CN107748562A - 一种综合性服务机器人 - Google Patents
一种综合性服务机器人 Download PDFInfo
- Publication number
- CN107748562A CN107748562A CN201710915880.9A CN201710915880A CN107748562A CN 107748562 A CN107748562 A CN 107748562A CN 201710915880 A CN201710915880 A CN 201710915880A CN 107748562 A CN107748562 A CN 107748562A
- Authority
- CN
- China
- Prior art keywords
- module
- robot
- service
- action
- smaller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/008—Manipulators for service tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0005—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with arrangements to save energy
Abstract
本发明属于机器人技术领域,公开了一种综合性服务机器人,所述综合性服务机器人包括:电源模块,用于对机器人提供能源;输入模块,用于对机器人行动指令的输入;定位模块,用于对行动指令的分析及定位;控制模块,用于对定位信号的分析及输出;驱动模块,用于对行动指令的执行;语言模块,用于对服务指令语言的输出;自查模块,用于对行动过程中的分析及反馈至控制模块;通信模块,用于对机器人服务的实时监控。本发明通过控制模块进行机器人行动指令的接收与发布,利用自查模块对行动过程中服务指令实时监控、分析,提高机器人服务的准确性。
Description
技术领域
本发明属于机器人技术领域,尤其涉及一种综合性服务机器人。
背景技术
随着科技和计算机技术的不断进步以及机器人学的迅猛发展,服务机器人逐渐进入人类社会。作为将机器人技术和服务技术结合起来的综合服务机器人,受到越来越多的关注。目前,服务机器人的服务比较单一,而一些综合性服务机器人结构复杂,价格昂贵,不适合于普遍家庭。
综上所述,现有技术存在的问题是:服务机器人的服务种类比较单一,而现有的综合性服务技巧人价格昂贵,不适合家庭使用。
发明内容
针对现有技术存在的问题,本发明提供了一种综合性服务机器人。
本发明是这样实现的,一种综合性服务机器人包括:
电源模块,用于对机器人提供能源,可由太阳能对其进行充电,或者由自身的蓄电池提供电源;
输入模块,用于对机器人行动指令的输入,可由键盘输入或者普通话语言输入;
定位模块,用于对行动指令的分析及定位,根据输入模块得到的服务指定,对指令的终端进行位置定位;
控制模块,用于对定位信号的分析及输出,根据定位模块的定位信息,对行动路径进行规划分析,并将路径信息传达至机器人的驱动模块;
驱动模块,用于对行动指令的执行,根据指令,对机器人的行动部件进行驱动;
语言模块,用于对服务指令语言的输出,根据服务指令,进行服务语言的输出;
自查模块,用于对行动过程中的分析及反馈至控制模块;
通信模块,用于对机器人服务的实时监控,通过控制器传输至PC终端,进行全服务行动过程的追踪。
本发明的另一目的在于提供一种定位算法,所述定位算法包括:
卡尔曼滤波算法,卡尔曼滤波算法的滤波器用反馈控制的方法估计过程状态,滤波器估计过程某一时刻的状态,然后以(含噪声)的测量变量的方式获得反馈,因此卡尔曼滤波器可分为两个部分,预估阶段和测量更新阶段。
设一动态系统描述如下:
X(K)=AX(K-1)+BU(K)+W(K)
Z(K)=HX(K)+V(K)
式中,X(K)是K时刻的系统状态,U(K)是K时刻对系统的控制量。A和B是系统参数,对于多模型系统,他们为矩阵。Z(K)是K时刻的测量值,H是测量系统的参数,对于多测量系统,H为矩阵。W(K)和V(K)分别表示过程和测量的噪声。它们被假设成高斯白噪声,它们的协方差分别是Q、R。
卡尔曼滤波器可用以下递推方程表述:
X(K\K-1)=AX(K-1\K-1)+BU(K)
P(K\K-1)=AP(K-1\K-1)A+Q
X(K\K)=X(K\K-1)+KG(K)(Z(K)-HK(K\K-1))
KG(K)=P(K\K-1)H\(HP(K\K-1)H1+R)
P(K\K)=(1-KG(K)H)P(K\K-1)
由式可知,当观测噪声协方差R越小,增益KG(K)越大,当先验估计误差协方差P(K\K-1)越小,增益KG(K)越大。由此可以看出,增益KG(K)表示在更新阶段测量信息的权值。如果预估阶段误差越小,则测量变值Z(K)的权值越小,而Z(K)的预测HX(K\K-1)的权值越小。
卡尔曼滤波算法过程可归结如下:
(1)设置系统状态初始值X(0),及其误差协方差P(0),以及噪声协方差Q0,R0。
(2)根据预估阶段方程,计算预估状态X(K\K-1)和预估协方差P(K\K-1)。
(3)根据更新阶段方程,计算卡尔曼滤波增益和更新后的估计X(K\K-1)和PX(K\K-1)协方差。
(4)重复(2)、(3)步骤。
本发明的优点及积极效果为:本发明通过控制模块进行机器人行动指令的接收与发布,利用自查模块对行动过程中服务指令实时监控、分析,提高机器人服务的准确性。
附图说明
图1是本发明实施例提供的综合性服务机器人的结构示意图;
图中:1、电源模块;2、输入模块;3、定位模块;4、控制模块;5、驱动模块;6、语言模块;7、自查模块;8、通信模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
综合性服务机器人包括:
电源模块1,用于对机器人提供能源,可由太阳能对其进行充电,或者由自身的蓄电池提供电源;
输入模块2,用于对机器人行动指令的输入,可由键盘输入或者普通话语言输入;
定位模块3,用于对行动指令的分析及定位,根据输入模块得到的服务指定,对指令的终端进行位置定位;
控制模块4,用于对定位信号的分析及输出,根据定位模块的定位信息,对行动路径进行规划分析,并将路径信息传达至机器人的驱动模块;
驱动模块5,用于对行动指令的执行,根据指令,对机器人的行动部件进行驱动;
语言模块6,用于对服务指令语言的输出,根据服务指令,进行服务语言的输出;
自查模块7,用于对行动过程中的分析及反馈至控制模块;
通信模块8,用于对机器人服务的实时监控,通过控制器传输至PC终端,进行全服务行动过程的追踪。
本发明的另一目的在于提供一种定位算法,所述定位算法包括:
卡尔曼滤波算法,卡尔曼滤波算法的滤波器用反馈控制的方法估计过程状态,滤波器估计过程某一时刻的状态,然后以(含噪声)的测量变量的方式获得反馈,因此卡尔曼滤波器可分为两个部分,预估阶段和测量更新阶段。
设一动态系统描述如下:
X(K)=AX(K-1)+BU(K)+W(K)
Z(K)=HX(K)+V(K)
式中,X(K)是K时刻的系统状态,U(K)是K时刻对系统的控制量。A和B是系统参数,对于多模型系统,他们为矩阵。Z(K)是K时刻的测量值,H是测量系统的参数,对于多测量系统,H为矩阵。W(K)和V(K)分别表示过程和测量的噪声。它们被假设成高斯白噪声,它们的协方差分别是Q、R。
卡尔曼滤波器可用以下递推方程表述:
X(K\K-1)=AX(K-1\K-1)+BU(K)
P(K\K-1)=AP(K-1\K-1)A+Q
X(K\K)=X(K\K-1)+KG(K)(Z(K)-HK(K\K-1))
KG(K)=P(K\K-1)H\(HP(K\K-1)H1+R)
P(K\K)=(1-KG(K)H)P(K\K-1)
由式可知,当观测噪声协方差R越小,增益KG(K)越大,当先验估计误差协方差P(K\K-1)越小,增益KG(K)越大。由此可以看出,增益KG(K)表示在更新阶段测量信息的权值。如果预估阶段误差越小,则测量变值Z(K)的权值越小,而Z(K)的预测HX(K\K-1)的权值越小。
卡尔曼滤波算法过程可归结如下:
(1)设置系统状态初始值X(0),及其误差协方差P(0),以及噪声协方差Q0,R0。
(2)根据预估阶段方程,计算预估状态X(K\K-1)和预估协方差P(K\K-1)。
(3)根据更新阶段方程,计算卡尔曼滤波增益和更新后的估计X(K\K-1)和PX(K\K-1)协方差。
(4)重复(2)、(3)步骤。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种综合性服务机器人,其特征在于,所述综合性服务机器人包括:
电源模块,用于对机器人提供能源;
输入模块,用于对机器人行动指令的输入;
定位模块,用于对行动指令的分析及定位;
控制模块,用于对定位信号的分析及输出;
驱动模块,用于对行动指令的执行;
语言模块,用于对服务指令语言的输出;
自查模块,用于对行动过程中的分析及反馈至控制模块;
通信模块,用于对机器人服务的实时监控。
2.如权利要求1所述综合性服务机器人,其特征在于,所述定位模块包含有定位算法,所述定位算法包括:
卡尔曼滤波算法,卡尔曼滤波算法的滤波器用反馈控制的方法估计过程状态,滤波器估计过程某一时刻的状态,以的测量变量的方式获得反馈,因此卡尔曼滤波器可分为两个部分,预估阶段和测量更新阶段。
设一动态系统描述如下:
X(K)=AX(K-1)+BU(K)+W(K)
Z(K)=HX(K)+V(K)
式中,X(K)是K时刻的系统状态,U(K)是K时刻对系统的控制量。A和B是系统参数,对于多模型系统,他们为矩阵;Z(K)是K时刻的测量值,H是测量系统的参数,对于多测量系统,H为矩阵;W(K)和V(K)分别表示过程和测量的噪声;它们被假设成高斯白噪声,它们的协方差分别是Q、R。
卡尔曼滤波器可用以下递推方程表述:
X(K\K-1)=AX(K-1\K-1)+BU(K)
P(K\K-1)=AP(K-1\K-1)A+Q
X(K\K)=X(K\K-1)+KG(K)(Z(K)-HK(K\K-1))
KG(K)=P(K\K-1)H\(HP(K\K-1)H1+R)
P(K\K)=(1-KG(K)H)P(K\K-1)
由式可知,当观测噪声协方差R越小,增益KG(K)越大,当先验估计误差协方差P(K\K-1)越小,增益KG(K)越大;由此可以看出,增益KG(K)表示在更新阶段测量信息的权值;如果预估阶段误差越小,则测量变值Z(K)的权值越小,而Z(K)的预测HX(K\K-1)的权值越小;
卡尔曼滤波算法过程可归结如下:
(1)设置系统状态初始值X(0),及其误差协方差P(0),以及噪声协方差Q0,R0;
(2)根据预估阶段方程,计算预估状态X(K\K-1)和预估协方差P(K\K-1);
(3)根据更新阶段方程,计算卡尔曼滤波增益和更新后的估计X(K\K-1)和PX(K\K-1)协方差;
(4)重复(2)、(3)步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710915880.9A CN107748562A (zh) | 2017-09-30 | 2017-09-30 | 一种综合性服务机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710915880.9A CN107748562A (zh) | 2017-09-30 | 2017-09-30 | 一种综合性服务机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107748562A true CN107748562A (zh) | 2018-03-02 |
Family
ID=61255292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710915880.9A Pending CN107748562A (zh) | 2017-09-30 | 2017-09-30 | 一种综合性服务机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107748562A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114131604A (zh) * | 2020-08-26 | 2022-03-04 | 北京市商汤科技开发有限公司 | 机器人的状态确定方法及装置、机器人及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101943916A (zh) * | 2010-09-07 | 2011-01-12 | 陕西科技大学 | 一种基于卡尔曼滤波器预测的机器人避障方法 |
KR20120046974A (ko) * | 2010-11-03 | 2012-05-11 | 삼성전자주식회사 | 이동 로봇 및 이동 로봇의 위치인식 및 지도작성 방법 |
CN103092199A (zh) * | 2011-11-01 | 2013-05-08 | 镇江华扬信息科技有限公司 | 足球机器人智能决策系统 |
CN103126862A (zh) * | 2013-02-04 | 2013-06-05 | 江苏科技大学 | 基于gps、gprs和rfid的室外导盲机器人及导航定位方法 |
CN105824897A (zh) * | 2016-03-14 | 2016-08-03 | 湖南大学 | 基于卡尔曼滤波的混合推荐系统及方法 |
CN107199572A (zh) * | 2017-06-16 | 2017-09-26 | 山东大学 | 一种基于智能声源定位与语音控制的机器人系统及方法 |
-
2017
- 2017-09-30 CN CN201710915880.9A patent/CN107748562A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101943916A (zh) * | 2010-09-07 | 2011-01-12 | 陕西科技大学 | 一种基于卡尔曼滤波器预测的机器人避障方法 |
KR20120046974A (ko) * | 2010-11-03 | 2012-05-11 | 삼성전자주식회사 | 이동 로봇 및 이동 로봇의 위치인식 및 지도작성 방법 |
CN103092199A (zh) * | 2011-11-01 | 2013-05-08 | 镇江华扬信息科技有限公司 | 足球机器人智能决策系统 |
CN103126862A (zh) * | 2013-02-04 | 2013-06-05 | 江苏科技大学 | 基于gps、gprs和rfid的室外导盲机器人及导航定位方法 |
CN105824897A (zh) * | 2016-03-14 | 2016-08-03 | 湖南大学 | 基于卡尔曼滤波的混合推荐系统及方法 |
CN107199572A (zh) * | 2017-06-16 | 2017-09-26 | 山东大学 | 一种基于智能声源定位与语音控制的机器人系统及方法 |
Non-Patent Citations (1)
Title |
---|
徐立新,管玉玲,李海玉: "机器人控制算法的研究", 《电脑编程技巧与维护》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114131604A (zh) * | 2020-08-26 | 2022-03-04 | 北京市商汤科技开发有限公司 | 机器人的状态确定方法及装置、机器人及存储介质 |
CN114131604B (zh) * | 2020-08-26 | 2023-11-03 | 北京市商汤科技开发有限公司 | 机器人的状态确定方法及装置、机器人及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Son et al. | Iterative learning control in optimal tracking problems with specified data points | |
Zhakatayev et al. | Successive linearization based model predictive control of variable stiffness actuated robots | |
Khubalkar et al. | Demonstrative fractional order–PID controller based DC motor drive on digital platform | |
CN111209609A (zh) | 生产参数确定方法及装置、系统、存储介质和电子设备 | |
Kubo et al. | Performance analysis of a three-channel control architecture for bilateral teleoperation with time delay | |
Ma et al. | Model predictive control of building energy systems with balanced model reduction | |
WO2014062418A1 (en) | Multi-model, multi-objective tuning of control systems | |
Urrea et al. | Design and validation of a dynamic parameter identification model for industrial manipulator robots | |
Salunkhe et al. | Cyber-physical production testbed: literature review and concept development | |
Moreno-Valenzuela et al. | Model-based control of a class of voltage-driven robot manipulators with non-passive dynamics | |
Bayrak et al. | Design of an experimental twin‐rotor multi‐input multi‐output system | |
Heravi et al. | Long term trajectory prediction of moving objects using gaussian process | |
CN107748562A (zh) | 一种综合性服务机器人 | |
Bae et al. | Distributed bearing‐based formation control and network localization with exogenous disturbances | |
Li et al. | On motion optimization of robotic manipulators with strong nonlinear dynamic coupling using support area level set algorithm | |
Jia et al. | Improved dynamic parameter identification method relying on proprioception for manipulators | |
EP3731994B1 (en) | Method and apparatus for robotic machining | |
CN108519739A (zh) | 基于对力与位置预测的多时延遥操作系统稳定性控制方法 | |
Zhen et al. | Robust approximate constraint following control for SCARA robots system with uncertainty and experimental validation | |
Perdomo et al. | Identification of variable mechanical parameters using extended Kalman Filters | |
CN103914628A (zh) | 一种空间遥操作系统输出状态预测方法 | |
US20230213918A1 (en) | Method and System for Determining a Compression Rate for an AI Model of an Industrial Task | |
Xu et al. | State-continuity approximation of markov decision processes via finite element methods for autonomous system planning | |
Yan et al. | A neural network approach to nonlinear model predictive control | |
Burroughes et al. | Towards controlling flexible deforming manipulators/structures with limited available sensing in DEMO |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180302 |