机器人传感器及其信息融合技术PDF|Epub|txt|kindle电子书版本网盘下载

机器人传感器及其信息融合技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 传感器的基础知识1

1.1 传感器的定义和特点1

1.2 传感器的组成和分类1

1.3 传感器的标定7

1.4 机器人与传感器9

1.5 传感器及其技术的发展趋势10

1.6 多传感器信息融合的应用领域12

第2章 机器人系统组成14

2.1 机器人系统组成概述14

2.2 机械结构系统14

2.2.1 机械构件14

2.2.2 传动机构20

2.3 驱动系统27

2.3.1 液压驱动27

2.3.2 气压驱动29

2.3.3 电气驱动30

2.4 感知系统32

2.4.1 机器人对传感器的要求32

2.4.2 常用传感器的特性34

2.5 控制系统35

2.6 人机交互系统37

2.7 机器人-环境交互系统37

第3章 机器人常用的传感器38

3.1 机器人传感器的分类38

3.2 常用的内部传感器39

3.2.1 位置传感器39

3.2.2 速度传感器42

3.2.3 加速度传感器43

3.2.4 倾斜角传感器45

3.2.5 力觉传感器46

3.3 常用外部传感器48

3.3.1 视觉传感器48

3.3.2 触觉传感器51

3.3.3 接近度传感器54

3.3.4 激光传感器58

第4章 智能传感器60

4.1 智能传感器概述60

4.1.1 智能传感器的定义60

4.1.2 智能传感器的构成61

4.1.3 智能传感器的关键技术61

4.2 智能传感器的功能与特点65

4.2.1 智能传感器的功能65

4.2.2 智能传感器的特点66

4.3 智能传感器的实现技术67

4.3.1 非集成化智能传感器68

4.3.2 集成化智能传感器68

4.3.3 混合式智能传感器69

4.4 无线传感网络技术及其应用70

4.4.1 无线传感网络技术70

4.4.2 无线传感器网络在移动机器人通信中的应用74

4.5 智能模糊传感器技术及其应用76

4.5.1 智能模糊传感器技术76

4.5.2 模糊传感器在测量血压中的应用79

第5章 多传感器信息融合技术概述81

5.1 多传感器信息融合的定义81

5.2 多传感器信息融合的分类81

5.3 多传感器信息融合的系统结构86

5.4 多传感器信息融合的方法87

第6章 多传感器的定量信息融合91

6.1 传感器的建模91

6.1.1 观测模型92

6.1.2 相关模型93

6.1.3 状态模型94

6.2 传感数据的一致性检验94

6.2.1 假设检验法95

6.2.2 距离检验法96

6.2.3 人工神经网络方法98

6.3 基于参数估计的信息融合方法99

第7章 多传感器的定性信息融合103

7.1 Bayes方法103

7.1.1 Bayes条件概率103

7.1.2 Bayes方法在信息融合中的应用103

7.1.3 基于目标分类的Bayes决策方法104

7.2 Dempster-Shafer证据推理106

7.2.1 D-S理论的基础概念106

7.2.2 Dempster合成法则107

7.2.3 D-S证据理论在融合中的应用108

7.3 模糊理论110

7.3.1 模糊理论110

7.3.2 模糊理论在融合中的应用111

7.4 神经网络法111

7.4.1 神经网络融合信息的一般方法112

7.4.2 神经网络在融合中的应用113

7.5 粗糙集理论114

7.5.1 粗糙集理论114

7.5.2 基于粗糙集理论的多传感器信息融合118

第8章 多传感器在装配机器人中的应用123

8.1 多传感器信息融合系统组成123

8.2 位姿传感器124

8.3 柔性腕力传感器127

8.4 工件识别传感器128

8.5 视觉传感系统129

第9章 多传感器在焊接机器人中的应用131

9.1 焊接机器人常用的传感器131

9.2 电弧传感系统131

9.3 超声传感跟踪系统133

9.4 视觉传感跟踪系统135

第10章 多传感器信息融合在移动机器人中的应用137

10.1 概述137

10.2 多传感器信息融合在移动机器人导航中的应用139

10.3 多传感器信息融合在移动机器人测距中的应用143

10.4 多传感器信息融合在移动机器人避障中的应用157