本文選題：迎賓機器人　切入點：信息融合　出處：《山東科技大學》2017年碩士論文

【摘要】：隨著機器人和人工智能技術的發(fā)展,智能化成為機器人發(fā)展的一個主題。迎賓機器人要想實現智能化發(fā)展,必須解決自主避障問題。因為迎賓機器人所處環(huán)境一般非常復雜、無法預知,單一傳感器無法全面表達環(huán)境信息,所以多傳感器信息融合技術的應用成為必然,是機器人解決避障問題的關鍵技術之一。然而自主避障問題在迎賓機器人開發(fā)過程中沒有引起足夠的重視,所以本文以實驗室迎賓機器人為平臺,對多傳感器信息融合在迎賓機器人避障問題中的應用展開研究,有利于迎賓機器人的應用與推廣。本文主要研究模糊邏輯信息融合和模糊神經網絡信息融合算法在迎賓機器人避障問題中的應用,并對傳統(tǒng)的T-S模型的模糊神經網絡算法進行簡化,減少神經網絡訓練時間,隨后對上述算法在迎賓機器人避障問題上的可行性進行驗證。首先,調研了多傳感器信息融合技術在機器人中的應用,提出利用超聲波傳感器、紅外傳感器、電子羅盤和雙目相機獲取機器人運動環(huán)境信息的融合方案;對迎賓機器人進行運動學分析,建立運動模型。其次,對模糊邏輯信息融合進行研究,為機器人設計模糊控制器,在MATLAB平臺下設計仿真實驗,通過實驗發(fā)現,模糊控制下迎賓機器人雖然能對環(huán)境進行識別完成避障任務,但是環(huán)境復雜時,容易出現控制規(guī)則匹配混亂,機器人左右搖擺問題,不利于迎賓機器人安全運行。然后,對傳統(tǒng)的基于T-S模型的模糊神經網絡信息融合進行研究,并設計仿真實驗。通過實驗發(fā)現,迎賓機器人避障穩(wěn)定性得到提高、避障動作響應更加迅速,有效的解決了模糊控制存在的問題。最后,將改進的模糊神經網絡算法移植到單片機上,開發(fā)上位機控制程序。通過機器人避障實驗證明,本文改進的模糊神經網絡算法,能有效解決機器人左右擺動問題,機器人避障穩(wěn)定性得到極大提高。
[Abstract]:With the development of robot and artificial intelligence technology, intelligentization has become a topic of robot development. In order to realize intelligent development, it is necessary to solve the problem of autonomous obstacle avoidance, because the environment of welcoming robot is very complex. Unpredictable, single sensor can not fully express environmental information, so the application of multi-sensor information fusion technology is inevitable. It is one of the key technologies for robot to solve obstacle avoidance problem. However, the problem of autonomous obstacle avoidance has not attracted enough attention in the development of welcoming robot, so this paper takes the lab welcoming robot as the platform. The application of multi-sensor information fusion in obstacle avoidance of welcoming robot is studied. This paper mainly studies the application of fuzzy logic information fusion and fuzzy neural network information fusion algorithm in the obstacle avoidance problem of welcoming robot. The traditional fuzzy neural network algorithm of T-S model is simplified to reduce the training time of neural network. Then the feasibility of the above algorithm in obstacle avoidance of welcoming robot is verified. This paper investigates the application of multi-sensor information fusion technology in robot, and proposes a fusion scheme to obtain robot motion environment information by using ultrasonic sensor, infrared sensor, electronic compass and binocular camera. The kinematics analysis of the welcoming robot is carried out, and the motion model is established. Secondly, the fuzzy logic information fusion is studied, the fuzzy controller is designed for the robot, and the simulation experiment is designed under the MATLAB platform. Although the fuzzy control robot can recognize the environment and complete the obstacle avoidance task, when the environment is complex, it is easy to appear the chaos of control rules matching, the robot swinging from side to side, which is not conducive to the safe operation of the welcoming robot. The information fusion of traditional fuzzy neural network based on T-S model is studied, and the simulation experiment is designed. It is found that the stability of obstacle avoidance is improved and the response of obstacle avoidance is more rapid. Finally, the improved fuzzy neural network algorithm is transplanted to the single chip computer to develop the upper computer control program. Through the robot obstacle avoidance experiment, the improved fuzzy neural network algorithm is proved. It can effectively solve the problem of robot swinging from left to right, and the stability of obstacle avoidance is greatly improved.
【學位授予單位】：山東科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP242

【參考文獻】

相關期刊論文 前10條

1 方寧;周宇;葉慶衛(wèi);李玉剛;;基于無監(jiān)督學習卷積神經網絡的振動信號模態(tài)參數識別[J];計算機應用;2017年03期

2 楊丹;劉小平;胡凌燕;;基于多傳感器信息融合的機器人姿態(tài)測量系統(tǒng)[J];計算機工程與設計;2016年06期

3 袁慶;朱毅;;多傳感器信息融合在輪式機器人運動控制中的應用[J];電子技術與軟件工程;2016年02期

4 吳耀;王田苗;王曉剛;劉淼;;基于自適應卡爾曼濾波的側滑移動機器人運動模型估計[J];電子與信息學報;2015年12期

5 王秀青;侯增廣;曾慧;呂鋒;潘世英;;基于多傳感器信息融合的機器人故障診斷[J];上海交通大學學報;2015年06期

6 劉智斌;曾曉勤;劉惠義;儲榮;;基于BP神經網絡的雙層啟發(fā)式強化學習方法[J];計算機研究與發(fā)展;2015年03期

7 高愛宇;張國恒;萬國鋒;劉彩虹;郭玉輝;;智能迎賓機器人[J];甘肅科技;2013年14期

8 李會來;李小民;蘇立軍;;基于T-S型模糊神經網絡的輪式機器人避障方法研究[J];計算機測量與控制;2011年01期

9 關宇;楊曉京;姜濤;;農業(yè)機器人多傳感器信息融合技術的研究進展[J];安徽農業(yè)科學;2010年25期

10 陳軍;陳振華;李素平;徐智武;;迎賓機器人輪式移動工作臺的設計與控制方法研究[J];機械制造;2009年11期

相關博士學位論文 前2條

1 崔明月;復雜環(huán)境下不確定輪式移動機器人運動控制的研究[D];重慶大學;2012年

2 朱鳳春;移動機器人導航與環(huán)境建模問題研究[D];山東科技大學;2007年

相關碩士學位論文 前10條

1 吳顯;基于多傳感器信息融合的移動機器人定位方法研究[D];北京交通大學;2016年

2 陳文棟;移動機器人SLAM方法研究[D];華東交通大學;2014年

3 陳奕君;基于多傳感器信息融合的機器人避障研究[D];東北石油大學;2014年

4 張樹剛;基于超聲波的移動機器人局部避障算法及應用[D];哈爾濱工業(yè)大學;2013年

5 吳慧玲;基于多傳感器的移動機器人避障策略的研究[D];沈陽大學;2013年

6 馮于剛;智能機器人多傳感器信息融合算法研究[D];西北大學;2012年

7 馮劉中;基于多傳感器信息融合的移動機器人導航定位技術研究[D];西南交通大學;2011年

8 高慧英;基于多傳感器信息融合的移動機器人避障系統(tǒng)研究[D];哈爾濱工業(yè)大學;2010年

9 邢國芬;基于多傳感器信息融合的移動機器人環(huán)境感知研究[D];河北工業(yè)大學;2008年

10 范曉靜;基于多傳感器信息融合的機器人避障和導航控制研究[D];沈陽理工大學;2008年

，

本文編號：1685464