第一篇：氣動機器人有關文獻解讀（模版）

氣動機器人文獻資料

機器人是自動執行工作的機器裝置。它既可以接受人類指揮，又可以運行預先編排的程序，也可以根據以人工智能技術制定的原則綱領行動。它的任務是協助或取代人類工作的工作，例如生產業、建筑業，或是危險的工作。

它是高級整合控制論、機械電子、計算機、材料和仿生學的產物。在工業、醫學、農業、建筑業甚至軍事等領域中均有重要用途。

現在，國際上對機器人的概念已經逐漸趨近一致。一般來說，人們都可以接受這種說法，即機器人是靠自身動力和控制能力來實現各種功能的一種機器。聯合國標準化組織采納了美國機器人協會給機器人下的定義：“一種可編程和多功能的操作機；或是為了執行不同的任務而具有可用電腦改變和可編程動作的專門系統。”它能為人類帶來許多方便之處。

機器人能力的評價標準包括：智能，指感覺和感知，包括記憶、運算、比較、鑒別、判斷、決策、學習和邏輯推理等；機能，指變通性、通用性或空間占有性等；物理能，指力、速度、可靠性、聯用性和壽命等。因此，可以說機器人就是具有生物功能的實際空間運行工具，可以代替人類完成一些危險或難以進行的勞作、任務等。

機器人一般由執行機構、驅動裝置、檢測裝置和控制系統和復雜機械等組成。一執行機構 即機器人本體，其臂部一般采用空間開鏈連桿機構，其中的運動副（轉動副或移動副）常稱為關節，關節個數通常即為機器人的自由度數。根據關節配置型式和運動坐標形式的不同，機器人執行機構可分為直角坐標式、圓柱坐標式、極坐標式和關節坐標式等類型。出于擬人化的考慮，常將機器人本體的有關部位分別稱為基座、腰部、臂部、腕部、手部（夾持器或末端執行器）和行走部（對于移動機器人）等。二驅動裝置

是驅使執行機構運動的機構，按照控制系統發出的指令信號，借助于動力元件使機器人進行動作。它輸入的是電信號，輸出的是線、角位移量。機器人使用的驅動裝置主要是電力驅動裝置，如步進電機、伺服電機等，此外也有采用液壓、氣動等驅動裝置。三檢測裝置的作用

是實時檢測機器人的運動及工作情況，根據需要反饋給控制系統，與設定信息進行比較后，對執行機構進行調整，以保證機器人的動作符合預定的要求。作為檢測裝置的傳感器大致可以分為兩類：一類是內部信息傳感器，用于檢測機器人各部分的內部狀況，如各關節的位置、速度、加速度等，并將所測得的信息作為反饋信號送至控制器，形成閉環控制。一類是外部信息傳感器，用于獲取有關機器人的作業對象及外界環境等方面的信息，以使機器人的動作能適應外界情況的變化，使之達到更高層次的自動化，甚至使機器人具有某種“感覺”，向智能化發展，例如視覺、聲覺等外部傳感器給出工作對象、工作環境的有關信息，利用這些信息構成一個大的反饋回路，從而將大大提高機器人的工作精度。四控制系統有兩種方式

一種是集中式控制，即機器人的全部控制由一臺微型計算機完成。另一種是分散（級）式控制，即采用多臺微機來分擔機器人的控制，如當采用上、下兩級微機共同完成機器人的控制時，主機常用于負責系統的管理、通訊、運動學和動力學計算，并向下級微機發送指令信息；作為下級從機，各關節分別對應一個CPU，進行插補運算和伺服控制處理，實現給定的運動，并向主機反饋信息。根據作業任務要求的不同，機器人的控制方式又可分為點位控制、連續軌跡控制和力（力矩）控制。

中國的機器人專家從應用環境出發，將機器人分為兩大類，即工業機器人和特種機器人。所謂工業機器人就是面向工業領域的多關節機械手或多自由度機器人。而特種機器人則是除工業機器人之外的、用于非制造業并服務于人類的各種先進機器人，包括：服務機器人、水下機器人、娛樂機器人、軍用機器人、農業機器人、機器人化機器等。在特種機器人中，有些分支發展很快，有獨立成體系的趨勢，如服務機器人、水下機器人、軍用機器人、微操作機器人等。目前，國際上的機器人學者，從應用環境出發將機器人也分為兩類：制造環境下的工業機器人和非制造環境下的服務與仿人型機器人，這和中國的分類是一致的。

空中機器人又叫無人機器，近年來在軍用機器人家族中，無人機是科研活動最活躍、技術進步最大、研究及采購經費投入最多、實戰經驗最豐富的領域。80多年來，世界無人機的發展基本上是以美國為主線向前推進的，無論從技術水平還是無人機的種類和數量來看，美國均居世界之首位。氣動技術簡介

氣動技術，全稱氣壓傳動與控制技術，是生產過程自動化和機械化的最有效手段之一，具有高速高效、清潔安全、低成本、易維護等優點，被廣泛應用于輕工機械領域中，在食品包裝及生產過程中也正在發揮越來越重要的作用。氣動技術用途宇宙開發，姿態控制，生命維持系統，醫療器械，氣墊床，人造心臟，省力產業機器人，真空搬運，住宅產業，空氣門，氣控噴涂，空氣幕簾，空調，計量設備，氣動量儀，液面檢測裝置，紡織，氣動精紡，化學工業，過程控制，液化氣體，控制，可動元件，純流體元件，海洋開發，水中空氣呼吸器，海底送氣系統，潛水，車輛，氣動門，氣動離合器，氣動剎車，空氣輪胎，礦山業風鎬(鑿巖機)，造船，防暴控制，氣墊船，氣動工具，氣動研磨機，空氣鉚釘槍，空氣錘，農業，空氣消毒，噴霧防蟲，娛樂產業 空氣槍，空氣墊、充氣帳篷、充氣船、運輸,空氣傳送帶、工業機械、機床的自動控制、食品機械自控制、包裝機械的自動控制、沖壓機械的自動控制等。

氣動技術應用的最典型的代表是工業機器人。代替人類的手腕、手以及手指能正確并迅速的做抓取或放開等細微的動作。除了工業生產上的應用之外，在游樂場的過山車上的剎車裝置，機械制作的動物表演以及人形報時鐘的內部，均采用了氣動技術，實現細小的動作。液壓可以得到巨大的輸出力但靈敏度不夠；另一方面要用電能來驅動物體，總需要用一些齒輪，同時不能忽視漏電所帶來的危險。而與此相比，使用氣動技術即安全又對周圍環境無污染，即使在很小的空間里，也可以實現細小的動作。如果尺寸相同，其功率能超過電氣。與此特性所帶來的需求完全相一致的就是半導體產業。在生產線上，實現前進、停止、轉動等細小簡單的動作，在自動化設備中不可或缺。在其它方面，如制造硅晶片生產線上不可缺少的電阻液涂抹工序中使用的定量輸出泵以及與此相配合的周邊機器。氣動機器人是多自由度的機電氣一體化系統, 影響其定位精度的因素有兩個方面: 一是數學模型是否準確;二是實現數學模型的控制系統、檢測系統定位裝置及執行機構的度是否滿足要求.所以正確建立其數學模型對定位精度的分析與提高有著重要的意義,以前多數文獻在建立機器人的誤差數學模型時, 把構件視為剛體, 視運動副沒有間隙.而實際上機器人的構件有加工誤差裝配誤差, 在運動過程中有摩擦和摩損, 運動副的間隙會增大.而構件有彈性, 在慣性力、重力和外載荷作用下產生的彈性變形也會引起誤差而氣動機器人由于壓縮空氣在力作用下還會產生很大的位移誤差。

壓縮空氣驅動的機器人, 既經濟、清潔, 又防火，其制造費和使用費僅為電驅動及液壓驅動機器人的3 % 一25 %.因此特別適合我國及第三世界使用.但是氣動機器人的沖擊大, 不易任意位置準確定位及連續軌跡控制.因此目前僅用作簡單的裝卸與搬運作業.如果研究解決好經濟型氣動機器人的任意位置準確定位及連續控制問題, 就能擴大它的通用性和使用范圍, 加以它的經濟性優勢, 在國內外市場上將會有很大的競爭潛力和發展。因此研究和解決經濟型氣動機器人的任意位置準確定位及提高定位精度的方法與裝置, 有著重要的現實和長遠的意義

高精度的壓力控制, 在許多方面有著廣泛的應用,如用于壓力表和壓力傳感器的標定、模擬潛艇或水下機器人在水中的深度變化等[ 1]。傳統的壓力控制, 常常是通過電液伺服閥來實現的[ 2]。由于壓力源的壓力波動或電液伺服閥自身的控制靈敏性問題, 實現高精度的壓力控制是非常困難的。本文所研究的高精度壓力控制系統, 是基于密閉液體的體積變化與壓力變化之間呈反比的特性, 通過強制改變密閉液體體積, 實現壓力筒內部壓力的大范圍、高精度的連續控制。2 系統的組成及工作原理

系統由壓力筒、強制改變密閉液體體積的機械系統、計算機控制系統和數字式壓力傳感器組成。機械系統由伺服電機、諧波減速器、滾珠絲桿、螺母驅動的活塞桿、壓力筒組成, 見圖1。伺服電機根據計算機控制系統發來的控制信號, 通過諧波減速器控制滾珠絲桿的回轉運動, 往復運動的螺母帶動活塞桿實現伸縮運動。插入壓力筒內的活塞桿的伸縮運動使壓力筒內的密閉液體的體積發生變化, 從而導致壓力筒內的壓力發生改變, 進而實現壓力筒內部的壓力控制。計算機控制系統由工控機、檢測壓力筒壓力的高精度壓力傳感器、A/ D 卡、D/A 卡、伺服電機控制模塊等組成, 如圖2 所示。工控機根據操作人員的設定信息, 通過D/ A 卡、伺服電機控制模塊對伺服電機進行控制及驅動。伺服電機則通過減速器驅動電動缸活塞桿的伸縮, 使壓力筒內的壓力發生變化。高精度的壓力傳感器將壓力信息反饋給計算機, 構成閉環控制回成工藝循環。

微細加工技術、微傳感器技術、微電子技術和微機電系統(MEM S)集成技術的發展為研究開發柔性主動內窺鏡檢查系統提供了有利條件, 研制開發少創或無創介入的診查微機器人系統也是醫用機器人發展的一個重要方向。目前, 醫療機器人按驅動方式有: 電磁驅動式、壓電驅動式、氣動式以及通過功能材料形狀記憶合金驅動等幾種, 按移動機構可分為腿式、輪式及蠕動移動等方式, 與人體直接接觸的醫用機器人要求柔性接觸, 因此柔性蠕動式為無創微創進入人體腔道診察機器人的首選方式[ 7]。氣動機器人系統由于氣體的可壓縮性而具有柔性, 為此，研制了具有柔性的氣動機器人系統用于人體腔道內環境診查和治療, 設計了該機器人的電-氣控制系統, 控制機器人的移動,實現診療任務。氣動機器人移動

1)后支撐單元鉗位。后氣囊充氣后緊壓氣管壁, 固定不動, 前支撐單元氣囊不充氣, 處于放松狀態。

(2)驅動器伸長。驅動3氣室通氣使驅動器伸長, 推動前支撐單元前移一步。

(3)前支撐單元鉗位。使前氣囊充氣緊壓氣管壁, 固定不動。(4)后支撐單元放松。后支撐單元放氣閥打開, 氣囊放氣, 脫離氣管壁。(5)驅動器收縮。驅動器在張力作用下收縮復位, 并帶動后支撐單元通過前移一步。

(6)后支撐單元鉗位。使由后支撐單元氣囊充氣, 緊壓氣管壁, 也處于鉗位狀態。通過(1)~(6)完成一個循環, 機器人前移一步。2 電-氣控制系統

電-氣控制系統主要由PC 計算機、數據采集轉換設備、隔離放大驅動電路、10個繼電器、10個電磁閥、壓力傳感器、高壓氣源及壓力、流量調閥組成。采集轉換設備采用了N I公司生產的USB-6008, 該數據采集卡具有8通道、12或14位模擬輸入、2個模擬輸出、12路I /O, 以及1個定時器, 通過該卡控制10個繼電器的通、斷, 從而實現對連接機器人通氣管路的電磁閥的開閉控制, 及機器人治療傳感機構的控制, 通過該卡實現通氣管道壓力傳感器及機器人攜帶的傳感器的信息采集。電子氣動機器人

電子氣動機器人系統系采用模塊化結構設計技術、精選國外工程用優良元器件、集控制)檢測)執行等于一體的綜合性實驗裝置。電子氣動機器人系統由控制模塊(基本模塊)和操作機模塊構成: 控制模塊由FX2N 系列PLC、F940GOT 人機界面及輸出輸入接口板組成;操作機模塊由電子氣動機器人、基本氣動回路實驗模塊及相應接口板組成。圖1a 所示為電子氣動機器人系統結構組成。要求該控制系統具有手動運行模式、原點回歸模 式和自動運行模式。手動模式: 按動各開關按鈕, 氣缸可作相應手動控制;原點模式: 按回原點按鈕氣缸回原點位置, 前臂(垂直氣缸)處在上升的極限位置, 后臂(水平氣缸)處在縮進的極限位置, 旋轉缸處在逆時針轉動的極限位置, 氣手指松開;自動模式: 在完成回原點操作后, 將模式開關切換至自動模式, 此時按啟動按鈕可實現自動運行, 按停止按鈕, 機器人將在1 個循環工作結束后停止。

電子氣動機器人控制系統

根據工藝要求, 以及考慮到本系統作為教學設備需具有較大擴展余量, 選用FX2N-48MR 型PLC 主單元。另外, 控制系統選用了F940GOT 人機界面, 有關控制的輸入、輸出信息、工作狀態等都可以通過F940GOT 實現, 節省了可編程控制器的輸入、輸出觸點, 配線簡單, 性價比高, 操作方便、直觀。高精度的壓力控制, 在許多方面有著廣泛的應用,如用于壓力表和壓力傳感器的標定、模擬潛艇或水下機器人在水中的深度變化等[ 1]。傳統的壓力控制, 常

常是通過電液伺服閥來實現的[ 2]。由于壓力源的壓力波動或電液伺服閥自身的控制靈敏性問題, 實現高精度的壓力控制是非常困難的。本文所研究的高精度壓力控制系統, 是基于密閉液體的體積變化與壓力變化之間呈反比的特性, 通過強制改變密閉液體體積, 實現壓力筒內部壓力的大范圍、高精度的連續控制。

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學到的任何有價值的知識都是由自學中得來的。——達爾文

5、少壯不努力，老大徒悲傷。

6、黑發不知勤學早，白首方悔讀書遲。——顏真卿

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學、不知義。

10、一日無書，百事荒廢。——陳壽

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上。——高爾基

14、書到用時方恨少、事非經過不知難。——陸游

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話。——笛卡兒

17、學習永遠不晚。——高爾基

18、少而好學，如日出之陽；壯而好學，如日中之光；志而好學，如炳燭之光。——劉向

19、學而不思則惘，思而不學則殆。——孔子

20、讀書給人以快樂、給人以光彩、給人以才干。——培根

第二篇：機器人文獻綜述

文獻綜述

摘要

目前有關并聯機器人精度方面的研究工作還比較薄弱,為采取有效措施提高并聯機構的精度,通過對3-RRR并聯機器人機構的分析,針對傳統D-H參數法的局限性,采用微分理論,建立了該并聯機器人機構的精度模型,通過計算機仿真,針對單條支鏈多個結構參數誤差,比較全面的分析了結構參數對輸出位姿誤差以及位姿變化對機器人機構精度的影響。分析結果為:機構中所有結構誤差隨著X軸正向增大而單調增大;運動支鏈在關節轉角處的誤差單調上升的比其他結構快。為該機器人機構實際誤差補償與控制提供了理論依據。

關鍵詞

3-RRR 并聯機器人

精度

一、發展趨勢

由于20世紀70年代機電一體化技術的不斷發展和廣泛應用，使傳統意義上的機器和機構的概念已有很大的發展。“現代機械”概念的形成成為機構學發展的一個新的里程碑，可以毫不夸張地說，現代機構學正在逐步形成。機構學中不斷新內容、新方法、新理論正有待于我們去研究。現代機構的類型綜合和設計方法將會不斷展開，逐步深入。將機構擴大為驅動元件與機構的集合將會大大有利于機構的創新和機構運動控制的研究和應用。對驅動元件進行可編程控制即可實現復雜多變的輸出運動，使原來“剛性化”的輸出發展成“柔性化”輸出，從而使機構有了質的變化，有利于設計現代機械。現代機構已經在實際中得到應用，但對它的類型綜合、運動學、動力學的研究才剛剛起步，有待深入。可以預期，現代機構學將會深入研究和廣泛應用。機械系統的動力特性及動態穩定性將提高，現代機械向高速、高精度、高可控方向發展，通過機械系統的動力學建模及解法的研究、動力分析和綜合的研究，它將大大提高現代機械的設計水平的工作性能。

二、并聯機器人構型設計準則

1、在進行機構形式設計時，除了要滿足規定的運動形式、運動規律或運動軌跡外，還應該遵循下面幾項準則：

（1）機構的運動鏈要盡可能的短。完成同樣的動作要求，應該優先選用機構構件數和運動副數少的機構，以簡化其結構從而減輕重量、降低成本、減少由于零件的制造誤差而形成的運動鏈的積累誤差，運動鏈短有利于提高機構的剛度，減少振動。

（2）在運動副的選擇上，優先選用低副。低副機構的運動元素加工方便，容易保證配合的精度以及有較高的承載能力。

（3）適當選用原動機，使機構有好的動力學性能。

2、并聯機器人的尺度設計原則

以往，我們在設計階段為了確定機器人操作手機構的尺寸和確定機器人操作手在工作空間內部的位置和姿態時多數是靠經驗和直覺。現在，為了開發出高精度、高速度和高效率的并聯機器人，我們在機構的綜合設計時要考慮到它的工作空間的體積和形狀、奇異位形、輸出的各向同性等條件。但是，在全局最優的機構尺度綜合設計中，顧全到上述的所有條件是十分困難的。國內外的學者提出了許多機構綜合的標準，以便在滿足指定的設計指標下，機構的性能達到最優。由于并聯機器人與串聯機器人相比，工作空間小。因此為實現作業要求，在設計時要先確定能夠滿足性能指標的工作空間是至關重要的。

另外，在并聯機構的設計過程中必須要考慮避免構型奇異。與串聯機器人不同的是，并聯機器人不僅有運動學奇異，還有由構型所導致的構型奇異。即奇異區域通常都擴張到整個工作空間或一些顯著的子空間，而且是實際操作中最常用的區域。O.M給出了判定并聯機構發生構型奇異的條件：（1）如果動平臺和定平臺是相似的正多邊形，并且每一對相應的頂點通過一條連桿相連，則雅戈比矩陣在工作空間內的大部分區域都是奇異的。（2）如果動平臺和定平臺是相似的非正多邊形，并且每一對相應的頂點通過一條連桿相連，則雅戈比矩陣在工作空間內的大部分區域都是奇異的。這種設計上的奇異的存在，將使并聯機器人由于無法平衡施加在動平臺上的負載而不能工作。在構型奇異附近的區域，即使沒有發生構型奇異，也有可能出現雅戈比矩陣條件數很大的情況，同樣會導致運動和力的傳遞性能變的很差，我們稱這種區域為病態條件區域。因此，進行并聯機構尺度綜合設計時必須考慮在滿足工作空間要求、運動可傳遞性的要求以及負載能力要求的情況下，要避開構型奇異點及奇異點附近的病態區域。

三、并聯機構的設計方法

應用影響系數法求解了彈性鉸平面并聯3-RRR機器人的一階、二階影響系數,借助虛功原理建立了包含主、被動鉸鏈彈性變形,桿件及其平臺自重的連續剛度映射模型。與以往剛度模型區別在于,該連續剛度模型考慮了機構剛度變化的動態過程,從而使并聯機器人剛度非線性映射還原。文中還結合剛度矩陣瑞利商定義了連續剛度判定指標,繪制了剛度性能空間圖,進一步探討了該機構的方向剛度特性,為平面并聯彈性鉸機器人機構剛度的分析提供了一種新穎通用的方法。

剛度是并聯機構重要性能指標,為了評價并聯機構剛度,提出了一種剛度評價方法。基于3-RRR機構的逆運動學模型,推導出其雅可比矩陣。在力雅可比矩陣的基礎上,給出了剛度評價指標,該指標不僅適用于3-RRR并聯機構,而且可以應用于其它并聯機構。將提出的剛度指標應用于3-RRR并聯機構,數值仿真結果表明3-RRR機構在工作空間中具有對稱的剛性。

平面柔性并聯機構具有柔性機構和少自由度并聯機構兩者的優點,是當前研究的熱點之一。提出并驗證一種簡單、有效的平面柔性3-RRR并聯機構自標定方法。從誤差建模出發,利用矢量鏈法推導出標定參數辨識方程。借助靜平臺上的標準定位圓孔,通過儀器對拉線式編碼器(線尺)進行標定,進而利用線尺在線地測量、記錄機構運行中的實際位姿,結合數控系統中的理論軌跡,辨識出系統模型誤差。根據辨識結果對控制模型進行補償,使平面柔性3-RRR運動平臺軌跡誤差得到了明顯的減小,有效提高了機構的精度,完成了利用線尺進行機構自標定方法的研究。由于測量工具和建模方法通用性強,且具有在線實際位姿測量能力,該試驗研究為平面柔性少自由度并聯機構的自標定提供了一種切實可行的解決途徑,同時為全閉環控制提供了可行的測量方法。

導出了3-RRR平面并聯機構基于守恒協調轉換剛度矩陣機構剛度結構位形部分的解析表達式和外力作用影響部分的不完全解析表達式.給出了求機構剛度映射的一般方法,求出了不同參數下3-RRR平面并聯機構的剛度映射曲線,并對機構的剛度特性進行了分析和討論.研究發現,3-RRR平面并聯機構的剛度是機構構型的函數,并與驅動力和關節剛度成比例;動平臺中心趨于工作空間邊界剛度增大,在工作空間的邊界附近形成一個剛度較強的環狀區域,而在工作空間的內部形成一個剛度較弱的區域.基于螺旋理論分析了一種3-RRR并聯機構的自由度和構型.通過分析動平臺和各分支機構的約束螺旋系,構造3-RRR串聯分支,運用修正Crübler-Kutabath公式計算出其自由度滿足3個轉動自由度.基于虛擬樣機技術建立3-RRR并聯機構虛擬仿真模型,進行正向運動學仿真和工作空間分析,從而找到該機構存在的缺陷,為少自由度并聯機構運動學和動力學分析提供保證。

分析了平面3-RRR三自由度并聯機構中存在的過約束及其有害影響,詳細討論了在保證3-RRR并聯機構平面運動特性的情況下無過約束自調結構的設計問題,得出了幾種新的平面三自由度并聯機構運動副配置方案,深入分析了2-RCS-RRR結構的自調特性。

四、并聯機構研究中存在的問題

目前，國內外關于并聯機構的研究主要集中于機構學、運動學、動力學和控制策略等方面。其中并聯機構的機構學與運動學主要集中在機構的運動學問題、奇異位形、工作空間和靈巧度分析等方面。并聯機構機構學與運動學的研究在并聯機構的研究中占有重要的基礎地位，是實現并聯機器人、并聯機床等控制和應用的基礎。動力學分析及控制策略的研究主要是對并聯機構進行動力學分析和建模，并且研究利用各種可能的控制算法，對并聯機器人、并聯機床等實施控制，從而達到期望的控制效果。從大量的關于并聯機構的研究文獻可以看出，近十余年來，關于并聯機器人各方面的研究工作都取得了很大的進展。但是，還有大量的工作需要進一步研究和開展，主要有以下幾個方面：（1）進一步研究并聯機器人機構的型數綜合，尋求結構更加合理、適合不同用途的并聯機構，使并聯機構的運動學和動力學模型變得簡單，同時考慮深入研究多種約束條件的并聯機構優化設計方法。（2）加強位置正解的研究，使位置正解更加簡單。尋找簡化精度補償、工作空間和奇異位形的方法。（3）加強并聯機構的動力學研究。（4）進一步加強串并聯機器人的研究，充分利用串聯和并聯機構的優點，實現功能強、特性好、類型廣的新型機器人。（5）加強少自由度并聯機構的研究，特別是動力學、精度標定、系控制、機構結構的優化設計等問題，是目前和今后少自由度并聯機器人機構研究和發展的方向。

參考文獻

【1】 趙延治 張潔 趙鐵石 彈性鉸平面并聯三自由度機器人連續剛度映射研究 燕山大學學報 2008年04期

【2】 魏軒 吳軍 3-RRR平面并聯機構剛度分析 機械設計與制造 2009年09期

【3】 邵珠峰 唐曉強 王立平黃鵬平面柔性3-RRR并聯機構自標定方法 機械工程學報 2009年03期

【4】 李樹軍 3-RRR平面并聯機構的剛度特性分析 東北大學學報（自然科學版）2007年01期

【5】 劉大煒 王立平基于工作空間的4RRRR冗余并聯機構支鏈優化 清華大學學報（自然科學版）2010年08期

【6】 鐘相強 高洪 基于螺旋理論的3-RRR并聯機構設計與仿真 安徽工程大學學報 2011年03期

【7】 劉步才 陳勁杰 劉子召 劉振華 3-RRR并聯機器人的精度分析與仿真 工業控制計算機 2011年12期

【8】 黃勇剛 黃茂林 杜力 冉瑞利平面3-RRR并聯機構過約束分析及自調機構設計 中國機械工程 2006年03期

【9】 賀永剛 基于運動功能的少自由度串并聯機構創新設計方法的研究 華中科技大學機械設計理論碩士論文 2008年05期

【10】 劉善增 并聯機器人的研究進展和現狀【J】 組合機床與自動化加工技術 2007年08期

【11】 戴巍 六自由度并聯機器人運動學分析 東北大學機械設計理論碩士論文 2006年05期

【12】 黃真 李秦川 少自由度并聯機器人機構的型綜合原理【J】 中國科學 2003年33期

第三篇：文獻綜述-機器人通信

文獻綜述

題 目 未知環境中多機器人通信技術研究 姓 名 杜帥鋒 專 業 通信工程 學 號 201251004 指導教師 邵杰

鄭州科技學院信息工程學院

二〇一六年三月

目錄

1前言.............................................................................................................................1

1.1概述..................................................................................................................1 1.2 設計研究的背景意義.....................................................................................1 2多機器人通信方式.....................................................................................................2

2.1多機器人通信方式介紹..................................................................................2 2.2基于多機器人通信模型研究.........................................................................2

2.2.1機器人通信訪問協議.........................................................................3 2.2.2智能體通信方式.................................................................................3

3基本通信模式.............................................................................................................4

3.1C/S模型...........................................................................................................4 3.2基于Zigbee通信...........................................................................................4 3.3云計算多機器人.............................................................................................5 4國內外研究狀態與水平.............................................................................................5 5 多機器人通信系統研究展望....................................................................................6 致謝................................................................................................................................7 參考文獻........................................................................................................................7

1前言

目前，機器人技術是近年來發展起來的一門綜合學科，集中了機械、電子、計算機、自動控制等多學科最新研究成果，代表了機電一體化的最高成就。隨著機器人技術的發展，機器人的能力不斷提高,機器人應用領域也不斷開拓,尤其是一些危險的、特殊的領域人們對其“智能”的要求也日益提高，由于單機器人的局限性,一些復雜任務需要通過多機器人協調來完成，要求多機器人之間具有協作能力。主要通過書籍和網絡文獻了解國內外群體機器人協調工作中通信技術研究歷史和現狀。

1.1概述

本文的主要研究內容如下：主要介紹了多機器人通信研究發展歷史與研究現狀，指出了論文的課題背景。介紹了國內外多機器人通信的各種通信方式，并重點介紹了三種主流的群體機器人通信方式，并以此引出兩種實驗與仿真。對全文內容的總結說明，并指出了新的研究方向和仍然需要進一步解決的問題。

1.2 設計研究的背景意義

目前人們對多機器人的研究主要集中在運動控制層,即研究多機器人忽略了多機器人協調最基本的問題,即多機器人之間信息的傳遞;多機器人之間通過必要的信息交流,從多機器人的同步或協調,如坐標確定、路徑規劃、防止死鎖、避免碰撞等,這雖然是很有必要的,但忽略了多機器人系統的角度實現系統中單個機器人的控制。

多機器人協作和控制研究的基本思想就是將多機器人之間的協作看作一個群體，研究其協作機制，從而充分發揮多機器人系統各種內在的優勢。為了有效地交流和協商，必須解決機器人之間信息處理與傳輸問題，即多機器人通信問題。

多機器人技術是機器人學發展的一個新方向.一方面,由于某些任務的復雜性,單個機器人難以完成時,常通過多機器人之間的合作來完成;另一方面,通過多機器人間的合作,可提高機器人系統在作業過程中的效率,進而當工作環境發生變化或機器人系統局部發生故障時,多機器人系統仍可通過本身具有的合作關

系完成預定的任務.2多機器人通信方式 2.1多機器人通信方式介紹

在多機器人系統中，通過通信多機器人系統中各機器人了解其它機器人的意圖、目標和動作以及當前環境狀態等信息，進而進行有效的磋商，協作完成任務。機器人之間的通信一般分為隱式通信和顯式通信兩類隱式通信系統通過外界環境和自身傳感器來獲取所需的信息并實現相互之間的協作，機器人之間沒有直接進行信息交換。在隱式通信中機器人在環境中留下某些特定信息，其通過傳感器獲取外界環境信息的同時，也可能獲取到其它的機器人遺留下的信息。此多機器人系統中，各機器人之間不存在數據的顯式交換，所以無法使用一些高級的協調協作策略，降低了完成復雜任務的能力。使用顯式通信的多機器人系統利用特定的通信介質，快速有效地完成各機器人間信息的交互，實現許多在隱式通信下無法完成的高級協調協作策略。但由于多機器人系統在通信的實時性、可靠性等方面有特殊要求，所以針對適用于多機器人系統分布式控制結構的特定環境的通信機制的研究具有重要的意義。隱式通信與顯式通信是多機器人系統各具特色的兩種通信模式，如果將兩者各自的優勢結合起來，則多機器人系統就可以靈活地應對各種動態未知環境，完成許多復雜任務。

多機器人通信拓撲結構大致分為：星形、環形、總線、網狀等。

在各種拓撲結構中，總線形拓撲結構在多機器人通信中應用得較多。總線拓撲的重要特征是可采用多址訪問和廣播介質，易于組成分布式系統。總線拓撲的典型代表是著名的以太網。總線結構是目前多機器人通信系統中采用最多的一種拓撲形式，其優點是具有較好的堅固性。

2.2基于多機器人通信模型研究

協作是多機器人系統的重要特征，協作的實現離不開通信。在多智能體機器

人環境中，通信系統的構建與實現，要為多機器人系統提供良好的通信平臺以實現總體控制功能。

2.2.1機器人通信訪問協議

針對保證實時通信的研究工作有很多，如令牌總線、令牌環、分布式隊列雙總線、光纖分布數據接口等。這些解決方法都需要維持一個物理或邏輯環，增加的硬件設備導致費用較高，管理和分發很復雜，帶來的系統負擔將較大。在總線拓撲結構里總線式 CSMA/CA得到廣泛應用。CSMA/CA 的目的是避免沖突，而不是檢測沖突是否存在。CSMA/CA 存取方式存在的一個問題是報 分組沖突后，仍然繼續發送直至全部結束，如果沖突各方檢測到沖突后能及時停止發送，則可使信道有效利用率得到提高。而 CSMA/CD 協議的存取方式是根據上述要求改進而來的。采用C S M A / C D 控制方式時，不足的一面是，當各機器人發送請求的頻率越高信號沖突的可能性就越大，從而造成整個網絡信號處理量下降。

層協議的研究，目前基于多智能體的實時通信系統中，多采用T C P 協議，以保證系統的穩定性和可靠性，基本不發生丟包的現象。但是，這是以犧牲系統的實時性為代價的，往往達不到預期的效果。相反，無連接的、不可靠的、盡最大努力投遞報文的 U D P協議雖然沒有差錯控制、超時重發、擁塞控制等可靠性保證策略，但這也正是U D P 的特點所在。在基于 U D P 的通信中，沒有發送之前建立連接的過程，也沒有發送方等待確認包的“握手”過程，但保證了 U D P 的“輕量”、快速的特點，在網絡質量較好的情況下仍然是首要選擇。因此可考慮使用 TCP 協議和 U D P 協議結合的通信協議。

2.2.2智能體通信方式

在多智能體機器人系統中，常用通信方式有：黑板模式、聯邦方式、廣播方式、點到點方式。如下表。

3基本通信模式 3.1C/S模型

此模型適用于需要集中控制的應用，中心服務器利用其特殊地位了解各客戶機的需求，這有利于對客戶進程的管理以及實現通信資源的合理分配與調度；另外，C / S 模型結構簡單、易于實現，便于錯誤診斷及系統維護。其缺點也很明顯：客戶進程間通信效率低，服務器工作負荷大，服務器性能及網絡帶寬是影統性能的瓶頸；中心服務器的錯誤會導致整個系統的崩潰。

3.2基于Zigbee通信

P2P 通信模型由中心結構改變為分布式結構，節點間通信不經過中心服的轉發，而是直接進行通信，提高了通信效率；系統運行不依賴于模型中某個節點，因此系統負載較為均衡、可靠性高。然而，P 2 P 模型并不適用于包含控制、調度、管理等任務的應用。我們希望有一種機制能對系統資源進行統一、可預計分配。如果采用 P2P 模型來實現，由于智能體的對等特性，那么每個智能體都要保存所有智能體的狀態信息，增加了本地存儲負擔；智能體內部狀態的任何變化

都必須及時通知其它智能體，增加了網絡通信負擔；每個智能體都必須處理控制或調度相關的計算，增加了系統負擔。

綜合比較 C /S 和 P2P 模型，可考慮建立能支持系統復雜通信行為的基于 C/S 和 P2P 模型混合的模型結構。

3.3云計算多機器人

云計算或者我們聽起來很陌生，但是這是近幾年來國家大力推廣的一項業務，或許現階段人們還對云計算還沒有一個標準定義，也就是一個國際上承認的稱呼，但是目前來說基本上都會認為云計算是相比傳統，是一種大規模的分布式計算模式。云計算需要通過互聯網的人都可以請求資源池，云計算使人們可以分享更多的資源和資源更新速度，當系統不受影響時。用戶只需要有一個能夠連接硬件終端的網絡能夠利用云計算資源，云計算在近幾年已經得到了廣泛的發展和應用，物聯網云、云安全、云存儲、私有云、云游戲、云教育、云會議、社會網絡和云。中國，云計算的生態系統正在建設，在政府、商界和科研人員共同的關切，云計算將會發揮越來越重要的作用，在衛生領域的關心，包括電信、電子商務。電子設計機器人擬人內幕信息從外面快速反應有很多的運算處理，機器人可以大量的算法處理在，“云”極大地簡化了結構的內部設計，但也可以提高處理速度的反應，是可以通過網絡實現的最終控制遠端的機器人也使更多的機器人“集群效應”，以執行更復雜的任務。

4國內外研究狀態與水平

目前，多機器人系統應用領域廣泛。美、歐、日等國家從 20 世紀 80 年代中期就開始對多機器人系統做了大量研究，協作機器人學得到了較好的發展。日本對群體機器人系統的研究開展得比較早，著名的研究有 A C T R E S S系統和 C E B O T 系統。A C T E R E S S系統通過設計底層的通信結構而把機器人、周圍設備和計算機等連接起來的自治多機器人智能系統。C E B O T 系統中，每個

機器人可以自主地運動，整個系統沒有集中控制，可以根據任務和環境動態重構、可以具有學習和適應的群體智能。我國群體機器人的研究起步較晚，上海交通大學、中國科學院、哈爾濱工業大學機器人研究所、東北大學等已先后開發出各種形式的群體機器人系統。中科院沈陽自動化研究所以制造環境應用多機器人裝配為背景，建立了一個多機器人協作裝配系統。國內外對群體機器人通信的研究已取得了令人矚目的進展，但與工業機器人相比，實用性尚有很大的差距，仍需要在通信協作，系統可靠性，任務分解與分配等方面繼續研究，不斷深入。多機器人通信系統研究展望

有限的通信范圍影響了多機器人系統完成任務的效率.目前的多機器人系統研究中，并沒有考慮機器人通信范圍的受限性，機器人往往不受任何通信范圍的約束而進行工作.深入討論了通信受限情況下的機器人探索策略，均提出了用/ 包機器人0來擴展機器人活動范圍的策略，類似的策略還有轉播節點和轉發器 Puck具有通信受限約束的機器探測環境時，比不含有此限制的情況困難得多，因此通信受限題是目前研究的熱點和難點。

通信質量問題機器人在移動過程中脫離了通信網絡，或者遇到通信故障時，沒有任何信息交流，可能去探測已探測過的區域，從而造成資源浪費若 1 個機器人與其他機器人脫離了聯系。第 2 個機器人可以自主地創建一個新的通信網絡,將丟失的機器人與團隊重新連接，則可以避免這種浪費。文獻進行了恢復通信和保證通信質量的研究.文獻提出了一個基于行為的導航方法，用于在機器人團隊間保持直線通信.利用其他機器人的信息，對通信質量進行實時檢測，并結合環境的先驗地圖近似計算出一個最佳的移動方向.實驗表明，該方法在機器人數增加時，可以提高機器人間的通信質量目前多機器人通信技術遠未成熟，還需要進行廣泛的研究，以實現在不可靠環境中機器人的可靠通信。因此，提高多機器人通信系統的通信質量是一個值得研究的方向。

通信復雜度和切換不適應性多機器人系統通信網絡研究的主要挑戰在于機器人系統是將控制、通信和計算三者相結合的復雜智能體系統.結合通信問題，提出了一種多機器人運動控制算法,并提出了時間可計算理論和基于通信復雜度的運動協調算法。當多機器人需要適應其他特定的任務或環境時，這種變化會給整個團隊帶來混亂，即環境切換感知能力不足，針對如何達到無縫的環境切換感知能力,提出了一種規一化熵索引模型.該模型通過計算每個機器人對團隊的貢獻來估計系統狀態，進而做出相應的調整，以克服這種環境切換不適應性問題.智能體子系統間的相互通信具有較大的復雜性，目前對于多機器人系統中通信復雜度的研究已引起了研究人員的重視。

致謝

首先，真誠的感謝我的指導老師邵杰老師，自從選擇畢業論文課題以后，邵老師就一直很關心我們的畢業論文，給我進行論文課題的分析和講解，并幫助我分析了未知環境中多機器人通信技術研究發展歷史和國內外的發展現狀，而且幫助我分析預測了論文撰寫過程中可能會出現的各種各樣的問題，提出了一些針對性的建議，使我少走了很多彎路。邵杰老師為人謙虛寬容，和藹可親，學識淵博，老師嚴肅的科學態度，嚴謹的治學精神，精益求精的工作作風，深深地感染和激勵著我。邵杰老師不僅在學業上給我以精心指導，同時還在思想、生活上給我以無微不至的關懷，在此謹向邵杰老師致以誠摯的謝意和崇高的敬意。我還要感謝在一起愉快的度過畢業論文小組的同學們，正是由于你們的幫助和支持，我才能克服一個一個的困難和疑惑，直至本文的順利完成。

參考文獻

[1 ] 譚民, 王碩, 曹志強.多機器人系統 [M ].北京: 清華大學出版社, 2005.[2] 熊舉峰, 譚冠政, 盤輝.多機器人系統的研究現狀[J ].計算機工程與應用, 2005, 41(30): 28-45.[3] 原魁, 李園, 房立新.多移動機器人系統研究發展近況[J ].自動化學報, 2007, 33(8): 786-794.吳艮霞, [4] 李國陽, 韋巍.基于 W LA N 的多機器人分布式合作系統研究[ J].機電工

程, 2006, 23(5): 32-36.[5 ] 吳濤, 黃心漢, 黃振宇.基于 Linux 的多機器人通信的原理與實現方法 [ J ].電工技術雜志, 2003, 12:73-75.[6] 陳人際,談大龍.分布式對象技術在多機器人系統中的應用[J].機器人, 1998, 20(60):466-470.[7] 蔣東興,林鄂華.Windows Socket網絡程序設計指南[M].北京:清華大學出版社, 1995.[8] 王越超,談大龍.協作機器人學的研究現狀與發展[ J].機器人, 1998, 20(1):69-75.[9] 李開生,張慧慧.靈巧擦窗機器人控制系統[ J].計算機自動測量與控制, 2000, 8(4):23-26.[10] 趙春霞,楊靜宇.基于多Agent的虛擬系統模型設計[J].計算機輔助設計與圖形學學報, 2000, 12(4):251-254.

第四篇：智能語音識別機器人文獻翻譯

改進型智能機器人的語音識別方法

2、語音識別概述

最近，由于其重大的理論意義和實用價值，語音識別已經受到越來越多的關注。到現在為止，多數的語音識別是基于傳統的線性系統理論，例如隱馬爾可夫模型和動態時間規整技術。隨著語音識別的深度研究，研究者發現，語音信號是一個復雜的非線性過程，如果語音識別研究想要獲得突破，那么就必須引進非線性系統理論方法。最近，隨著非線性系統理論的發展，如人工神經網絡，混沌與分形，可能應用這些理論到語音識別中。因此，本文的研究是在神經網絡和混沌與分形理論的基礎上介紹了語音識別的過程。

語音識別可以劃分為獨立發聲式和非獨立發聲式兩種。非獨立發聲式是指發音模式是由單個人來進行訓練，其對訓練人命令的識別速度很快，但它對與其他人的指令識別速度很慢，或者不能識別。獨立發聲式是指其發音模式是由不同年齡，不同性別，不同地域的人來進行訓練，它能識別一個群體的指令。一般地，由于用戶不需要操作訓練，獨立發聲式系統得到了更廣泛的應用。所以，在獨立發聲式系統中，從語音信號中提取語音特征是語音識別系統的一個基本問題。

語音識別包括訓練和識別，我們可以把它看做一種模式化的識別任務。通常地，語音信號可以看作為一段通過隱馬爾可夫模型來表征的時間序列。通過這些特征提取，語音信號被轉化為特征向量并把它作為一種意見，在訓練程序中，這些意見將反饋到HMM的模型參數估計中。這些參數包括意見和他們響應狀態所對應的概率密度函數，狀態間的轉移概率，等等。經過參數估計以后，這個已訓練模式就可以應用到識別任務當中。輸入信號將會被確認為造成詞，其精確度是可以評估的。整個過程如圖一所示。

圖1 語音識別系統的模塊圖

3、理論與方法

從語音信號中進行獨立揚聲器的特征提取是語音識別系統中的一個基本問題。解決這個問題的最流行方法是應用線性預測倒譜系數和Mel頻率倒譜系數。這兩種方法都是基于一種假設的線形程序，該假設認為說話者所擁有的語音特性是由于聲道共振造成的。這些信號特征構成了語音信號最基本的光譜結構。然而，在語音信號中，這些非線形信息不容易被當前的特征提取邏輯方法所提取，所以我們使用分型維數來測量非線形語音擾動。

本文利用傳統的LPCC和非線性多尺度分形維數特征提取研究并實現語音識別系統。

3.1線性預測倒譜系數

線性預測系數是一個我們在做語音的線形預分析時得到的參數，它是關于毗鄰語音樣本間特征聯系的參數。線形預分析正式基于以下幾個概念建立起來的，即一個語音樣本可以通過一些以前的樣本的線形組合來快速地估計，根據真實語音樣本在確切的分析框架（短時間內的）和預測樣本之間的差別的最小平方原則，最后會確認出唯一的一組預測系數。

LPC可以用來估計語音信號的倒譜。在語音信號的短時倒譜分析中，這是一種特殊的處理方法。信道模型的系統函數可以通過如下的線形預分析來得到：

其中p代表線形預測命令，（k=1，2，? ?，p）代表預測參數，脈沖響應用

。那么（1）式可以擴展為（2）式： h(n)來表示，假設h（n）的倒譜是

將（1）帶入（2），兩邊同時，（2）變成（3）。

就獲得了方程（4）：

那么 可以通過

來獲得。

（5）中計算的倒譜系數叫做LPCC，n代表LPCC命令。

在我們采集LPCC參數以前，我們應該對語音信號進行預加重，幀處理，加工和終端窗口檢測等，所以，中文命令字“前進”的端點檢測如圖2所示，接下來，斷點檢測后的中文命令字“前進”語音波形和LPCC的參數波形如圖3所示。

圖2 中文命令字“前進”的端點檢測

圖3 斷點檢測后的中文命令字“前進”語音波形和LPCC的參數波形

3.2 語音分形維數計算

分形維數是一個與分形的規模與數量相關的定值，也是對自我的結構相似性的測量。分形分維測量是[6-7]。從測量的角度來看，分形維數從整數擴展到了分數，打破了一般集拓撲學方面被整數分形維數的限制，分數大多是在歐幾里得幾何尺寸的延伸。

有許多關于分形維數的定義，例如相似維度，豪斯多夫維度，信息維度，相關維度，容積維度，計盒維度等等，其中，豪斯多夫維度是最古老同時也是最重要的，它的定義如【3】所示：

其中，表示需要多少個單位來覆蓋子集F.端點檢測后，中文命令詞“向前”的語音波形和分形維數波形如圖4所示。

圖4 端點檢測后，中文命令詞“向前”的語音波形和分形維數波形

3.3 改進的特征提取方法

考慮到LPCC語音信號和分形維數在表達上各自的優點，我們把它們二者混合到信號的特取中，即分形維數表表征語音時間波形圖的自相似性，周期性，隨機性，同時，LPCC特性在高語音質量和高識別速度上做得很好。

由于人工神經網絡的非線性，自適應性，強大的自學能力這些明顯的優點，它的優良分類和輸入輸出響應能力都使它非常適合解決語音識別問題。

由于人工神經網絡的輸入碼的數量是固定的，因此，現在是進行正規化的特征參數輸入到前神經網絡[9]，在我們的實驗中，LPCC和每個樣本的分形維數需要分別地通過時間規整化的網絡，LPCC是一個4幀數據（LPCC1,LPCC2,LPCC3,LPCC4，每個參數都是14維的），分形維數被模范化為12維數據，（FD1,FD2,?FD12，每一個參數都是一維），以便于每個樣本的特征向量有4*14+12*1=68-D維，該命令就是前56個維數是LPCC，剩下的12個維數是分形維數。因而，這樣的一個特征向量可以表征語音信號的線形和非線性特征。

自動語音識別的結構和特征

自動語音識別是一項尖端技術，它允許一臺計算機，甚至是一臺手持掌上電腦（邁爾斯，2000）來識別那些需要朗讀或者任何錄音設備發音的詞匯。自動語音識別技術的最終目的是讓那些不論詞匯量，背景噪音，說話者變音的人直白地說出的單詞能夠達到100%的準確率（CSLU，2002）。然而，大多數的自動語音識別工程師都承認這樣一個現狀，即對于一個大的語音詞匯單位，當前的準確度水平仍然低于90%。舉一個例子，Dragon's Naturally Speaking或者IBM公司，闡述了取決于口音，背景噪音，說話方式的基線識別的準確性僅僅為60%至80%(Ehsani & Knodt, 1998)。更多的能超越以上兩個的昂貴的系統有Subarashii(Bernstein, et al., 1999), EduSpeak(Franco, etal., 2001), Phonepass(Hinks, 2001), ISLE Project(Menzel, et al., 2001)and RAD(CSLU, 2003)。語音識別的準確性將有望改善。

在自動語音識別產品中的幾種語音識別方式中，隱馬爾可夫模型（HMM）被認為是最主要的算法，并且被證明在處理大詞匯語音時是最高效的(Ehsani & Knodt, 1998)。詳細說明隱馬爾可夫模型如何工作超出了本文的范圍，但可以在任何關于語言處理的文章中找到。其中最好的是Jurafsky & Martin(2000)and Hosom, Cole, and Fanty(2003)。簡而言之，隱馬爾可夫模型計算輸入接收信號和包含于一個擁有數以百計的本土音素錄音的數據庫的匹配可能性(Hinks, 2003, p.5)。也就是說，一臺基于隱馬爾可夫模型的語音識別器可以計算輸入一個發音的音素可以和一個基于概率論相應的模型達到的達到的接近度。高性能就意味著優良的發音，低性能就意味著劣質的發音(Larocca, et al., 1991)。

雖然語音識別已被普遍用于商業聽寫和獲取特殊需要等目的，近年來，語言學習的市場占有率急劇增加(Aist, 1999;Eskenazi, 1999;Hinks, 2003)。早期的基于自動語音識別的軟件程序采用基于模板的識別系統，其使用動態規劃執行模式匹配或其他時間規范化技術(Dalby & Kewley-Port,1999).這些程序包括Talk to Me(Auralog, 1995), the Tell Me More Series(Auralog, 2000), Triple-Play Plus(Mackey & Choi, 1998), New Dynamic English(DynEd, 1997), English Discoveries(Edusoft, 1998), and See it, Hear It, SAY IT!(CPI, 1997)。這些程序的大多數都不會提供任何反饋給超出簡單說明的發音準確率，這個基于最接近模式匹配說明是由用戶提出書面對話選擇的。學習者不會被告之他們發音的準確率。特別是內里，（2002年）評論例如Talk to Me和Tell Me More等作品中的波形圖，因為他們期待浮華的買家，而不會提供有意義的反饋給用戶。Talk to Me 2002年的版本已經包含了更多Hinks(2003)的特性，比如，信任對于學習者來說是非常有用的: ★ 一個視覺信號可以讓學習者把他們的語調同模型揚聲器發出的語調進行對比。★ 學習者發音的準確度通常以數字7來度量（越高越好）★ 那些發音失真的詞語會被識別出來并被明顯地標注。

Improved speech recognition method

for intelligent robot

2、Overview of speech recognition Speech recognition has received more and more attention recently due to the important theoretical meaning and practical value [5 ].Up to now, most speech recognition is based on conventional linear system theory, such as Hidden Markov Model(HMM)and Dynamic Time Warping(DTW).With the deep study of speech recognition, it is found that speech signal is a complex nonlinear process.If the study of speech recognition wants to break through, nonlinear-system theory method must be introduced to it.Recently, with the developmentof nonlinea-system theories such as artificial neural networks(ANN), chaos and fractal, it is possible to apply these theories to speech recognition.Therefore, the study of this paper is based on ANN and chaos and fractal theories are introduced to process speech recognition.Speech recognition is divided into two ways that are speaker dependent and speaker independent.Speaker dependent refers to the pronunciation model trained by a single person, the identification rate of the training person?sorders is high, while others’orders is in low identification rate or can’t be recognized.Speaker independent refers to the pronunciation model trained by persons of different age, sex and region, it can identify a group of persons’orders.Generally, speaker independent system ismorewidely used, since the user is not required to conduct the training.So extraction of speaker independent features from the speech signal is the fundamental problem of speaker recognition system.Speech recognition can be viewed as a pattern recognition task, which includes training and recognition.Generally, speech signal can be viewed as a time sequence and characterized by the powerful hidden Markov model(HMM).Through the feature extraction, the speech signal is transferred into feature vectors and act asobservations.In the training procedure, these observationswill feed to estimate the model parameters of HMM.These parameters include probability density function for the observations and their corresponding states, transition probability between the states, etc.After the parameter estimation, the trained models can be used for recognition task.The input observations will be recognized as the resulted words and the accuracy can be evaluated.Thewhole process is illustrated in Fig.1.Fig.1 Block diagram of speech recognition system Theory andmethod Extraction of speaker independent features from the speech signal is the fundamental problem of speaker recognition system.The standard methodology for solving this problem uses Linear Predictive Cepstral Coefficients(LPCC)and Mel-Frequency Cepstral Co-efficient(MFCC).Both these methods are linear procedures based on the assumption that speaker features have properties caused by the vocal tract resonances.These features form the basic spectral structure of the speech signal.However, the non-linear information in speech signals is not easily extracted by the present feature extraction methodologies.So we use fractal dimension to measure non2linear speech turbulence.This paper investigates and implements speaker identification system using both traditional LPCC and non-linear multiscaled fractal dimension feature extraction.3.1 L inear Predictive Cepstral Coefficients

Linear prediction coefficient(LPC)is a parameter setwhich is obtained when we do linear prediction analysis of speech.It is about some correlation characteristics between adjacent speech samples.Linear prediction analysis is based on the following basic concepts.That is, a speech sample can be estimated approximately by the linear combination of some past speech samples.According to the minimal square sum principle of difference between real speech sample in certain analysis frame short-time and predictive sample, the only group ofprediction coefficients can be determined.LPC coefficient can be used to estimate speech signal cepstrum.This is a special processing method in analysis of speech signal short-time cepstrum.System function of channelmodel is obtained by linear prediction analysis as follow.Where p represents linear prediction order, ak,(k=1,2,…,p)represent sprediction coefficient, Impulse response is represented by h(n).Suppose cepstrum of h(n)is represented by ,then(1)can be expanded as(2).The cepstrum coefficient calculated in the way of(5)is called LPCC, n represents LPCC order.When we extract LPCC parameter before, we should carry on speech signal pre-emphasis, framing processing, windowingprocessing and endpoints detection etc., so the endpoint detection of Chinese command word“Forward”is shown in Fig.2, next, the speech waveform ofChinese command word“Forward”and LPCC parameter waveform after Endpoint detection is shown in Fig.3.3.2 Speech Fractal Dimension Computation

Fractal dimension is a quantitative value from the scale relation on the meaning of fractal, and also a measuring on self-similarity of its structure.The fractal measuring is fractal dimension[6-7].From the viewpoint of measuring, fractal dimension is extended from integer to fraction, breaking the limitof the general to pology set dimension being integer Fractal dimension,fraction mostly, is dimension extension in Euclidean geometry.There are many definitions on fractal dimension, eg.,similar dimension, Hausdoff dimension, inforation dimension, correlation dimension, capability imension, box-counting dimension etc., where,Hausdoff dimension is oldest and also most important, for any sets, it is defined as[3].Where, M￡(F)denotes how many unit ￡ needed to cover subset F.In thispaper, the Box-Counting dimension(DB)of ,F, is obtained by partitioning the plane with squares grids of side ￡, and the numberof squares that intersect the plane(N(￡))and is defined as[8].The speech waveform of Chinese command word“Forward”and fractal dimension waveform after Endpoint detection is shown in Fig.4.3.3 Improved feature extractions method Considering the respective advantages on expressing speech signal of LPCC and fractal dimension,we mix both to be the feature signal, that is, fractal dimension denotes the self2similarity, periodicity and randomness of speech time wave shape, meanwhile LPCC feature is good for speech quality and high on identification rate.Due to ANN′s nonlinearity, self-adaptability, robust and self-learning such obvious advantages, its good classification and input2output reflection ability are suitable to resolve speech recognition problem.Due to the number of ANN input nodes being fixed, therefore time regularization is carried out to the feature parameter before inputted to the neural network[9].In our experiments, LPCC and fractal dimension of each sample are need to get through the network of time regularization separately, LPCC is 4-frame data(LPCC1,LPCC2,LPCC3,LPCC4, each frame parameter is 14-D), fractal dimension is regularized to be12-frame data(FD1,FD2,…,FD12, each frame parameter is 1-D), so that the feature vector of each sample has 4*14+1*12=68-D, the order is, the first 56 dimensions are LPCC, the rest 12 dimensions are fractal dimensions.Thus, such mixed feature parameter can show speech linear and nonlinear characteristics as well.Architectures and Features of ASR ASR is a cutting edge technology that allows a computer or even a hand-held PDA(Myers, 2000)to identify words that are read aloud or spoken into any sound-recording device.The ultimate purpose of ASR technology is to allow 100% accuracy with all words that are intelligibly spoken by any person regardless of vocabulary size, background noise, or speaker variables(CSLU, 2002).However, most ASR engineers admit that the current accuracy level for a large vocabulary unit of speech(e.g., the sentence)remains less than 90%.Dragon's Naturally Speaking or IBM's ViaVoice, for example, show a baseline recognition accuracy of only 60% to 80%, depending upon accent, background noise, type of utterance, etc.(Ehsani & Knodt, 1998).More expensive systems that are reported to outperform these two are Subarashii(Bernstein, et al., 1999), EduSpeak(Franco, et al., 2001), Phonepass(Hinks, 2001), ISLE Project(Menzel, et al., 2001)and RAD(CSLU, 2003).ASR accuracy is expected to improve.Among several types of speech recognizers used in ASR products, both implemented and proposed, the Hidden Markov Model(HMM)is one of the most dominant algorithms and has proven to be an effective method of dealing with large units of speech(Ehsani & Knodt, 1998).Detailed descriptions of how the HHM model works go beyond the scope of this paper and can be found in any text concerned with language processing;among the best are Jurafsky & Martin(2000)and Hosom, Cole, and Fanty(2003).Put simply, HMM computes the probable match between the input it receives and phonemes contained in a database of hundreds of native speaker recordings(Hinks, 2003, p.5).That is, a speech recognizer based on HMM computes how close the phonemes of a spoken input are to a corresponding model, based on probability theory.High likelihood represents good pronunciation;low likelihood represents poor pronunciation(Larocca, et al., 1991).While ASR has been commonly used for such purposes as business dictation and special needs accessibility, its market presence for language learning has increased dramatically in recent years(Aist, 1999;Eskenazi, 1999;Hinks, 2003).Early ASR-based software programs adopted template-based recognition systems which perform pattern matching using dynamic programming or other time normalization techniques(Dalby & Kewley-Port, 1999).These programs include Talk to Me(Auralog, 1995), the Tell Me More Series(Auralog, 2000), Triple-Play Plus(Mackey & Choi, 1998), New Dynamic English(DynEd, 1997), English Discoveries(Edusoft, 1998), and See it, Hear It, SAY IT!(CPI, 1997).Most of these programs do not provide any feedback on pronunciation accuracy beyond simply indicating which written dialogue choice the user has made, based on the closest pattern match.Learners are not told the accuracy of their pronunciation.In particular, Neri, et al.(2002)criticizes the graphical wave forms presented in products such as Talk to Me and Tell Me More because they look flashy to buyers, but do not give meaningful feedback to users.The 2000 version of Talk to Me has incorporated more of the features that Hinks(2003), for example, believes are useful to learners: ★ A visual signal allows learners to compare their intonation to that of the model speaker.★ The learners' pronunciation accuracy is scored on a scale of seven(the higher the better).Words whose pronunciation fails to be recognized are highlighted

第五篇：機器人外文翻譯(文獻翻譯_中英文翻譯)

外文翻譯

外文資料：

Robots First, I explain the background robots, robot technology development.It should be said it is a common scientific and technological development of a comprehensive results, for the socio-economic development of a significant impact on a science and technology.It attributed the development of all countries in the Second World War to strengthen the economic input on strengthening the country's economic development.But they also demand the development of the productive forces the inevitable result of human development itself is the inevitable result then with the development of humanity, people constantly discuss the natural process, in understanding and reconstructing the natural process, people need to be able to liberate a slave.So this is the slave people to be able to replace the complex and engaged in heavy manual labor, People do not realize right up to the world's understanding and transformation of this technology as well as people in the development process of an objective need.Robots are three stages of development, in other words, we are accustomed to regarding robots are divided into three categories.is a first-generation robots, also known as teach-type robot, it is through a computer, to control over one of a mechanical degrees of freedom Through teaching and information stored procedures, working hours to read out information, and then issued a directive so the robot can repeat according to the people at that time said the results show this kind of movement again, For example, the car spot welding robots, only to put this spot welding process, after teaching, and it is always a repeat of a work It has the external environment is no perception that the force manipulation of the size of the work piece there does not exist, welding 0S It does not know, then this fact from the first generation robot, it will exist this shortcoming, it in the 20th century, the late 1970s, people started to study the second-generation robot, called Robot with the feeling that This feeling with the robot is similar in function of a certain feeling, for instance, force and touch, slipping, visual, hearing and who is analogous to that with all kinds of feelings, say in a robot grasping objects, In fact, it can be the size of feeling out, it can through visual, to be able to feel and identify its shape, size, color Grasping an egg, it adopted a acumen, aware of its power and the size of the slide.Third-generation robots, we were a robotics ideal pursued by the most advanced stage, called intelligent robots, So long as tell it what to do, not how to tell it to do, it will be able to complete the campaign, thinking and perception of this man-machine communication function and function Well, this current development or relative is in a smart part of the concept and meaning But the real significance of the integrity of this intelligent robot did not actually exist, but as we continued the development of science and technology, the concept of intelligent increasingly rich, it grows ever wider connotations.Now, I would like to briefly outline some of the industrial robot situation.So far, the industrial robot is the most mature and widely used category of a robot, now the world's total sales of 1.1 million Taiwan, which is the 1999 statistics, however, 1.1 million in Taiwan have been using the equipment is 75 million, this volume is not small.Overall, the Japanese industrial robots in this one, is the first of the robots to become the Kingdom, the United States have developed rapidly.Newly installed in several areas of Taiwan, which already exceeds Japan, China has only just begun to enter the stage of industrialization, has developed a variety of industrial robot prototype and small batch has been used in production.Spot welding robot is the auto production line, improve production efficiency and raise the quality of welding car, reduce the labor intensity of a robot.It is characterized by two pairs of robots for spot welding of steel plate, bearing a great need for the welding tongs, general in dozens of kilograms or more, then its speed in meters per second a 5-2 meter of such high-speed movement.So it is generally five to six degrees of freedom, load 30 to 120 kilograms, the great space, probably expected that the work of a spherical space, a high velocity, the concept of freedom, that is to say, Movement is relatively independent of the number of components, the equivalent of our body, waist is a rotary degree of freedom We have to be able to hold his arm, Arm can be bent, then this three degrees of freedom, Meanwhile there is a wrist posture adjustment to the use of the three autonomy, the general robot has six degrees of freedom.We will be able to space the three locations, three postures, the robot fully achieved, and of course we have less than six degrees of freedom.Have more than six degrees of freedom robot, in different occasions the need to configure.The second category of service robots, with the development of industrialization, especially in the past decade, Robot development in the areas of application are continuously expanding, and now a very important characteristic, as we all know, Robot has gradually shifted from manufacturing to non-manufacturing and service industries, we are talking about the car manufacturer belonging to the manufacturing industry, However, the services sector including cleaning, refueling, rescue, rescue, relief, etc.These belong to the non-manufacturing industries and service industries, so here is compared with the industrial robot, it is a very important difference.It is primarily a mobile platform, it can move to sports, there are some arms operate, also installed some as a force sensor and visual sensors, ultrasonic ranging sensors, etc.It’s surrounding environment for the conduct of identification, to determine its campaign to complete some work, this is service robot’s one of the basic characteristics.For example, domestic robot is mainly embodied in the example of some of the carpets and flooring it to the regular cleaning and vacuuming.The robot it is very meaningful, it has sensors, it can furniture and people can identify, It automatically according to a law put to the ground under the road all cleaned up.This is also the home of some robot performance.The medical robots, nearly five years of relatively rapid development of new application areas.If people in the course of an operation, doctors surgery, is a fatigue, and the other manually operated accuracy is limited.Some universities in Germany, which, facing the spine, lumbar disc disease, the identification, can automatically use the robot-aided positioning, operation and surgery Like the United States have been more than 1,000 cases of human eyeball robot surgery, the robot, also including remote-controlled approach, the right of such gastrointestinal surgery, we see on the television inside.a manipulator, about the thickness fingers such a manipulator, inserted through the abdominal viscera, people on the screen operating the machines hand, it also used the method of laser lesion laser treatment, this is the case, people would not have a very big damage to the human body.In reality, this right as a human liberation is a very good robots, medical robots it is very complex, while it is fully automated to complete all the work, there are difficulties, and generally are people to participate.This is America, the development of such a surgery Lin Bai an example, through the screen, through a remote control operator to control another manipulator, through the realization of the right abdominal surgery A few years ago our country the exhibition, the United States has been successful in achieving the right to the heart valve surgery and bypass surgery.This robot has in the area, caused a great sensation, but also, AESOP's surgical robot, In fact, it through some equipment to some of the lesions inspections, through a manipulator can be achieved on some parts of the operation Also including remotely operated manipulator, and many doctors are able to participate in the robot under surgery Robot doctor to include doctors with pliers, tweezers or a knife to replace the nurses, while lighting automatically to the doctor's movements linked, the doctor hands off, lighting went off, This is very good, a doctor's assistant.Robot is mankind's right-hand man;friendly coexistence can be a reliable friend.In future, we will see and there will be a robot space inside, as a mutual aide and friend.Robots will create the jobs issue.We believe that there would not be a “robot appointment of workers being laid off” situation, because people with the development of society, In fact the people from the heavy physical and dangerous environment liberated, so that people have a better position to work, to create a better spiritual wealth and cultural wealth.譯文資料：

機器人

首先我介紹一下機器人產生的背景，機器人技術的發展，它應該說是一個科學技術發展共同的一個綜合性的結果，同時，為社會經濟發展產生了一個重大影響的一門科學技術，它的發展歸功于在第二次世界大戰中各國加強了經濟的投入，就加強了本國的經濟的發展。另一方面它也是生產力發展的需求的必然結果，也是人類自身發展的必然結果，那么隨著人類的發展，人們在不斷探討自然過程中，在認識和改造自然過程中，需要能夠解放人的一種奴隸。那么這種奴隸就是代替人們去能夠從事復雜和繁重的體力勞動，實現人們對不可達世界的認識和改造，這也是人們在科技發展過程中的一個客觀需要。

機器人有三個發展階段，那么也就是說，我們習慣于把機器人分成三類，一種是第一代機器人，那么也叫示教再現型機器人，它是通過一個計算機，來控制一個多自由度的一個機械，通過示教存儲程序和信息，工作時把信息讀取出來，然后發出指令，這樣的話機器人可以重復的根據人當時示教的結果，再現出這種動作，比方說汽車的點焊機器人，它只要把這個點焊的過程示教完以后，它總是重復這樣一種工作，它對于外界的環境沒有感知，這個力操作力的大小，這個工件存在不存在，焊的好與壞，它并不知道，那么實際上這種從第一代機器人，也就存在它這種缺陷，因此，在20世紀70年代后期，人們開始研究第二代機器人，叫帶感覺的機器人，這種帶感覺的機器人是類似人在某種功能的感覺，比如說力覺、觸覺、滑覺、視覺、聽覺和人進行相類比，有了各種各樣的感覺，比方說在機器人抓一個物體的時候，它實際上力的大小能感覺出來，它能夠通過視覺，能夠去感受和識別它的形狀、大小、顏色。抓一個雞蛋，它能通過一個觸覺，知道它的力的大小和滑動的情況。第三代機器人，也是我們機器人學中一個理想的所追求的最高級的階段，叫智能機器人，那么只要告訴它做什么，不用告訴它怎么去做，它就能完成運動，感知思維和人機通訊的這種功能和機能，那么這個目前的發展還是相對的只是在局部有這種智能的概念和含義，但真正完整意義的這種智能機器人實際上并沒有存在，而只是隨著我們不斷的科學技術的發展，智能的概念越來越豐富，它內涵越來越寬。

下邊我簡單介紹一下工業機器人的一些情況。到目前為止，工業機器人是最成熟，應用最廣泛的一類機器人，世界總量目前已經銷售110萬臺，這是1999年的統計，但這110萬臺在已經進行裝備使用的是75萬臺，這個量也是不小的。總體情況看，日本在工業機器人這一塊，是首位的，成為機器人的王國，美國發展也很迅速，目前在新安裝的臺數方面，已經超過了日本，中國剛開始進入產業化的階段，已經研制出多種工業機器人樣機，已有小批量在生產中使用。

點焊機器人主要是針對汽車生產線，提高生產效率，提高汽車焊接的質量，降低工人的勞動強度的一種機器人。它的特點是通過機器人對兩個鋼板進行點焊的時候，需要承載一個很大的焊鉗，一般在幾十公斤以上，那么它的速度要求在每秒鐘一米五到兩米這樣的高速運動，所以它一般來說有五到六個自由度，負載三十到一百二十公斤，工作的空間很大，大概有兩米，這樣一個球形的工作空間，運動速度也很高，那么自由度的概念，就是說，是相對獨立運動的部件的個數，就相當于我們人體，腰是一個回轉的自由度，我們大臂可以抬起來，小臂可以彎曲，那么這就三個自由度，同時腕部還有一個調整姿態來使用的三個自由度，所以一般的機器人有六個自由度，就能把空間的三個位置，三個姿態，機器人完全實現，當然也有小于六個自由度的，也有多于六個自由度的機器人，只是在不同的需要場合來配置。

第二類是服務機器人，隨著工業化的發展，尤其近十年以來，機器人的發展的應用領域在不斷拓寬，目前一個很重要的特征，大家都知道，機器人已經從制造業逐漸轉向了非制造業和服務行業，剛才談的汽車制造屬于是制造業，但服務行業包括清潔、加油、救護、搶險、救災這些等等，都屬于非制造行業和服務行業，那么這里邊跟工業機器人相比，它有一個很重要的不同，它主要是一個移動平臺，它能夠移動、去運動，上面有一些手臂進行操作，同時還裝有一些像力覺傳感器和視覺傳感器、超聲測距傳感器等等。它對周邊的環境進行識別，來判斷它的運動，完成某種工作，這是服務機器人的基本的一個特點。

例如，家務機器人主要體現在像一些對地毯和地板定期的它能夠進行清掃和吸塵，它這個機器人很有意思，它有傳感器，它能夠把家具和人能識別出來，它自動的按照一種規律，能根據路徑把地面全部的清掃干凈，這也是家務中一些機器人的表現。

那么醫療機器人，是近五年來發展比較迅速的一個新的應用領域。如果人手術的時候，醫生來手術，一個是疲勞，另一個人手操作的精度還是有限的。在德國一些大學里面，面向人的脊椎，如腰間盤突出這種病，進行識別以后，能夠自動地用機器人來輔助進行定位，進行操作和手術。像美國已經有一千多例機器人對人眼球進行手術，這樣的機器人，還包括通過遙控操作的辦法，實現對人的胃腸這種手術，大家在電視里邊看到，一個機械手，大概有手指這樣粗細的一個機械手，通過插入腹臟以后，人在屏幕上操作這個機器手，同時對它用激光的方法對病灶進行激光的治療，這樣的話，人就不用很大幅度地破壞人的身體，這實際對人的一種解放，是非常好一種機器人，醫療機器人它也很復雜，一方面它完全自動去完成各種工作，是有困難的，一般來說都是人來參與，這是美國開發的一個林白手術這樣一個例子，人通過在屏幕上，通過一個遙控操作手來控制另一個機械手，實現通過對人的腹腔進行手術，前幾年我們國家展覽會上，美國已經成功的實現了對人的心臟瓣膜的手術和搭橋手術，這已經在機器人領域中，引起了很大的轟動，還包括，AESOP的這種外科手術機器人，它實際上通過一些儀器能夠對人的一些病變進行檢查，通過一個機械手就能夠實現對人的某些部位進行手術，還包括遙操作機械手，以及多個醫生可以在機器人共同參與下進行手術，包括機器人給大夫醫生拿鉗子、鑷子或刀子來代替護士的工作，同時把照明能夠自動的給醫生的動作聯系起來，醫生的手到哪兒，照明就去哪兒，這樣非常好的，一個醫生的助手。

機器人是人類的得力助手，能友好相處的可靠朋友，將來我們會看到人和機器人會存在一個空間里邊，成為一個互相的助手和朋友。機器人會不會產生飯碗的問題。我們相信不會出現“機器人上崗，工人下崗”的局面，因為人們隨著社會的發展，實際上把人們從繁重的體力和危險的環境中解放出來，使人們有更好的崗位去工作，去創造更好的精神財富和文化財富。