Summary
モジュラー設計のプロトコルを提案する、科学的、技術的な労働者の特別な生産タスクと知能ロボットの設計を支援する知能ロボットの生産の個人的なニーズに基づいて、個別のデザイン。
Abstract
知能ロボットは、周囲の環境を感知し、自分の行動を計画、最終的に彼らの目標を達することができるロボットの新世代の一部です。近年では、日々 の生活や産業とロボットに依存が増加しています。本稿で提案するプロトコルでは、デザインとインテリジェントな検索アルゴリズムと自律的同定機能のハンドリング ロボットの生産をについて説明します。
まず、作業のさまざまなモジュールは、作業プラットフォームの構築と、ロボット ・ マニピュレーターのインストールを完了するため機械的にまとめます。その後、我々 閉ループ制御システムおよびソフトウェアのデバッグの助けを借りて、4 象限モータ制御戦略の設計し同様、ステアリング ・ ギア id (ID)、ボー レートと目的動をロボットになることを確認する他の作業パラメーターを設定パフォーマンスと低消費電力。次に、我々 は、環境情報を正確に取得するマルチ センサー融合を達成するためにセンサーをデバッグします。最後に、特定のアプリケーションのためのロボットの機能の成功を認識することができます関連するアルゴリズムを実装します。
このアプローチの利点は、その信頼性と柔軟性、ユーザーことができますさまざまなハードウェア構築プログラムの開発し、インテリジェント制御戦略を実装するための包括的なデバッガーを利用します。高効率、堅牢性とニーズに基づいてパーソナライズされた要件を設定することができます。
Introduction
ロボットは、力学、電子、制御、コンピューター、センサー、人工知能1,2を含むいくつかの分野の知識を組み合わせる複雑なインテリジェントなマシンです。ますます、ロボットが支援または反復的なまたは危険なタスクを実行するロボットを持っている利点のための工業生産を中心に、職場の人間をも交換します。現在の研究では知能ロボット プロトコルの設計は、閉ループ制御戦略、遺伝的アルゴリズムに基づくパス具体的に基づいています。さらに、機能モジュールは、厳密に分けられた3,4ロボットがアップグレードの強力な能力を持つよう今後の最適化の仕事のための強固な基盤を提供することがありますされています。
ロボットプラット フォームのモジュールの実装は、次の方法主にに基づいて: モータ制御モジュール5,6と遺伝的アルゴリズムに基づくインテリジェントな探査における多次元組み合わせ制御戦略最適化アルゴリズム モジュールで。
モータ制御モジュールの DC モーター、4 象限駆動の二重の閉ループ制御を使用します。二重閉ループ速度制御は、速度レギュレータの出力が電流とモーターのトルクを制御することができます現在のレギュレータの入力として使用されることを意味します。このシステムの利点は、モータのトルク制御できますリアルタイムで指定された速度と実際の速度の違いに基づきます。ときに与えられたと実際の違い速度が比較的大きい、モーターのトルクの増加、急速なのためになる速度変更、可能な限り迅速に指定した値に対するモータ速度を駆動するより高速な速度規制7,8,9します逆に、速度が特定の値に近づくと比較的、それ減らすことができます自動的に特定の値を比較的すぐにはエラー6,を達成するために速度をできるように、スピードの出し過ぎを避けるためにモーターのトルク。10. 相当の時間以来電気の電流ループの定数は比較的小さく、4 象限モーター11,12より迅速に対応できるシステムがときの干渉の影響を抑える外部からの干渉。これは、安定性とシステムの妨害能力を向上させることができます。
MATLAB のシミュレーションの結果に基づいて最高の効率と遺伝的インテリジェントな最適化アルゴリズムを選択します。遺伝的アルゴリズムは、自然淘汰の遺伝学の理論に基づく確率的並列検索アルゴリズムです。それは、初期情報のない状態でグローバルな最適なソリューションを検索するための効率的な方法を構成します。それは連続した選択、交叉、突然変異と他の遺伝的操作によるソリューションの品質が向上、人口として問題のソリューション セットを考えています。知能ロボットによる計画パスに関しての難易度は初期情報の不足、複雑な環境および非線形性の結果として起こる。遺伝的アルゴリズムより良いパス計画大域的最適化機能、強力な適応性と非線形の問題を解決するための堅牢性を有していることからの問題を解決することができます。問題に特定の制限がないです。計算プロセスは簡単です。検索スペース13,14の特別な要件はありません。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1 です。 マシンの建設
- 組み立てシャーシの示すように、適切なファスナーを使用して機械部品を保護します。( 図 1)
注: ベースボード、モーター、車輪、等で構成され、シャーシはその動きを担当のロボットの主要コンポーネントです。したがって、アセンブリ中にブラケットをまっすぐに保つ 。
- 錫ワイヤー リードと正と負の両方の電極。プラス電極とマイナス電極に黒リード赤リードの接続モーターの両端にリード 2 線はんだします 。
- は、軸スリーブ、モーターと車輪を組み立てます。
- 軸スリーブにモーターを接続し、ネジで固定します 。
- 車輪ハブのセンターにシャフト スリーブを挿入します 。
- シャーシの上に完成した構造をインストールします 。
- モジュールを駆動するモーターのインストールを可能にするシャーシの中心部に直径 3 mm の 2 つの穴をドリルします。モジュールを駆動するモーターにモーターを接続します 。
- 1 つドリル穴の左と右の両方のエッジ、シャーシ下部に赤外線センサーのブラケットのインストールから 1 cm 。
- シャーシの 2 つの側面の中央に 2 つのファスナーをインストールします
。 メモ: 赤外線センサーの正常な動作を確保するために接続部分がシャーシに対して垂直を確認します 。
- は、センサーのインストールの 2 つの構造コンポーネントのそれぞれを直径 18 mm の穴をドリルします。( 図 2 a)
- はシャーシの下側にモーター ドライブをインストールします。( 図 2 b)シャーシのそれぞれ、それぞれの 4 つの方向を指す 1 つの赤外線センサーをインストールします。( 図 2)
- 対称性のステアリング ・ ギヤをインストールします。ステアリング ・ ギヤの操作によって生成された大きなトルクのため、ボルトがしっかりと遮水ジョイントを備え付ける方法でインストールされていることを確認します 。
- マシンの中心に 4 つの赤外線センサーをインストールします 。
- 場所、14.8 V マシンの中央に電源し、バッテリ パックにマイコン ユニット (MCU) を貼る 。
- は、マシンの上部に 4 つのレンジ センサーを貼付します。作業テーブルに対する検出精度を保証する 60 ° に、各センサーと地面の間の角度を調整します 。
- マシンが作業領域の目標を達成に失敗したときの場合を検出するために使用 2 軸チルト センサーをインストールします 。
- では、ドライバーを使用して、マシンの前面にロボット アームを取り付けます。( 図 3)
2。ステアリングのエンジンとドライバー モジュールをデバッグ
- デバッグ ソフトウェア (例えば、ロボットのサーボ Terminal2010) を開くをダブルクリックします。コンピューター デバッグ ボードで、ユニバーサル シリアル バス (USB) ケーブルを変換に接続します。( 図 4)
- ステアリング エンジンを設定 ' s ボーレートを 9600 ビット/秒、521 rad/分の速度制限、作業インタ フェースで 9.6 V に 300 ° と電圧制限を角度制限します 。
- ロボット ステアリング ギアの動作モードを設定 " ステアリング エンジン モード " 。
- には、コント ローラーとステアリング エンジン間の接続として非同期の半二重通信が適用されます。このように、コント ローラーは単一の普遍的な非同期レシーバー/トランスミッタ (UART) インターフェイスから 255 以上のステアリング エンジンを制御できます。( 図 5)
注意: 可能性があります、ほとんどのステアリング エンジン単一のワイヤに接続されている 6。あまりにも多くのステアリング エンジンは過熱し、大規模な電圧降下、リセットと異常のデータ通信などの異常な動作の結果につながる ( 図 6) - 非同期半二重を適用コント ローラーとモータ駆動モジュール間の接続と通信します。( 図 7)
- は、2 つの駆動モジュールと 4 つのステアリング エンジンの ID 番号を設定します。ID3 と ID4 は、将来の更新目的の空白に残っています。( 図 8)
注: ID1: 左運転モジュールID2: 右駆動モジュールID5: 左フロント ステアリング エンジン;ID6: 右フロント ステアリング エンジン;ID7: 左リアのステアリング エンジン;ID8: 右後部ステアリング エンジン 。
- ステアリング エンジン 1 つずつをカスケードし、カスケードをコント ローラーに接続します 。
- は、センサーをそれぞれコント ローラーのインターフェイスに接続します。そのコネクタを冠する三角マーク センサーはグランド (GND) であることに注意してください
。 注: AD1: 底面; フロント赤外線光電センサーAD2: 右裏面; 赤外線光電センサー裏面; AD3: 背面の赤外線ビーム センサー裏面; AD4: 左赤外線センサーAD5: フロント赤外線距離測定センサー;AD6: 右赤外線距離測定センサーAD7: 背面の赤外線センサーを測定AD8: 左赤外線距離測定センサー;AD9: 左前方落下防止赤外線光電センサー;AD10: 右前方落下防止赤外線光電センサー;AD11: 右背面落下防止赤外線光電センサー;AD12: 左背面落下防止赤外線光電センサー 。
3。センサーをデバッグ
センサーの検出範囲を調整する赤外線センサーの尻尾の- 回転調整ノブ。ロボットは、作業テーブルの中心に位置し、上の 4 つの赤外線センサーの論理レベルは 1 です。マシンは、作業テーブルの端に移動したとき、対応する側の赤外線センサーの論理レベルは 0 になります。( 図 9 a)
メモ: 赤外線センサーのロジック レベルを分析することによって作業テーブルの位置は、ロボットが判断できます。たとえば、左とフロント センサーのロジック レベルが 0 の場合、ロボットが作業テーブルの左上の領域にある必要があります 。
- は、校正用の基準値を距離センサーの測定値を比較します。( 図 9 b)
注: 距離センサーはアナログ センサーです。距離の変化、センサー、' s 信号強度フィードバックおよび対応する測定値も異なります。ロボットは、その周辺の変化を識別できるように、測定値をデジタル センサーを介してホスト マシンに中継されます 。
- は、傾斜角センサーをデバッグします。
- 傾斜角センサーを水平に配置し、その測定値を記録します 。
- 傾斜の 2 つの方向に向けてセンサーと測定値を記録します。測定値の誤差範囲内にある場合、センサーは通常の操作であるとみなすことができる 。
4。スキームを制御
- 構築 DC モータ電圧バランス方程式、フラックス リンケージ方程式とトルク バランス方程式に基づく DC モータのシミュレーション モデル。
- を確立する電圧バランス方程式によって与えられる
u q は直交軸電圧 u d が直接軸電圧は。R d と R q は、それぞれ直接軸抵抗、直交軸抵抗を示すため。、、、、直接軸電流を表す軸電流を直接、直接磁束軸と直交軸フラックス。 - を確立するフラックスによって与えられたリンケージ式
< img、lt ="方程式 6" src="//cloudfront.jove.com/files/ftp_upload/56422/56422eq6.jpg"/>
、 と 係数を示す自己インダクタンス軸と直交軸自己インダクタンスをそれぞれ直接します。 と は相互インダクタンスの係数。、 電磁トルクと負荷トルクを表します 。
- を確立するトルク バランス方程式によって計算 . DC モータの
- ビルド シミュレーション モデル。( 図 10)
- を確立する電圧バランス方程式によって与えられる
- DC モーターのダブルの閉ループ制御を適用します。モーターを調節する電流レギュレータへの入力として速度レギュレータの出力を活用 ' s トルクと電流します
。 注: 現在の規制システムの構造の図。( 図 11)
PI 電流レギュレータの伝達関数として示されている 、 の比例係数電流レギュレータ、 電流レギュレータのリード時間定数です。スケール係数で取得することができます 、および積分係数 。- DC モータの適用二重閉ループ制御。( 図 12)
- DC モータの 4 象限運動制御を適用します。( 図 13)
- H ブリッジ運転利用回路、オン-オフ金属酸化膜半導体の電界効果トランジスタ (MOSFET) の変調による DC モータの 4 象限動作を達成するために。( 図 14)
注: 第 1 四半期および第 4 四半期の電源がオンになっているし、前方の電気状態にモーターや実行状態の第一象限。第 3 四半期および第 4 四半期のオンのときモーターはブレーキの状態、実行状態第 2 象限エネルギーです。Q2 と Q3 のオンのときモーター、逆の電気状態と第 3 象限動作状態です。モータは逆のエネルギー制動状態と第 4 象限動作状態で Q1 と Q2 をオンにした場合 。
- H ブリッジ運転利用回路、オン-オフ金属酸化膜半導体の電界効果トランジスタ (MOSFET) の変調による DC モータの 4 象限動作を達成するために。( 図 14)
- パルス幅変調 (PWM) DC モータの速度を調節するを適用します。DC 電圧パルス幅 (デューティ サイクル) DC モーター電源の電圧供給本質的に変わらずに残るとき、オン-オフ電気のスイッチの制御によってモータの電機子に適用される平均値と回転速度入力を変調を調節します。モーターの電機子電圧 。
5。プログラムを書く
- USB ダウンロード行を使用して、コント ローラーに KEIL5 によって生成されたバイナリ (BIN) ファイルをインポートします 。
- を実行するプログラムを選択します 。
6。アプリケーション シナリオ
- 工場で貨物を分類する適用色認識。( 図 15)
- 光学カメラを使用して画像を収集し、バウンスの二次元配列の数を使用してスキャンした色を確認します 。
- 機械の腕を持つオブジェクトを持ち上げています 。
- カメラ ロボットのモーターを運転して指定された場所へのオブジェクトを転送するためのコマンドを発行します 。
- 指定された領域をクリアするすぐに検索。( 図 16)
- ロボットの周辺障害物の位置を検知する 4 つの光センサーを使用します 。
- 機械式ショベルを持ち上げ、指定地域内の障害物をクリアするステアリングのエンジンをコマンドします 。
- 最も効果的な検索パスを決定するための遺伝的アルゴリズムの使用
- マシン作業領域からの労働者を分離し、労働者の安全を確保するワークベンチからの落下を防ぐために自己認識を使用します。
- ワークベンチと地面を認識 4 上部光学センサー、高度差に基づいて信号を変更します 。
- ワークベンチのエッジの場所を特定する変更可能な信号を解析します 。
- ワークベンチのエッジを避けるためにマシンをコマンドします 。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
ダブルの閉ループ運動制御プログラムの図で紫が所定の速度信号を表し、黄色は、制御システムの出力の値を表します。図 17は、二重の閉ループ制御システムはオープン ・ ループ システムよりかなり効果的を明確に示します。ダブルの閉ループ システムの出力の実際のオーバー シュートは比較的小さいとシステムの動的性能が優れています。(図 17)
図 18は、異なる波長で光の反射の影響の下でロボットの色認識精度を示しています。、光条件が異なるため、実際にターゲット オブジェクトの反射の光の波長は、一定の範囲内で変動します。、コンピューターの認識の正確さを検査するには、テストは黄色光 (565 595 nm) と赤い光 (625 740 nm) の波長の範囲で実施します。カメラによって返される値が 1 の場合、色の認識は正確です。585-593 nm の範囲、範囲外率は急激に低下するのに対し、カメラの黄色の光認識率は 90% を超えています。同様に、範囲外の速度が急激に低下しながら 660 700 nm の範囲の内で赤色光認識率は 90% を超えます。テスト結果は、適切な照明の下では、ロボットが小さな許容誤差、色認識実現を示しています。(図 18)
図 19は、カメラの色の認識の正確さと距離との関係を示しています。認識精度は、距離に反比例します。0-30 cm の距離が実験結果に示すように、カメラの色の認識精度は 80% 以上。結果は、このプログラムは強力なユーティリティであることを示します。(図 19)
図 1:シャーシの構造。この図の拡大版を表示するのにはここをクリックしてください。
図 2:赤外線センサーの設置この図の拡大版を表示するのにはここをクリックしてください。
図 3:インストールの効果。この図の拡大版を表示するのにはここをクリックしてください。
図 4:デバッグ作業の画面。この図の拡大版を表示するのにはここをクリックしてください。
図 5:ロボット ステアリング ・ ギヤの接続。この図の拡大版を表示するのにはここをクリックしてください。
図 6:電気的接続の原則。この図の拡大版を表示するのにはここをクリックしてください。
図 7:電気的接続の原則。この図の拡大版を表示するのにはここをクリックしてください。
図 8:ID 番号を設定します。この図の拡大版を表示するのにはここをクリックしてください。
図 9:2 つのセンサー。この図の拡大版を表示するのにはここをクリックしてください。
図 10:DC モータのシミュレーション モデル。この図の拡大版を表示するのにはここをクリックしてください。
図 11:現在の規制システム。この図の拡大版を表示するのにはここをクリックしてください。
図 12:ダブルの閉ループ制御のシミュレーション モデル。この図の拡大版を表示するのにはここをクリックしてください。
図 13:栄 > モーターの 4 象限動作の図。この図の拡大版を表示するのにはここをクリックしてください。
図 14:H ブリッジ回路。この図の拡大版を表示するのにはここをクリックしてください。
図 15:色認識のワークフロー。この図の拡大版を表示するのにはここをクリックしてください。
図 16:クイック検索のワークフロー。この図の拡大版を表示するのにはここをクリックしてください。
図 17:Simulink の図。この図の拡大版を表示するのにはここをクリックしてください。
図 18:異なる波長の光反射の影響の下での色の認識の正確さ。この図の拡大版を表示するのにはここをクリックしてください。
図 19:カメラの色認識の精度との距離関係です。この図の拡大版を表示するのにはここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
本稿では、自律的に構築することができますインテリジェント ロボットの型を設計されています。ハードウェアといくつかのソフトウェア プログラムの統合によって提案されたインテリジェントな検索アルゴリズムと自律的に認識を実施しました。プロトコルでは、ハードウェアを構成するための基本的なアプローチを導入し、自分のロボットの適切な機械的構造を設計デバッグ知能ロボットは、ユーザーに役立つことがあります。ただし、実際の操作中に構造、その動作範囲、自由度とこれらのパラメーターが要件を満たしていることを確認するための領域の使用率の安定性に注意を払う必要です。高精度、高柔軟性、およびロボットのロバスト性の高い合理的な機械構造を保証します。複雑な機械構造物を設計するには、ユーザーは、シミュレーション モデルを構築し、仮想プロトタイピング技術を適用・ アダムスなどのソフトウェアを組み合わせることができます。これは技術的な要件を満たしていない可能性や機械的に可能ではない可能性を除外することができます可能性があります。
1 つの潜在的な問題は、正確にその目的の機能を達成するためにロボットのできません。これは主に 2 つの原因から幹があります。最初のセンサーの要件を満たすことができないのです。たとえば、最初のテストの間に本研究では掃除ロボットだった正常に作業領域から障害物をプッシュすることができます。これは機器の赤外線センサーの範囲はやや狭く、障害が検出されると、ロボットが必要な加速を達成できないということを意味します。この問題は、赤外線センサーの検出範囲を増やすことによって解決できます。これらの問題に対処するためのセンサーのデバッグ レベルを追加必要があります、状況またはアプリケーションに基づいています。次に、選択したモータのパフォーマンス要件を満たすことができません。モーターを選択すると、適切な起動性能、安定運用、予算内で低ノイズのモーターに優先にする必要があります。
新しいロボットの設計・製作を開始するには、新しいタスクの要求に適応するかもしれないので、手動設定スキームのパラメーター、ロボットの動作を制御するに定義されなければなりません。同時に、すべてのプロセスは、プロトコルで説明した手順を従う必要があります。ロボットのモジュール設計の利点は、様々 な技術者のコラボレーションによって開発することができます仕事のの明確な区分にあります。機械設計、ハードウェアの構造、電気技術者がモーター制御の設計、制御エンジニアが検索アルゴリズムを設計します。したがって、各モジュールの作業することができますない独立して開発する特定のタスクを達成するために。各モジュールは、ユーザーが特定のアプリケーションに最適なスキームを検索を支援する基本的なデザインを提供します。
知能ロボット技術が成熟するにつれて、潜在的なアプリケーションの範囲がかなり拡大します。それは個人の海洋開発、宇宙開発、工業と農業生産、社会サービスや娯楽の分野でいくつかの名前に非常に貴重なリソースであると証明します。この技術は、徐々 に危険で不衛生な作業環境で人間を置き換えられます。知能ロボットは、複数のロボットの協調とインテリジェントなネットワークの方向に向けて開発していきます。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者が明らかに何もありません。
Acknowledgments
著者は、本稿で報告した実験を行うことの彼の援助の氏 Yaojie 彼に感謝の意を表したいです。この作品は中国の国家自然科学基金 (第 61673117) によって部分的に支えられました。
Materials
Name | Company | Catalog Number | Comments |
structural parts | UPTECMONYH HAR | L1-1 | |
structural parts | UPTECMONYH HAR | L2-1 | |
structural parts | UPTECMONYH HAR | L3-1 | |
structural parts | UPTECMONYH HAR | L4-1 | |
structural parts | UPTECMONYH HAR | L5-1 | |
structural parts | UPTECMONYH HAR | L5-2 | |
structural parts | UPTECMONYH HAR | U3A | |
structural parts | UPTECMONYH HAR | U3B | |
structural parts | UPTECMONYH HAR | U3C | |
structural parts | UPTECMONYH HAR | U3F | |
structural parts | UPTECMONYH HAR | U3G | |
structural parts | UPTECMONYH HAR | U3H | |
structural parts | UPTECMONYH HAR | U3J | |
structural parts | UPTECMONYH HAR | I3 | |
structural parts | UPTECMONYH HAR | I5 | |
structural parts | UPTECMONYH HAR | I7 | |
structural parts | UPTECMONYH HAR | CGJ | |
link component | UPTECMONYH HAR | LM1 | |
link component | UPTECMONYH HAR | LM2 | |
link component | UPTECMONYH HAR | LM3 | |
link component | UPTECMONYH HAR | LM4 | |
link component | UPTECMONYH HAR | LX1 | |
link component | UPTECMONYH HAR | LX2 | |
link component | UPTECMONYH HAR | LX3 | |
link component | UPTECMONYH HAR | LX4 | |
Steering gear structure component | UPTECMONYH HAR | KD | |
Steering gear structure component | UPTECMONYH HAR | DP | |
Infrared sensor | UPTECMONYH HAR | E18-B0 | Digital sensor |
Infrared Range Finder | SHARP | GP2D12 | |
Gray level sensor | SHARP | GP2Y0A02YK0F | |
proMOTION CDS | SHARP | CDS 5516 | The robot steering gear |
motor drive module | Risym | HG7881 | |
solder wire | ELECALL | 63A | |
terminal | Bright wire | 5264 | |
motor | BX motor | 60JX | |
camera | Logitech | C270 | |
Drilling machine | XIN XIANG | 16MM | Please be careful |
Soldering station | YIHUA | 8786D | Be careful to be burn |
screwdriver | EXPLOIT | 043003 | |
Tweezers | R`DEER | RST-12 |
References
- Charalampous, K., Kostavelis, I., Gasteratos, A. Robot navigation in large-scale social maps: An action recognition approach. Expert Syst Appl. 66 (1), 261-273 (2016).
- Huang, Y., &Wang, Q. N. Disturbance rejection of Central Pattern Generator based torque-stiffness-controlled dynamic walking. Neurocomputing. 170 (1), 141-151 (2015).
- Tepljakov, A., Petlenkov, E., Gonzalez, E., Belikov, J. Digital Realization of Retuning Fractional-Order Controllers for an Existing Closed-Loop Control System. J Circuit Syst Comp. 26 (10), 32-38 (2017).
- Siluvaimuthu, C., Chenniyappan, V. A Low-cost Reconfigurable Field-programmable Gate Array Based Three-phase Shunt Active Power Filter for Current Harmonic Elimination and Power Factor Constraints. Electr Pow Compo Sys. 42 (16), 1811-1825 (2014).
- Brogardh, T., et al. Present and future robot control development - An industrial perspective. Annu Rev Control. 31 (1), 69-79 (2007).
- Wang, E., Huang, S. A Novel DoubleClosed Loops Control of the Three-phase Voltage-sourced PWM Rectifier. Proceedings of the CSEE. 32 (15), 24-30 (2012).
- Li, D. H., Chen, Z. X., Zhai, S. Double Closed-Loop Controller Design of Brushless DC Torque Motor Based on RBF Neural Network. Proc. 2nd International Conference on Frontiers of Manufacturing Science and Measuring Technology. (ICFMM 2012), , 1351-1356 (2012).
- Tian, H. X., Jiang, P. L., Sun, M. S. Double-Loop DCSpeed Regulation System Design Basd On OCC). Proc. 4th International Conference on Advances in Materials and Manufacturing (ICAMMP 2013), , 889-890 (2014).
- Xu, G. Y., Zhang, M. Double Closed-Loop Feedback Controller Design for Micro Indoor Smart Autonomous Robot). Proc. International Conference on Material Science and Engineering Technology. (ICMSET 2011), , 474-479 (2011).
- Chen, Y. N., Xie, B., Mao, E. R. Electric Tractor Motor Drive Control Based on FPGA. Proc. 5th IFAC Conference on Sensing, Control and Automation Technologies for Agriculture (AGRICONTROL), , 271-276 (2016).
- Zhang, J., Zhou, Y. J., Zhao, J. Study on Four-quadrant Operation of Brushless DC Motor Control Method. Proc. International Conference on Mechatronics, Robotics and Automation. (ICMRA 2013). , 1363-1368 (2013).
- Joice, C. S., Paranjothi, S. R., Kumar, V. J. S. Digital Control Strategy for Four Quadrant Operation of Three Phase BLDC Motor With Load Variations. Ieee T Ind Inform. 9 (2), 974-982 (2013).
- Drumheller, Z., et al. Optimal Decision Making Algorithm for Managed Aquifer Recharge and Recovery Operation Using Near Real-Time Data: Benchtop Scale Laboratory Demonstration. Ground Water Monit R. 37 (1), 27-41 (2017).
- Wang, X. S., GAO, Y., Cheng, Y. H., Ma, X. P. Knowledge-guided genetic algorithm for path planning of robot. Control Decis. 24 (7), 1043-1049 (2009).