CN107748562A - 一种综合性服务机器人 - Google Patents

一种综合性服务机器人 Download PDF

Info

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
Application number
CN201710915880.9A
Other languages
English (en)
Inventor
黄伟
李昆仑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Institute Of Applied Technology
Hunan Applied Technology University
Original Assignee
Hunan Institute Of Applied Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Institute Of Applied Technology filed Critical Hunan Institute Of Applied Technology
Priority to CN201710915880.9A priority Critical patent/CN107748562A/zh
Publication of CN107748562A publication Critical patent/CN107748562A/zh
Pending legal-status Critical Current

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

一种综合性服务机器人
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。
CN201710915880.9A 2017-09-30 2017-09-30 一种综合性服务机器人 Pending CN107748562A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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