復雜環(huán)境下基于神經(jīng)網(wǎng)絡(luò)的工件識別與機器人智能抓取.pdf

1、智能機器人之所以區(qū)別于傳統(tǒng)的示教.再現(xiàn)型機器人，是因為其有感知外部世界變化并作出自適應(yīng)調(diào)整的能力。在眾多的機器人感覺中，尤以視覺應(yīng)用最廣。而在復雜工業(yè)現(xiàn)場環(huán)境下，存在諸如粉塵、光照變化、攝像機抖動、遮擋、信道傳輸噪聲等干擾因素，不可避免地會對機器人的視覺產(chǎn)生影響，造成圖像信號的降質(zhì)。此外，復雜多變的工作環(huán)境，也給傳統(tǒng)的需要標定技術(shù)才能完成的機器人控制器的設(shè)計造成困難。針對上述問題，本文以基于視覺的機器人智能分揀和抓取為應(yīng)用背景，利用神經(jīng)

2、網(wǎng)絡(luò)研究復雜環(huán)境下圖像的恢復和目標識別以及機器人視覺伺服控制。 神經(jīng)網(wǎng)絡(luò)固有的非線性逼近能力、自適應(yīng)和泛化能力，以及聯(lián)想記憶能力，使其成為貫穿本文各個研究部分的關(guān)鍵技術(shù)。其中，復值神經(jīng)網(wǎng)絡(luò)以其自然的復數(shù)處理能力，使得圖像等常需頻域處理的信號有了直接的表達和處理方式。 為解決惡劣環(huán)境下圖像降質(zhì)嚴重的問題，本文利用復值Hopfield神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶能力完成對降質(zhì)圖像的恢復。為此本文首先開展復值Hopfield神經(jīng)網(wǎng)絡(luò)的分

3、析和綜合研究。在此基礎(chǔ)上，討論復雜環(huán)境下圖像識別和恢復的實現(xiàn)問題，最后基于模糊行為規(guī)則和神經(jīng)網(wǎng)絡(luò)對機器人智能視覺伺服控制器進行設(shè)計。歸結(jié)起來，本文的主要研究工作包括： 1）針對一類復值離散時間Hopfield神經(jīng)網(wǎng)絡(luò)，提出一種兼顧平衡條件和穩(wěn)定條件的網(wǎng)絡(luò)綜合方法。該方法首先根據(jù)穩(wěn)定性分析，得出系統(tǒng)局部漸近穩(wěn)定性判決條件，而后通過求解網(wǎng)絡(luò)平衡方程和調(diào)整平衡解中的激活函數(shù)增益，確保最后的網(wǎng)絡(luò)綜合結(jié)果滿足穩(wěn)定性判據(jù)，從而使每個待記憶模

4、式在網(wǎng)絡(luò)中是穩(wěn)定且吸引的。 2）針對一類復值連續(xù)時間Hopfield神經(jīng)網(wǎng)絡(luò)，提出一種吸引域受限條件下兼顧平衡條件和穩(wěn)定條件的網(wǎng)絡(luò)綜合方法。該方法首先在復值域中構(gòu)造基于吸引域參數(shù)的Lyapunov函數(shù)，而后開展系統(tǒng)的穩(wěn)定性分析，并分別在網(wǎng)絡(luò)時間常數(shù)已知和未知的情況下，進行吸引域受限條件下的網(wǎng)絡(luò)綜合研究。其中平衡方程的求解分別基于偽逆規(guī)則和奇異值分解技術(shù)，所得網(wǎng)絡(luò)參數(shù)約束和給定的吸引域參數(shù)均包含在用線性矩陣不等式表示的漸近穩(wěn)定判據(jù)

5、中，所以網(wǎng)絡(luò)參數(shù)易于求解，且所得結(jié)果能同時滿足給定吸引域內(nèi)記憶模式的穩(wěn)定性和吸引性。 3）針對一類可直接表示灰度等多值圖像的復多值Hopfield神經(jīng)網(wǎng)絡(luò)，提出一種兼顧平衡條件和能量函數(shù)逐步遞減要求的網(wǎng)絡(luò)綜合方法。綜合中基于奇異值分解技術(shù)求得的網(wǎng)絡(luò)平衡方程通解，依能量函數(shù)遞減原則進行調(diào)整，并最終得到能同時滿足穩(wěn)定性和吸引性要求的網(wǎng)絡(luò)權(quán)值解，保證了圖像聯(lián)想記憶的可靠性。 4）針對復雜環(huán)境下圖像易出現(xiàn)模糊、缺損、噪聲污染等嚴

6、重降質(zhì)的問題，通過引入復多值單層感知機完成對降質(zhì)圖像中各種形態(tài)工件的圖像識別；利用3）中提出的一種復多值Hopfield聯(lián)想記憶器完成對工件降質(zhì)圖像的恢復，進而實現(xiàn)對工件上角點信息的可靠提取，為機器人的視覺伺服控制提供可靠的圖像反饋信息； 5）針對復雜多變的非結(jié)構(gòu)化環(huán)境中，常規(guī)的基于圖像雅克比矩陣的視覺伺服控制存在建模困難且適應(yīng)能力差的問題，提出一種基于模糊行為和神經(jīng)網(wǎng)絡(luò)的兩階段機器人智能抓取控制方案。其中第一階段的模糊行為控制