论文研究-结合影像和LiDAR点云数据的水体轮廓线提取方法.pdf

所需积分/C币:9 2019-09-11 10:29:10 692KB .PDF
收藏 收藏
举报

互联网传输过程中存在的随机时延,影响了操作者与遥操作机器人之间的实时交互,降低了系统稳定性和操作性能。论文提出一种新的方法,利用动态神经元群模型对操作者发送的控制指令序列进行分析,实现对操作者意图的推断。在随机时延条件下,遥操作机器人能够根据操作者意图和当前环境信息,通过局部自主控制完成期望任务动作。同时可以与主端操作者基于事件的控制指令进行切换,来保证系统的稳定性,提高整个控制系统的操作性能和效率。最后,通过互联网足球机器人平台进行实验,仿真结果验证了所提模型与方法的有效性和可行性。
李响,王越趯:结合操作者意图分析的 Internet机器人控制方法硏究 2009,45(21)31 ···,····· 视觉子系统 游戏 视频信息 图像处理 ←控制规划 者 PDA Internet ··.·.···.····..···· R2 视频接收 局部自主 控制决策 主端计算机 球 赛场 从端计算机 R3 图4基于互联网的遥操作足球机器人系统 2.2具有延迟结构的动态神经元群 窗口长度选择为6个样本,动态神经元群层间时延为100ms。 文中采用的多层延迟神经元群网络( Multi- -layered Time 定义足球机器人的命令集:S=X,Y,D,0,V1,VJ。分别 Delay Neural Group Network)作为动态神经网络的一种,是从为:第k个指令时刻由全局视觉获得的机器人位置信息[xk 般性神经元群网络的基础上加以改进得到的。由于内部引入Y小;与球的距离D;小车正方向与球一车连线的夹角;机器 了多层常时滞结构(即多个一步延迟的时延算子),通过延迟耦的线速度n和角速度o,n1=k×d-k×B,1=h+k×B,0=( 合的不同功能群集,根据样本序列分析和预测操作者意图,从υ)川,υ=(vg+n)2,是足球机器人轮间距离;h,ko是经验参 而实现对被控对象的有效控制。结合分层延迟结构的动态神经数;操作者发送的左右轮的速度控制命令,Vl 元群网络模型如图3所示。这样改进的动态神经元群网络就具 视觉元群、运动规划元群和行为控制元群各包含3×6个神 有延迟记忆功能,文中的样本序列包含给定的初始状态信息,经元单位,用于处理输入矢量;记忆评价元群包含6×9个神经 遥操作机器人接收到的控制指令和从端传感器数据。 元单位,用于实现活性值的存储和评价分析,各区域神经元之 ,A4<视觉神经元群 间实现局部互连。各功能区域的特性参数和初始连接值、学习 率等由表1和表2给出。 表1不同元群的功能参数 运动规划神经元群> 功能区域 y 经 Prediction 视觉 13560.2820.236 运动规划20000.1000.300 <行为控制神经元群 y 行为控制2000.0500.150 图3动态神经元群结构示意图 记忆评价1.9200.1120.206 图中,模型的输入向量S为s,y,输出层预测输出为yk, 表2不同元群间的连接初值及参数值 γk为延迟接收到的、远端操作者发送的控制数据。文中采用滑 连接(区域)c(0)ng102k1k 动窗口的方法来截取学习样本,保证了神经元群网络实现在线 视觉→运动0.12000.02000.00200.010.160.100.16 运动→行为0.02200.00760.00060.140.160.100.16 控制的实时性。假设在第k个指令时刻,选取的指令k-1,k-2, 视觉←→记忆0.37750.03500.00050.40.310.450.10 h-d时刻的控制指令和传感器数据作为学习样本;在k+1指 运动←→记忆0.00160.05000.00050.010.290.450.15 令时刻,增加k指令时刻的样本数据,将k-d指令时刻的样本 行为←→记忆0.07000.00400.00040.100.500.450.15 数据丢弃,这样就始终保持样本窗口为d。 首先将历史的数据序列同时输入给不同的功能群集进行3.2仿真实验结果与分析 处理,然后通过评价函数和连结权值进行修正,将每层的预测 图5给出的是样本序列通过视觉、运动规划和行为控制神 结果作为下一层的输入,最后把得到的各分层预测结果进行整经元群获得的预测分量。通过多层延迟结构简化了样本特征信 合得到。 3仿真实验与分析 31实验系统平台及方法 050100150200250300350400450500 采用了3对3的互联网遥操作足球机器人系统作为实验 平台3,它可以展开网终遥操作和相关技术的研究,系统结构 如图4所示。实验任务为己方单个足球机器人,在对方机器人 050100150200250300350400450500 静止的情况下,从起始位置开球,完成一次射门任务。记录这一 过程中远端操作者发送的延迟控制命令和机器人的运动轨迹 结合全局视觉信息组成样本空间。仿真试验中,神经元群网络 050100150200250300350400450500 的平均更新周期在300ms左右,系统采样周期为50ms,滑动 图5各层神经元群的预测结果 32 2009,45(21) Computer Engineering and Applications计算机工程与应用 息间的T涉或耦合。每层神经元群预测一个分量的演化过程, 结论 既简化了各层学习任务,同时又保证了不会丢失原始样本序列 针对网络随机时延的影响,利用具有多层延迟结构的动态 中包含的信息。图6给岀了样本训练结束后不同功能神经元群神经元群模型,针对操作者控制指令和传感器数据构成的样本 的活性值分布情况。 序列进行分析,以获得远端操作者真实意图。对预测出的结果 output samples 进行评估,并作为机器人行为决策的依据,从而提高从端遥操 作机器人的局部自主性。结合基于事件的控制方法,通过切换 控制降低了随机时延的影响,保证系统的稳定性和操作性能。 0.8 通过在互联网足球机器人实验平台上进行的仿真实验,验证了 0.6 所提方法的有效性和可行性。下一步工作可以考虑改进模型结 四0.4 构,提高其适应性和一般性,用于更加复杂的多机器人网络遥 操作控制。 100 ……-…∴s 参考文献: 494 49098.0 time 庄严,恽为民基于网络的机器人控制技术研究现状与发展机器 图6神经元群的活性值分布图 人,2002,24(3):276-282 [2 Goradia A, Xi Ning, Elhajj I H Internet based robots: Applications 互联网遥操作足球机器人速度、位移量变化的预测曲线与 impacts, challenges and future directions[ C /2005 IEEE Workshop 操作者期望变化曲线如图7、8所示。比较表明,通过多层延迟 on Advanced Robotics and its Social Impacts, 2005: 73-78 动态神经元群控制结构能够成功分析和预测操作者意图的变赵明国,赵杰血met模型与网络遥操作系统仿真环境的建立小高 化情况。 技术通讯,2002,12(7):63-67 「4]景兴建,王越超谈大龙遥操作机器人系统时延控制方法综述J mulation resu lIt 自动化学报,2004,30(2):214-223 [5 Xi N, Tarn T J, Bejczy A K Intelligent planning and control for 20 multirobot coordination: an event-based approach[J.IEEE Transac ty curve tions on ,1996,12(3):439-452 16 Edelman G M Neural darwinism: The theory of neuronal group se lection Z. Basic Books, 1987 1.0 [7] Aliakbarian S, Abdollahzadeh A, Jalali L. A new approach in ob- Expected velocity curve ject-oriented methodology for creating event-based simulator[Cy/ 0.5 2006 Canadian Conference on Electrical and Computer Er ing, CECE06,2007:2424-2427 050100150200250300350400450500 [ Xi N Event-based planning and control for robotic systems DI 图7速度预测曲线 Washington University, 1993-12 [9 Girshgorn S L Fuzzy sets and the theory of neuronal group selec Simulation result 200 tion for the problem of classification[ C)/19th International Confer ence of the North American on Fuzzy Inform nation processing cIety,2000:119-122 160F Prediction velocity curve [10 Popescu-Belis, Andrei Adaptive multi -agent system based on neural darwinism'[C]/Proceedings of the 1997 Ist International Conference on Autonomous Agents(CA ). 1997 [11 Jeffrey K L, Edelman G MBrain-based devices: Intelligent sys 80 xpected velocity tems based on principles of the nervous system(CV/EEE Interna tional Conference on Intelligent Robots and Systems(CA), 2003 [12 Fleischer J, Szatmary B, Hutson D, et al. A neurally controlled 050100150200250300350400450500 robot competes and cooperates with humans in Segway soccer[Cyi 图8位移量预测曲线 Proceedings of the 2006 IEEE International Conference on Robotics and Automation 2006: 3673-3678 综上所述,具有分层延迟结构的动态神经元群控制方法,Ⅱ13 Polvichai J, Khosla P Applying dynamic networks and staged evo 能够通过历史指令序列成功预测出下一时刻的操作者意图,自 lution for soccer robots(C/Proceedings of the 2003 IEEE/RSJ In 主地规划和实现对遥操作机器人的期望控制。这样通减少了与 ternational Conference on Intelligent Robots and Systems 2003,3:3016-3021 操作者的频繁交互,降低了对网络带宽的要求,减小了网络随 [14] Han Man-Wook, Kopacek P Neural networks for the control of 机时延的影响,在保证系统稳定性的基础上提高系统的操作 soccer robots[C/proceedings of the 2000 IEEE International Sym 性能。 posium on Industrial Electronics, 2000, 2: 571-575

...展开详情
试读 4P 论文研究-结合影像和LiDAR点云数据的水体轮廓线提取方法.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
weixin_38744435 你的留言是对我莫大的支持
2019-09-11
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分or赚钱
最新推荐
论文研究-结合影像和LiDAR点云数据的水体轮廓线提取方法.pdf 9积分/C币 立即下载
1/4
论文研究-结合影像和LiDAR点云数据的水体轮廓线提取方法.pdf第1页

试读结束, 可继续读1页

9积分/C币 立即下载 >