家用機器人論文搬運機器人論文

1、家用搬運機器人的人工智能研究機電08-3周立平0807060329摘要首先設(shè)計基于神經(jīng)網(wǎng)絡(luò)的智能型固定機器人，此框架可以引入先進算法，擴充系統(tǒng)功能，然后提出多控制系統(tǒng)避碰智能決策系統(tǒng)解決方法，保障使用的安全：不產(chǎn)生誤動作，最后給出基于多智能體系框架結(jié)構(gòu)，完成智能化機器人的總體設(shè)計。關(guān)鍵詞家用固定機器人智能決策多智能體神經(jīng)網(wǎng)絡(luò)一、引言家用電器技術(shù)的發(fā)展是一個國家科技水平和工業(yè)自動化程度的重要標(biāo)志和體現(xiàn)，家用電器自動化應(yīng)用越來越廣泛，但是家用電器的自動化的發(fā)展現(xiàn)只能是起步階段，還沒有達到能得心應(yīng)手的階段，其實，可以認(rèn)為是不動機器人，它通過嵌入式軟件操作，通過傳感器感知，通過網(wǎng)絡(luò)與用戶交流。此技術(shù)綜

2、合了計算機，控制論、機械學(xué)，信息和傳感技術(shù)，人工智能、仿生學(xué)等多學(xué)科而形成的高新技術(shù)，集成許多學(xué)科的發(fā)展成果，代表高技術(shù)的發(fā)展是科技研究的隨著計算機、電子信息技術(shù)的快速進步.家電控制技術(shù)的開發(fā)速度越來越快，智能度越來越高，它是動態(tài)決策與規(guī)劃、行為控制與執(zhí)行等多功能于一體的綜合系統(tǒng)，是一類能夠通過傳感器感知環(huán)境和自身狀態(tài)調(diào)節(jié)家電狀態(tài)的智能系統(tǒng)。二、自動目標(biāo)識別框架算法的優(yōu)化和調(diào)整，必須采用可視化界面設(shè)計，同時提供設(shè)計選擇和改進優(yōu)化的機會系統(tǒng)顯示的界面部分是由一些內(nèi)容相互聯(lián)系的模塊所組成，每個模塊代表一個分離的子系統(tǒng)?？蚣軕?yīng)能夠?qū)θ炕虿糠殖绦蜻M行優(yōu)化處理，應(yīng)盡可能多地增加新的優(yōu)化算法到框架中?？?/p>

3、架可以為算法開發(fā)者提供在線幫助，以熟悉操作界面和框架的使用?？蚣軕?yīng)充分利用已有的面向?qū)ο蟪绦蛟O(shè)計的設(shè)計環(huán)境，那些用于向?qū)У脑O(shè)計選擇可以嵌入到繼承的結(jié)構(gòu)中，應(yīng)易于通過產(chǎn)生導(dǎo)出類或添加界面的方式擴展系統(tǒng)?？蚣懿捎媚K化設(shè)計，通過相對獨立的模塊設(shè)計。根據(jù)面向?qū)ο蟪绦蛟O(shè)計的特點，設(shè)計者的大部分工作是編寫程序，通過使用已有的對象導(dǎo)出新的對象，并且把它們?nèi)诤显谝黄?，這項工作主要是利用了繼承性擴展函數(shù)來完成。三、基于簡目標(biāo)自動識別框架結(jié)構(gòu)由于是實驗的初級階段，本文提出了一個層次化、模塊化的自動目標(biāo)優(yōu)先框架方案，利用層次化識別的原理，將一個多類別的復(fù)雜識別問題分解成在不同層次上對多層系統(tǒng)變成的簡單識別問題，使

4、得識別系統(tǒng)在不同層次上可以靈活地采用相應(yīng)的特征提取與目標(biāo)識別算法；而增加新的識別類型時，也只需要對局部的系統(tǒng)結(jié)構(gòu)或參數(shù)進行調(diào)整。另外，一個實用的自動目標(biāo)識別系統(tǒng)通常需具備數(shù)據(jù)獲取、特征提取及目標(biāo)識別分類等基本功能。這種家電系統(tǒng)還存在于系統(tǒng)昂貴，傳輸線過多不利于安裝，電腦的擴展不夠等因素，不利于普通家庭使用等特點，對不同任務(wù)和特殊環(huán)境的適應(yīng)性是家電與一般自動化裝備的重要區(qū)別智能家電從外觀上已遠遠脫離了最初的家用電器所具有的形狀和局限，更加符合各種家庭環(huán)境的特殊要求。其功能和智能程度太大增強從而為家庭現(xiàn)代化技術(shù)開辟出更加廣闊的發(fā)展空間，而多傳感器信息融合技術(shù)是智能化的關(guān)鍵技術(shù)。（一）傳感器所用的傳

5、感器有很多種，根據(jù)不同用途分為內(nèi)部測器傳感器和外部測量傳感器兩大類內(nèi)部測量傳感器用來檢測電器組成部件的內(nèi)部狀態(tài)，包括：溫度傳感器、外部傳感器包括：（測量）、滑動覺傳感器、視覺傳感器、紅外傳感器、超聲傳感器、觸覺傳感器等。由于受到各傳感器的檢測對象，需要確定不同的傳感器數(shù)據(jù)的一致性，通過不同傳感器信息的互相補充來獲得外部完整的信息，所以多傳感器信息融合，提高電器的智能化程度。（二）信息融合情息融合是利用計算機技術(shù)對按家電動作時序取得的若干信息源以一定準(zhǔn)則加以自動分析、綜合，完成任務(wù)進行的信息處理，表現(xiàn)在幾個方面：劃分信息級別，將信息組成信息庫，信息融合在幾個層次上完成對多源信息的選取過程，每一層

6、次都表示不同級別的信息，信息融合本質(zhì)是一個由低層到頂層對多元信息進行組合。（三）多傳感器之間的信息融合（通過單片機）本文提出的層次化、模塊化的自動目標(biāo)識別框架，按照功能分解成相對獨立的模塊，可以分別提供多種不同的算法，以供系統(tǒng)實現(xiàn)時進，多傳感器信息融合技術(shù)對促進向智能化、自主化方向轉(zhuǎn)換，協(xié)調(diào)使用多用傳感器，把分布在不同位置的多個同質(zhì)或異質(zhì)傳感器所提供的局部不完整量及相關(guān)聯(lián)數(shù)據(jù)庫中的相關(guān)信息加以綜合.消除多傳感器之間可能存在的冗余和矛盾，并加以互補，確定本次動做的唯一性，獲得對物體或環(huán)境的一致性描述的過程。它通過一定的算法來合并多個信息源的信息，以產(chǎn)生更可靠、更準(zhǔn)確的信息，并根據(jù)這些信息做出可靠

7、的決策。其關(guān)鍵技術(shù)可對各類、各個原始信息進行校準(zhǔn)、相關(guān)估計、誤差模式識別和狀態(tài)決策處理。多傳感器系統(tǒng)是信息融合技術(shù)的硬件基礎(chǔ)，多源信息是信息融合的加工對象，融合算法是信息融合的核心。多傳感器信息融合的一般方法如圖l所示。多傳感器信息融合由于其應(yīng)用上的復(fù)雜性和多樣性，目前多傳感器信息融合方法有模糊邏輯、神經(jīng)網(wǎng)絡(luò)、小波變換等，神經(jīng)網(wǎng)絡(luò)是多傳感器信息融合的重要方法之一。多個傳感器信息融合技術(shù)對促進機器人向智能化自主化起著極其重要的作用，是協(xié)調(diào)使用多個傳感器，把分布到各個相關(guān)聯(lián)數(shù)據(jù)庫中的相關(guān)信息加以綜合。消除多傳感把分布在不同位置的多個同質(zhì)或異質(zhì)傳感器所提供的局部不完整器之間可能存在的冗余和矛盾，降低

8、其不確定性，是機器人智能化的關(guān)鍵技術(shù)之一。其關(guān)鍵技術(shù)可對各類、各個原始信息進行校準(zhǔn)、相關(guān)估計、誤差模式識別和狀態(tài)決策處理。它通過一定的算法來合并多個信息源的信息，根據(jù)這些信息做出可靠的決策。多傳感器系統(tǒng)是信息融合技術(shù)的硬件基礎(chǔ)，多源信息是信息融合的加工對象，融合算法是信息融合的核心。四、基于神經(jīng)網(wǎng)絡(luò)信息融合的智能系統(tǒng)人工神經(jīng)網(wǎng)絡(luò)是由許多單元，又稱神經(jīng)元，按照一定的拓撲結(jié)構(gòu)相互連接而成的一種具有并行計算能力的網(wǎng)絡(luò)系統(tǒng)，具有較強的非線性擬合能力和多輸入多輸出同時處理能力。信息可分布存儲，容量大，容錯性較好；自學(xué)習(xí)，自組織，自校正、自適應(yīng)；神經(jīng)網(wǎng)絡(luò)的行為是大量神經(jīng)元的集體行為；神經(jīng)元可以處理一些環(huán)境

9、十分復(fù)雜，知識背景不清楚和推理規(guī)則不明確的問題。神經(jīng)網(wǎng)絡(luò)是一個高度非線性動力學(xué)系統(tǒng)。（一）人工神經(jīng)網(wǎng)絡(luò)具有如下特征并行信息分布處理PDP可學(xué)習(xí)性；魯棒性和容錯性；泛化能力。采用人工神經(jīng)網(wǎng)絡(luò)進行信息融合的最大優(yōu)勢在于：大規(guī)模的并行處理和分布式信息存儲，良好的自適應(yīng)、自組織性。以及很強的學(xué)習(xí)功能、聯(lián)想功能和容錯功能力。（二）神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)有輸入輸出層節(jié)點、還有隱層節(jié)點，經(jīng)過作用函數(shù)后，再把隱層節(jié)點的輸出信號傳到輸出層節(jié)點，經(jīng)過處理后給出輸出結(jié)果，在執(zhí)行中，輸入是被執(zhí)行對象征兆存在與及程度，輸出是學(xué)習(xí)模式。前饋多層神經(jīng)網(wǎng)絡(luò)我們采用BP神經(jīng)網(wǎng)絡(luò)，均為三層前向網(wǎng)絡(luò)，由一個輸入層、一個輸出層和一個隱

10、藏層構(gòu)成，輸入信號前向傳播到隱藏層，經(jīng)節(jié)點非線性函數(shù)作用后再傳到輸出層，得到相應(yīng)的輸出。如果網(wǎng)絡(luò)輸出有差異，則通過修正各連接權(quán)值使總體誤差最小學(xué)習(xí)方法設(shè)N個節(jié)點任意網(wǎng)絡(luò)，只有一個輸出Y,任一節(jié)點i之輸出為，設(shè)有N個樣本，對于某一輸入，網(wǎng)絡(luò)輸出為，節(jié)點i輸出，為節(jié)點輸入為：該試反應(yīng)了E在權(quán)值空間W上的梯度方向，其計算過程即是輸出誤差通過網(wǎng)絡(luò)連接的反向傳播過程。前向神經(jīng)網(wǎng)絡(luò)通過誤差修正的自學(xué)習(xí)，學(xué)習(xí)過程由正向傳播和反向傳播組成，在正向傳播過程中，輸入信號從輸入層經(jīng)隱含層逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)，如輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播，將輸出信號的誤差信

11、號沿原來連接通路返回，反復(fù)修正網(wǎng)絡(luò)各層神經(jīng)元之間的連接權(quán)值，使得誤差信號最小，將隱含在樣本中的規(guī)律性反映到網(wǎng)絡(luò)神經(jīng)元的聯(lián)系中，一旦學(xué)習(xí)完畢，神經(jīng)網(wǎng)絡(luò)就具備了相當(dāng)于樣本組合的判斷能力。神經(jīng)網(wǎng)絡(luò)模塊從專家系統(tǒng)的推理機制和模糊性處理獲取必要的學(xué)習(xí)樣本及診斷結(jié)果，將學(xué)習(xí)結(jié)果存儲于神經(jīng)數(shù)據(jù)庫.(三)在家電選擇中的應(yīng)用學(xué)習(xí)分四步，一是隨機抽取傳感器值做訓(xùn)練。二是學(xué)習(xí)訓(xùn)練，用算法進行學(xué)習(xí)，建立神經(jīng)網(wǎng)絡(luò)。三是對于新增的故障在已有的神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上通過調(diào)整連權(quán)值，進行新的學(xué)習(xí)。第四對于已建好的神經(jīng)網(wǎng)絡(luò)用其它故障值進行驗證，當(dāng)正確率不滿足要求時，加入一定比例不能進行正確判斷到最優(yōu)先的信號，重返回三進行學(xué)習(xí)，直到判斷精度達到要求為止，本文選取系統(tǒng)學(xué)習(xí)和測試的子集是6個，經(jīng)算法學(xué)習(xí)后生成的神經(jīng)網(wǎng)絡(luò)經(jīng)測試集訓(xùn)練后效果能符合。五、結(jié)論目前只對電冰箱、空調(diào)、電飯煲、微波爐、電磁爐，和家用攝像頭等幾種選擇。多傳感器信息融合技術(shù)關(guān)鍵技術(shù)之一，隨著傳感器技術(shù)與單片機融合技術(shù)水平的提高，獲取環(huán)境信息的感知能力以及系統(tǒng)決策能力將會得到不斷的提高。基于神經(jīng)網(wǎng)絡(luò)對多路傳感器信息進行融合選取，促使家用電器的智能化和自主化，達到