機器人技術(shù)論文范文
前言：我們精心挑選了數(shù)篇優(yōu)質(zhì)機器人技術(shù)論文文章，供您閱讀參考。期待這些文章能為您帶來啟發(fā)，助您在寫作的道路上更上一層樓。
第1篇
本文作者：工作單位：安徽埃夫特智能裝備有限公司
從控制系統(tǒng)設(shè)計角度來說，可以采用辯證法內(nèi)外因基本原理來分析影響重載機器人控制品質(zhì)的因素，首先，如果系統(tǒng)存在動力學耦合、柔性等非線性因素，僅僅采用傳統(tǒng)的線性控制很難獲得良好的控制品質(zhì)，底層伺服回路的控制缺陷是影響機器人控制品質(zhì)的內(nèi)因。第二，如果運動規(guī)劃環(huán)節(jié)處理不當，傳輸給底層運動控制回路的運動指令不合理，即存在位置不連續(xù)，速度不連續(xù)，加速度躍變等情況，對系統(tǒng)會產(chǎn)生嚴重的沖擊，即便底層伺服控制設(shè)計再優(yōu)秀，同樣也會嚴重影響系統(tǒng)控制品質(zhì)，這就是所謂的外因。下面就從內(nèi)外因角度對目前在機器人運動規(guī)劃和底層伺服控制方面的相關(guān)進展進行綜述。機器人運動規(guī)劃方法運動規(guī)劃與軌跡規(guī)劃是指根據(jù)一定規(guī)則和邊界條件產(chǎn)生一些離散的運動指令作為機器人伺服回路的輸入指令。運動規(guī)劃的輸入是工作空間中若干預(yù)設(shè)點或其他運動學和動力學的約束條件；運動規(guī)劃的輸出為一組離散的位置、速度和加速度序列。運動規(guī)劃算法設(shè)計過程中主要需要考慮以下三個問題：（1）規(guī)劃空間的選?。和ǔＧ闆r下，機器人軌跡規(guī)劃是在全局操作空間內(nèi)進行的，因為在全局操作空間內(nèi)，對運動過程的軌跡規(guī)劃、避障及幾何約束描述更為直觀。然而在一些情況下，通過運動學逆解，運動規(guī)劃會轉(zhuǎn)換到關(guān)節(jié)空間內(nèi)完成。在關(guān)節(jié)空間內(nèi)進行運動規(guī)劃優(yōu)點如下：a.關(guān)節(jié)空間內(nèi)規(guī)劃可以避免機構(gòu)運動奇異點及自由度冗余所帶來種種問題[1-4]；b.機器人系統(tǒng)控制量是各軸電機驅(qū)動力矩，用于調(diào)節(jié)各軸驅(qū)動力矩的軸伺服算法設(shè)計通常情況也是在關(guān)節(jié)空間內(nèi)的，因此更容易將兩者結(jié)合起來進行統(tǒng)一考慮[5,6]；c.關(guān)節(jié)空間運動規(guī)劃可以避免全局操作空間運動規(guī)劃帶來的每一個指令更新周期內(nèi)進行運動規(guī)劃和運動學正逆計算帶來的計算量，因為如果指令更新周期較短，將會對CPU產(chǎn)生較大的計算負荷。（2）基礎(chǔ)函數(shù)光滑性保證：至少需要位置指令C2和速度指令C1連續(xù)，從而保證加速度信號連續(xù)。不充分光滑的運動指令會由于機械系統(tǒng)柔性激起諧振，這點對高速重載工業(yè)機器人更為明顯。在產(chǎn)生諧振的同時，軌跡跟蹤誤差會大幅度增加，諧振和沖擊也會加速機器人驅(qū)動部件的磨損甚至損壞[7]。針對這一問題，相關(guān)學者引入高次多項式或以高次多項式為基礎(chǔ)的樣條函數(shù)進行軌跡規(guī)劃，其中Boryga利用多項式多根的特性，分別采用5次、7次和9次多項式對加速度進行規(guī)劃，表達式中僅含有一個獨立參數(shù)，通過運動約束條件，最終確定參數(shù)值，并比較了各自性能[8]。Gasparetto采用五次B樣條作為規(guī)劃基礎(chǔ)函數(shù)，并將整個運動過程中加速度平方的積分作為目標函數(shù)進行優(yōu)化，以確保運動指令足夠光滑[9]。劉松國基于B樣條曲線，在關(guān)節(jié)空間內(nèi)提出了一種考慮運動約束的運動規(guī)劃算法，將運動學約束轉(zhuǎn)化為樣條曲線控制頂點約束，可保證角度、角速度和角加速度連續(xù)，起始點和終止點角速度和角加速度可以任意配置[10]。陳偉華則在Cartesian空間內(nèi)分別采用三次均勻B樣條，三次非均勻B樣條，三次非均勻有理B樣條進行運動規(guī)劃[11]。（3）運動規(guī)劃中最優(yōu)化問題：目前常用的目標函數(shù)主要為運行時間、運行能耗和加速度。其中關(guān)于運行時間最優(yōu)的問題，較為經(jīng)典是Kang和Mckay提出的考慮系統(tǒng)動力學模型以及電機驅(qū)動力矩上限的時間最優(yōu)運動規(guī)劃算法，然而該算法加速度不連續(xù)，因此對于機器人來說力矩指令也是不連續(xù)的，即加速度為無窮大，對于真實的電驅(qū)伺服系統(tǒng)來說，這是無法實現(xiàn)的，會對系統(tǒng)產(chǎn)生較大沖擊，大幅度降低系統(tǒng)的跟蹤精度，對機械本體使用壽命也會產(chǎn)生影響[12]。針對上述問題Constantinescu提出了解決方法，在考慮動力學特性的基礎(chǔ)上，增加對力矩和加速度的約束，并采用可變?nèi)莶罘▽?yōu)化問題進行求解[13]。除了以時間為優(yōu)化目標外，其他指標同樣被引入最優(yōu)運動規(guī)劃模型中。Martin采用B函數(shù)，以能耗最少為優(yōu)化目標，并將該問題轉(zhuǎn)化為離散參數(shù)的優(yōu)化問題，針對數(shù)值病態(tài)問題，提出了具有遞推格式的計算表達式[14]。Saramago則在考慮能耗最優(yōu)的同時，將執(zhí)行時間作為優(yōu)化目標之一，構(gòu)成多目標優(yōu)化函數(shù)，最終的優(yōu)化結(jié)果取決于兩個目標的權(quán)重系數(shù)，且優(yōu)化結(jié)果對于權(quán)重系數(shù)選擇較為敏感[15]。Korayem則在考慮機器人負載能力，關(guān)節(jié)驅(qū)動力矩上限和彈性變形基礎(chǔ)上，同時以在整個運行過程中的位置波動，速度波動和能耗為目標，給出了一種最優(yōu)運動規(guī)劃方法[6]，然而該方法在求解時，收斂域較小，收斂性較差，計算量較大。
考慮部件柔性的機器人控制算法機器人系統(tǒng)剛度是影響動態(tài)性能指標重要因素。一般情況下，電氣部分的系統(tǒng)剛度要遠遠大于機械部分。雖然重載工業(yè)機器人相對于輕型臂來說，其部件剛度已顯著增大，但對整體質(zhì)量的要求不會像輕型臂那么高，而柔性環(huán)節(jié)仍然不可忽略，原因有以下兩點：（1）在重載情況下，如果要確保機器人具有足夠的剛度，必然會增加機器人部件質(zhì)量。同時要達到高速高加速度要求，對驅(qū)動元件功率就會有很高的要求，實際中往往是不可實現(xiàn)（受電機的功率和成本限制）。（2）即使驅(qū)動元件功率能夠達到要求，機械本體質(zhì)量加大會導(dǎo)致等效負載與電機慣量比很大，這樣就對關(guān)節(jié)剛度有較高的要求，而機器人關(guān)節(jié)剛度是有上限的（主要由減速器剛度決定）。因此這種情況下不管是開鏈串聯(lián)機構(gòu)還是閉鏈機構(gòu)都會體現(xiàn)出明顯的關(guān)節(jié)柔性[16,17]，在重載搬運機器人中十分明顯。針對柔性部件帶來的系統(tǒng)控制復(fù)雜性問題，傳統(tǒng)的線性控制將難以滿足控制要求[17-19]，目前主要采用非線性控制方法，可以分成以下幾大類：（1）基于奇異攝動理論的模型降階與復(fù)合控制首先針對于柔性關(guān)節(jié)控制問題，美國伊利諾伊大學香檳分校著名控制論學者MarkW.Spong教授于1987年正式提出和建立柔性關(guān)節(jié)的模型和奇異攝動降階方法。對于柔性關(guān)節(jié)的控制策略絕大多數(shù)都是在Spong模型基礎(chǔ)上發(fā)展起來的。由于模型的階數(shù)高，無法直接用于控制系統(tǒng)設(shè)計，針對這個問題，相關(guān)學者對系統(tǒng)模型進行了降階。Spong首先將奇異攝動理論引入了柔性關(guān)節(jié)控制，將系統(tǒng)分成了慢速系統(tǒng)和邊界層系統(tǒng)[20]，該方法為后續(xù)的研究奠定了基礎(chǔ)。Wilson等人對柔性關(guān)節(jié)降階后所得的慢速系統(tǒng)采用了PD控制律，將快速邊界層系統(tǒng)近似為二階系統(tǒng)，對其阻尼進行控制，使其快速穩(wěn)定[21]。針對慢速系統(tǒng)中的未建模非線性誤差，Amjadi采用模糊控制完成了對非線性環(huán)節(jié)的學習[22]。彭濟華在對邊界層系統(tǒng)提供足夠阻尼的同時，將神經(jīng)網(wǎng)絡(luò)引入慢速系統(tǒng)控制，有效的克服了參數(shù)未知和不確定性問題。連桿柔性會導(dǎo)致系統(tǒng)動力學方程階數(shù)較高，Siciliano和Book將奇異攝動方法引入柔性連桿動力學方程的降階，其基本思想與將奇異攝動引入柔性關(guān)節(jié)系統(tǒng)動力學方程一致，都將柔性變形產(chǎn)生的振動視為暫態(tài)的快速系統(tǒng)，將名義剛體運動視為準靜態(tài)的慢速系統(tǒng)，然后分別對兩個系統(tǒng)進行復(fù)合控制，并應(yīng)用于單柔性連桿的控制中[23]。英國Sheffield大學A.S.Morris教授領(lǐng)導(dǎo)的課題組在柔性關(guān)節(jié)奇異攝動和復(fù)合控制方面開展了持續(xù)的研究。在2002年利用Lagrange方程和假設(shè)模態(tài)以及Spong關(guān)節(jié)模型建立柔性關(guān)節(jié)和柔性連桿的耦合模型，并對奇異攝動理論降階后的慢速和快速子系統(tǒng)分別采用計算力矩控制和二次型最優(yōu)控制[24]。2003年在解決柔性關(guān)節(jié)機器人軌跡跟蹤控制時，針對慢速系統(tǒng)參數(shù)不確定問題引入RBF神經(jīng)網(wǎng)絡(luò)代替原有的計算力矩控制[25].隨后2006年在文獻[24]所得算法和子系統(tǒng)模型的基礎(chǔ)上，針對整個系統(tǒng)穩(wěn)定性和魯棒性要求，在邊界層采用Hinf控制，在慢速系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)算法，并給出了系統(tǒng)的穩(wěn)定性分析[26]。隨著相關(guān)研究的開展，有些學者開始在奇異攝動理論與復(fù)合控制的基礎(chǔ)上作出相應(yīng)改進。由于奇異攝動的數(shù)學復(fù)雜性和計算量問題，Spong和Ghorbel提出用積分流形代替奇異攝動[27]。針對奇異攝動模型需要關(guān)節(jié)高剛度假設(shè)，在關(guān)節(jié)柔度較大的情況下，劉業(yè)超等人提出一種剛度補償算法，拓展了奇異攝動理論的適用范圍[28]。（2）狀態(tài)反饋和自適應(yīng)控制在采用奇異攝動理論進行分析時，常常要同時引入自適應(yīng)控制律來完成對未知或不精確參數(shù)的處理，而采用積分流形的方式最大的缺點也在于參數(shù)的不確定性，同樣需要結(jié)合自適應(yīng)控制律[29,30]。因此在考慮柔性環(huán)節(jié)的機器人高動態(tài)性能控制要求下，自適應(yīng)控制律的引入具有一定的必要性。目前對于柔性關(guān)節(jié)機器人自適應(yīng)控制主要思路如下：首先根據(jù)Spong模型，機器人系統(tǒng)階數(shù)為4，然后通過相應(yīng)的降階方法獲得一個二階的剛體模型子系統(tǒng)，而目前的大多數(shù)柔性關(guān)節(jié)自適應(yīng)控制律主要針對的便是二階的剛體子系統(tǒng)中參數(shù)不確定性。Spong等人提出了將自適應(yīng)控制律引入柔性關(guān)節(jié)控制，其基于柔性關(guān)節(jié)動力學奇異攝動方程，對降階剛體模型采用了自適應(yīng)控制律，主要采用的是經(jīng)典的Slotine-Li自適應(yīng)控制律[31]，并通過與Cambridge大學Daniel之間互相糾正和修改，確立一套較為完善的基于奇異攝動模型的柔性關(guān)節(jié)自適應(yīng)控制方法[32-34]。（3）輸入整形控制輸入整形最原始的思想來自于利用PosicastControl提出的時滯濾波器，其基本思想可以概括為在原有控制系統(tǒng)中引入一個前饋單元,包含一系列不同幅值和時滯的脈沖序列。將期望的系統(tǒng)輸入和脈沖序列進行卷積,產(chǎn)生一個整形的輸入來驅(qū)動系統(tǒng)。最原始的輸入整形方法要求系統(tǒng)是線性的，并且方法魯棒性較差，因此其使用受到限制。直到二十世紀九十年初由MIT的Signer博士大幅度提高該方法魯棒性，并正式將該方法命名為輸入整形法后[35]，才逐漸為人們重視，并在柔性機器人和柔性結(jié)構(gòu)控制方面取得了一系列不錯的控制效果[36-39]。輸入整形技術(shù)在處理柔性機器人控制時，可以統(tǒng)一考慮關(guān)節(jié)柔性和連桿柔性。對于柔性機器人的點對點控制問題，要求快速消除殘余振蕩，使機器人快速精確定位。
這類問題對于輸入整形控制來說是較容易實現(xiàn)的，但由于機器人柔性環(huán)節(jié)較多，呈現(xiàn)出多個系統(tǒng)模態(tài)，因此必須解決多模態(tài)輸入整形問題。相關(guān)學者對多模態(tài)系統(tǒng)的輸入整形進行了深入研究。多模態(tài)系統(tǒng)的輸入整形設(shè)計方法一般有:a)級聯(lián)法：為每個模態(tài)設(shè)計相應(yīng)的濾波器，然后將所有模態(tài)的時滯濾波器進行級聯(lián),組合成一個完整的濾波器，以抑制所有模態(tài)的振蕩；b)聯(lián)立方程法:直接根據(jù)系統(tǒng)的靈敏度曲線建立一系列的約束方程，通過求解方程組來得到濾波器。這兩種方法對系統(tǒng)的兩種模態(tài)誤差均有很好的魯棒性。級聯(lián)法設(shè)計簡單，且對高模態(tài)的不敏感性比聯(lián)立方程法要好；聯(lián)立方程法比較直接，濾波器包含的脈沖個數(shù)少,減少了運行時間。對于多模態(tài)輸入整形控制Singer博士提出了一種高效的輸入整形方法，其基本思想為：首先在靈敏度曲線上選擇一些滿足殘留振蕩最大幅值的頻段，在這些特定的頻帶中分別選擇一些采樣頻率，計算其殘留振蕩；然后將各頻率段的殘留振蕩與期望振蕩值的差平方后累加求和，構(gòu)成目標函數(shù)，求取保證目標函數(shù)最小的輸入整形序列。將頻率選擇轉(zhuǎn)化為優(yōu)化問題，對于多模態(tài)系統(tǒng)，則在每個模態(tài)處分別選擇頻率采樣點和不同的阻尼系數(shù)，再按上述方法求解[40]。SungsooRhim和WayneBook在2004年針對多模態(tài)振動問題提出了一種新的時延整形濾波器，并以控制對象柔性模態(tài)為變量的函數(shù)形式給出了要消除殘余振動所需最基本條件。同時指出當濾波器項數(shù)滿足基本條件時，濾波器的時延可以任意設(shè)定，消除任何給定范圍內(nèi)的任意多個柔性振動模態(tài)產(chǎn)生的殘余振動，為輸入整形控制器實現(xiàn)自適應(yīng)提供了理論基礎(chǔ)[41]，同時針對原有輸入整形所通常處理的點對點控制問題進行了有益補充，M.C.Reynolds和P.H.Meckl等人將輸入整形應(yīng)用于關(guān)節(jié)空間的軌跡控制，提出了一種時間和輸入能量最優(yōu)的軌跡控制方法[42]。（4）不基于模型的軟計算智能控制針對含有柔性關(guān)節(jié)機器人動力學系統(tǒng)的復(fù)雜性和無法精確建模，神經(jīng)網(wǎng)絡(luò)等智能計算方法更多地被引入用于對機器人動力學模型進行近似。Ge等人利用高斯徑向函數(shù)神經(jīng)網(wǎng)絡(luò)完成柔性關(guān)節(jié)機器人系統(tǒng)的反饋線性化，仿真結(jié)果表明相比于傳統(tǒng)的基于模型的反饋線性化控制，采用該方法系統(tǒng)動態(tài)跟蹤性能較好，對于參數(shù)不確定性和動力學模型的變化魯棒性較強，但是整個算法所用的神經(jīng)網(wǎng)絡(luò)由于所需節(jié)點較多，計算量較大，并且需要全狀態(tài)反饋，狀態(tài)反饋量獲取存在一定困難[43]。孫富春等人對于只具有關(guān)節(jié)傳感器的機器人系統(tǒng)在輸出反饋控制的基礎(chǔ)上引入神經(jīng)網(wǎng)絡(luò)，用于逼近機器人模型，克服無法精確建模的非線性環(huán)節(jié)帶來的影響，從而提高機器人系統(tǒng)的動態(tài)跟蹤性能[44]。A.S.Morris針對整個柔性機器人動力學模型提出了相應(yīng)的模糊控制器，并用GA算法對控制器參數(shù)進行了優(yōu)化，之后在模糊控制器的基礎(chǔ)上，綜合了神經(jīng)網(wǎng)絡(luò)的逼近功能對剛?cè)狁詈线\動進行了補償[45]。除采用神經(jīng)網(wǎng)絡(luò)外，模糊控制也在柔性機器人控制中得以應(yīng)用。具有代表性的研究成果有V.G.Moudgal設(shè)計了一種具有參數(shù)自學習能力的柔性連桿模糊控制器，對系統(tǒng)進行了穩(wěn)定性分析，并與常規(guī)的模糊控制策略進行了實驗比較[46]。Lin和F.L.Lewis等人在利用奇異攝動方法基礎(chǔ)上引入模糊控制器，對所得的快速子系統(tǒng)和慢速子系統(tǒng)分別進行模糊控制[4748]?？焖僮酉到y(tǒng)的模糊控制器采用最優(yōu)控制方法使柔性系統(tǒng)的振動快速消退，慢速子系統(tǒng)的模糊控制器完成名義軌跡的追蹤，并對單柔性梁進行了實驗研究。Trabia和Shi提出將關(guān)節(jié)轉(zhuǎn)角和末端振動變形分別設(shè)計模糊控制器進行控制，由于對每個子系統(tǒng)只有一個控制目標，所以模糊規(guī)則相對簡單，最后將兩個控制器的輸出進行合成，完成復(fù)合控制，其思想與奇異攝動方法下進行復(fù)合控制類似[49]。隨后又對該算法進行改進，同樣采用分布式結(jié)構(gòu)，通過對輸出變量重要性進行評估，得出關(guān)節(jié)和末端點的速度量要比位置量更為重要，因此將模糊控制器分成兩部分，分別對速度和位置進行控制，并利用NelderandMeadSimplex搜索方法對隸屬度函數(shù)進行更新[50]。采用基于軟計算的智能控制方法相對于基于模型的控制方法具有很多優(yōu)勢，特別是可以與傳統(tǒng)控制方法相結(jié)合，完成對傳統(tǒng)方法無法精確建模的非線性環(huán)節(jié)進行逼近，但是目前這些方法的研究絕大部分還處于仿真階段，或在較簡單的機器人（如單自由度或兩自由度機器人）進行相關(guān)實驗研究。其應(yīng)用和工程實現(xiàn)受限的主要原因在于計算量大，但隨著處理器計算能力的提高，這些方法還有廣泛的應(yīng)用前景。
第2篇
焊接機器人的優(yōu)點在于:焊接參數(shù)穩(wěn)定，大幅提高了焊接產(chǎn)品的質(zhì)量;使操作工人遠離焊接弧光、煙霧和焊渣飛濺的侵害，極大地改善了工作條件;可以24h連續(xù)工作，大幅提高了勞動生產(chǎn)率。我國的工業(yè)機器人自上世紀一七五科技攻關(guān)開始起步，經(jīng)過30多年的發(fā)展，在機器人的設(shè)計、制造、控制系統(tǒng)、傳感器技術(shù)和智能應(yīng)用方面都取得了長足的發(fā)展，弧焊機器人已廣泛應(yīng)用在汽車及裝備制造等領(lǐng)域的焊裝線上?？茖W技術(shù)的不斷發(fā)展，使工業(yè)生產(chǎn)系統(tǒng)不斷向大型復(fù)雜開放的方向發(fā)展，反過來又對焊接機器人等工業(yè)技術(shù)提出了更高的要求，虛擬仿真技術(shù)、人工智能控制和多智能體協(xié)同工作系統(tǒng)等高新技術(shù)正成為焊接機器人技術(shù)研究的熱點，不斷推進焊接機器人向著更先進的數(shù)字化、信息化、智能化方向發(fā)展。
1虛擬仿真高新技術(shù)
虛擬仿真技術(shù)是在信息處理技術(shù)和網(wǎng)絡(luò)技術(shù)發(fā)展的基礎(chǔ)上，將先進的仿真技術(shù)手段與網(wǎng)絡(luò)技術(shù)相結(jié)合，對事件的現(xiàn)實性從時間和空間上進行分解后重新組合的技術(shù)。這一技術(shù)包括了三維計算機圖形學技術(shù)、人機交互技術(shù)、多功能傳感技術(shù)、人工智能、高清晰度的顯示技術(shù)以及網(wǎng)絡(luò)并行處理等技術(shù)的最新發(fā)展成果，是一種由計算機技術(shù)輔助生成的高技術(shù)模擬系統(tǒng)。在機器人研發(fā)設(shè)計階段，由于機器人的機械手是多自由度的空間連桿機構(gòu)，如果采用傳統(tǒng)的力學和運動學理論來進行計算分析，那么難度非常大。如果利用計算機虛擬仿真技術(shù)，將機械手的幾何參數(shù)及各組成零件的結(jié)構(gòu)和力學特征與機器人學理論結(jié)合，運用三維設(shè)計軟件將其模擬出來，再對其進行模擬運動和受力分析，就可以得到直觀且可靠的結(jié)果。在機器人試驗過程中，由真實設(shè)備和計算機仿真系統(tǒng)綜合組成虛擬現(xiàn)實環(huán)境，讓機器人在仿真環(huán)境中模擬正常工作狀態(tài)，這樣不僅加快了機器人系統(tǒng)的實際應(yīng)用能力檢測的進度，也縮短了其在工作環(huán)境中的安裝和調(diào)整周期，更避免了許多在常規(guī)計算中難以測算的動態(tài)障礙、十涉等問題。
2多智能體協(xié)調(diào)控制高新技術(shù)
多智能體協(xié)調(diào)控制系統(tǒng)是指多個智能體通過系統(tǒng)控制互相協(xié)調(diào)、配合，協(xié)同工作，能夠共同完成一項工作任務(wù)的組合系統(tǒng)，是近年來剛剛興起的一項開放J陛智能新技術(shù)。多智能體協(xié)調(diào)控制系統(tǒng)是在單體智能機器人的基礎(chǔ)上，為了適應(yīng)復(fù)雜工作而將多個機器人的工作組合協(xié)調(diào)，相互關(guān)聯(lián)。在搭建該控制系統(tǒng)時，重點考慮多個智能體的協(xié)調(diào)運作，即每個智能體按控制要求，在規(guī)定時間和空間內(nèi)完成既定任務(wù)，且與相關(guān)聯(lián)的智能體在時間和動作上協(xié)調(diào)一致，相互間有信息交互，具備一定的調(diào)節(jié)反饋能力。多智能控制體系利用一個控制系統(tǒng)，組成一個龐大的復(fù)雜的體系，完成復(fù)雜的工作目標，解決了一個全局性問題。其特點在于，將本應(yīng)非常復(fù)雜的硬件和軟件控制系統(tǒng)，分解成了相對簡單的、獨立的、相互間有信息反饋、彼此協(xié)調(diào)的多個單智能體單元。整個系統(tǒng)實現(xiàn)了資源共享、信息互通、互相協(xié)調(diào)、互相控制，通過易于管理、可靈活調(diào)整的多個單體，完成各種復(fù)雜的工作任務(wù)。
3智能傳感器高新技術(shù)
近年來，隨著微電子技術(shù)的不斷發(fā)展，傳感器技術(shù)也得到了長足進步，在傳統(tǒng)傳感器的基礎(chǔ)上，發(fā)展起了多種新型智能傳感器。在焊接機器人領(lǐng)域應(yīng)用的有電弧傳感器、超聲波觸覺傳感器、靜電電容式距離傳感器、基于光纖陀螺慣性測量的三維運動傳感器，以及包括光譜、光纖、紅外等在內(nèi)的光傳感器等。智能傳感器技術(shù)對機器人技術(shù)向高精方向發(fā)展起到了重要的推動作用。電弧傳感器的工作原理是直接從焊接電弧本身獲取焊縫偏差信息，不需要任何附加裝置，具有成本低、實時性強等優(yōu)點。采用了視覺傳感器的機器人，通過視覺控制不需要預(yù)先對工業(yè)機器人的運動軌跡進行示教或離線編程，可節(jié)約大量的編程時間，提高生產(chǎn)效率和加工質(zhì)量。同時，為了使智能機器人系統(tǒng)獲取更加全面、準確的環(huán)境信息，以滿足其綜合決策的需要，一種以多傳感器聯(lián)合為基礎(chǔ)的信息采集處理系統(tǒng)，即多傳感器智能信息融合技術(shù)也應(yīng)運而生，與傳統(tǒng)只能測量一種信息的智能傳感器相比，其性能大為提高。
4結(jié)語
第3篇
機器人技術(shù)教育是指圍繞機器人而開展的教與學活動，幼兒到成人都可以是教育對象，它以多視角、多樣化的教學模式，達到寓教于樂的教育目的。機器人技術(shù)教育的內(nèi)容，并不受限于傳統(tǒng)的教學模式。以機器人作為教學活動的載體，不僅可以使教學具有科技含量，提升學生的學習興趣，還能培養(yǎng)學生的創(chuàng)新精神、綜合實踐能力和協(xié)作能力。當然，在近年來的各類科技活動項目中，與機器人有關(guān)的項目不算很多，關(guān)于機器人的創(chuàng)新教學，還處于初級階段。因此，探究怎樣通過機器人教學提高學生的創(chuàng)新能力，是現(xiàn)階段最迫切需要解決的問題之一。
1.機器人技術(shù)教育的意義
提升學生的創(chuàng)新能力創(chuàng)新能力作為一個國家、民族進步和繁榮的動力，在當今社會，其價值不言而喻。我國的傳統(tǒng)應(yīng)試教育模式已被質(zhì)疑多年，每年培養(yǎng)出的人才雖然在數(shù)量上遠超西方一些國家，但其質(zhì)量參差不齊，尤其是在創(chuàng)新能力方面不能盡如人意。盡管近幾年一直在提倡素質(zhì)教育，卻仍然無法改變現(xiàn)狀。因此，學生創(chuàng)新能力的培養(yǎng)至關(guān)重要。隨著機器人教育活動日益普及，它在培養(yǎng)青少年創(chuàng)造力過程中凸顯的優(yōu)勢已受到各界關(guān)注。機器人教育圍繞學生因材施教，教師只扮演引導(dǎo)者的作用，傳授最基本的理論知識，剩下的需要學生通過動手實踐來獲取新的知識和信息。對于一些問題，學生必須給出自己的創(chuàng)新解決方案，這樣可以培養(yǎng)學生的創(chuàng)造性思維能力。
2.提高學生的學習動機和興趣
愛因斯坦說過：“對一切來說，只有熱愛才是最好的老師，它遠遠勝過責任感?！边@表明了興趣的培養(yǎng)對于學習的重要性。因為有興趣，所以會專注，學生學習效率的高低在很大程度上取決于是否有學習興趣。機器人技術(shù)可以提高學生的學習興趣，并改變傳統(tǒng)的教育模式和理念，以玩帶學，在娛樂中、在好奇心的驅(qū)使下，讓學生主動去學習。
3.增強團隊合作意識
機器人競賽活動所需要的知識相當廣泛，完成這個任務(wù)需要讓學生分成組，由組內(nèi)成員一同探索學習。如果某一成員有了新發(fā)現(xiàn)，大家可以一起分享、討論、協(xié)商，共同進步和學習，組與組之間進行比拼。這其實就是團體之間的競爭。學生在團隊精神的作用下，能夠?qū)W會相互關(guān)心、相互幫助，并且在此過程中產(chǎn)生關(guān)心團隊的責任意識，學會自覺維護團隊的集體榮譽，還學會了如何與人溝通、相處、包容，以及約束自己的行為。采用這種培養(yǎng)方式，是讓學生在實踐中去學習，用心去感受，這種教育模式相比傳統(tǒng)的口頭說教更具有效果。
二、開展機器人技術(shù)創(chuàng)新教育的有效途徑和方法
1.開設(shè)相關(guān)課程補充專業(yè)知識
可以采取多種形式相互結(jié)合的方式補充相關(guān)專業(yè)知識。并且針對不同基礎(chǔ)的學生，可以開設(shè)不同的班型，課程包含一些必要的、基礎(chǔ)的專業(yè)知識，從機器人發(fā)展史到專業(yè)術(shù)語，以及機械方面的內(nèi)容，循序漸進，由易到難。為了使學生們便于理解和學習，建議理論課學習結(jié)束后開始一些簡單的實驗課程來提高孩子們的動手實踐能力。
2.提高授課人的相關(guān)能力
機器人課程的開設(shè)有別于其他課程，因為這門課程涉及的知識面很廣，跨越多個相關(guān)專業(yè)。因此，這門課程的考核評估辦法也要區(qū)別于其他傳統(tǒng)課程。機器人課程的開設(shè)，首先要求教師要明確自己課程的目標、內(nèi)容，以及相關(guān)課程的組織實施、課程評估。機器人課程需要學生學習的知識量大且范圍廣，這就需要授課教師時刻追蹤相關(guān)課程內(nèi)容的變化更新，并做好相關(guān)課程規(guī)劃，要了解學生參與課程的程度，并及時根據(jù)教學實際調(diào)整傳授方法。因此，課程開設(shè)后，授課人會面臨一些新的教學觀念、材料和策略的挑戰(zhàn)。這就需要教師的授課能力（包含制訂課程目標、明確課程內(nèi)容、課程組織實施、課程評估等4個方面的能力）有全面地提高。
3.開展機器人競賽活動
