Summary
Vi presenterer en protokoll på modulær design og produksjon av intelligent roboter å vitenskapelige og tekniske arbeidere design intelligent roboter med spesielle oppgaver basert på personlige behov og tilpasset design.
Abstract
Intelligent roboter er del av en ny generasjon av roboter som kan forstand omgivelsene, planlegge sine egne handlinger og til slutt nå sine mål. De siste årene, har tillit til roboter i både daglige liv og økt. Protokollen foreslått i denne artikkelen beskriver design og produksjon av en håndtering robot med en intelligent algoritme og en autonom ID-funksjon.
Først er det forskjellige arbeider-moduler mekanisk samlet for å fullføre byggingen av arbeidsplattform og installasjon av robot manipulatoren. Da vi utforme en lukket kontrollsystem og en 4-kvadranten motorstyring strategi, ved hjelp av feilsøking programvare, samt Styringsutstyr identitet (ID), overføringshastighet og uteffekt arbeider å sikre at roboten oppnår ønsket dynamisk ytelse og lavt energiforbruk. Neste, vi feilsøke sensoren for å oppnå flere sensor fusion å erverve nøyaktig miljøinformasjon. Til slutt, vi implementere aktuelle algoritmen, som kan gjenkjenne suksessen til roboten funksjon for et gitt program.
Fordelen med denne tilnærmingen er pålitelig og fleksibilitet, som brukerne kan utvikle en rekke maskinvare konstruksjon programmer og bruke omfattende feilsøkingsprogrammet for å implementere en intelligent kontroll strategi. Dette tillater brukere å sette personlig krav basert på deres behov med høy effektivitet og robusthet.
Introduction
Roboter er komplekse, intelligente maskiner som kombinerer kunnskap om flere disipliner, inkludert mekanikk, elektronikk, kontroll, datamaskiner, sensorer og kunstig intelligens 1,2. Økende grad roboter hjelpe eller erstatte mennesker på arbeidsplassen, spesielt i industriell produksjon, på grunn av fordelene roboter har i repeterende eller farlige oppgaver. Utformingen av intelligent robot protokollen i denne studien er basert på en lukket kontroll strategi, spesielt banen planlegging basert på en genetisk algoritme. Videre, de funksjonelle modulene har vært strengt delt3,4, som kan gi et solid fundament for fremtidige optimalisering arbeid, slik at roboter har en sterk kapasitet for oppgraderinger.
Modulære implementeringen av robot plattform er basert på følgende: multi-dimensjonale kombinasjon strategi i motorisk kontroll modul5,6, og intelligent leting basert på en genetisk algoritme i modulen optimalisering algoritme.
Vi bruker dobbel lukket kontroll av DC motor og fire-kvadranten motoren drift i modulen motorstyring. Dobbel lukket hastighetskontroll betyr at utdataene for hastighetsregulatoren fungerer som input av gjeldende regulator, slik at det å kontrollere gjeldende og dreiemoment på motoren. Fordelen med dette systemet er at dreiemomentet fra motoren kan kontrolleres i sanntid basert på differansen mellom den angitte hastigheten og den faktiske hastigheten. Når forskjellen mellom gitt og faktiske hastigheter er relativt stort, motor dreiemoment øker og hastighetsendringer raskere å kjøre motorhastighet mot gitt verdien så raskt som mulig, noe som gjør for rask hastighet regulering7, 8 , 9. derimot når hastigheten er relativt nær den gitte verdien, kan det automatisk redusere dreiemomentet fra motoren for å unngå overdreven fart, slik at hastigheten å oppnå den gitte verdien relativt raskt med ingen feil6, 10. siden tilsvarende konstant av elektrisk gjeldende loop er relativt liten, de fire-kvadranten motor11,12 kan reagere raskere for å undertrykke påvirkningen av interferens når systemet er underlagt ytre forstyrrelser. Dette gir bedre stabilitet og anti-jamming evne til systemet.
Vi velger en genetisk intelligent optimalisering algoritme med høyeste effektivitet basert på resultatene av en simulering i MATLAB. En genetisk algoritme er en Stokastisk parallelle algoritmen basert på teorien om naturlig seleksjon i genetikk. Det utgjør en effektiv metode for å finne den globale optimale løsningen i fravær av noen innledende informasjon. Det gjelder hvilke løsning av problemet som en populasjon, og dermed øke kvaliteten på løsningen via kontinuerlig utvalg, crossover, mutasjon og andre genetisk operasjoner. Med hensyn til banen planlegging av intelligent roboter, oppstår problemer som følge av utilstrekkelig innledende informasjon, kompliserte miljøer og nonlinearity. Genetiske algoritmer er bedre i stand til å løse problemet med banen planlegging fordi de har global optimalisering evne, sterk tilpasningsevne og robusthet i å løse lineære problemer; Det er ingen spesifikke restriksjoner på problemet; beregningsprosessen er enkel; og det er ingen spesielle krav for søk plass 13,14.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. bygging av maskinen
- sette kabinettet som illustrert, sikre mekaniske komponenter med riktige festene. ( figur 1)
Merk: Kabinettet, som omfatter baseboard, motor, hjul, etc., er den primære delen av roboten ansvarlig for sin bevegelse. Således, ved monteringen, holde braketten rett. - Tinn wire bly og både positive og negative elektroder. Lodde to wire fører til de to endene av motoren, koble den røde bly til den positive elektroden og svart føre til negativ elektroden.
- Samle aksel ermet, motorene og hjul.
- Koble motoren til aksel ermet og fest den med en skrue.
- Aksel ermet inn i midten av hjulet huben.
- Installere fullført strukturen på kabinettet.
- Bore to hull, 3 mm i diameter, i midten av kabinettet, å tillate installasjon av motoren kjører modul. Koble motoren til motoren kjører modul.
- Bore et hull 1 cm fra både høyre og venstre kantene av chassis for installasjon av braketten for infrarøde sensorer på bunnen.
- Installere to festene på midten av de to sidene av chassiset.
Merk: For å sikre normal drift av de infrarøde sensorene, kontroller at koplingsstykket er vinkelrett til kabinettet. - Bore et hull, 18 mm i diameter, gjennom hver av de to strukturelle komponentene for installasjon av sensorer. ( figur 2A)
- Installere motor stasjonen til undersiden av chassiset. ( figur 2B) Installere en infrarød sensor peker på hver av de fire retningene, henholdsvis av kabinettet. ( figur 2C)
- Installere steering utstyret i symmetri. På grunn av stor dreiemoment generert av drift av Styringsutstyr, sikre at bolter er installert på en måte som gir en fast og ugjennomtrengelig felles.
- Installere fire infrarøde sensorer på midten av maskinen.
- Sted i 14,8 V strømforsyningen i midten av maskinen, og påføre Microcontroller enhet (MCU) til batteripakken.
- Påføre fire utvalg sensorer til den øvre delen av maskinen. Justere vinkelen mellom hver sensor og bakken til 60°, for å garantere oppdaging nøyaktighet i forhold til tabellen arbeider.
- Installere dual-aksen tilt sensoren, som brukes til å oppdage tilfeller når maskinen ikke nå sine mål i arbeidsområdet.
- Bruk en skrutrekker knytte robot-armen på forsiden av maskinen. ( Figur 3)
2. Feilsøking styring motoren og Driver modul
- Dobbeltklikk for å åpne feilsøking programvare (f.eks Robot Servo Terminal2010). Koble datamaskinen til debug styret med en Universal seriell buss (USB) konvertering kabel. ( Figur 4)
- Angi styringen motoren ' s overføringshastigheten 9600 biter/s, rate begrensningen på 521 rad/minutt, kantete begrensningen til 300° og spenning begrensning til 9,6 V i arbeider grensesnittet.
- Stille arbeidsmodus robot steering utstyret til " styringsgruppe motor modus. "
- Bruke asynkron halvdupleks kommunikasjon som forbindelsen mellom kontroller og styring motorer. På denne måten kontrolleren kan kontrollere 255 styringen motorer fra en enkelt Universal Asynchronous Receiver/Transmitter (UART)-grensesnitt. ( figur 5)
Advarsel: Det kan være, maksimalt 6 styring motorer koblet til en enkelt ledning. For mange styringen motorer vil føre til overoppheting og store spenningsfall, som fører til uvanlig oppførsel som tilbakestille og unormale datakommunikasjon ( figur 6) - bruke asynkron halvdupleks kommunikasjon som forbindelse mellom kontrolleren og motoren kjører modul. ( figur 7)
- Angi ID-nummeret to kjøring modulene og fire styringen motorer. ID3 og ID4 er tomt for fremtidig oppdatering formål. ( Figur 8)
Merk: ID1: leftward kjøring modul; ID2: rightward kjøring modul; ID5: venstre foran styringen motor. ID6: rett foran styringen motor. ID7: venstre styringsaggregater motor. ID8: rett bak rattet motoren. - Cascade styringen motorer enkeltvis og koble kaskade til kontrolleren.
- Koble sensorer til sine respektive kontrolleren grensesnitt. Det bør bemerkes at sensoren som kontakten bærer en trekantmerket er bakken (jord).
Merk: AD1: foran fotoelektriske sensoren på undersiden; AD2: rett fotoelektriske sensoren på undersiden; AD3: bak fotoelektriske sensoren på undersiden; AD4: venstre sensoren på undersiden; AD5: front Infrarød avstand måling sensor; AD6: rett Infrarød avstand sensor; AD7: bakre infrarød måle sensor; AD8: venstre Infrarød avstand måling sensor; AD9: venstre foran anti-fall fotoelektriske infrarødsensor; AD10: rett foran anti-fall fotoelektriske infrarødsensor; AD11: rett bak anti-fall fotoelektriske infrarødsensor; AD12: venstre anti-fall fotoelektriske infrarødsensor.
3. Feilsøking sensorene
- Roter reguleringen knotten på halen av de infrarøde sensorene for å justere oppdagelsen sensorer. Når roboten er plassert i midten av tabellen arbeider, er logikk topp fire infrarøde sensorer 1. Når maskinen går til kanten av tabellen arbeider, være logikk nivået av sensoren på det tilsvarende siden 0. ( figur 9A)
Merk: Roboten kan fastslå beliggenheten i tabellen arbeider ved å analysere logikk nivået av infrarøde sensorer. For eksempel hvis logikk venstre og front sensorene er 0, robot må være i regionen øverst til venstre i tabellen arbeider. - Sammenligne måleverdiene av avstand sensoren til deres opprinnelige verdier for kalibrering. ( figur 9B)
Merk: Avstand sensoren er en analog sensor. Som avstanden varierer, sensoren ' s signal styrke tilbakemeldinger og tilsvarende målt verdier varierer også. Måleverdiene vil bli videresendt til vertsmaskinen via digitale sensorer slik at roboten kan identifisere endringer i omegn. - Feilsøking vinkel sensoren.
- Posisjon vinkel sensoren horisontalt og registrere sine måleverdiene.
- Stigning sensoren mot to forskjellige retninger og registrere målte verdier. Hvis måleverdiene innen feil, sensoren kan betraktes som regulære.
4. Kontroll ordningen
- konstruere simulering modellen av DC motoren, basert på DC motor spenning balanse ligningen, flux sammenhengen ligningen og dreiemoment balanse ligningen.
- Etablere spenning balanse ligningen gitt av
hvor u d er direkte aksen spenning, u q er quadrature aksen spenning. R d og R q betegne direkte aksen motstand og quadrature aksen motstand henholdsvis.
, 
, 
, 
, representerer direkte aksen gjeldende, direkte aksen gjeldende, direkte aksen flux og quadrature aksen flux. - Etablere flux sammenhengen ligningen gitt av
< img enlt = "Ligningen 6" src="//cloudfront.jove.com/files/ftp_upload/56422/56422eq6.jpg" / >
hvor
og 
betegne koeffisient av direkte aksen self-inductance og quadrature aksen self-inductance henholdsvis. 
og 
er koeffisient av gjensidig Induktans. 
, 
representerer elektromagnetisk dreiemoment og laste dreiemoment. - Etablere dreiemoment balanse ligningen beregnede
. - Bygge simulering modell av den DC motoren. ( Figur 10)
- Etablere spenning balanse ligningen gitt av
- Bruk dobbel lukket kontroll over den DC motoren. Utnytte produksjon av hastighetsregulatoren som innspill til gjeldende regulator å regulere motoren ' s dreiemoment og gjeldende.
Merk: Diagram av dagens regulering system. ( Figur 11)
Overføringsfunksjonen av PI gjeldende regulator vises som
, der 
er proporsjonal koeffisient gjeldende regulator og 
er bly tiden konstant av den gjeldende regulatoren. Det kan oppnås ved skala koeffisient 
, og integrert koeffisient 
.
- Bruk dobbel lukket kontroll over den DC motoren. ( Figur 12)
- Bruke fire-kvadranten bevegelseskontroll i DC motor. ( figur 13)
- Bruke en H-broen kjøring krets å oppnå fire-kvadranten bevegelse i DC motor ved modulerende det-på av Metal-Oxide Semiconductor felt-effekt Transistor (MOSFET). ( figur 14)
Merk: Når Q1 og Q4 er slått på og motoren er i fremover elektrisk og den første quadrant kjører staten. Når Kv3 og Kv4 er aktivert, er motoren i energi bremsing stat og andre kvadranten kjører staten. Når Q2 og Q3 er aktivert, er motoren i omvendt elektrisk staten og den tredje kvadrant bevegelse staten. Når Q1 og Q2 er slått på, motoren er i omvendt energien bremsing stat og den fjerde kvadrant bevegelse staten.
- Bruke en H-broen kjøring krets å oppnå fire-kvadranten bevegelse i DC motor ved modulerende det-på av Metal-Oxide Semiconductor felt-effekt Transistor (MOSFET). ( figur 14)
- Bruke pulse width moduleringshjul (PWM) for å regulere hastigheten på den DC motoren. Modulere DC spenning puls bredden (arbeidssyklus) brukt motor armatur ved å kontrollere den-på elektriske bryteren når spenningen av likestrøm motor leverer fortsatt i hovedsak uendret, dermed modulerende gjennomsnittsverdien og rotasjon hastighet innspill til armatur spenning av motoren.
, 
, 
, 
, representerer direkte aksen gjeldende, direkte aksen gjeldende, direkte aksen flux og quadrature aksen flux.
og 
betegne koeffisient av direkte aksen self-inductance og quadrature aksen self-inductance henholdsvis. 
og 
er koeffisient av gjensidig Induktans. 
, 
representerer elektromagnetisk dreiemoment og laste dreiemoment.
.
, der 
er proporsjonal koeffisient gjeldende regulator og 
er bly tiden konstant av den gjeldende regulatoren. Det kan oppnås ved skala koeffisient 
, og integrert koeffisient 
.
5. Skrive programmet
- Bruk USB Last ned linjen til å importere en binær (BIN) fil generert av KEIL5 til kontrolleren.
- Velg programmet kjøres.
6. Programmet Scenario
- Bruk fargen anerkjennelse kategorisere Last i en fabrikk. ( Figur 15)
- Bruker en optisk kamera å samle bilder og bekrefte skannede fargen angir sprett todimensjonale array.
- Løfte objektet med mekanisk armene.
- Utsendelse en kommandere å transportere objektet til angitt sted bruker kameraet og kjører motor på roboten.
- Søk raskt for å fjerne den angitte områder. ( Figur 16)
- Bruker fire optiske sensorer på roboten til å finne plasseringene til rundt hindringer.
- Kommandoen styringen motoren til å løfte mekanisk spade og fjerne hindringer i utpekte områder.
- Bruk den genetisk algoritmen for å avgjøre den mest effektive søk søkesti.
- Bruk selvtillit anerkjennelse til å unngå å falle fra workbench å skille arbeidstakere fra arbeidsområdet maskin og sikre worker sikkerhet.
- Endre signaler som er basert på forskjellen i høyden mellom de fire øverste optiske sensorene, som anerkjenner workbench og bakken.
- Analysere foranderlig signaler å bestemme plasseringen av kantene på workbench.
- Kommandoen maskinen å unngå kantene av workbench.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
I diagrammet for dobbel lukket bevegelse kontroll programmet lilla representerer en gitt hastighet signal og gul representerer verdien av kontroll systemet utdataene. Figur 17 viser tydelig at doble lukket kontrollsystemet er signifikant mer effektiv enn en åpen sløyfe-system. Den faktiske overshoot av resultatet av det doble lukket systemet er relativt liten og dynamiske ytelsen til systemet er bedre. ( Figur 17)
Figur 18 viser robotens farge gjenkjenningsnøyaktigheten under påvirkning av reflektert lys ved forskjellige bølgelengder. I praksis, på grunn av forskjellige lysforhold, vil reflektert lys bølgelengden til målobjektet svinge innenfor et bestemt område. For å kontrollere gjenkjenningsnøyaktigheten av maskinen, er en test gjennomført i utvalg av bølgelengder av gult lys (565-595 nm) og rødt (625-740 nm). Hvis verdien som returneres av kameraet er 1, er fargen anerkjennelse nøyaktig. I størrelsesorden 585-593 nm overskrider gule lys anerkjennelse nøyaktighet rate av kameraet 90%, mens prisen utenfor området avtar raskt. Tilsvarende 660-700 nm serien overskrider rødt lys anerkjennelse nøyaktighet rate 90%, mens prisen utenfor området avtar raskt. Testresultatene viser at, under riktig belysning, roboten oppnår fargen anerkjennelse med en liten feilmargin. ( Figur 18)
Figur 19 illustrerer forholdet mellom kameraets anerkjennelse fargenøyaktighet og avstanden. Gjenkjenningsnøyaktigheten korrelert omvendt med avstanden. Som illustrert i eksperimentelle resultatene når avstanden mellom 0-30 cm, er farge gjenkjenningsnøyaktigheten av kameraet større enn 80%. Resultatene viser at dette programmet har sterk verktøyet. ( Figur 19)
Figur 1 : Konstruksjon av kabinettet. Klikk her for å se en større versjon av dette tallet.
Figur 2 : Installasjon av infrarøde sensorer. Klikk her for å se en større versjon av dette tallet.
Figur 3 : Effekten av installasjonen. Klikk her for å se en større versjon av dette tallet.
Figur 4 : Feilsøke arbeid skjermen. Klikk her for å se en større versjon av dette tallet.
Figur 5 : Tilkobling av robot Styringsutstyr. Klikk her for å se en større versjon av dette tallet.
Figur 6 : Elektrisk tilkobling prinsipper. Klikk her for å se en større versjon av dette tallet.
Figur 7 : Elektrisk tilkobling prinsipper. Klikk her for å se en større versjon av dette tallet.
Figur 8 : Angi ID-nummeret. Klikk her for å se en større versjon av dette tallet.
Figur 9 : To sensorer. Klikk her for å se en større versjon av dette tallet.
Figur 10 : Simuleringsmodell av DC motor. Klikk her for å se en større versjon av dette tallet.
Figur 11 : Gjeldende forskrifter system. Klikk her for å se en større versjon av dette tallet.
Figur 12 : Simuleringsmodell dobbel lukket kontroll. Klikk her for å se en større versjon av dette tallet.
Figur 13 :Rong > av fire-kvadranten drift av motoren. Klikk her for å se en større versjon av dette tallet.
Figur 14 : H-broen krets. Klikk her for å se en større versjon av dette tallet.
Figur 15 : Arbeidsflyten av fargen anerkjennelse. Klikk her for å se en større versjon av dette tallet.
Figur 16 : Arbeidsflyten Hurtigsøk. Klikk her for å se en større versjon av dette tallet.
Figur 17 : Simulink diagram. Klikk her for å se en større versjon av dette tallet.
Figur 18 : Farge gjenkjenningsnøyaktigheten under påvirkning av reflektert lys ved forskjellige bølgelengder. Klikk her for å se en større versjon av dette tallet.
Figur 19 : Forholdet mellom kameraets anerkjennelse fargenøyaktighet og avstanden. Klikk her for å se en større versjon av dette tallet.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
I dette papiret utviklet vi en type intelligent robot som kan bygges autonomously. Vi implementert den foreslåtte intelligent søkealgoritmen og autonome anerkjennelse ved å integrere flere programmer med maskinvare. I protokollen, vi introdusert for grunnleggende metoder for å konfigurere maskinvaren og feilsøking intelligent robot, som kan hjelpe brukerne design en egnet mekanisk struktur av egne robot. Men under faktiske operasjonen er det nødvendig å ta hensyn til stabilitet av strukturen, dens rekkevidde, grad av frihet og plassutnyttelse, å sikre at disse parameterne oppfyller kravene. En rimelig mekanisk struktur sikrer høy presisjon, høy fleksibilitet og høy robustheten av roboten. Hvis du vil utforme kompliserte mekaniske konstruksjoner, kan brukeren kombinere programvare Adams å konstruere en simuleringsmodell og bruke virtuelle prototyping teknologi. Dette kan tillate dem å ekskludere muligheter som ikke tilfredsstiller de tekniske kravene eller muligheter som ikke mekanisk gjennomførbart.
Én potensielle problemet er manglende evne til roboten til nøyaktig oppnå ønskede funksjonene. Dette kan stammer hovedsakelig fra to årsaker. Først er manglende evne til sensorene oppfyller kravene. For eksempel under den første testen var rengjøring roboten i denne studien ikke å kunne presse hindringer av arbeidsområdet. Dette var fordi omfanget av sensoren på utstyret var litt smal, noe som betydde at roboten ikke kunne oppnå nødvendige akselerasjonen når det oppdages et hinder. Dette problemet kan løses ved å øke rekkevidde av sensoren. Å løse disse problemene, et ekstra nivå av feilsøking av sensorer kan være nødvendig, avhenger av situasjonen eller programmet. Andre er manglende evne til valgte motoren å møte kravet om ytelse. Når du velger en motor, må det være gitt prioritet til en motor med egnet starter ytelse, operative stabilitet og lav støy innenfor budsjettet.
For å begynne design og produksjon av en ny robot må parameterne for en manuell konfigurasjon ordningen være definert for kontroll av roboten, slik at det kan tilpasse seg kravene til en ny oppgave. Samtidig, må alle prosesser følge trinnene i protokollen. En fordel med den modulære utformingen av roboten ligger i dens klar arbeidsdeling som gjør det skal bygges i samarbeid med ulike ingeniører. Mekaniske ingeniører designe strukturen til maskinvaren, elektromontører utforme motorstyring strategien og kontroller ingeniører designe søkealgoritmen. Dermed kan arbeidet til hver modul utvikles uavhengig for å utføre en bestemt oppgave. Vi gir en grunnleggende utformingsvalg for hver modul å hjelpe brukerne søker etter optimal oppsettet for et bestemt program.
Utvalget av potensielle programmer vil utvide betydelig som intelligent robot-teknologien modnes. Det vil vise seg for å være en uvurderlig ressurs for personer innen ocean utvikling, romutforskning, industri- og produksjon, sosiale tjenester og underholdning, for å nevne noen. Denne teknologien vil gradvis erstatte mennesker i farlig og uhygieniske arbeidsmiljøer. Intelligent roboter vil fortsette å utvikle mot flere robot samarbeid og intelligente og nettverk.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne ikke avsløre.
Acknowledgments
Forfatterne ønsker å uttrykke sin takknemlighet til Mr. Yaojie He for hans hjelp til å utføre eksperimenter i dette papiret. Dette arbeidet var støttes delvis av National Natural Science Foundation of China (nr. 61673117).
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).
