可以自选的为Eξ轴和Eη轴，同时我们一般都以地朝北的方向认作为正方向Eξ轴，地朝东的方向认为正方向Eη轴，垂向坐标为Eζ轴。右手直角坐标系Eξηζ
(见图3-1)。
二、动坐标系:即为固定于水下机器人艇体上的坐标系，也就是艇体坐标系
[33]。取艇的任意一点为坐标原点，纵轴Ox沿着其基线指向首部，横轴Oy沿着基面指向右舷，Oz指向底部。若是原点在机器人的重心上面，那么机器人艇体的惯性主轴为Gx、Gy、Gz。如下图3-1的直角坐标系。
E
（北向）
图3-1固定坐标系和运动坐标系
水下机器人通过表3-1可知，六个自由度的运动和力矩在坐标系中十分清晰。 原点的 速度U 的三个分量：u （纵），v （横），w(垂)； 原点的角 速度Ω的三个分量:p(横摇)，q(纵摇)，r(摇艏)； 艇上的 外力F 的三个分量：X （纵），Y （横），Z （垂）； 力矩 M 的三个分量：K （横摇），M （纵摇），N （摇艏）。
把坐标轴正向定义为速度和力的分量，右手定则定义角速度和力矩。表3-2反应的是符号的含义。
表3-2 运动坐标系下的变量名称
表3-3 定系中的位置和运动参数
ξ
φ——横倾角，以向右倾为正；
θ——纵倾角，以仰首为正；
ψ——艏向角，以右转为正。
它们连同速度、角速度在固定坐标系上的分量一起列在表3-3内，我们用运动坐标系原点的地面坐标值0
(,,)ξηζ和运动坐标系相对于固定坐标系的姿态角
[34]
我们通过定义两个轨迹角来确定海洋中的水下机器人的运动方向。E ξη坐标面的夹角称为潜浮角χ，χ>0的意思为上浮，χ<0的意思为下潜。速度适量在水平面上的投影与E ξ轴之间的夹角称为航迹角γ，γ>0指向E ξ轴正方向的右侧偏航，γ<0指向左偏航，如上图3-2
[35]
。
三、固定坐标系与运动坐标系之间的转换
二次旋转之后，由固定坐标转为运动坐标系，即: 第一次，绕O ξ
轴旋转艏向角ψ，
11,O Ox O Oy ξη→→； 第二次，绕1
Oy 轴旋转纵倾角θ,
11
,Ox Ox O Oz ζ→→；
ξ
第三次，绕Ox 轴旋转横倾角?，11,Oy Oy Oz Oz
→→；
则有:
1111cos sin sin cos x y x y ξψψηψψ=-??
=+? 111cos cos sin cos x x z x z θθζθθ=+??
=-+? 11cos sin sin cos y y z z y z ????=-??
=+?
综合得到的坐标变换关系用矩阵表示为:
0010
0001000
100cos sin cos sin =sin cos cos sin sin cos sin cos x x y T y z z ξψψ
θθηψψ??ζθ
θ?
?????????
????
-???
????
?
????-=????????????????????????-????????
????
其中T 为：
cos cos cos sin sin sin cos cos sin cos sin sin sin cos sin sin sin cos cos sin sin cos cos sin sin cos sin cos cos T ψθ
ψθ?ψ?
ψθ?ψ?ψθ
ψθ?ψ?
ψθ?ψ?θ
θ?
θ???
-+?
?
=+-??
??-??
1T -为：
1
cos cos sin cos sin cos sin sin sin cos sin sin sin cos cos cos sin cos sin cos sin sin sin sin cos cos sin cos cos T ψθ
ψθ
θψθ?ψ?ψθ?ψ?θ?ψθ?ψ?
ψθ?ψ?
θ?-??
-?
?
=-+????+-??
3.1.2空间操纵运动方程
一般来说，水下机器人都是六自由度的空间机器人。本文讨论的水下机器人采用2个纵向主推力器，2个水平侧推力，2个垂直侧推力构成的六推力器[36]。这种机器人的好处在于不管是环境干扰还是空间运动所造成的横摇都不是很大，因此我们这边用五自由度的方程来进行简化：
2222[()][[][][()()][()()]g g g g g g g g g y g g z g g X m u vr wq x q r y r z q Y m v ur y r z qr x r Z m w uq z q x q y rq M I q m z u wq vr x w uq N I r m x v ur y u vr ?=-+-+++??
=+-++???=---+?
?=++---??=++--?
上式中：
m ——水下机器人的质量；
,,g g g x y z ——水下机器人的重心；
,y z I I ——转动惯量；
水下机器人所受到的重力、浮力、推进器的推力，流体水动力和一些特定条件下的外力由上式中右边的作用力和力矩X ，Y ，Z ，M ，N 表示。由上面的式子我们可以知道，如果想要算出水下机器人在下一时间的运动情况来构建运动过程中的仿真系统，那就需要先获取现在时刻的运动情况以及外力和力矩。 3.1.3重力和浮力
排除一些特殊情况，重量全排水量0P 和载荷的变化1
n
i i P =∑为水下机器人上的重力。0P 的作用点为重心，i P 的作用点(,,)g g g G x y z 为(,,)i Gi Gi Gi G x y z 。
全浮力0B 和浮力的各种变化1
m
j j B =∑为水下机器人的浮力。0
B 的作用点为重心(,,)c c c
C x y z ，j B 的作用点为(,,)j cj cj cj C x y z 。
即总的浮力和重力为：
1n
o o i
i P P P P P ==+?=+∑
1
m
o o j
j B B B B B ==+?=+∑
其中
0B P =
(5)
(6)
(7)
0,,g c g c g c x x y y z z h
===-=
因为在铅垂方向的力为重力以及浮力，即在固定的坐标系中的分量为重力和浮力的方向总是铅垂的{0,0,P-B}[37]。通过使用公式对坐标进行转化，让分量坐
标从固定的坐标系转化到运动的坐标系上
。
可知：
()sin ()cos sin ()cos cos X P B Y P B Z P B θθφθφ=--=-=-
坐标对于原点的力矩为：
n
m
Gi i Cj j
i i M R P R B ===?+?∑∑
由于,Gi Cj R R 为坐标原点的径直矢量。因此，将其展开：
()cos cos ()cos sin ()sin ()cos cos ()cos sin ()sin G C o G C G C G C o G C G C K y P y B hP z P z B M hP z P z B x P x B N x P x B y P y B θφθφθθφθφθ
=?-?-+?-?=-+?-?-?-?=?-?+?-?
其中：
1
111
1
1
,,,,,n
n
n
Gi i
Gi i
Gi i
i i i G G G m
m
m
Cj
j
Cj
j
Cj
j
j j j C C C x
P y
P z
P x y z P P P
x
B y
B z
B x y z B B B
=======
=
=???=
=
=
???∑∑∑∑∑∑。
3. 1. 4流体水动力
计算流体的在水中的动力时，我们的方程如下式，因为现实中的一些难题和考量我们这边采用一阶和小部分的二阶作为水中的动力系数，如下式：
(8)
(9)
(10)
**H u u u
H v r v v r r v r H v r v v r r v r
H w q w w q q q w
H w q w w q q q w X X u u X u Y Y v Y r Y v Y r Y v v Y r r
N N v N r N v N r N v v N r r Z Z w Z q Z q Z w Z w w Z q q Z
M M w M q M q M w M w w M q q M ?
=+???=+++++?
??
=+++++??
?=++++++??
?=++++++??
3.2推力器仿真
水下机器人有6个推力器组成。艏部安装了槽道侧向推力器而艉部安装垂向的推力器和两个主推力器[38]。其仿真的结果是以推力器的实验结果为基础的，同时还要考虑对系数和伴流分数的修改更正，斜流的修改更正还有现实工作中的时间滞后带来的反映，从而进一步随时反映推力器的动态特性。
3.3海洋环境仿真
考虑到风浪和流的因素，我们在本论文中的应用采用一定的技术将其影响进行减小甚至忽略不计，但是河流的巨大影响还是存在的。所以，在计算说中动力的时候，河流的因素要考虑在里面。那么，我们先要求出流速：
cos cos()
sin()sin cos()
r c c r c c r
c c u u U v v U w w U θαψαψθαψ=--??
=--??=--? 式中： c
U ——流速，
c
α——流向角，
ψ——艏相角。
加速度的获取为对时间进行微分：
(11)
(12)
sin cos()cos sin()cos()cos cos()sin sin()r c c c c r c c r c c c c u u U q U r v v U r w w U q U r θαψθαψαψθαψθαψ?
=+---??
=+-??
=----??
将得到的式子带入水下机器人的模型，从而算出仿真的模型。
第4章 遗传算法
4.1遗传算法基本概念
4.1.1基本思想
所谓遗传算法就是会运用到生物进化和遗传的想法来进行搜索。下面是遗传算法的有关术语:
（1）染色体:是遗传信息的主要携带者，是对其因子进行的集合。 （2）遗传因子:代表染色体中的每一个个体的特性，简单可以称之为基因。 （3）个体:染色体带有特征的实体。遗传算法所处理的基本对象、结构[39]。 （4）种群:带有某种特性的个体的集合。集合当中个体的总和代表着种群的大小。
（5）适应度:表示个体对于环境的适应程度。“物竞天择，适者生存”的道理任何环境都适用，对生存环境的适应度高低直观的面临着物种的繁殖程度。适应度越高，机会越大；反之，机会越小。
（6）进化:进化就是让生物的品质进行连续不断地改善，从而让其慢慢的对自己生存的环境变得淡然。
（7）选择:通过概率因素在种群中挑出几个个体的行为。它是一种基于适应度的优胜劣汰的过程。
（8）交叉:使一对染色体进行基因重组。
（9）变异:由一定的概率导致基因变异然后发现新的染色体。 （10）编码:把问题转换一种思路，变成以数字串的形式来解决。
(13)
（11）解码:把数字串的形式再经过转换化为原来的问题。
由于解决问题的方法在于个体，所以我们需要对每个个体进行一系列的编码，遗传算法有需要用到生物进化的知识，每个生物又有种群构成，种群又有个体组成，所以这两者之间是存在一定关系的。然后按照之前提到的适应度和选择原理，慢慢地选出最优的个体，并且结合交叉和变异，写出新的个体种群。这样做的目的就是为了让子代比父代的适应度更好，找到问题的最优的解决方法。
4.2基本遗传算法的形式化定义
基本的遗传算法由选择、交叉、变异三种算子构成，基本遗传算法可表示为:
0(,,,,,,,)
SGA C F P M T φψ=Γ
4.3基本遗传算法的要素
基本遗传算法有选择算子、交叉算子和变异算子。下面对这些构成要素分别加以介绍: （1）编码方法
遗传算法就是对种群中的个体存在的解的可能性的集合，经过对集合中的个体进行一系列的编码后变为染色体。所以在我们使用这种算法之前先要对种群进行初始化编码[26]。由于每一种编码的形式对算法以及种群的多样性的影响是很深远的，因此我们需要具体问题具体分析得到最好的编码方式。
编码方式有多种，下面我们将着重截杀介绍一下浮点数编码。
个体的基因由我们自己的定义的浮点数来表示的，变量的个数决定了浮点数编码的个体长度。假设在一个优化的问题当中，有4个变量：1234,,,x x x x ，而且每个变量都有上下限min max [,]i i U U ,则X=[5.30,5.70,4.40,4.95]就表示一个体的基
因型。其对应的表现型为530570440495[.,.,.,.]T x =。一般我们用这种方法的好处在于个体的基因可以根据范围自己定义，需要大规模进行遗传搜索的时候为了提高效率而在遗传算法中采用浮点数的形式来表示，其个体的长度就代表了变量的个数，这种方法对遗传算法的精度要求更高。
(14)
（2）初始化群体和群体规模的确定
一般在初始化种群方面，我们可以通过随机或经验来构造种群，使得进化的次数进一步减少。第一种方法对于任何的问题都可以生成新的种群。第二种方法对于获取局部最优的解的概率比较大在一个整体的规模上来看，因为群体规模大的同时，多样性也会多，这样来说得到最优解的概率就越大，但是，值得注意的是我们在这段计算中的时间花费也就越长，因此在优化和效率之间还存在着一定的矛盾[27-28]。所以，在现实生活中我们常常取一个折中不变的常数。
（3）适应度函数设计
适应度函数在遗传算法当中也有至关重要的位置，适应度值的大小直接影响的能够准确遗传的概率。适应度大，概率则大；适应度小，概率则小。
（4）选择算子
遗传算法在进行选择算子之前先要知道适应度的结果，适应度得到之后才能对上一代进行选择。从中挑出一个适应度较高的数值实现交配的过程。
（5）交叉算子
一个新的子代是依靠一定的交叉概率在上一代中进行基因的重新排列，所以新的个体一般具有两个父代的特征，我们把这种交叉称之为基因的重组。想要得到最优解的区域意味着交叉的概率越大，一般交叉概率取0.4-0.9。适用于二进制编码和浮点数编码的交叉方法如下:
①单点交叉:在单独个体的编码当中选择一个点，接着把该点两个个体的一部分基因进行转换。下面给出了单点交叉的例子。
配对个体
个体A
个体B 0011|0101
1010|0010
0011|0010
1010|0101
新个体A
新个体B
交叉的时候，交叉点后面的个体的编码进行交换，这个例子当中我们把交叉点这只在4、5两个基因之间。
②双点交叉：与单点交叉类似，只是在编码串中设置两个交叉点，然后再这两个点间的基因进行部分的转换。
③均匀交叉: 两个新的个体是通过对个体上的每个基因进行相一样概率的转换
水下机器人设计概述 摘要：由于海洋开发利用越来越受到人们重视，水下机器人有着广阔的应用前景。但是目前为止，还没有成熟固定的水下机器人设计方法。本文通过论述水下机器人的构成、水下机器人的构成、排水量的初步估算、艇形选择、重量重心的计算、浮力浮心的计算、阻力的测定与计算、有效功率的计算等阐明了水下机器人基本的设计思路。此外探讨了计算机在水下机器人设计中的应用。 关键字：水下机器人、设计、计算机辅助设计 一．水下机器人的构成 水下机器人由控制系统、载体、观通系统三大系统组成。控制系统是处理和分析内部和外部各种信息的综合系统，根据这些信息形成对载体的控制功能。观通系统是利用摄像机、照相机、照明灯、声纳、及多种传感器收集有关外界和系统工作的所有信息的装置。而载体则是装载控制系统和观通系统的基础和构架。 二．根据选择设备，初步估算排水量 跟据水下机器人的用途不同，水下机器的设备也有很大的差别。通常是根据设计任务书，分析各种性能参数，确定出合适的设备。选择设备应该使水下机器人的重量最轻，因为无论是从使用还是从经济性角度讲，排水量越小是越有利的。由于潜水器要保持重量和浮力的平衡，所以可以分别从重量和浮力两个不同的角度研究排水量与各主要要素间的关系。三．艇型选择 潜水器根据使命任务和技术要求的不同，其外型尺寸、结构型式都有很大的差异。由于潜水器的航速不高，阻力性能对其外形要求不高，因而除采用水滴形和常规型艇型之外，更多的潜水器外型设计是出于使用维修方便、布置合理等方面考虑，因此其外型可能显得不规则，特别是无人带线遥控潜水器，其典型形式是框架式结构。 四．耐压壳材料选择 常用的耐压壳有高强度刚、铝合金、钛合金、复合材料（包括玻璃、陶瓷、丙烯酸朔料等等）。由于水下机器人主要受到静水压力的作用，所以选择耐压壳要综合考虑下潜的深度、耐压壳的形状、材料特性等因素。另外由于海水腐蚀性强，耐压壳还要有一定的抗腐蚀的能力。 四．潜水器推进与操纵方式选择 潜水器由于任务不同，对推进和操纵的要求也不同。但综合起来，潜水器主要要求巡航、搜索和悬停三种水下运行方式。由于在水下有海流存在，为满足潜水器的使命任务，一般要求潜水器在悬停或近乎悬停状态下作6个自由度或者至少5个自由度运动，在水流作用下也能够作相应的机动，因此在选择推力系统时，必须考虑在要求的方向发出推力和力矩。例如其搭配方式可以为：两个可在垂直面内作3600旋转的导管推力器加水平舵和首推力器、并联可旋转的喷水推进器等等。 五．阻力的确定。 由于水下机器人的主体上搭载的附体较多，且有些机器人的艇形是框架式的，所以用计算流体力学是很难得出其所受的阻力，即便算出也会因为误差太大而无法应用。所以阻力的确定主要是通过试验的方法。如果试验条件限制，或者机器人体积过大，则需要进行模型试验。根据相似理论，满足主要影响因素，保证模型和实体的弗罗德数或者雷洛数相等，测出水下机器人的摩擦阻力系数、形状阻力系数经过换算，得出实体的阻力。
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。
低成本水下机器人 策 划 书 申报项目： 低成本水下机器人 申报人： 孟永志 项目负责人： 孟永志 申报日期： 年4月17日
低成本水下机器人策划书 机器人项目创业计划执行概要 水下机器人从20世纪后半叶诞生，是工作于水下的极限作业机器人，能潜入水中代替人完成某些操作，又称无人遥控潜水器，主要运用在海上救援。由于水下环境恶劣危险，人的潜水深度有限，所以水下机器人日益成为开发海洋的重要工具。在军事斗争中，无人化作战平台将在未来现代化战争中发挥重要的作用，无人舰艇将与无人地面战车、无人飞机一起在战场上进行高效卓越地作战。另外，无论战争期间还是和平时期，水下机器人还可以定期对航道、训练场、舰艇机动区实施定期或不定期检查，保障这些水域的作业安全。 载人潜水器由人工输入信号操控各种动作，由潜水员和科学家通过观察窗直接观察外部环境。其优点是由人工亲自做出各种核心决策，便于处理各种复杂问题，但是人生命安全的危险性增大，由于载人需要足够的耐压空间、可靠的生命安全保障和生命维持系统，这将为潜水器带来体积庞大、系统复杂、造价高昂、工作环境受限等不利因素。 有缆水下机器人（ROV）需要由电缆从母船接受动力，并且ROV不是完全自主的，它需要人为的干预。主要由水面设备（包括操纵控制台、电缆绞车、吊放设备、供电系统等）和水下设备（包括中继器和潜水器本体）组成。潜水器本体在水下靠推进器运动，本体上装有观测设备（摄像机、照相机、照明灯等）和作业设备（机械手、切割器、清洗器等）。潜水器的 水下运动和作业，是由操作员在水面母舰上控制和监视，电缆向本体提供动力和交换信息，中继器可减少电缆对本体运动的干扰。由于人们通过电缆对ROV进行遥控操作，电缆对ROV像“脐带”对于胎儿一样至关重要，但是由于细长的电缆悬在海中成为ROV最脆弱的部分，大大限制了机器人的活动范围和工作效率。 无缆水下机器人（AUV）又称自治水下机器人、智能水下机器人，是将人工智能、探测识别、信息融合、智能控制、系统集成等多方面的技术集中应用于同一水下载体上，在没有人工实时控制的情况下，自主决策、控制完成复杂海洋环境中的预定任务使命的机器人。是从简单的遥控式向监控式发展，即由母舰计算机和潜水器本体计算机实行递阶控制，它能对观测信息进行加工，建立环境和内部状态模型。操作人员通过人机交互系统以面向过程的抽象符号或语言下达命令，并接受经计算机加工处理的信息，对潜水器的运行和动作过程进行
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。
水下机器人发展概述 1水下机器人发展背景 在浩瀚的宇宙中，有一个蔚蓝色的星球，那是人类赖以生存的地方——地球。地球的表面积为5.1亿平方公里，而海洋的面积为3.6亿平方公里。地球表面积的71%被海洋所覆盖。在烟波浩渺的海洋深处，蕴藏着什么样的宝藏？是否存在着智慧生命？海底生物是怎样生活的？海底的地形地貌又是什么样的？所有这一切都使海洋充满了神秘的色彩，也吸引了无数科学家、探险家为之探索。从远古时代起，人们就泛舟于海上。从19世纪起，人们开始利用各种手段对海洋进行探察。20世纪，水下机器人技术作为人类探索海洋的最重要的手段，受到了人们普遍的关注。进入21世纪，海洋作为人类尚未开发的处女地，已成为国际上战略竞争的焦点，因而也成为高技术研究的重要领域。毫不夸张地说，本世纪是人类进军海洋的世纪。人类关注海洋，是因为陆上的资源有限，海洋中却蕴藏着丰富的矿产资源、生物资源和能源。另一个重要原因是，占地球表面积49％的海洋是国际海底区域，该区域内的资源不属于任何国家，而属于全人类。但是如果哪一个国家有技术实力，就可以独享这部分资源。因此争夺国际海底资源也是一项造福子孙后代的伟大事业。水下机器人作为一种高技术手段，在海底这块人类未来最现实的可发展空间中起着至关重要的作用，发展水下机器人的意义是显而易见的。 ２水下机器人的定义与分类 ２．１水下机器人的定义与概述 水下机器人也称作无人水下潜水器（ｕｎｍａｎｎｅｄｕｎｄeｒｗａｔｅｒｖｅｈｉｃｌｅｓ，ＵＵＶ），它并不是一个人们通常想象的具有类人形状的机器，而是一种可以在水下代替人完成某种任务的装置。在外形上更像一艘微小型潜艇，水下机器人的自身形态是依据水下工作要求来设计的。生活在陆地上的人类经过自然进化，诸多的自身形态特点是为了满足陆地运动、感知和作业要求，所以大多数陆地机器人在外观上都有类人化趋势，这是符合仿生学原理的。水下环境是属于鱼类的“天下”，人类身体的形态特点与鱼类相比则完全处于劣势，所以水下运载体的仿生大多体现在对鱼类的仿生上。目前水下机器人大部分是框架式和类似于潜艇的回转细长体，随着仿生技术的不断发展，仿鱼类形态甚至是运动方式的水下机器人将会不断发展。水下机器人工作在充满未知和挑战的海洋环境中，风、浪、流、深水压力等各种复杂的海洋环境对水下机器人的运动和控制干扰严重，使得水下机器人的通信和导航定位十分困难，这是与陆地机器人最大的不同，也是目前阻碍水下机器人发展的主要因素。 ２．２水下机器人的分类 水下潜水器根据是否载人分为载人潜水器和无人潜水器两类。载人潜水器由人工输入信号操控各种机动与动作，由潜水员和科学家通过观察窗直接观察外部环境，其优点是由人工亲自做出各种核心决策，便于处理各种复杂问题，但是人生命安全的危险性增大。由于载人需要足够的耐压空间、可靠的生命安全保障和生命维持系统，这将为潜水器带来体积庞大、系统复杂、造
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、
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
水下机器人发展趋势 关键词：水下机器人、智能水下机器人、智能体系、运动控制、通讯导航、探测识别、高效能源 随着人类海洋开发的步伐不断加快，水下机器人技术作为人类探索海洋最重要的手段得到了空前的重视和发展。作者对水下机器人进行了定义与分类。介绍了近年来国内外水下机器人的发展现状与发展趋势，重点针对智能水下机器人的主要关键技术及未来发展方向进行了分析。地球的表面积为5．1亿km2，而海洋的面积为3．6亿km2。占地球表面积71％的海洋是人类赖以生存和发展的四大战略空间——陆、海、空、天中继陆地之后的第二大空间，是能源、生物资源和金属资源的战略性开发基地，不但是目前最现实的，而且是最具发展潜力的空间。作为蓝色国土的海洋密切关系到人类的生存和发展，进入21世纪后，人类更加强烈的感受到陆地资源日趋紧张的压力，这是人类面临的最现实的问题。海洋即将成为人类可持续发展的重要基地，是人类未来的希望。水下机器人从20世纪后半叶诞生起，就伴随着人类认识海洋、开发海洋和保护海洋的进程不断发展。专为在普通潜水技术较难到达的区域和深度执行各种任务而生的水下机器人，将使海洋开发进人一个全新的时代，在人类争相向海洋进军的21世纪，水下机器人技术作为人类探索海洋最重要的手段必将得到空前的重视和发展[1]。 1海洋对人类的重要性
海洋作为蓝色国土，首先是一个沿海国家的“门户”，是其与远方联系的便捷途径，并且“门户”的安全是国家安全的重要组成部分，早在2 500多年前古希腊海洋学家锹未斯托克就提出过“谁控制了海洋，谁就控制了一切”。很久以来人们就依赖于海洋航道进行大量的物品贸易，现在整个世界大部分的货物运输都依赖于海上运输，海洋运输是整个经济正常运转必要的一环。更重要的是，现在很多国家的石油、矿石等最基本的生产资料大部分都依赖于海洋运输，海洋运输的安全和对海洋的控制力成为一个国家生存的基本保障。 近年来再次掀起海洋热的浪潮是因为陆上的资源有限，很多资源已经开发殆尽，而海洋中蕴藏着丰富的能源、矿产资源、生物资源和金属资源等，人们急需开发这些资源以接替所剩不多的陆上资源来维持发展。更为重要的是，地球上半数以上面积的海洋是国际海域，这些区域内全部的资源属于全体人类，不属于任何国家。但目前的现状是只有少数国家有能力对这些资源进行初步开采，这些国家在其已探明的区域拥有优先开采权，相对于那些没有能力开采的国家这几乎就等于独享这部分资源。因此海洋已经成为国际战略竞争的焦点，争夺国际海洋资源是一项造福子孙后代的伟大事业。所以水下技术成为目前重点研究的高新技术之一，智能水下机器人作为高效率的水下工作平台在海洋开发与利用中起到至关重要的作用。 2水下机器人的定义与分类
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)
水下机器人发展概述 --船舶102 赵书孝 1005080224 无人遥控潜水器，也称水下机器人。一种工作于水下的极限作业机器人，能潜入水中代替人完成某些操作，又称潜水器。水下环境恶劣危险，人的潜水深度有限，所以水下机器人已成为开发海洋的重要工具。无人遥控潜水器主要有，有缆遥控潜水器和无缆遥控潜水器两种，其中有缆避控潜水器又分为水中自航式、拖航式和能在海底结构物上爬行式三种。 特别是近10年来，无人遥控潜水器的发展是非常快的。从1953年第一艘无人遥控潜水器问世，到1974年的20年里，全世界共研制了20艘。特别是l974年以后，由于海洋油气业的迅速发展，无人遥控潜水器也得到飞速发展。到1981年，无人遥控潜水器发展到了400余艘，其中90%以上是直接；或间接为海洋石油开采业服务的。1988年，无人遥控潜水器又得到长足发展，猛增到958艘，比1981年增加了110%。这个时期增加的潜水器多数为有缆遥控潜水器，大约为800艘上下，其中420余艘是直接为海上池气开采用的。无人无缆潜水器的发展相对慢一些，只研制出26艘，其中工业用的仪8艘，其他的均用于军事和科学研究。另外，载人和无人混合理潜水器在这个时期也得到发展，已经研制出32艘，其中28艘用于工业服务。 无人有缆潜水器研制与发展 无人有缆潜水器的研制开始于70年代，80年代进入了较快的发展时期。1987年，日本海事科学技术中心研究成功深海无人遥控潜水器“海鲀3K”号，可下潜3300米。研制“海鲀3K”号的目的，是为了在载人潜水之前对预定潜水点进行调查而设计的，供专门从事深海研究的，同时，也可利用“海鲀3K”号进行海底救护。“海鲀3K”号属于有缆式潜水器，在设计上有前后、上下、左右三个方向各配置两套动力装置，基本能满足深海采集样品的需要。1988年，该技术中心配合“深海6500”号载人潜水器进行深海调查作业的需要，建造了万米级无人遥控潜水器。这种潜水器由工作母船进行控制操作，可以较长时间进行深海调查。这种潜水器可望在1992年内建成，总投资为40亿日元。日本对于无人有缆潜水器的研制比较重视，不仅有近期的研究项目，而且还有较大型的长远计划。目前，日本正在实施一项包括开发先进无人遥控潜水器的大型规划。这种无人有缆潜水器系统在遥控作业、声学影像、水下遥测全向推力器、海水传动系统、陶瓷应用技术水下航行定位和控制等方面都要有新的开拓与突破。这项工作的直接目标是有效地服务于200米以内水深的油气开采业，完全取代目前由潜水人员去完成的危险水下作业。在无人有缆潜水技术方面，始终保持了明显的超前发展的优势。根据欧洲尤里卡计划，英国、意大利将联合研制无人遥控潜水器。这种潜水器性能优良，能在6000米水深持续工作250小时，比现在正在使用的只能在水下4000米深度连续工作只有l2小时的潜水器性能优良的多。按照尤里卡EU-191计划还将建造两艘无人遥控潜水器，一艘为有缆式潜水器，主要用于水下检查维修；另一艘为无人无缆潜水器，主要用于水下测量。这项潜水工程计划将由英国；意大利、丹麦等国家的l7个机构参加。英国科学
读书报告 院系计算机学院___________________ 专业______________________________________ 年级______________________________________ 班级______________________________________ 学生姓名_______________________________________ 学号______________________________________ 报告题目_________ 人工智能与机器人_____________ 完成时间_________ 年________________ 12 __ 月
1绪论 (4) 1」课题背景 (4) 1.2机器人的发展 (5) 2机器人的定义 (5) 2.1机器人的种类 (6) 2.2机器人的应用领域 (6) 2.2.1工业机器人 (6) 2.2.2探索机器人 (6) 2.23服务机器人 (7) 2.2.4军事机器人 (7) 3机器人的开发过程 (8) 3」智能机器人的制造理论 (8) 3.2机器人的行动过程 (9) 4机器人的实际应用 (9) 5机器人的现状和发展前景 (10) 6总结 (11)
人工智能与机器人 （11科技1班） ?豪:人工智能是研究如何制造岀人造的智能机器或智能系统.来模拟人类智能 活动的能力.以延伸人们智能的科学。人工智能主要包含三个方面：感知能力、思维能力、行为能力。而机器人则是将人工智能与物理器件结合起来.完成某些工作的机器.目前.机器人学和人工智能已作为两个不同的学科.各自发展羞.均取得了很好的成果。同时在一些领域.二者又相互结合.并取得了很好的效果。 关It询：人工智能;机器人;智能控制 Artificial intelligenee and Robotics Abstract: Expert Artificial intelligence is the study of how to create artificial intelligence machine or intelligent system,to simulate the ability of human intelligence activities,to extend people intelligence scicncc.Artificial intelligence mainly includes three aspccts,pcrcq）tion,thinking,bchavior abiiity.Whilc the robot is the artificial intelligence and physical device together,complete certain work machine,at present,robot is the artificial intelligence have been used as two different subjects,th&r respective development,have achieved very good rcsults.At the same time,in some areas,the two arc combined with each other,and have achieved very good results. Keywords： Artificial intelligence： Robot： intelligent control 1绪论 1.1课题背景 信息技术课程，作为适应信息时代的一门新兴学科，其基本思想是通过对信息的获取、加工、管理、传播的技术、方法等知识与技能的学习、应用和创新，从而培养和提高学习者的信息素养和创新素质。人工智能与机器人科学，融合了计算机、机械、电子、通讯、控制等声、光、电、磁多个学科领域的知识，其核心是目前被称为前沿科学的人工智能理论和技术，因此，这门课程对学生的知识结构将是一种多学科整合的建构。另一方面，智能机器人的基本特征是感知一判断一决策一行动，即获取环境的直接信息，然后经过分析判断，进而做出反馈或行动。自机器人诞生之初人类便一直存在着“机器人恐惧症” 的想法，但机器人真的能征服地球了吗？真正伤脑筋的，是所谓的"人工智能”。但在担心机器人比人类聪明使人类失去存在的必要，或是