张进
- 作品数：21 被引量：35H指数：4
- 供职机构：中国科学院沈阳自动化研究所更多>>
- 发文基金：国家自然科学基金辽宁省自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生兵器科学与技术文化科学更多>>
- 基于Google Glass解放双手遥控移动机器人系统被引量：6
- 2018年
- 随着人机交互技术的发展,解放双手的技术日臻繁荣。在面对复杂任务时,解放双手的技术提供了新的交互渠道,丰富了交互信号的来源。利用Google Glass穿戴式的特点,搭建了一个解放双手的移动机器人远程控制系统。本系统使用旋转矢量传感器检测操作者的头部运动,设计控制器解析操作者的控制意图,并经WI-FI发送给机器人。为了验证系统的灵活性和可靠性,对其进行避障实验测试。实验结果表明,操作者使用该系统能够流畅地控制机器人完成任务,成功地从任务中解放出双手;同时,为遥控移动机器人提供了新的方式。
- 闻玺宋玉张进李伟李伟
- 关键词：人机交互GOOGLEGLASS机器人WI-FI
- 一种融合人工势场法与动态窗口法的多机器人路径规划方法
- 本发明属于路径规划领域，具体说是一种融合人工势场法与动态窗口法的多机器人路径规划方法。包括以下步骤：机器人编队构建：多机器人系统根据机器人数量，基于Boid集群模型理论，构建准晶格式拓扑结构；机器人避障及路径规划：机器人...
- 邵士亮张进方楚兮王挺刘连庆
- 一种基于深度强化学习的地面机器人路径规划方法
- 本发明属于属于机器人路径规划领域，公开了一种基于深度强化学习的地面机器人路径规划方法。基于深度强化学习，并结合机器人动力学模型，旨在提出一种能在野外环境下的安全可靠的路径。本方法首先构建三维场景，并对三维场景进行预处理，...
- 邵士亮秦宏伟张进王挺刘连庆
- 一种并联三体水下机器人稳心高度的调节方法
- 本发明涉及一种并联三体水下机器人稳心高度的调节方法。本发明所提调节方法主要包括两个步骤。第一，调节并联三体水下机器人上下单体的浮力，通过改变上下单体的浮力差来调节其稳心高度。第二，调节并联三体水下机器人所构成等腰三角形的...
- 张进康帅崔立俞建成
- 文献传递
- 一种考虑记忆效应的水动力相互作用力预报方法
- 本发明涉及一种考虑记忆效应的水动力相互作用力预报方法。本发明所提预报方法主要分为三步。第一，通过考虑流体记忆效应实现对传统水动力模型的修正。第二，基于修正后的水动力模型，通过多水下机器人在水中近距离运动时某一个体所受水动...
- 康帅俞建成张进 胡峰 金乾隆
- 水下机器人用自适应坐底机构
- 本实用新型涉及水下机器人技术领域，特别涉及一种水下机器人用自适应坐底机构。包括动力单元、坐底框架、主动摆杆、从动连杆及基座，其中基座设置于坐底框架的上方，基座通过多组从动连杆与坐底框架铰接；动力单元设置于基座上，主动摆杆...
- 康帅 靖龙悦张进俞建成 李宏博 崔立
- 文献传递
- 机器人产品与应用工程的网络化设计制造管理集成系统
- 王成恩曲道奎尹朝万许石哲李凤霞张进刘金德王蓉晖肖林学王作鹏王海王吉胜郝明国
- 该项目实现机器人产品与应用工程的网络化设计制造管理的集成，开发完成机器人产品数据管理系统，基于WEB的支持机器人异地设计制造的市场客户管理系统，基于客户/服务器结构的工业机器人应用工程客户信息管理与分析系统，基于WEB的...
- 关键词：
- 关键词：PDM
- 一种水下机器人用自适应坐底机构
- 本发明涉及水下机器人技术领域，特别涉及一种水下机器人用自适应坐底机构。包括动力单元、坐底框架、主动摆杆、从动连杆及基座，其中基座设置于坐底框架的上方，基座通过多组从动连杆与坐底框架铰接；动力单元设置于基座上，主动摆杆的一...
- 康帅靖龙悦张进俞建成李宏博崔立
- 文献传递
- 一种链式多体自主水下机器人
- 本发明属于水下机器人技术领域，特别涉及一种链式多体自主水下机器人。包括多个依次首尾铰接的单体AUV；单体AUV包括依次连接的艏部扩展舱段、舯部采样舱段、舯部垂推舱段、舯部控制舱段及艉部扩展舱段，其中舯部采样舱段用于采样；...
- 康帅杨庆张进俞建成陈阔崔立
- 文献传递
- 基于粒子群优化神经网络的水下链式机器人直航阻力预报被引量：8
- 2019年
- 多单体水下机器人串联组成的水下链式机器人具有航行效率高、稳定性能好、搭载能力强等优势,对其直航阻力的精确预报可实现更有效的运动控制和更合理的动力编组。针对由于水下链式机器人各单体间耦合关系复杂及使用计算流体力学分析阻力耗时较长导致无法快速准确进行阻力预报问题,开展了水下链式机器人直航阻力预报研究。利用计算流体力学分析获得大量输入量(单体数量、航速和单体间间距)与输出量(直航阻力)样本数据,使用BP神经网络建立输入量与输出量模型关系,并通过粒子群算法优化神经网络的初始权值和偏差以改善BP神经网络易陷入局部极值点和过拟合等问题。由大量测试样本的预报结果可知:基于粒子群优化的BP神经网络算法比传统BP神经网络算法预报结果更准确,在给定不同速度和间距测试中均方误差分别降低了2.04×10–5和7.40×10–6;在5单体水下链式机器人以0.25 m/s2的加速度做匀加速运动过程中,基于粒子群优化的BP神经网络模型预报结果的平均相对误差为0.42%,精度较高。试验结果说明所提方法是可行且有效的。
- 康帅康帅俞建成金乾隆张进
- 关键词：神经网络粒子群算法
