摘要：自动导引车(Automatic Guided Vehicle,AGV)作为智能制造系统的重要组成部分之一,为智能制造系统提供柔性物料搬运,其无人化趋势已是必然。针对此,这里研究开发了基于同步定位与建图(Simultaneous Localization and Map⁃ping,SLAM)导航的堆垛垛式叉车AGV,提出了一种基于IEPF算法(Iterative End Point Fit,IEPF)以及最小二乘法的雷达点云线段提取方法,在此基础上,研究基于线段特征匹配的SLAM定位算法,并将设计的SLAM导航算法移植到试验车测试。测试结果表明这里设计的基于激光SLAM导航的堆垛式叉车AGV具有较好的稳定性,能够实现横向7mm、纵向13mm的定位误差,为无人叉车的研究提供了技术支撑。

摘要：提出了基于PZT的串联型宏/微双驱动精密定位系统,宏动台由步进电动机直接驱动,微动台由压电陶瓷驱动器驱动。将微动台安装在宏动台上,宏动台以地面为定位参考物,微动台以宏动台为定位参考物;宏动台实现大行程微米级定位,微动台实现纳米级的定位精度。采用基于机器视觉的视觉伺服来协调控制系统宏动和微动各自的控制部分,将距离信号作为控制阈值,实现整个定位结构的全闭环反馈控制。测试表明:系统的动态以及稳定性良好,工作行程为80mm,定位稳定时间小于40ms,重复定位精度为100nm。

摘要：自动导引小车(AGV)作为智能制造的重要物料搬运设备,其导航精度及路径柔性配置性能制约了其在智能制造领域的应用范围。针对这一问题,提出了基于惯性和视觉的AGV复合导航方法,利用两种导航技术的互补优势,实现高精度导航定位,提高了AGV对工作环境的适应能力和可靠性。在此基础上,利用二维码标签构建了AGV工作栅格地图,实现了AGV行驶路径的柔性配置。测试表明复合导航方法具有纵向5mm、侧向10mm、方向偏差1°的导航定位精度。

摘要：采用主成分分析法研究了驾驶员的操纵动作模式主要成分结构,采用Matlab编写了主成分分析算法对问卷调查获得的数据进行了分析,并着重选取问卷中超车、转向和并线3种驾驶行为的数据,分析得到这3种驾驶行为对应的驾驶操纵动作模式的主成分载荷矩阵和贡献率。结果表明:通过研究驾驶行为及其对应的驾驶操纵动作模式,可以发现对特定驾驶行为影响较大的驾驶操纵动作,进而根据两者之间的关系反向实现个性化驾驶行为的识别,为后续设计先进的辅助驾驶系统提供技术依据。

摘要：针对国内汽车主动安全技术研究的现状,提出了基于驾驶员行为及意图判断的汽车主动安全研究方法,在此汽车主动安全系统中利用采集到的驾驶员各种操作信号及环境信息,进行驾驶员的驾驶行为及意图分析。根据驾驶员的各种操作信息对常见驾驶行为及意图判断的权重的不同,建立了用于判别典型驾驶行为及意图的权重矩阵。通过MATLAB软件编程仿真,建立了八种典型驾驶状态下权重判断矩阵,仿真表明,该权重矩阵设计合理,可以准确地判断和识别出典型的驾驶行为及意图,为未来汽车主动安全技术的研究提供了一种有效的方法。

摘要：提出了BP神经网络与D-S证据理论相结合的驾驶行为识别、预测方法;将汽车行驶过程中人-车-路的信息作为BP神经网络的输入,利用BP神经网络对驾驶行为进行初步识别,并将BP神经网络输出的结果归一化处理后作为D-S证据理论的基本概率分布;利用证据距离理论对证据进行证据冲突处理,通过D-S证据组合理论对输入信息进行综合分析处理,决策识别出当前的驾驶行为;利用MATLAB语言编写了仿真测试程序,仿真结果表明该方法能够准确的识别出当前的驾驶行为。

摘要：根据个体驾驶人完成一个具体驾驶行为的驾驶操纵动作具有一定内聚性、时序性和个性化的机理,构建了基于有向图的驾驶人驾驶行为操纵模式的建模方法。根据获取的个体驾驶人在不同驾驶行为下的驾驶操作动作数据,并利用MATLAB仿真软件设计驾驶人驾驶行为操纵模式建模与仿真系统,对启动和超车2种典型驾驶行为下的驾驶操作动作数据进行测试。测试结果表明:基于有向图的建模方法可以实现驾驶人个性化驾驶行为的有序驾驶操纵动作建模。研究为驾驶安全辅助系统驾驶人驾驶行为的驾驶操纵底层上预防和干预危险驾驶行为提供支撑。

摘要：主要研究利用机器视觉的非接触式测量方法实现对运动物体特征点的轨迹、速度和加速度三个运动参数的测定。通过在运动物体上设定一个特征点,采用基于运动估计的模板匹配技术实时跟踪特征点在各个时间点的位置。通过对动态图像序列的分析和处理从而在线得到运动物体特征点的三个运动参数。为了实现实时在线测量,采用了基于运动估计的图像匹配算法加速了图像匹配算法的计算速度,实现实时在线测量。此算法计算一次位置点需要的时间为20ms,图像标定的精度为1μs,达到了实时在线测量的要求。测试结果表明:研究的基于运动估计的运动物体特征点测量算法运算速度快、可靠以及测试简单等特点。

摘要：考虑了在电动前移式叉车装载货物转向行驶的情况下,其门架受载变形和货物升降共同引起叉车合成质心位置的变化,进而结合叉车合成质心变化模型和叉车三自由度模型建立了叉车动力学模型。针对叉车合成质心位置变化导致其转向稳定性不足的问题,根据零力矩点(Zero Moment Point,ZMP)理论分析了叉车行驶的稳定条件并得到了侧倾指标来判断车辆的稳定性。通过理想跟踪模型得到理想的叉车横摆角速度、质心侧偏角、车身侧倾角和侧倾角速度,以理想值与由叉车动力学模型仿真得到的实际值的差值为输入,设计了一种基于零力矩点的滑模预测控制(Sliding Mode Predictive Control,SMPC)算法,以调节叉车后轮转角的大小。仿真研究表明,在阶跃工况和双移线工况下,当货物升降速度不同时,与滑模控制(Sliding Mode Control,SMC)和无控制相比,基于ZMP滑模预测控制实现了对理想叉车横摆角速度和质心侧偏角的实时快速跟踪,提高了叉车的稳定性。

摘要：为了提高激光SLAM导航定位的实时性和稳定性,采用自适应阈值法、迭代适应点以及最小二乘法结合直线度的方法提取局部地图中的特征线段和全局地图中的线段,通过特征线段匹配进行初始定位。利用惯性导航位姿推算结合地图匹配的方法进行动态定位,获得机器人的实时位姿。同时,采用动态重定位的方法进行重定位,提高了移动机器人对工作环境的适应能力和可靠性。实验表明,基于地图匹配的导航定位算法的定位精度在±40mm以内,定位的时间不大于0.03s,可以较好地满足机器人的实际导航需求。