发展型学习算法构建的移动机械手抓取能力的研究

摘要

具有灵巧的作业能力的机械手能应用在众多工业与生活领域中。传统的机械手工作环境固定，无法适应陌生环境。而移动机械手的移动能力将机械手的工作区间从单个工作台扩展到极大的区域，应用范围也扩展到家庭服务，仓库，后勤，军事，以及生产线等多个领域，实际应用价值更高。因此移动机器人手眼协调问题具有非常重要的研究意义。
　　静态环境下机器人的视觉空间和手臂本体感觉为非线性映射关系，而对于移动机械手来说，移动平台带来新的映射协调问题，这些都是移动机械手研究中的重点。目前机器人手眼协调问题的研究主要侧重于如何将视觉刺激映射到手臂本体感觉，建立映射的方法主要有两种:一是数学建模方法，采用逆运动方程规划;二是使用人工神经网络的学习方法。而本文除了将视觉刺激映射到手臂本体感觉外，还引入另一条逆向的从手臂本体感觉到视觉刺激的映射，该手眼协调系统能双向转换眼和手之间的刺激。通过使用双向刺激传输通道，在机器人系统中建立拟人的行为模式。这种拟人的能力可提高机器人的自主适应能力和生存能力。
　　对于移动机械手在动态环境下的手眼协调问题，目前的机器人在陌生环境下的自主性还有待提高。而本文将基于限制释放的发展型学习方法应用于移动机械手学习过程，首先在静态条件下建立手眼协调能力，然后转入动态环境下建立移动手眼协调能力。通过制定限制释放的顺序，使机器人在每个新限制释放的条件下学习新技能。两个神经网络分别用于手眼协调和移动视觉协调的建立。
　　最后在两个机器人系统中分别进行拟人行为模式和移动抓取行为的实验，实验结果证实所用的学习方法可行，机器人自主探索能力和适应能力得到提高。

目录

声明

摘要

第一章 绪论

1．1 引言

1．2 发展型机器人研究现状

1．3 机器人手眼协调研究现状

1．4 移动机械手研究现状

1．5 主要研究内容与论文创新点

1．6 本论文结构

第二章 限制释放算法及增长型神经网络

2．1 限制释放算法简介

2．1．1 发展阶段

2．1．2 限制的重要性

2．1．3 限制释放算法

2．2 增长型神经网络

2．2．2 局部加权投影回归网络

第三章 受人类行为启发的机器人手眼协调的实现

3．1 引言

3．2 仿人机器人抓取系统架构

3．3 实现注视功能的仿视网膜系统

3．4 手眼映射训练方法

3．5 机器人实验平台

3．6 仿人的机器人接近动作实验

3．7 讨论与比较

3．8 本章小结

第四章 基于限制释放的移动机械手抓取研究

4．1 引言

4．2 发展的实现：限制释放流程

4．3 机器人控制系统架构

4．4 移动机械手训练过程

4．5 移动机械手抓取实验

4．6 本章小结

第五章 总结和展望

5．1 总结

5．2 未来研究展望

参考文献

硕士期间发表论文

致谢