论文部分内容阅读
在对多信息融合及神经网络技术进行分析的基础上，针对爬楼机器人中单一传感器信息量不足的问题，采用以超声波传感器为主，红外传感器为辅的环境感知系统，并利用多信息融合技术提高了爬楼机器人系统在未知环境中的适应能力；针对传统PID控制在爬楼机器人系统中参数整定困难的问题，设计了基于BP神经网络的PID控制器，利用MATLAB软件对传统PID控制与BP神经网络PID控制法进行仿真对比，结果表明BP神经网络PID控制法具有信号跟踪速度快、抗干扰能力强、稳定性高以及自适应能力强等优势。论文主要研究内容如下：1.对多信息融合技术及神经网络技术进行了理论研究，重点分析了BP神经网络的结构和学习算法，并针对该算法存在的缺陷提出了相应的解决措施。2.搭建了以单片机STC15F2K60S2为主控芯片的爬楼机器人硬件系统，包括设计了爬楼机器人的三角轮系式移动机构和翻转机构，建立了以超声波传感器为主，红外传感器为辅的环境感知系统，在爬楼机器人机体上共安装有七路超声波传感器分别用于测量机器人左前方、右前方、正前方以及机器人左右两侧的障碍物信息，其中在机器人左右两侧各布置两路超声波传感器，并采用PSD红外传感器来弥补超声传感器的测距盲区。最后设计了超声波传感器的收发电路，并对传感器信息的融合规则做了界定。3.利用拉格朗日法建立了爬楼机器人三角轮系翻转机构的动力学模型。根据爬楼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PID控制在爬楼机器人系统中，存在控制参数难以整定、超调量大以及抗干扰能力差的问题，论文提出了将BP神经网络算法引入到常规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，实现在线调整PID控制参数，使神经网络的输出对应于某种最优控制规律下的最佳数据组合。4.利用MATLAB软件对BP神经网络PID控制和常规PID控制进行了对比仿真，结果表明所设计的爬楼机器人PID控制系统对信号的跟踪特性、抗干扰能力以及自适应能力方面都有了显著的提高。