复合式连杆越障侦测机器人研究

来源 :西南大学 | 被引量 : 0次 | 上传用户:yizaiyouzhe
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着科技的进步和社会的发展,机器人技术成为当今世界备受关注的前沿课题。与此同时,随着人类在非规整复杂地形的各种活动增多,以及对具有潜在危险区域或者人员无法进入区域的探测活动的增加,越障侦测机器人的研究更是受到各行各业的青睐。因此,现在迫切需要一种在规整地形移动速度快和非规整复杂地形越障能力强且轻小便携的移动机器人来完成各种侦测任务。基于这样的环境及应用需求,本文提出了一种复合式连杆越障侦测机器人。本文中的机器人采用一种简洁可靠的轮杆式驱动机构,在平坦地面上使用轮式行走方式,在复杂的非规整地形中利用复合式连杆来进行越障。复合式连杆机器人采用对称式的机械结构设计,其驱动行走机构主要包括行动轮和复合式越障连杆,多根连杆物理连接在轮子的边缘部分,随着轮子转动且不会影响行动轮的运动,当其在较为规整的平坦地面上行走时,类似于传统的普通圆轮行走方式,行走效率高,移动速度快,不存在“奇异点”问题。而当其行走在非规整的复杂地形中时,则自动切换为越障模式,利用杆-杆、杆-轮、杆-身等相互切换来完成机器人的越障,具有越障能力强、控制简单等特点。首先,本文介绍越障侦测机器人的国内外研究现状,并对轮杆式移动机器人的结构进行分析。通过分析传统移动机器人机械结构的优缺点,从而引出本文中的轮杆式移动机器人的轮杆结构,并对其详细的结构设计以及整机的机械结构进行分析。然后,分别从连杆的个数和轮子的个数两个方面对轮杆式移动机器人进行分类。接着,对本文所述的机器人进行运动学和动力学的分析。建立参考坐标系并描述机器人在其中的位姿及运动规律;分析机器人在平面坐标系中的运动学模型。随后,重点分析复合式连杆机器人的运动原理及越障能力。本部分主要介绍了机器人在规整地形运动时所采用的同侧同相和全轮同相情况下的转弯方式,并详细分析了机器人在连续阶梯地形的越障过程及原理;紧接着,通过分析得到该机器人的极限越障高度为行动轮半径的三倍,并得出该越障高度下越障连杆的相关参数,越障效果最佳时的连杆个数和相位差;利用重心投影法分析机器人的静态稳定性及爬坡能力。机器人的控制系统设计部分首先介绍了控制系统的总体设计,然后分别对外围硬件部分和软件部分进行了详细的描述。最后,对复合式连杆越障侦测机器人样机的基本性能进行实验研究,主要包括规整地形的前进后退、转弯,以及非规整地形的越障和侦测性能的验证。本文提出的复合式连杆越障侦测机器人是一种结构简洁可靠、控制简单、效率高、地表适应性好、越障能力强、非轮非腿非履带式的移动机器人,既能在规整地形中保证圆轮的移动速度和行走效率,又能在非规整地形中利用复合连杆保证越障能力。该机器人集小功率、越障强、超轻量、环境侦测能力等特点于一身,适用于复杂地形和野外环境,尤其适用于带有连续阶梯的高楼大厦环境的侦测。
其他文献
近30年来,图像分割一直是图像分析和计算机视觉一个活跃的研究方向,大量的图像分割算法被提出。图像分割是图像分析的一个中间环节,分割质量的好坏直接影响后续处理的质量。图像
随着企业不断加大科技投入,计算机仿真技术得到了广泛的重视,它具有经济、安全以及可重复性等特点,利用计算机仿真技术可以进行现场难以展开的工作,降低实验风险,提高投资安全性。
医学图像分割技术是医学图像处理与分析领域的重要课题之一,也是近年来备受研究人员关注的热点问题。由于人体解剖结构的复杂性、组织器官形状的不规则性及个体之间的差异性,
二十一世纪以来,伴随着科学技术的迅速发展,人们每天都要处理大量的信息数据(例如图像、视频以及文档资料等)以便进一步地分析和研究。图像作为常用信息的载体之一,在人们接
伴随着互联网的快速发展与互联网技术的不断创新,社交网络日益成熟和完善。在众多的社交网络类型中,有一种以活动为媒介将线上与线下相结合的社交网络——活动社交网络(Event
内存交换技术几乎应用于所有的计算机系统,交换操作中频繁的外存访问是制约程序运行性能的一个重要因素。近年来,随着新型存储介质闪存的快速发展,越来越多的研究关注于使用闪存
视频跟踪是计算机视觉领域的一个重要研究方向,它融合了模式识别、图像处理、图像表征和计算机应用等相关领域的研究成果和先进技术,在智能监控、交通管制、人工交互、军事精
伴随当前三维快速原型技术的飞速发展及商业化,大量数字模型通过三维打印等技术完成实体化并被投入商业应用中,从而也带来了模型管理以及版权保护的需求。传统水印算法面向数字
近年来,数据密集型计算越来越得到相关学者的关注。数据密集型计算环境下的数据具有海量、高速变化、分布、异构、半结构化或非结构化的特点,传统的数据挖掘算法已经不能满足
当用户面对经过本体标注过的大量实例时,如何快速的挖掘出对用户有用的信息仍是研究人员迫切需要解决的问题。聚类作为一种无监督的分类方法是对大量实例数据处理的重要手段,但