学位论文 > 优秀研究生学位论文题录展示

机器人视觉伺服及网络控制研究

作　者: 张晓晖
导　师: 刘丁
学　校: 西安理工大学
专　业: 控制理论与控制工程
关键词: 视觉伺服图像特征提取遗传算法模板匹配网络控制系统稳定性可变时延补偿网络控制系统综合
分类号: TP242.62
类　型: 博士论文
年　份: 2009年
下　载: 477次
引　用: 2次
阅　读: 论文下载

内容摘要

机器人视觉伺服与基于传统传感器的机器人控制相比,具有更高的灵活性和精度,能够对机器人标定误差具有强的鲁棒性等优点,是机器人控制研究的热点。网络控制系统是近年来发展形成的基于网络的自动化技术,是计算机网络、通信和自动控制理论相结合的产物,也已成为控制界研究的热点。而从遥操作机器人基础上发展起来的网络机器人系统则是以上两个研究领域的交叉,更具挑战性。本文通过构建一个基于网络的机器人视觉伺服系统,对机器人视觉伺服和网络控制中的若干问题进行研究,主要完成了以下几个方面的工作：1)以机器人末端跟踪不同形状平面运动目标为视觉伺服任务,基于模板匹配图像特征提取的思想,提出了一种基于模板快速生成和GA搜索的图像特征提取方法。为了实现系统对于不同形状目标的快速转换,提出了模板快速生成算法和相关度函数定义；为了保证算法对于目标形状具有较高的区分度并提高图像随机搜索的速度,通过对静态图像的特征提取实验研究,提出了目标偏离度指标和计算算法；利用该指标作为适应度函数,采用GA对模板参数进行了优化；采用Step GA、分级图像搜索和动态视觉波门设定相结合的方法,保证了算法的实时性；对于不同形状的运动目标视觉跟踪实验结果表明：所提出的特征提取方法具有目标转换快速灵活、不同形状区分度高、图像处理实时性强、并具有较好抗噪能力等优点,完全能够满足本文研究机器人视觉伺服系统对图像特征提取方法的要求。2)根据RBT-6T/S04S机器人的运动机构和连杆参数推导了机器人的各关节坐标系变换矩阵、机器人雅可比矩阵和图像雅可比矩阵；建立了机器人视觉伺服系统的数学模型；利用Matlab环境下Robotics Toolbox (Release 7.1)工具箱,建立了RBT-6T/S04S机器人仿真模型、摄像机系统模块和视觉雅可比模块,在Simulink中对采用比例控制律对基于图像的视觉伺服系统进行了仿真研究。3)针对采用全状态反馈控制律且系统矩阵元素非负的LTI系统网络离散化后构成的网络控制系统,在数据单包传送、无数据包丢失、网络时延在[0,h](h为采样周期)区间内任意取值的研究假设下,提出并证明了：如果网络控制系统任意时刻可变网络时延值小于某一恒定值,且以此恒定值为时延的网络控制系统是渐进稳定的,则可变时延网络控制系统也是渐进稳定的。文中首先分析了采样周期和网络时延对系统稳定性和动态性能的影响；根据已有的研究成果,在状态反馈增益不变的前提下,利用混杂系统(Hybrid System)理论确定了网络控制系统对于采样周期、恒定网络时延的稳定域；然后,通过理论分析,找出了相同状态反馈增益下网络控制系统对于采样周期、可变网络时延的稳定域；最后通过仿真实验验证了结论的正确性。4)对于3)中的网络控制系统和研究假设下,根据基于代理的控制(Agent Based Control, ABC)系统“远端复杂,本地简单”的设计原则,提出了基于分层结构的可变网络时延补偿方法。网络控制系统中,控制器计算控制量时,无法知道当前控制信号的时延,由于时延的任意取值特性,对其进行精确的预测是不可能实现的。因此本文通过在执行器端设置简易控制器的方式,使远程控制器不再计算最终控制量,而是发送需要复杂运算的中间结果,由本地简易控制器根据当前控制指令的确切时延算出补偿控制量,从而解决了对可变网络时延的精确补偿问题。文中通过仿真实验对所提出方法进行了验证。5)提出了一种针对3)中网络控制系统和研究假设的系统综合方法。该方法的基本步骤为：根据连续时间系统数学模型和期望的性能,设计状态反馈增益；连续系统网络离散化过程中,通过求解一个条件极值问题,得出系统离散化的最佳采样周期。它可使所得到网络控制系统在保证稳定性的前提下,对可变网络时延具有最佳容忍度；然后对得到的网络控制系统采用基于分层结构的时延补偿方法,即可使最终的网络控制系统具有与连续时间闭环系统相近的性能；根据所研究机器人视觉伺服系统控制律特性,找出了与时变视觉伺服系统相“等价”的一个连续时间LTI系统；利用提出的网络控制系统综合方法对上述系统进行了网络视觉控制器设计,实现了对基于图像的视觉伺服网络机器人系统的仿真研究。本文最终针对RBT-6T／S04S机器人构建了基于图像的视觉伺服本地机器人系统和网络机器人系统,并通过实验验证了文中提出的方法和结论。

全文目录

摘要  3-5
Abstract  5-10
1 绪论  10-24
  1.1 引言  10
  1.2 视觉伺服技术发展  10-15
  1.3 网络控制系统研究现状  15-18
  1.4 网络机器人研究现状  18-21
  1.5 本文研究内容及章节安排  21-24
2 机器人视觉伺服系统  24-38
  2.1 引言  24
  2.2 视觉伺服基础  24-32
    2.2.1 坐标变化及刚体的速度  24-26
    2.2.2 摄像机投影模型  26-28
    2.2.3 摄像机标定  28-29
    2.2.4 图像特征和特征参数空间  29-30
    2.2.5 视觉伺服结构  30-32
  2.3 基于位置的视觉伺服  32-33
  2.4 基于图像的视觉伺服  33-36
  2.5 小结  36-38
3 图像特征提取  38-62
  3.1 引言  38
  3.2 视觉伺服系统需求  38-39
  3.3 模板快速生成的目标检测  39-50
    3.3.1 基于模板的相关匹配原理  40-41
    3.3.2 匹配模板和相关度函数  41-42
    3.3.3 模板快速生成算法  42-50
  3.4 基于GA和运动预测的图像搜索  50-55
    3.4.1 GA设计及Step GA  50-51
    3.4.2 分级图像搜索  51-52
    3.4.3 动态波门设定  52-53
    3.4.4 图像特征提取算法  53-55
  3.5 运动目标跟踪实验  55-61
    3.5.1 系统构建  55-56
    3.5.2 运动目标跟踪实验及分析  56-61
  3.6 小结  61-62
4 机器人视觉伺服控制器  62-80
  4.1 引言  62
  4.2 视觉伺服系统的数学描述  62-74
    4.2.1 RBT-6T/S04S机器人运动学和雅可比矩阵  62-69
    4.2.2 视觉伺服控制结构及图像雅可比矩阵  69-73
    4.2.3 视觉伺服系统数学描述  73-74
  4.3 机器人视觉控制策略及仿真  74-79
  4.4 小结  79-80
5 网络环境下的机器人控制  80-116
  5.1 引言  80
  5.2 网络控制系统基础  80-89
    5.2.1 网络控制系统结构  80-81
    5.2.2 网络控制系统基本问题  81-84
    5.2.3 时间戳和时钟同步  84-85
    5.2.4 时延问题公式化和研究假设  85-89
  5.3 竞争型MAC协议网络时延特性  89-90
  5.4 网络控制系统中的时间问题及稳定性分析  90-104
    5.4.1 采样周期和时延对系统的影响  90-94
    5.4.2 恒定时延网络控制系统稳定性  94-99
    5.4.3 可变时延网络控制系统稳定性  99-102
    5.4.5 网络控制系统时间问题  102-104
  5.5 基于分层结构的网络时延补偿控制  104-109
    5.5.1 网络时延补偿  104-106
    5.5.2 分层结构时延补偿  106-109
  5.6 可变时延网络机器人系统综合  109-115
  5.7 小结  115-116
6 网络环境下机器人视觉伺服实验研究  116-128
  6.1 引言  116
  6.2 机器人视觉伺服系统构建及实验  116-121
  6.3 网络控制的视觉伺服系统构建及实验  121-126
  6.4 小结  126-128
结论  128-130
致谢  130-132
参考文献  132-142
博士论文期间的研究成果  142

机器人视觉伺服及网络控制研究

内容摘要

全文目录

相似论文