2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、移動式自重構(gòu)機器人是微小型機器人的重要分支,其由若干微小型的單元機器人組成。各單元機器人既可自成體系,分散開來獨立作業(yè),又可彼此對接成為構(gòu)形可變的整體機器人。移動式自重構(gòu)機器人系統(tǒng)具有突出的靈活性、魯棒性與擴展性,在外行星探索、災(zāi)難搜救、軍事偵察等非結(jié)構(gòu)環(huán)境作業(yè)領(lǐng)域有著廣泛應(yīng)用前景。然而,單元機器人的微小型屬性導致其導航、感知、處理能力有限,而大量的單元機器人需大范圍離散作業(yè)更增加了個體定位與交互的難度。因此實現(xiàn)處于離散狀態(tài)的大量單元機

2、器人間的自動聚集成為這類自重構(gòu)機器人研究的難點和發(fā)展的瓶頸。
  自然界中的許多群體生物無需領(lǐng)導者,僅通過個體的局部信息感知實現(xiàn)群體的自組織聚集。本文通過模仿群體生物的自組織行為,實現(xiàn)了無上位管理的移動式自重構(gòu)機器人系統(tǒng)的自組織聚集。
  首先,根據(jù)群體聚集過程的聚集速度,聚集體的平等性等要求,建立了群體聚集的評價準則,為分析聚集效果提供了理論依據(jù)。根據(jù)蟑螂的行為特性,建立了機器人的自組織聚集概率模型,為實現(xiàn)群體聚集提供了有

3、效地方法。同時,從宏觀的角度,引入群機器人的系統(tǒng)參數(shù)和概率模型參數(shù),建立了群機器人的聚集預測模型,以實現(xiàn)對群體聚集特性的快速分析。
  其次,針對概率模型聚集速度慢、可擴展性差等不足,采用了信息傳遞的聚集策略加以改進。同時,本文設(shè)計了一種無領(lǐng)導者和管理者的微小型自重構(gòu)機器人,為群體聚集提供了硬件基礎(chǔ)。根據(jù)改進后的模型實現(xiàn)了機器人的信息交互過程,并將模型轉(zhuǎn)換為控制算法。針對算法在硬件實現(xiàn)的難點,提出了合理的解決方案,保證了算法的可移

4、植性。
  最后,在Webots軟件中建立了機器人的模型和仿真環(huán)境,并編寫了控制程序,以實現(xiàn)對群體過程的仿真分析。仿真過程研究了基于信息傳遞的概率模型的群體聚集特性,分析了預測模型與實驗仿真的差異及產(chǎn)生原因,驗證了改進的概率模型的高效性。通過仿真實驗分析系統(tǒng)參數(shù)對群體聚集的影響,得到機器人實現(xiàn)聚集成功的條件,驗證了群體聚集過程的穩(wěn)定性和可擴展性。采用放射形擴展方式,進一步提高了群體聚集的收斂速度。針對機器人數(shù)量無法達到閾值要求的多

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論