数据结构课程设计实验报告（详细）

此代码为基于视频的烟雾检测，先预处理，再送入卷积网络训练，检测效果还不错

整理出了如下几个计算六轴机械臂正解和逆解的关键点：01_机器人坐标系和关节的说明02_算法坐标系的建立03_D-H参数表的建立04_FK（正解）算法05_Matlab辅助计算FK（正解）06_IK（逆解）算法07_Matlab辅助计算IK（逆解）文档中针对FK以及IK算法的推导均有详细的推导过程。希望各位能根据推导过程写出自己的代码。图1针对机器人的关节坐标系,我们还需要规定各个关节的转动方向,如下图所示,我们依次描叙了各个关节的正负方向。在关节坐标系下,机器人各个关节的转动方向,必须和下图相符图22.机器人直角坐标系目前所说的直角坐标系是机器人的工具坐标系,如下图所示,因为该机器人没有安装执行末端,所以,工具坐标系原点在第六轴末端法兰中心处,红色箭头是Ⅹ轴,蓝色箭头是乙轴,根据右手定则确定Y轴方向@图3基坐标系所在的位置是定义机器人基座的位置,如上图所示,坐标系原点在第一关节的中心处,红色箭头所示为Ⅹ轴,蓝色箭头所示为乙轴,根据右手定则,即可确定Y轴的方向。具体如上图旁边那个坐标系所示。当我们说六轴机械臂位姿时,说的是六轴机械臂末端的位姿,该位姿包括六个参数,分别为Ⅹ YZABC。六轴机械臂未端的位姿是以基坐标系作为参考坐标系的:笛卡尔坐标系的Ⅹ轴,Ⅹ轴距离Y:笛卡尔坐标系的Y轴,Y轴距离Z:笛卡尔坐标系的Z轴,z轴距离A:XY-Z固定角坐标系下的偏转角B:X-Y-Z固定角坐标系下的俯仰角C:XY-Z固定角坐标系下的回转角ZA2呈Ax图如上图所示,A对应第一个坐标系中的γ,B对应第二个坐标系中的β,C对应第三个坐标系中的Q。为什么我们需要花费专门的一节来讲解六轴机器人的坐标系和关节?因为我们后续要学习的FK和就是以这个为基础的。FK是已知六轴机械臂在关节坐标系下各个关节转动的角度,然后求解直角坐标系下的Ⅹ YZABOK是已知六轴杋械臂在直角坐标系下的 XYZABO,然后求解关节坐标系下各个关节转动的角度二.算法坐标系的建立为了得出D-H参数表,我们首先需要针对六轴机器人的各个关节建立坐标系,在固定的坐标系下,才能最终得出连杆之间的变换关系,从而建立D-H参数表。82个2算法坐标系确定的通用方法如下1)坐标系的Z轴,与各个关节的旋转中心轴线重合2)坐标系的X轴,与沿着相邻两个z轴的公垂线重合3〕坐标系的Y轴,可以通过右手定则来确定当相邻两个z轴相交时,确定坐标系的方法如下1)坐标系的Y轴,沿着第一个Z轴与下一个z轴相交的延长线为Y轴2)坐标系的Ⅹ轴,通过右手定则确定当相邻两个Z轴平行时,确定坐标系的方法如下1)坐标系Ⅹ轴,相邻两个乙轴平行,做两个乙轴的公垂线,相交于下一个z轴为Ⅹ轴,方向为第一个Z轴到下一个Z轴的方向2)坐标系Y轴,通过右手定则确定三.D-H参数表的建立D-H参数表,实际上是相邻各个关节坐标的变换关系表,根据之前针对各个关节所建立的丛标系,按照如下四条变换规则,即可得到D-H参数表。变换规则1)绕Z轴,旋转9n+1n与Xn+1平行(方向一致))沿Zn轴,平移与Xn+1共线3)沿Xn轴,平移aAn与Xn+1原点重4)将Zn绕Xn+1轴,旋转αn+1Zn与Zn+1共线建立D-H参数表的详细步骤第一步,从第一关节到第二关节之间的变换绕z轴,旋转0度,让X0与X1平行且方向一致沿z轴,平移242,让Ⅺ0与X1共线沿Ⅺ轴,平移0,Ⅺ与X1原点重合将石绕X1轴,旋转90度,Z0与z1共线第二步,从第二关节到第三关节之前的交化绕z1轴,旋转90度,让X1与X2平行且方向一致沿Z1轴,平移0,让X1与X2共线沿X1轴,平移225,X1与X2原点重合将Z1绕X2轴,旋转0度,Z1与Z2共线第三步:从第三关节到第四关节之间的交换绕z2轴,旋转0度,让X2与X3平行且方向一致沿Z2轴,平移0,让Ⅹ2与X3共线沿X2轴,平移0,X2与X3原点重合将Z2绕X3轴,旋转90度,Z2与z3共线第四步:从第四关节到第五关节之间的变换绕z3轴,旋转0度让X3与X4平行且方向一致沿3轴,平移22886,让X3与X4共线沿3轴,平移0,X3与X4原点重合将Z3绕X1轴,旋转90度,Z3与Z1共线第五步:从第五关节到第六关节之间的变换绕Z4轴,旋转90度,让X4与X5平行且方向一致沿Z4轴,平移0,让X4与X共线沿X轴,平移0,X1与K5原点重合将Z4绕X5轴,旋转90度,Z4与z共线第六步:从第六关节到未端之间的变换绕z轴,旋转0度,让X5与X6平行且方向一致沿z轴,平移-50,让X5与X6共线沿X轴,平移0,X5与K6原点重合将z绕X轴,旋转0度,Z5与z6共线根据上图所示机械臂的尺寸参数以及以上六个步骤的变换,D-H参数表如下所示420901-202253-4228.864-5900900-500四.正解(FK)算法根据连杆变换规贝T=R(Z, B1*T(Z, di)*T(X, ai)*R(X, ai)6;00因为R(Z06:00100000aT(Z,a1)=00001000011000T(xa10100001d0001000 caROX. a)= osa oa;0001根据以上矩阵变换,可以得到如下连杆变换的通用矩阵如下Bi -se, ca s0,sa, a,c61s0 ce:cad sa asa0 saca d00根据以上连杆变换的通用矩阵和之前的D-H参数表,可以得到如下δ个连杆变换矩阵e10s61^0S0 0T6100102420001s20-22S620225c62000001620s60b203001000040s日4000c0 0010228.860001s50c650C650s650000006-s6006000C001-40FK算法需要解决的问题是:已知各个关节的转动角度,需要求出末端的位姿。已知:(61,2,θ3,θ4,θs,θ6求解:(X,Y,乙,A,B,C)计算公式如下所示13机器末端的位姿矩阵为72272313273300011722723py07*1T2T*37*4T5Tp000在以上的推导过程中,、T、2、37、4、7分别为相对于01、02、63、64、6s、的已知量。由此可以求解出位置变量(pPP)以及姿态变量a1T2723五. Matlab辅助计算正解(FK)根据上一章,我们有如下结论10s10100102420001s2-c620-225s6CS20225C60010

内部包括FOA源码，m函数以及测试函数的封装M函数，将文件保存在同一目录，运行FOA.M即可，可以更改测试函数的m程序，对不同函数进行测试。

OpenDaylight is a collaborative platform supported by leaders in thenetworking industry and hosted by the Linux foundation. The goal of theplatform is to enable the adoption of software-defined networking (SDN)and create a solid base for network functions virtualization (NFV).

【实例简介】orangpi zero的gpio接口wiringOP_zero，亲测点亮LED成功，香橙派的gpio资料太少了，靠大家一起分享。

Qt漂亮通用界面。大部分的界面都可以用这个学习，非常漂亮哦！

一种基于模糊算法的移动机器人路径规划策略． 利用超声波传感器对环境进行探测， 得到关于障碍物和目标的信息． 运用模糊推理将障碍位置信息与目标位置信息模糊化，建立模糊规则并解模糊最终使机器人可以很好的避障，从而实现了移动机器人的路径规划。第4期陈卫东:基于模糊算法的移动机器人路径规划按照同样的方法,可以建立起多种条件下的控制规则的合成隶属度结果规则.类似于这样的控制规则可归纳总结为很多条.在模糊控制规则的制定上采用基于控制器行为特性的方NB NSPS PBNBSPS PBA0.7式,将动作分为若干基本行为,复杂的行为可由几个简0.303X)嬷单行为按次序构成,可简化模糊控制规则的确定,并可10-5减少模糊控制规则的数目,避开被控对象的特性建模cmis-10-510 cm/s(a)左轮加速度b)右轮加速度3.4模糊推理图8左右轮合成隶属度函数模糊推理是模糊控制器的核心,它具有模拟人的3.5解模糊基于模糊概念的推理能力,该推理过程是基于模糊逻通过模糊推理得到的结果是一个模糊集合.但在辑中的蕴含关系及推理规则来进行的由模糊规则推实际模糊控制中,必须要有一个确定值才能控制或驱理出输岀量的隶属度根据 Mamdani模糊推理方法求取动执行机构.将模糊推理结果转化为精确值的过程称模糊关系矩阵0为解模糊.所以,解模糊的作用是将模糊集合映射为为了说明模糊推理控制器的工作过程,这里以机个确定的点.也就是把上面推理合成得到的左右轮加器人在FD=105cm;ID=117cm;RD=40cm;θ=45deg;υ速度模糊集合转化为一个精确值来控制机器人的运=3.5cm/s的状态为例来说明推理决策的过程.査询数动解模糊方法的选择与隶属度函数形状的选择、推理据库中的规则,此状态下的模糊规则为表格中的第5、方法的选择相关. MATLAB提供5种解模糊方法:面积6、11和12.由模糊规则的推理与合成(取极小,取极大)重心法、面积等分法、平均最大隶属度法、最大隶属度得到输出的隶属度如下取小法和最大隶属度取大法.本文仿真采用的重心第五个规则推理结果法.这种方法也称为质心法或面积中心法,是所有解模糊化方法中最为合理、最流行和引人关注的方法.该方NB NS 1Z PS PBNB NS 1ZPSPB法的数学表达式是0.3031p1(a)d(a1)10 cm/s2左轮加速度2)ALaI(a)左轮加速度b)右轮加速度图4规则5推理的左右轮合成隶属度函数第六规则推理结果:ar uR(ar)d(a,)右轮加速度=(3)NB NS IZ PS PBNB NSPS PB式中,表示输出模糊子集所有元素的隶属度值在连续0.20.2论域上的代数积分,而加速度的取值是表示其左右两0m/s2-10-5cn边的面积为相等.该方法计算复杂,但它包含了输出模(a)左轮加速度(b)右轮加速度图5规则6推理的左右轮合成隶属度函数糊子集所有元素的信息,也较精确.采用重心法将模糊第十一规则推理结果量转换成清晰量,再经过线性尺度变换为实际输入给直流电机的控制量控制移动机器人的移动NB NS 1Z PS PBNB NS IZ PS PB0.74仿真实验及结果分析为了验证本文提出的模糊控制方法的可行性,在10-5105cm/s210-5cnMatlab中利用 Simulink建立系统仿真模型,对控制规则(a)左轮加速度(b)右轮加速度图6规则11推理的左右轮合成隶属度函数进行了仿真,假设移动机器人的行驶速度为0.6m/s,使第十二规则推理结果:用 Fuzzy logic工具箱软件对模糊算法进行了仿真.在仿n真过程中,起点和终点的位置可以任意设置,障碍物的NB NS IZ PS PBPS大小、形状和位置也可以任意设置,这样就可以在任意环境下检验算法的正确性和可靠性0.20.2图9为当起点为(0,0),目标点为(9,9),在障碍物100cm/s2-10-5cmls存在时模糊算法和势场法的路径规划仿真.由图我们(a)左轮加速度(b)右轮加速度图7规则12推理的左右轮合成隶属度函数可以看出,模糊算法比势场法规划的路径更优.其工作4电子学报011年代价更小,行走的路径也更短由于速度的控制,比文5结论献[12]中只对转向角进行控制节省大量时间移动机器人由于传感器的限制以及周围环境的不移动机器人路径规划仿真确定性,很难预先对机器人的移动路径进行规划.本文目标点釆用了的模糊控制算法对移动机器人进行控制.这种8算法对移动机器人的运行环境几乎没有什么限制,它能在情况很复杂的未知环境里运行.对障碍物的形状及其个数也没有什么约束.并可避开传统算法中存在障碍物的对移动机器人的定位精度敏感,对环境信息依赖性强等缺点.并且通过对速度的控制使机器人比以前只2模糊算法路径dd对转角控制进行路径规划节省时间,具有很强的时效性.从实验中的移动轨迹可以看出,移动机器人的行为0起始点势场法路径表现出很好的一致性、连续性和稳定性参考文献10x/m图9模糊算法和势场法的仿真对比图[1]李磊,叶涛,谭民,等.移动机器人技术研究现状与未来在相同的环境下用A算法和模糊算法也进行了J].机器人,2002,24(5):475-480仿真对比,仿真路径图如图10.应用两种算法获得的最Li Lei, Ye Tao, Tan Ming. Present state and future development优路径如图所示.其中,A*算法计算量较大,并且Aof mobile robot technology research [J. Robot. 2002, 24(5)算法只能在环境信息已知的情况下找到路径而不适合475-480.(in Chinese)部分环境信息已知的情况,而且很不适合动态环境的2 Pradhan, DR Parhi, A K Panda. Potential feld method to路径规划.模糊算法显然比A算法规划的路径更优,navigate several mobile robots[ J. Applied Intelligence, 2006(25):321-333并且能够实现移动机器人的实时避障3]郝宗波,洪炳熔.未知环境下基于传感器的移动机器人路移动机器人路径规划仿真径规划[J].电子学报,2006,34(5):953-956目标点Hao Zong-bo, Hong Bing-rong Sensor-based path planning for8mobile robot in unknown environment[J. Acta ElectronicaSinica, 2006, 34(5): 953-956(in Chinese)64]周兰凤,洪炳熔.用基于知识的遗传算法实现移动机器人障碍物路径规划[J].电子学报,2006,34(5):911-914Zhou Lan-feng; Hong Bing-rong. a knowledge based geneticalgorithm for path planning of a mobile robot[ J. Acta Elec2模糊算法路径tronic Sinica, 2006, 34 (5): 911-914(in Chinese0[5]高庆吉,雷亚莉,胡丹丹,等.基于自适应感知复位算法的起始点A*算法路径移动机器人定位[J.电子学报,2007,35(11):2166-217110Gao Qing-ji, Lei Ya-li, Hu Dan-dan. A robot localizationr/m图10模糊算法和A*算法的仿真对比图method based on adaptive sensor resetting algorithm[ J].Acta对比实验表明,模糊算法不但优于人工势场法,也Electronica Sinica, 2007, 35(11): 2166-2171.(in Chinese)优于A算法模糊算法大大优化移动机器人的路径规6TLLe,C-JWu. Fuzzy motion planning of mobile robots in划,是一种很智能的路径规划方法.模糊算法仿真成功unknown environments[J]. Journal of Intelligent and RoboticSystems,2003,37(2):177-191(下转第980页)证明使用模糊控制进行路径规划时对移动机器人的运行环境几乎没有什么限制,它能在未知环境里运行.对作者简介障碍物的形状及其个数也没有什么约東.从仿真实验陈卫东男,1972年生于吉林长春,教授,主要研究方向为机器中的移动轨迹可以看出,移动机器人的行为表现出比人控制,智能算法及其应用,图像处理等较好的一致性、连续性和稳定性.采用模糊控制算法避E-mail:wdchen@ysu.edu.cn开了传统算法中存在的对移动机器人的定位精度敏朱奇光男,1978年生于浙江宁波,讲师,博士研究生,主要研究感、对环境的信息依赖性强等缺点方向为机器人控制,智能算法及其应用第4期陈卫东:基于模糊算法的移动机器人路径规划

本代码支持UDP，TCP，COAP，三种方式发送数据已经完全测过了，一些注意点都在代码里面有注释，可自行参考。

全部Solomon标准数据,txt格式,用于研究VRP问题.包含56个文件.

免疫遗传算法源代码，是对遗传算法和免疫算法的改进