復(fù)雜環(huán)境下基于神經(jīng)網(wǎng)絡(luò)的工件識(shí)別與機(jī)器人智能抓取.pdf

1、智能機(jī)器人之所以區(qū)別于傳統(tǒng)的示教.再現(xiàn)型機(jī)器人，是因?yàn)槠溆懈兄獠渴澜缱兓⒆鞒鲎赃m應(yīng)調(diào)整的能力。在眾多的機(jī)器人感覺(jué)中，尤以視覺(jué)應(yīng)用最廣。而在復(fù)雜工業(yè)現(xiàn)場(chǎng)環(huán)境下，存在諸如粉塵、光照變化、攝像機(jī)抖動(dòng)、遮擋、信道傳輸噪聲等干擾因素，不可避免地會(huì)對(duì)機(jī)器人的視覺(jué)產(chǎn)生影響，造成圖像信號(hào)的降質(zhì)。此外，復(fù)雜多變的工作環(huán)境，也給傳統(tǒng)的需要標(biāo)定技術(shù)才能完成的機(jī)器人控制器的設(shè)計(jì)造成困難。針對(duì)上述問(wèn)題，本文以基于視覺(jué)的機(jī)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(fù)雜環(huán)境下圖像的恢復(fù)和目標(biāo)識(shí)別以及機(jī)器人視覺(jué)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(gè)研究部分的關(guān)鍵技術(shù)。其中，復(fù)值神經(jīng)網(wǎng)絡(luò)以其自然的復(fù)數(shù)處理能力，使得圖像等常需頻域處理的信號(hào)有了直接的表達(dá)和處理方式。 為解決惡劣環(huán)境下圖像降質(zhì)嚴(yán)重的問(wèn)題，本文利用復(fù)值Hopfield神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶能力完成對(duì)降質(zhì)圖像的恢復(fù)。為此本文首先開(kāi)展復(fù)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(fù)雜環(huán)境下圖像識(shí)別和恢復(fù)的實(shí)現(xiàn)問(wèn)題，最后基于模糊行為規(guī)則和神經(jīng)網(wǎng)絡(luò)對(duì)機(jī)器人智能視覺(jué)伺服控制器進(jìn)行設(shè)計(jì)。歸結(jié)起來(lái)，本文的主要研究工作包括： 1）針對(duì)一類復(fù)值離散時(shí)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(guò)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(gè)待記憶模

4、式在網(wǎng)絡(luò)中是穩(wěn)定且吸引的。 2）針對(duì)一類復(fù)值連續(xù)時(shí)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(fù)值域中構(gòu)造基于吸引域參數(shù)的Lyapunov函數(shù)，而后開(kāi)展系統(tǒng)的穩(wěn)定性分析，并分別在網(wǎng)絡(luò)時(shí)間常數(shù)已知和未知的情況下，進(jìn)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(shí)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(duì)一類可直接表示灰度等多值圖像的復(fù)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(jìn)行調(diào)整，并最終得到能同時(shí)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(duì)復(fù)雜環(huán)境下圖像易出現(xiàn)模糊、缺損、噪聲污染等嚴(yán)

6、重降質(zhì)的問(wèn)題，通過(guò)引入復(fù)多值單層感知機(jī)完成對(duì)降質(zhì)圖像中各種形態(tài)工件的圖像識(shí)別；利用3）中提出的一種復(fù)多值Hopfield聯(lián)想記憶器完成對(duì)工件降質(zhì)圖像的恢復(fù)，進(jìn)而實(shí)現(xiàn)對(duì)工件上角點(diǎn)信息的可靠提取，為機(jī)器人的視覺(jué)伺服控制提供可靠的圖像反饋信息； 5）針對(duì)復(fù)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(jué)伺服控制存在建模困難且適應(yīng)能力差的問(wèn)題，提出一種基于模糊行為和神經(jīng)網(wǎng)絡(luò)的兩階段機(jī)器人智能抓取控制方案。其中第一階段的模糊行為控制