《实用机器人设计 竞赛机器人》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:(新加坡)贾甘纳坦·坎尼亚(Jagannathan Kanniah),(新加坡)M.菲克雷特·埃尔坎(M.Fikret Ercan),(新加坡)卡洛斯A.阿科斯塔·卡尔德隆(Carlos A.Acosta Calderon)著
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2016
  • ISBN:9787111536017
  • 页数:297 页
图书介绍:本书较好地融合了竞赛机器人的原理、设计和制作过程,涵盖了机器人领域提出的最新理论和实践发展,包括机器人的基础知识以及传感器、驱动器和控制器设计,并通过平衡杆机器人和爬壁机器人的实例分析对基础理论知识进行综合应用,最后还论述了让机器人具备智能所需的基础知识以及智能机器人的算法实现案例。

第1章 竞赛机器人 1

1.1 概述 1

1.2 机器人竞赛和工程教育 1

1.3 新加坡的机器人竞赛 2

1.3.1 平衡杆机器人竞步 2

1.3.2 爬壁机器人竞赛 2

1.3.3 机器人聚类 3

1.3.4 类人机器人比赛 3

1.3.5 其他比赛及开放类别 4

1.4 世界范围的机器人竞赛 5

1.5 全书概览 9

参考文献 10

第2章 机器人技术基础 11

2.1 机器人系统简介 11

2.1.1 机器人的专用术语 11

2.2 坐标变换和空间移动物体的定位 12

2.2.1 复合旋转 14

2.2.2 齐次变换矩阵 15

2.2.3 复合变换 16

2.2.4 物体的数学描述 18

2.3 移动机器人的轮式驱动方式 25

2.3.1 差动驱动 26

2.3.2 Ackermann操纵(类似汽车驱动) 27

2.3.3 履带驱动 28

2.3.4 全向轮驱动 28

2.3.5 里程计 29

2.3.6 实例研究:一个差动驱动机器人的里程计 29

2.4 机械臂 36

2.4.1 前向运动学解决方案 37

2.4.2 逆向运动学解决方案 37

2.4.3 实例研究:三连杆铰接式机械臂 38

参考文献 42

第3章 传感器 43

3.1 用于竞赛机器人的传感器 44

3.1.1 测量机器人速度 44

3.1.2 测量机器人朝向和倾角 46

3.1.3 测量距离 47

3.1.4 颜色检测 50

参考文献 52

第4章 机器人视觉 53

4.1 概述 53

4.2 机器人摄像系统 54

4.3 图像生成 54

4.4 数字图像处理基础 57

4.4.1 颜色和颜色空间模型 57

4.5 基本图像处理运算 59

4.5.1 卷积 59

4.5.2 平滑滤波 61

4.6 特征提取算法 62

4.6.1 阈值法 62

4.6.2 边缘检测 65

4.6.3 颜色检测 67

4.7 符号特征提取方法 69

4.7.1 霍夫变换 70

4.7.2 连通区域标注 75

4.8 实例研究:着色球的跟踪 80

4.9 小结 82

参考文献 82

第5章 电机和驱动系统基本原理 84

5.1 机器人执行机构 84

5.2 电力执行机构 85

5.2.1 发电和电驱动的基本概念 85

5.2.2 直流电机 86

5.2.3 交流电动机驱动 90

5.3 机器人驱动的特殊要求 91

5.3.1 直流永磁电动机 91

5.3.2 伺服电动机 91

5.3.3 步进电动机 92

5.3.4 无刷直流电动机 97

5.4 驱动系统 100

5.4.1 直流电动机控制 100

5.4.2 步进电动机驱动器 102

5.4.3 无刷直流电动机驱动器 105

5.5 小结 108

参考文献 109

第6章 移动机器人电机功率选择和减速箱传动比设计 110

6.1 移动机器人减速箱传动比 110

6.2 驱动电机的功率要求 111

6.2.1 电机惯性和摩擦力的作用 112

6.3 典型的电机特性参数 113

6.4 线性运动系统的摩擦力测量 114

6.5 减速箱传动比的初步研究 116

6.6 进一步研究以传动比为函数的系统性能 120

6.7 步进电机减速箱传动比设计 122

6.8 非地面移动机器人的设计流程 123

6.9 小结 128

参考文献 128

第7章 控制基础 129

7.1 机器人控制理论 129

7.2 对象的类型 130

7.2.1 线性或非线性对象 130

7.2.2 时不变或时变对象 130

7.3 基于控制系统的分类 131

7.3.1 模拟或数字系统 131

7.3.2 开环或闭环系统 131

7.4 智能机器人结构的需求 132

7.5 一个典型的机器人控制系统 133

7.6 控制的发展趋势 134

7.7 小结 134

参考文献 135

第8章 数学建模、传递函数、状态方程和控制器回顾 136

8.1 概述 136

8.2 建模的重要性 136

8.3 传递函数模型 137

8.3.1 传递函数的不同形式 138

8.4 建模的步骤 138

8.5 控制系统中常用到的基本部件 139

8.5.1 电气元件 139

8.5.2 机械部件 140

8.6 方框图概念 141

8.6.1 方框图化简 141

8.7 一些系统示例 142

8.8 状态方程 148

8.8.1 从微分方程建立状态方程的基本概念 148

8.8.2 从对对象的认知建立状态方程 149

8.8.3 直接从传递函数建立状态方程 151

8.9 用传递函数求时域解 157

8.9.1 质量块-弹簧-阻尼器闭环系统的解析解 157

8.9.2 质量块-弹簧-阻尼器闭环系统的模拟解 158

8.9.3 PID控制器的响应 159

8.10 状态方程的时域解 161

8.10.1 用解析方法得到时域解 161

8.11 调节控制器和伺服控制器 166

8.12 小结 166

参考文献 167

第9章 数字控制基础和控制器设计 168

9.1 概述 168

9.2 数字控制概览 168

9.2.1 信号采样器 169

9.2.2 数字控制器 170

9.2.3 零阶保持器 170

9.3 数字系统中的信号表示 171

9.3.1 采样过程 171

9.3.2 信号的Z变换 172

9.4 数字系统中的对象表示 175

9.4.1 ZOH的传递函数 176

9.4.2 包含ZOH的对象的Z变换 176

9.4.3 Tustin近似 177

9.5 闭环系统的传递函数 177

9.5.1 应用数字仪表的系统 179

9.6 离散时间系统的响应及Z反变换 180

9.6.1 部分分式法 180

9.6.2 差分方程法 180

9.6.3 用MATLAB求时域解 181

9.7 典型控制器的软件实现 183

9.7.1 积分计算 183

9.7.2 微分计算 184

9.7.3 数字控制器的实现 184

9.8 离散状态空间系统 185

9.8.1 从离散传递函数建立离散状态空间系统 185

9.8.2 从连续状态空间模型建立离散状态空间模型 185

9.8.3 离散状态空间系统的时域解 188

9.9 离散状态反馈控制器 191

9.9.1 状态可控性的概念 191

9.9.2 状态可观测性的概念 192

9.9.3 采样数据系统的可控性和可观测性的共同条件 193

9.9.4 用状态反馈设计极点配置调节器 194

9.9.5 稳态二次型最优控制 197

9.9.6 简易伺服控制器 199

9.10 典型的控制器硬件实现 202

9.11 小结 203

参考文献 203

第10章 平衡杆和爬壁机器人实例研究 205

10.1 概述 205

10.2 平衡杆机器人 206

10.2.1 数学建模 206

10.2.2 摆杆角控制的传递函数 213

10.2.3 平衡杆机器人状态模型 214

10.2.4 从机器人和电机数据建立平衡杆机器人的状态模型 217

10.2.5 伺服输入用作补偿的极点配置控制器 218

10.2.6 伺服输入用作补偿的LQC控制器 221

10.2.7 应用DSP处理器实现平衡杆机器人控制器设计 224

10.2.8 2自由度平衡杆机器人 229

10.2.9 通过实验估计PBR的角摩擦系数b 230

10.3 爬壁机器人 234

10.3.1 蹼式爬壁机器人 234

10.3.2 使用动态吸力的爬壁机器人设计 238

10.4 小结 240

参考文献 240

第11章 建图、导航和路径规划 241

11.1 概述 241

11.2 感知 241

11.2.1 从传感器数据到知识模型 242

11.2.2 地图表达 244

11.2.3 量度图 244

11.2.4 拓扑图 248

11.3 导航 250

11.3.1 墙沿跟踪 250

11.3.2 应用矢量场直方图方法避障 252

11.4 路径规划 259

11.4.1 波前规划器 259

11.4.2 使用人工势场法进行路径规划 261

11.4.3 使用拓扑图进行路径规划 268

参考文献 272

第12章 机器人自治、决策和学习 273

12.1 概述 273

12.2 机器人自治 273

12.3 决策 274

12.3.1 经典决策 275

12.3.2 反应式决策 275

12.3.3 混合决策 281

12.4 机器人学习 281

12.4.1 人工神经网络 282

12.4.2 Q学习法 291

12.5 小结 297

参考文献 297