3500/50

3500/50

【廈門莫格電氣自動化有限公司】

【本公司擁有所有產(chǎn)品專業(yè)檢測平臺，產(chǎn)品質(zhì)量嚴格把關(guān)】

【具體詢價咨詢-祖巧麗】

【：（同號）】

【】

【采購單*低10個點您拿單子，追求共贏！】

智能機器人的3大關(guān)鍵技術(shù)詳解 

市場研究機構(gòu)統(tǒng)計顯示，2015年中國工業(yè)機器人市場價值達13億美元，并將保持20%的年復合成長（CAGR），到2020年達到33億美元。

2015年，中國的工業(yè)機器人銷售收入占13%，到2020年將達到25%。美的花重金收購庫卡，大概也是看中工業(yè)機器人良好的發(fā)展勢頭。

工業(yè)機器人屬于智能機器人的1種，智能機器人發(fā)展迅速，下面跟隨小編1起，了解1下智能機器人中用到的3大關(guān)鍵技術(shù)吧。

1、多傳感器信息融合

多傳感器信息融合技術(shù)是近年來十分熱門的研究課題，它與控制理論、信號處理、人工智能、概率和統(tǒng)計相結(jié)合，為機器人在各種復雜、動態(tài)、不確定和未知的環(huán)境中執(zhí)行任務(wù)提供了1種技術(shù)解決途徑。

數(shù)據(jù)融合的關(guān)鍵問題是模型設(shè)計和融合算法，數(shù)據(jù)融合模型主要包括功能模型、結(jié)構(gòu)模型和數(shù)學模型。

功能模型從融合過程出發(fā)，描述數(shù)據(jù)融合包括哪些主要功能和數(shù)據(jù)庫，以及進行數(shù)據(jù)融合時系統(tǒng)各組成部分之間的相互作用過程；

結(jié)構(gòu)模型從數(shù)據(jù)融合的組成出發(fā)，說明數(shù)據(jù)融合系統(tǒng)的軟、硬件組成，相關(guān)數(shù)據(jù)流、系統(tǒng)與外部環(huán)境的人機界面；

數(shù)學模型是數(shù)據(jù)融合的算法和綜合邏輯，算法主要包括分布檢測、空間融合、屬性融合、態(tài)勢評估和威脅估計算法等，下面從3個方面分別進行介紹。

1.信息融合的功能模型

目前已有很多學者從不同角度提出了信息融合系統(tǒng)的1般功能模型，zui有性的是DFS（美國3軍政府組織-實驗室理事聯(lián)席會（JDL）下面的C3I技術(shù)委員會（TPC3）數(shù)據(jù)融合專家組）提出的功能模型。

該模型把數(shù)據(jù)融合分為3級。第1級是單源或多源處理，主要是數(shù)字處理、跟蹤相關(guān)和關(guān)聯(lián)；第2級是評估目標估計的集合，及它們彼此和背景的關(guān)系來評估整個情況；第3級用1個系統(tǒng)的先驗?zāi)繕思蟻頇z驗評估的情況。

2.信息融合的結(jié)構(gòu)模型

數(shù)據(jù)融合的結(jié)構(gòu)模有多種不同的分類方法，其中1種分類標準是根據(jù)傳感器數(shù)據(jù)在送人融合處理中心之前已經(jīng)處理的程度來進行分類。

在這種分類標準下，融合結(jié)構(gòu)被分為傳感器級數(shù)據(jù)融合，*級數(shù)據(jù)融合及混合式融合，還可以根據(jù)數(shù)據(jù)處理過程的分辨率來對融合結(jié)構(gòu)進行分類。在這種情況下，融合結(jié)構(gòu)為像素級、特征級和決策級融合。

3.多傳感器信息融合實現(xiàn)的數(shù)學模型

信息融合的方法涉及到多方面的理論和技術(shù)，如信號處理、估計理論、不確定性理論、模式識別、*化技術(shù)、模糊數(shù)學和神經(jīng)網(wǎng)絡(luò)等這方面國外已經(jīng)做了大量的研究。 目前，這些方法大致分為兩類：隨機類方法和人工智能方法。

2、導航與定位

在機器人系統(tǒng)中，自主導航是1項核心技術(shù)，是機器人研究領(lǐng)域的重點和難點問題。自主移動機器人常用的導航定位方法有以下4種。

1、視覺導航定位

在視覺導航定位系統(tǒng)中，目前國內(nèi)外應(yīng)用較多的是基于局部視覺的在機器人中安裝車載攝像機的導航方式。

在這種導航方式中，控制設(shè)備和傳感裝置裝載在機器人車體上，圖像識別、路徑規(guī)劃等高層決策都由車載控制計算機完成。

視覺導航定位系統(tǒng)主要包括：攝像機（或CCD圖像傳感器）、視頻信號數(shù)字化設(shè)備、基于DSP的快速信號處理器、計算機及其外設(shè)等。

現(xiàn)在有很多機器人系統(tǒng)采用CCD圖像傳感器，其基本元件是1行硅成像元素，在1個襯底上配置光敏元件和電荷轉(zhuǎn)移器件，通過電荷的依次轉(zhuǎn)移，將多個象素的視頻信號分時、順序地取出來，如面陣CCD傳感器采集的圖像的分辨率可以從32&TImes;32到1024&TImes;1024像素等。

視覺導航定位系統(tǒng)的工作原理簡單說來就是對機器人周邊的環(huán)境進行光學處理，先用攝像頭進行圖像信息采集，將采集的信息進行壓縮，然后將它反饋到1個由神經(jīng)網(wǎng)絡(luò)和統(tǒng)計學方法構(gòu)成的學習子系統(tǒng)，再由學習子系統(tǒng)將采集到的圖像信息和機器人的實際位置起來，完成機器人的自主導航定位功能。

2、光反射導航定位

典型的光反射導航定位方法主要是利用激光或紅外傳感器來測距。激光和紅外都是利用光反射技術(shù)來進行導航定位的。 激光全局定位系統(tǒng)1般由激光器旋轉(zhuǎn)機構(gòu)、反射鏡、光電接收裝置和數(shù)據(jù)采集與傳輸裝置等部分組成。

工作時，激光經(jīng)過旋轉(zhuǎn)鏡面機構(gòu)向外發(fā)射，當掃描到由后向反射器構(gòu)成的合作路標時，反射光經(jīng)光電接收器件處理作為檢測信號，啟動數(shù)據(jù)采集程序讀取旋轉(zhuǎn)機構(gòu)的碼盤數(shù)據(jù)（目標的測量角度值），然后通過通訊傳遞到上位機進行數(shù)據(jù)處理，根據(jù)已知路標的位置和檢測到的信息，就可以計算出傳感器當前在路標坐標系下的位置和方向，從而達到進1步導航定位的目的。 如圖是1個LDSR激光傳感器系統(tǒng)原理框圖。激光測距具有光束窄、平行性好、散射小、測距方向分辨率高等優(yōu)點，但同時它也受環(huán)境因素干擾比較大，因此采用激光測距時怎樣對采集的信號進行去噪等也是1個比較大的難題。

另外激光測距也存在盲區(qū)，所以光靠激光進行導航定位實現(xiàn)起來比較困難，在工業(yè)應(yīng)用中，1般還是在特定范圍內(nèi)的工業(yè)現(xiàn)場檢測，如檢測管道裂縫等場合應(yīng)用較多。

紅外傳感技術(shù)經(jīng)常被用在多關(guān)節(jié)機器人避障系統(tǒng)中，用來構(gòu)成大面積機器人“敏感皮膚”，覆蓋在機器人手臂表面，可以檢測機器人手臂運行過程中遇到的各種物體。典型的紅外傳感器工作原理如圖所示。

該傳感器包括1個可以發(fā)射紅外光的固態(tài)發(fā)光2極管和1個用作接收器的固態(tài)光敏2極管。

由紅外發(fā)光管發(fā)射經(jīng)過調(diào)制的信號，紅外光敏管接收目標物反射的紅外調(diào)制信號，環(huán)境紅外光干擾的消除由信號調(diào)制和紅外濾光片保證。

設(shè)輸出信號Vo代表反射光強度的電壓輸出，則Vo是探頭至工件間距離的函數(shù)：

Vo=f（x，p） 式中，p—工件反射系數(shù)。p與目標物表面顏色、粗糙度有關(guān)。x—探頭至工件間距離。 當工件為p值*的同類目標物時，x和Vo11對應(yīng)。x可通過對各種目標物的接近測量實驗數(shù)據(jù)進行插值得到。

這樣通過紅外傳感器就可以測出機器人距離目標物體的位置，進而通過其他的信息處理方法也就可以對移動機器人進行導航定位。 雖然紅外傳感定位同樣具有靈敏度高、結(jié)構(gòu)簡單、成本低等優(yōu)點，但因為它們角度分辨率高，而距離分辨率低，因此在移動機器人中，常用作接近覺傳感器，探測臨近或突發(fā)運動障礙，便于機器人緊急停障。

3、GPS定位系統(tǒng)

如今，在智能機器人的導航定位技術(shù)應(yīng)用中，1般采用偽距差分動態(tài)定位法，用基準接收機和動態(tài)接收機共同觀測4顆GPS衛(wèi)星，按照1定的算法即可求出某時某刻機器人的3維位置坐標。

差分動態(tài)定位消除了星鐘誤差，對于在距離基準站1000km的用戶，可以消除星鐘誤差和對流層引起的誤差，因而可以顯著提高動態(tài)定位精度。

但是因為在移動導航中，移動GPS接收機定位精度受到衛(wèi)星信號狀況和道路環(huán)境的影響，同時還受到時鐘誤差、傳播誤差、接收機噪聲等諸多因素的影響

因此，單純利用GPS導航存在定位精度比較低、可靠性不高的問題，所以在機器人的導航應(yīng)用中通常還輔以磁羅盤、光碼盤和GPS的數(shù)據(jù)進行導航。

另外，GPS導航系統(tǒng)也不適應(yīng)用在室內(nèi)或者水下機器人的導航中以及對于位置精度要求較高的機器人系統(tǒng)。

4、超聲波導航定位

超聲波導航定位的工作原理也與激光和紅外類似，通常是由超聲波傳感器的發(fā)射探頭發(fā)射出超聲波，超聲波在介質(zhì)中遇到障礙物而返回到接收裝置。

通過接收自身發(fā)射的超聲波反射信號，根據(jù)超聲波發(fā)出及回波接收時間差及傳播速度，計算出傳播距離S，就能得到障礙物到機器人的距離，即有公式：S=Tv/2式中，T—超聲波發(fā)射和接收的時間差；v—超聲波在介質(zhì)中傳播的波速。

當然，也有不少移動機器人導航定位中用到的是分開的發(fā)射和接收裝置，在環(huán)境地圖中布置多個接收裝置，而在移動機器人上安裝發(fā)射探頭。

在移動機器人的導航定位中，因為超聲波傳感器自身的缺陷，如：鏡面反射、有限的波束角等，給充分獲得周邊環(huán)境信息造成了困難，因此，通常采用多傳感器組成的超聲波傳感系統(tǒng)，建立相應(yīng)的環(huán)境模型，通過串行通信把傳感器采集到的信息傳遞給移動機器人的控制系統(tǒng)，控制系統(tǒng)再根據(jù)采集的信號和建立的數(shù)學模型采取1定的算法進行對應(yīng)數(shù)據(jù)處理便可以得到機器人的位置環(huán)境信息。

由于超聲波傳感器具有成本低廉、采集信息速率快、距離分辨率高等優(yōu)點，*以來被廣泛地應(yīng)用到移動機器人的導航定位中。而且它采集環(huán)境信息時不需要復雜的圖像配備技術(shù)，因此測距速度快、實時性好。同時，超聲波傳感器也不易受到如天氣條件、環(huán)境光照及障礙物陰影、表面粗糙度等外界環(huán)境條件的影響。超聲波進行導航定位已經(jīng)被廣泛應(yīng)用到各種移動機器人的感知系統(tǒng)中。

3、路徑規(guī)劃

路徑規(guī)劃技術(shù)是機器人研究領(lǐng)域的1個重要分支。*路徑規(guī)劃就是依據(jù)某個或某些優(yōu)化準則（如工作代價zui小、行走路線zui短、行走時間zui短等），在機器人工作空間中找到1條從起始狀態(tài)到目標狀態(tài)、可以避開障礙物的*路徑。

移動機器人路徑規(guī)劃技術(shù)大概分為以下4類：模版匹配路徑規(guī)劃技術(shù)、人工勢場路徑規(guī)劃技術(shù)、地圖構(gòu)建路徑規(guī)劃技術(shù)和人工智能路徑規(guī)劃技術(shù)。

1.模版匹配路徑規(guī)劃技術(shù)

模版匹配方法是將機器人當前狀態(tài)與過去經(jīng)歷相比較，找到zui接近的狀態(tài)，修改這1狀態(tài)下的路徑，便可得到1條新的路徑，即首先利用路徑規(guī)劃所用到的或已產(chǎn)生的信息建立1個模版庫，庫中的任1模版包含每1次規(guī)劃的環(huán)境信息和路徑信息，這些模版可通過特定的索引取得；

隨后將當前規(guī)劃任務(wù)和環(huán)境信息與模版庫中的模版進行匹配，以尋找出1個*匹配模版；然后對該模版進行修正，并以此作為zui后的結(jié)果，模版匹配技術(shù)在環(huán)境確定情況下，有較好的應(yīng)用效果，如Vasudevan等提出的基于案例的自治水下機器人（AUV）路徑規(guī)劃方法，Liu等提出的清潔機器人的模版匹配路徑規(guī)劃方法，為了提高模版匹配路徑規(guī)劃技術(shù)對環(huán)境變化的適應(yīng)性，部分學者提出了將模版匹配與神經(jīng)網(wǎng)絡(luò)學習相結(jié)合的方法，如Ram等將基于事例的在線匹配和增強式學習相結(jié)合，提高了模版匹配規(guī)劃方法中機器人的自適應(yīng)性能，使機器人能部分地適應(yīng)環(huán)境的變化，以及Arleo等將環(huán)境模版與神經(jīng)網(wǎng)絡(luò)學習相結(jié)合的路徑規(guī)劃方法等。

2.人工勢場路徑規(guī)劃技術(shù)

人工勢場路徑規(guī)劃技術(shù)的基本思想是將機器人在環(huán)境中的運動視為1種機器人在虛擬的人工受力場中的運動。

障礙物對機器人產(chǎn)生斥力，目標點對機器人產(chǎn)生引力，引力和斥力的合力作為機器人的控制力，從而控制機器人避開障礙物而到達目標位置。 早期人工勢場路徑規(guī)劃研究是1種靜態(tài)環(huán)境的人工勢場，即將障礙物和目標物均看成是靜態(tài)不變的，機器人僅根據(jù)靜態(tài)環(huán)境中障礙物和目標物的具體位置規(guī)劃運動路徑，不考慮它們的移動速度。

然而，現(xiàn)實世界中的環(huán)境往往是動態(tài)的，障礙物和目標物都可能是移動的，為了解決動態(tài)環(huán)境中機器人的路徑規(guī)劃問題，F(xiàn)ujimura等提出1種相對動態(tài)的人工勢場方法，將時間看成規(guī)劃模型的1維參量，而移動的障礙物在擴展的模型中仍被看成是靜態(tài)的，這樣動態(tài)路徑規(guī)劃仍可運用靜態(tài)路徑規(guī)劃方法加以實現(xiàn)。

該方法存在的主要問題是假設(shè)機器人的軌跡總是已知的，但這1點在現(xiàn)實世界中難以實現(xiàn)，對此，Ko等將障礙物的速度參量引入到斥力勢函數(shù)的構(gòu)造中，提出動態(tài)環(huán)境中的路徑規(guī)劃策略，并給出了仿真結(jié)果，但是，該方法的兩個假設(shè)使其與實際的動態(tài)環(huán)境存在距離：

（1）僅考慮環(huán)境中障礙物的運動速度，未考慮機器人的運動速度；

（2）認為障礙物與機器人之間的相對速度是固定不變的，這不是完整的動態(tài)環(huán)境。對于動態(tài)路徑規(guī)劃問題來說，與機器人避障相關(guān)的主要是機器人與障礙物之間的相對位置和相對速度，而非位置和速度，對此，Ge等將機器人與目標物的相對位置與相對速度引入吸引勢函數(shù)，將機器人與障礙物的相對位置與相對速度引入排斥勢函數(shù)，提出動態(tài)環(huán)境下的機器人路徑規(guī)劃算法，并將該算法應(yīng)用于*足球移動機器人的路徑規(guī)劃中，取得了比較滿意的仿真與實驗結(jié)果。

DSMB1515736 0001-K

DSMB-GN

DSMB1755736 0001-KG

DSMB-HX

DSMB178

DSMB34057360001-CT/3

DSMC112IN5736-1001-CB-03, 5736 0001-HC

DSMD1105736045-A

DSMD112

DSMD113 

DSPB110 57340001-A/3

DSPB112 57340001-K/2

DSPB120 57340001-T

DSPC150 57310256-AF/2

DSPC154 57310001-BY

DSPC155 57310001CX5

DSPC157 57310001-GP

DSPC170 57310001-GL

DSPC170 H57310001-LC/2

DSPC171 5731001-CC

DSPC172 57310001-ML

DSPC172 257360001-NB/1

DSPC172H 57310001-MP/2

DSPC300 17650 001-1

DSPC312 17650 001-61

DSPC31227650 001-62

DSPC32217650 018-1

DSPC36557310001DF / 4

DSRB11052841637G- Blank Filler

DSRB310

DSRFA

DSRF16057310255V

DSRF180A57310255-AV

DSRF180M5731-0255-AT

DSRF-AL

DSRF182K133BSE003571R1

DSSA16548990001-LY

DSSB11048980001E

DSSB12048980002-A

DSSB1404898-0001-P

DSSB14548980001-AP

DSSB14648980001-AP/1, DSSB146*BAT2C

DSSB1704898 0001-AG

DSSR 122M48990001-LR

DSSR11648990001FK2

DSSR12048990001-LH

DSSR12148990001-MT

DSSR12248990001-NK

DSSS-AC

DSTA-121A57120001-E/2,DSTA-1214

DSTA00257120001-RB/1

DSTA12157120001-E/2

DSTA133I3BYN571200-E/00

DSTA170IN5712-1001-CD/02

DSTA-ET/3

DSTC 12157520001-KH1

DSTC 4565751017-L/2

DSTC110IN5752-1001-a/04

DSTC-A

DSTC16057520001-Z

DSTD-306

DSTD-W-AAK

DSTD12057160001-P/1

DSTD150A57160001-UH/1, IN5716-1001-DR/01

DSTD-E2 / 1

DSTDN001

DSTK11426390582

DSTK12626390582-AY

DSTK151V5730032-H

DSTK-H

DSTK-P

DSTK-AZ

DSTK179

DSTV11057350001-A

DSTX -E/4

DSTX00157360001-LU/1

DSTX-EB/1

DSTX-EF

IS220PDIOH1B
IS210BPPBH2CAA
IS200TDBSH2ABC
IS200TDBSH2AAA
IS210AEPSG1A
IS210AEBIH1ADC
IS200DVIBH1BAB
IS200DSVOH2BDB
IS210SCLSH1A
IS210AEBIH1ADB
IS210MACCH2AEG
IS210AEBIH3BBC
IS210AEAAH1BJE
IS210MACCH1ACB
IS210AEAAH1BBA
IS210AEAAH1BGB
IS210MACCH1AFG
IS210AEACH1ABB
IS210RERCH1RBB
IS210AEBIH1BAA
IS210AEPSG2BBA
IS210BPPBH2BMD
IS220PTURH1A
IS220PRTDH1A
IS220UCSAH1A
IS220PAICH2A
IS220PDIOH1A
IS220PDOAH1A
IS220PDIAH1A
IS220PPROH1A
IS220PAICH1A
IS200STAIH1ABB
IS230STAI2ASRTD2AH01