多信息融合与神经网络技术在爬楼机器人中的应用研究

aizixun8

概括：

基于多信息融合和神经网络技术分析，为了解决爬楼梯机器人中单个传感器信息不足的问题，采用了基于超声波传感器、红外传感器为辅的环境感知系统，采用多信息融合技术提高了爬楼梯机器人系统在未知环境下的适应性；针对传统PID控制在爬楼梯机器人系统中参数整定困难的问题，设计了一种基于BP神经网络的PID控制器。利用该软件对传统PID控制和BP神经网络PID控制方法进行了仿真和比较。结果表明，BP神经网络PID控制方法具有信号跟踪速度快、鲁棒性好的特点。具有抗干扰能力强、稳定性高、自适应能力强等优点。论文主要研究内容如下： 1.对多信息融合技术和神经网络技术进行理论研究，重点分析BP神经网络的结构和学习算法，针对算法的缺点提出相应的解决方案。 2、搭建了以单片机为主控芯片的爬楼机器人硬件系统，包括设计爬楼机器人的三角轮系运动机构和翻转机构，建立了基于超声波传感器和传感器的环境传感系统。并辅以红外传感器。爬楼梯机器人的机身上总共安装了7个超声波传感器，用于对机器进行测量。人左前方、右前方、右前方以及机器人左右两侧的障碍物信息。机器人左右两侧布置了两个超声波传感器，并采用PSD红外传感器来弥补超声波传感器的测距盲区。最后设计了一种超声波传感器，定义了传感器的收发电路以及传感器信息的融合规则。 3.采用拉格朗日法建立爬楼梯机器人三角轮系翻转机构的动力学模型。根据爬楼梯机器人的相关电机参数，建立了以三角轮系线速度为输出的机器人运动学模型。针对传统的PID控制，在爬楼梯机器人系统中，控制参数难以调整，容易产生超调。针对传统PID控制器体积大、抗干扰能力差的问题，提出将BP神经网络算法引入常规PID控制器中。通过神经网络的自学习能力和逼近任意函数的能力，可以在线调整PID控制参数，使神经网络更加高效。输出对应于一定最优控制律下的最佳数据组合。 4、利用该软件对BP神经网络PID控制与常规PID控制进行对比仿真。结果表明，所设计的爬楼梯机器人PID控制系统显着提高了信号跟踪特性、抗干扰能力和自适应能力。 。

展开