自行走輪椅設(shè)計【2張圖紙】

喜歡就充值下載吧。。。資源目錄里展示的全都有，，下載后全都有,,請放心下載，================================== 【QQ：3278627871 可咨詢交流】 喜歡就充值下載吧。。。資源目錄里展示的全都有，，下載后全都有,,請放心下載，================================== 【QQ：3278627871 可咨詢交流】 喜歡就充值下載吧。。。資源目錄里展示的全都有，，下載后全都有,,請放心下載，================================== 【QQ：3278627871 可咨詢交流】

南昌航空大學科技學院學士學位論文 1 課題意義 聯(lián)合國發(fā)表報告指出：當二十一世紀上半葉到來時，全球人口將增加0．6倍， 而老年人口將增加2．3倍，老年人【1】口占總?cè)丝诘谋壤龑⑸仙?0％。也就是說， 全世界人口老齡化進程正在加快，今后50年內(nèi)，60歲以上的人口比例預(yù)計將會 翻一番。而我國是人口最多的國家，老齡化和殘疾是我們不得不面對的重大問 題，據(jù)老齡委統(tǒng)計結(jié)果顯示，目前我國60歲以上的老年人已達到1．43億，超過 總?cè)丝诘?0％。而我國有殘疾人6000多萬，平均每5個家庭就有一個殘疾人12J。 另一項調(diào)查顯示，2000年，我國60歲以上老年人中有腿腳不便情況的人已接近 2800萬。此外，根據(jù)中殘聯(lián)統(tǒng)計數(shù)據(jù)，目前我國肢體殘疾人接近900萬，其下 肢殘疾人為200萬左右。 隨著老年人和殘疾人的日益增多，服務(wù)需求將會日益增加。助老／助殘服務(wù) 機器人系列產(chǎn)品的研發(fā)有助于形成未來老年人和殘疾人生活的新模式和新概 念，并解決人口老齡化帶來的重大社會服務(wù)問題，以及2015年實現(xiàn)我國“人人享 有康復服務(wù)”的國家戰(zhàn)略目標和社會協(xié)調(diào)發(fā)展提供技術(shù)支撐。智能輪椅是助老／ 助殘服務(wù)機器人系列產(chǎn)品中的一個重要研究領(lǐng)域。輪椅作為廣大老弱病殘人員 使用的輔助運動工具，隨著人工智能和機器人技術(shù)的發(fā)展，智能輪椅【3J的研發(fā)也 必將成為一種趨勢。研究并開發(fā)實用的智能輪椅具有非常重要的現(xiàn)實意義。 1．1多模態(tài)智能輪椅 江西省焊接與自動化機器人重點實驗室研究的多模態(tài)智能輪椅包括手柄控 制，語音控制中可避障控制，自主避障控制三種模態(tài)。各模態(tài)之間即可相互獨 立，又可根據(jù)實際應(yīng)用場合進行多模態(tài)融合。 (1)手動控制 常規(guī)模態(tài)，智能輪椅相當于普通的電動輪椅。此模態(tài)有兩種控制方式，手 柄控制和鍵盤控制。使用者即可通過手柄，也可通過小鍵盤操作輸出四路模擬 電壓，輪椅本身配有電機控制器，四路模擬電壓通過電機控制器產(chǎn)生直流電機 信號來控制直流電機，通過對直流電機的開環(huán)控制控制輪椅的前進、后退、加 第1章緒論 速、減速、左轉(zhuǎn)、右轉(zhuǎn)、停止等運動控制。 (2)自主避障控制 本課題智能輪椅是基于超聲波傳感器技術(shù)基礎(chǔ)上的避障控制。由分布在輪 椅各個方向上的七組超聲波傳感器獲得障礙物信息，由單片機根據(jù)獲得的障礙 物信息做出相應(yīng)的避障決策，使智能輪椅靈活避障。 (3)語音控制模態(tài)可避障系統(tǒng) 智能輪椅語音控制系統(tǒng)是屬于一個擁有數(shù)個或十余個詞的小詞匯量的語音 識別控制系統(tǒng)，使用者先進行自身的語音訓練，訓練好的語音模型保存在存儲 器中，當用戶選擇語音控制模態(tài)后，語音命令與存儲器中的語音模型進行相似 度對比，從而實現(xiàn)語音識別。進而實現(xiàn)語音控制。如果語音控制過程中出現(xiàn)障 礙物，播放“前方有障礙物，重新識別"。同時可以輸入其它語音控制命令。 二 國內(nèi)外智能輪椅研究現(xiàn)狀 2.1 國外智能輪椅研究現(xiàn)狀 自1986年英國開始研制第一輛智能輪椅來，許多國家投入大量資金研究智 能輪椅，如美國麻省理工學院wheelesley項目，法國VAHM項目，德國烏爾姆 大學MAID項目，西班牙SIAMO項目，加拿大AAI公司TAO項目，歐盟TIDE項目等。1989年法國開始研究VAHM項目，第一階段的智能輪椅由輪椅、PC486、超聲波傳感器、人機界面和一個可匹配用戶身體能力轉(zhuǎn)換的圖形屏幕組成，設(shè)置為手動、自動、半自動三種模式，手動時輪椅執(zhí)行用戶具體指令和行動任務(wù)：自動狀態(tài)時用戶只需選定目標，輪椅控制整個系統(tǒng)，此模式需要高度的可靠性：半自動模式下用戶與輪椅分享控制。為了更好適應(yīng)用戶需求，研究者在康復中心進行了一系列調(diào)查，得出結(jié)論：系統(tǒng)必須是多功能的，不僅應(yīng)適應(yīng)殘障人士的生理和認知能力，也應(yīng)適應(yīng)環(huán)境的結(jié)構(gòu)和形態(tài)。在此基礎(chǔ)上，經(jīng)改進研制出第二代產(chǎn)品，相對于第一代產(chǎn)品，其功能更豐富，面向用戶范圍更廣，性價比更好，改良了大量控制。德國烏爾姆大學在一個商業(yè)輪椅基礎(chǔ)上研制了輪椅機器人MAID，在烏爾姆市中心車站的客流高峰期及1998年漢諾威工業(yè)商品博覽會的展覽大廳環(huán)境中進行了實地現(xiàn)場表演。該輪椅機器人在公共場所有大量乘客的擁擠環(huán)境中，通過了超過36小時的考驗，能夠自動口!別和判斷出行駛的前方是否有行人擋路，或是否可能出現(xiàn)行駛不通的情況，自動采取繞行動作，它甚至還能夠提醒擋路的行人讓開道路。根據(jù)航行的環(huán)境不同，機器運行模式分為：NAN(狹窄區(qū)域航行)和WAN(寬區(qū)域航行)，大大增加了航行準確率。此項目得到德國科學技術(shù)部的財政支持，據(jù)計劃，這種智能輪椅將于兩年后『F式面世，價格會比普通電動輪椅高出約50％。同本北海道工業(yè)設(shè)計學院的研究人員研制出一種不爿j人工操作的聲控輪 椅。研究人員將uT感應(yīng)語占聲響的晶片，裝置在輪椅的控制機關(guān)內(nèi)，在使用者 對著麥克風講出要求后，感應(yīng)系統(tǒng)便會依照要求啟動運作，除了可向前后左右 和快慢行走外，椅背還可向后傾，方便使用者休息。 2.2 國內(nèi)智能輪椅研究現(xiàn)狀 我國智能輪椅研究起步較晚，在機構(gòu)的復雜性和靈活性上和國外相比有一定差距，但也根據(jù)自身特色研制出技術(shù)指標接近國外先進水平的智能輪椅。研究單位有中科院自動化所、臺灣中正大學電機系、上海交通大學和第三軍醫(yī)大學等。中國科學院自動化研究所承擔了“863”智能機器人智能輪椅項目，研制了一種具有視覺和口令導航功能并能與人進行語音交互的機器人輪椅NLPR， 中科院研制的智能輪椅曾在“863”。計劃十五周年成就展展館的人群中穿棱自如。此項研究成果于2000年11月通過“863”智能機器人主題專家組的鑒定，并研制出我囡第一臺多模態(tài)交瓦式智能輪椅樣機。此項研究高度重視了智能輪椅人機控制界面的設(shè)計，在輪椅的設(shè)計中綜合運用模式識別實驗室有關(guān)圖像處理、計算機視覺和語音識別等最新成果，使人能通過語音控制輪椅自出行走，輪椅可以實現(xiàn)簡單的人機對話功能。上海交通大學開發(fā)成功一種聲控輪椅．主要是為四肢全部雀失功能的殘疾者設(shè)計，使用者只需發(fā)出“開”、“前”、“后”、“左”、“右”、“快”、“慢”、“停”等指令，輪椅可在1．2秒內(nèi)按指令執(zhí)行。上海交通大學研制的智能輪椅具有自辛避障，目標跟蹤和防跌功能。同時還設(shè)計可抓取日常用品的機械手臂。臺灣中正大學電機系以一臺工業(yè)級Pc為控制中心，通過馬達控制卡驅(qū)動放大器，利用操作桿執(zhí)行基本的電動輪椅操作功能，采取平行化設(shè)計，配備了麥克風、CCD，LCD、傳感器、無線網(wǎng)絡(luò)通訊界面等，并搭配了自行開發(fā)的軟件以達到系統(tǒng)配置最佳效果。天津大學研制的智能輪椅可用腦電信號控制智能輪椅，采用的控制器是計算機。 2.3 智能輪椅關(guān)鍵技術(shù)研究 2.3.1移動機器人路徑規(guī)劃理論 路徑規(guī)劃[41技術(shù)是移動機器人技術(shù)研究領(lǐng)域中的一個重要分支，是機器人智能化的重要標志?？偟目刂颇繕耸鞘挂苿訖C器人運動到目標點，總的約束是在整個過程中，機器人不碰到任何一個障礙物。該問題根據(jù)對環(huán)境信息的掌握程度可以分為兩類：一類是環(huán)境信息已知的全局規(guī)劃，另一類是環(huán)境信息未知的局部規(guī)劃。全局規(guī)劃方法依照己獲取的環(huán)境信息，給機器人規(guī)劃出一條路徑【5J，規(guī)劃路徑的精確程度取決于獲取環(huán)境信息的準確程度。全局方法通常可以尋找最優(yōu)解，但是需要預(yù)先知道環(huán)境的準確信息，并且計算量很大。局部規(guī)劃方法側(cè)重于考慮機器人當前的局部環(huán)境信息，讓機器人具有良好的避碰能力。很多機器人規(guī)劃方法通常是局部的方法，因為它的信息獲取僅僅依靠傳感器系統(tǒng)獲取的信息，并且隨著環(huán)境的變化實時地發(fā)生變化。和全局規(guī)劃方法相比較，局部規(guī)劃方法更具有實時性和實用性。缺陷是僅僅依靠局部信息，有時會產(chǎn)生局部極點，無法保證機器人能順利到達目的地。上述兩種方法各有利弊，故將兩種方法互相結(jié)合，取長補短的綜合研究方法漸漸成為研究的趨勢。 (1)環(huán)境信息的獲得，即研究機器人獲得周圍工作環(huán)境信息的途徑的問題，其中最普遍的方式就是通過自身的各類傳感器來獲取，除此之外還有示教等。這里面涉及到機器人的導航與定位的問題以及傳感器信息融合等問題。 (2)環(huán)境信息的理解問題，也可以稱之為將環(huán)境建?；蚪⒌貓D模型，即’運一些算法將所獲得的環(huán)境信息變成機器人能夠識別和運用的數(shù)據(jù)信息，以備下一進行可行路徑的搜索，主要是一些算法理論的研究。 (3)可行路徑搜索問題，即研究如何將第二步所得的數(shù)據(jù)信息按照一定的標準或要求組織生成一條(段)可行的路徑，主要是一些優(yōu)化算法和理論的研究。按運動類型的不同，移動機器人的路徑規(guī)劃可分為三種：最優(yōu)路徑規(guī)劃、局部路徑規(guī)劃和自適應(yīng)路徑規(guī)劃。本課題著重研究局部路徑規(guī)劃。 2.3.2 局部路徑規(guī)劃 局部路徑規(guī)劃[71是指在未知或者部分已知的環(huán)境中進行的路徑規(guī)劃，它根據(jù)有無最終目標位置可以分成兩種情況：探索和漫游。后者僅要求移動機器人能避開障礙物，對運動的朝向沒有約束。而對前者，則還有個最終目標位置作指引，機器人必須努力向這個位置靠近，在機器人前進的過程中，由于缺乏先驗的全局環(huán)境信息，有時一條明顯的路徑要花費很大努力才能找到，而且由于信息的不完整性，不存在全局意義上的最優(yōu)指標，但它可以達到某種次優(yōu)性。這種情況下，移動機器人一般配有能感知周圍局部環(huán)境的距離傳感器，其路徑規(guī)劃則常按照“Hypothesize．a(chǎn)nd．test假設(shè)一測試，HT"的思想來實現(xiàn)，顧名思義，它先假設(shè)一條從起點到終點的直線路徑，行進過程中，發(fā)現(xiàn)正前方有障礙物時，一般采用沿著障礙物邊緣行走的方法避障，直到它發(fā)現(xiàn)前方目標方向上不再有障礙物時，又轉(zhuǎn)回到這條直線路徑上來：為了讓工作在漫游狀態(tài)下的移動機器人能避開動態(tài)障礙物，一類基于行為的路徑規(guī)劃方法被大量采用。它把路徑規(guī)劃問題分解成許多相對獨立的小系統(tǒng)，在運行狀態(tài)下通過競爭機制取得控制機器人運動的主導權(quán)，并在環(huán)境交互作用中最終達到目標。對室外移動機器人，它的移動范圍大，由于環(huán)境是不可預(yù)知的，在它的行駛過程中，必須以局部環(huán)境信息和機器人自身狀態(tài)信息為基礎(chǔ)，規(guī)劃出一段短行程內(nèi)與障礙物無碰撞的理想路徑。局部路徑規(guī)劃【8】[91[101算法包括：C空間法、人工勢場法、模糊邏輯算法遺傳算法和神經(jīng)網(wǎng)絡(luò)法等、基于滾動窗口的路徑規(guī)劃算法。 (1)C空間法 C空間又稱位姿空間，是由Lozano—Perez和Wesley于1978年提出的。目前的很多規(guī)劃方法都是基于位姿空間的規(guī)劃方法。其實質(zhì)是根據(jù)運動物體的大小和姿態(tài)，把周圍的障礙物向外擴展一定的距離，即相應(yīng)的“膨脹"，變成擴展障礙。與此同時，運動物體縮為一個點(運動物體位姿的描述簡化為位姿空問中的一個點)，于是得到一個新的空間，稱為位姿空間。這實際上構(gòu)造了一個虛擬的空間：把運動物體、障礙物及其幾何約束關(guān)系做了等效變換，將物體的規(guī)劃問題轉(zhuǎn)變?yōu)辄c的規(guī)劃問題，將復雜問題簡單化，同時又具有實際意義，因此得到了廣泛的運用。這種方法本質(zhì)上屬于環(huán)境建模的方法。 (2)人工勢場法 人工勢場法最初是由Khatib提出的一種虛擬辦法。勢場法的基本思想是在移動機器人的工作環(huán)境中構(gòu)造一個人工勢場，使得在該勢場中移動的機器人受到其目標位置引力場和障礙物周圍斥力場的共同作用。勢場法的吸引力在于數(shù)學描述上簡潔、美觀。但它也有其內(nèi)在的局限性，即當目標附近有障礙物時，移動機器人受到的斥力大于或者等于目標點產(chǎn)生的引力，將永遠也到達不了目的地。如果目標和障礙物都離的很遠，障礙物的斥力會隨著機器人向目標的接近而變的越來越小，甚至可以忽略，機器人將只受到吸引力的作用而直達目標。但在當在實際環(huán)境中至少有一個障礙物與目標點離的很近的情況下，當移動機器人逼近目標的同時，它也將向障礙物靠近，如果利用以前對引力場函數(shù)和斥力場函數(shù)的定義，斥力將比引力大的多，這樣目標點將不是整個勢場的全局最小點，因此移動機器人將不可能到達目標。總的來說這個方法存在著三個方面的問題：在相近的障礙物之間不能發(fā)現(xiàn)路徑；在障礙物前可能會出現(xiàn)震蕩；在狹窄通道中出現(xiàn)擺動現(xiàn)象。 (3)模糊邏輯算法 采用模糊邏輯算法進行局部路徑規(guī)劃，是基于機器人本身裝備的傳感器的實時測量到的環(huán)境信息，通過查表得到規(guī)劃的控制策略，此算法計算量不大，能滿足實時性要求。模糊邏輯算法最大的特點是其控制規(guī)則是由人的經(jīng)驗總結(jié)出來的，能夠克服勢場法容易產(chǎn)生的局部極小問題，對處理環(huán)境未知下的規(guī)劃問題具有了很大的優(yōu)越性。對于解決當遇到用通常的定量的方法來說是很復雜的問題或當外界僅能夠提供定性的、近似的、不確定的信息數(shù)據(jù)時模糊邏輯算法是非常有效的。 (4)遺傳算法 遺傳算法運用于輪椅機器人路徑規(guī)劃的研究進來取得了許多成果，其基本思想是：首先初始化種群內(nèi)的所有個體，即將個體編碼為路徑中一系列中途點，然后進行遺傳操作，如選擇、交叉、復制、變異。經(jīng)過若干代進化以后，停止進化，輸出當前最優(yōu)個體。遺傳算法主要依靠適應(yīng)度函數(shù)來控制進化方向，因此，適應(yīng)度的構(gòu)造至關(guān)重要。遺傳算法作為并行算法，不容易陷入局部最優(yōu)，故更有可能搜索到全局最優(yōu)解。但和人工勢場法、模糊邏輯算法相比，遺傳算法實時性交叉，且需要較大的存儲空間和較多的運算時間。 (5)神經(jīng)網(wǎng)絡(luò)法 近年來，隨著人工神經(jīng)網(wǎng)絡(luò)研究的深入，人們已將神經(jīng)網(wǎng)絡(luò)引入到智能機器人避障研究中，通過實例教學使網(wǎng)絡(luò)收斂，學習完成后的網(wǎng)絡(luò)，除了其固有的并行特性外，還具有一定的容錯能力，并且對學習中未遇到的情況，也能進行一定的處理。機器人系統(tǒng)是一個實時性要求很高的非線性系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)提供了解決這方面問題的可能性。由于神經(jīng)網(wǎng)絡(luò)是一個高度并行的分布式系統(tǒng)，所以可用來完成對視覺系統(tǒng)探測到的圖像進行處理，它不僅處理速度高，還可以充分利用其非線性處理能力達到環(huán)境及目標辨識的目的，還可以完成機器人內(nèi)部坐標和全局坐標的快速轉(zhuǎn)換。另外，基于環(huán)境拓撲結(jié)構(gòu)組織的網(wǎng)絡(luò)，在給出目標后，還可以通過網(wǎng)絡(luò)能量函數(shù)的收斂得到一條最優(yōu)途徑。神經(jīng)網(wǎng)絡(luò)在導航中的應(yīng)用還在于對避障和路徑規(guī)劃方面。由于避障和路徑規(guī)劃工作沒有明顯的規(guī)則和難以進行時間分類，可以讓神經(jīng)網(wǎng)絡(luò)通過大量的實例學習來掌握。由于不需要迭代，采用前向網(wǎng)絡(luò)學習算法來學習避障行為時，速度很快；Kohonen網(wǎng)絡(luò)的自組織特性也可以用來融合傳感器信息，學習從地圖上不同位置到目標的行走路線，一旦學習完成后，機器人就能夠?qū)崿F(xiàn)自主避障。 (6)基于滾動窗口的路徑規(guī)劃算法 基于滾動窗口的機器人路徑規(guī)劃是一類典型的在不確定環(huán)境下進行路徑規(guī)劃的算法，它借鑒了預(yù)測控制滾動優(yōu)化原理，把控制論中優(yōu)化和反饋兩種基本機制合理地融為一體，使得整個控制既基于模型與優(yōu)化的，又是基于反饋的?；跐L動窗口的路徑規(guī)劃算法的基本思路：首先進行場景預(yù)測，在滾動的每一步，機器人根據(jù)其探測到的局部窗口范圍內(nèi)的環(huán)境信息，用啟發(fā)式方法生成局部子目標，并對動態(tài)障礙物的運動進行頂測，判斷機器人行進是否可能與動態(tài)障礙物發(fā)生碰撞；其次，機器人根據(jù)窗口內(nèi)的環(huán)境信息及預(yù)測結(jié)果，選擇局部規(guī)劃算法，確定向子目標行進的局部路徑，并依所規(guī)劃的局部路徑行進一步，窗口相應(yīng)向前滾動；然后，在新的滾動窗口產(chǎn)生后，根據(jù)傳感器所獲取的最新信息，對窗口內(nèi)的環(huán)境及障礙物運動狀況進行更新。基于滾動窗口的路徑規(guī)劃方法，主要用于全局未知的環(huán)境中，該方法放棄了對全局最優(yōu)解的要求，利用機器人實時測得的局部環(huán)境信息，以滾動方式進行在線規(guī)劃，具有良好的避碰能力。滾動窗口的路徑規(guī)劃是一種基于C自由空間的局部路徑規(guī)劃算法，由于滾動窗口獲得的環(huán)境信息有限，就全局看來，按這種方法規(guī)劃出的整條路徑并非全局最優(yōu)，這也是所有局部路徑規(guī)劃方法都不可避免的問題。 語音識別技術(shù) 一個典型的語音識別過程包括語音信號的預(yù)處理、特征提取、訓練、識別、后處理五個基本單元。 (1)預(yù)處理 語音信號的預(yù)處理，包括預(yù)濾波、語音信號的數(shù)字化、預(yù)加重處理、分幀、噪聲抑制和端點檢測等。語音信號的預(yù)處理是語音識別過程的前期預(yù)備工作，為以后各個環(huán)節(jié)的處理奠定了基礎(chǔ)。 (2)特征提取 預(yù)處理后進行特征參數(shù)的提取，合理的選用語音特征是語音識別的一個根本問題，并且對系統(tǒng)的識別性能有著重要的影響。因此，針對系統(tǒng)的實際需求，選用合理的語音特征參數(shù)是非常關(guān)鍵的。 (3)模型訓練 經(jīng)過預(yù)處理及特征提取，進行模型訓練，訓練過程的目的是讓系統(tǒng)從大量的真實語音中學習必要的模型參數(shù)形成語音參考模式庫。 (4)模式匹配 根據(jù)一定的規(guī)則，利用上述模型參數(shù)對輸入的語音進行模式匹配，并給出一個識別結(jié)果。 (5)后處理 后處理單元可能涉及語句分析、語句理解、語義網(wǎng)絡(luò)以及語言模型等。它往往不是一個孤立的單元，而是與匹配計算單元、參考模式庫融合在一起，構(gòu)成一個邏輯關(guān)系復雜的系統(tǒng)整體。目前后處理在小詞匯量實用語音系統(tǒng)中還很難使用。 2.3.3 分類 語音識別系統(tǒng)可以根據(jù)對輸入語音的限制加以分類。如果從說話者與識別系統(tǒng)的相關(guān)性考慮，可以將識別系統(tǒng)分為3類：(1)特定人語音識別系統(tǒng)：僅考慮對于專人的話音進行識別；(2)非特定人語音識別系統(tǒng)：識別的語音與人無關(guān)，通常要用大量不同人的語音數(shù)據(jù)庫對識別系統(tǒng)進行學習；(3)多人的識別系統(tǒng)：通常能識別一組人的語音，或者成為特定組語音識別系統(tǒng)，該系統(tǒng)僅要求對要識別的那組人的語音進行訓練。 語音識別應(yīng)用系統(tǒng)根據(jù)對說話方式的要求，可以將識別系統(tǒng)分為3類：(1)孤立詞語音識別系統(tǒng)：孤立詞識別系統(tǒng)要求輸入每個詞后要停頓；(2)連接詞語音識別系統(tǒng)：連接詞輸入系統(tǒng)要求對每個詞都清楚發(fā)音，一些連音現(xiàn)象開始出現(xiàn)；(3)連續(xù)語音識別系統(tǒng)：連續(xù)語音輸入是自然流利的連續(xù)語音輸入，大量連音和變音會出現(xiàn)。如果從識別系統(tǒng)的詞匯量大小考慮，也可以將識別系統(tǒng)分為3類：(1)小詞匯量語音識別系統(tǒng)：通常包括幾十個詞的語音識別系統(tǒng)。(2)中等詞匯量的語音識別系統(tǒng)：通常包括幾百個詞到上千個詞的識別系統(tǒng)。(3)大詞匯量語音識別系統(tǒng)：通常包括幾千到幾萬個詞的語音識別系統(tǒng)。隨著計算機與數(shù)字信號處理器運算能力以及識別系統(tǒng)精度的提高，識別系統(tǒng)根據(jù)詞匯量大小進行分類也不斷進行變化。目前是中等詞匯量的識別系統(tǒng)到將來可能就是小詞匯量的語音識別系統(tǒng)。這些不同的限制也確定了語音識別系統(tǒng)的困難度。 2.3.3 分析 一般來說，語音識別的方法有三種：基于語音學和聲學的方法、模板匹配的方法以及利用人工神經(jīng)網(wǎng)絡(luò)的方法?！? (1)基于語音學和聲學的方法 該方法起步較早，在語音識別技術(shù)提出的開始，就有了這方面的研究。但由于其模型及語音知識過于復雜，現(xiàn)階段沒有達到實用的階段。 (2)模板匹配的方法 模板匹配的方法發(fā)展比較成熟，目前已達到了實用階段。在模板匹配方法中，要經(jīng)過四個步驟：特征提取、模板訓練、模板分類、判決。常用的技術(shù)有三種：動態(tài)時問規(guī)整(DTW)、隱馬爾可夫模型(HMM)理論、矢量量化(VQ)技術(shù)。 (3)神經(jīng)網(wǎng)絡(luò)的方法。 利用人工神經(jīng)網(wǎng)絡(luò)的方法是80年代末期提出的一種新的語音識別方法。人工神經(jīng)網(wǎng)絡(luò)(ANN)本質(zhì)上是一個自適應(yīng)非線性動力學系統(tǒng)，模擬了人類神經(jīng)活動的原理。具有自適應(yīng)性、并行性、魯棒性、容錯性和學習特性。其強的分類能力和輸入一輸出映射能力在語音識別中都很有吸引力。但由于存在訓練、識別時間太長的缺點，目前仍處于實驗探索階段。由于ANN不能很好的描述語音信號的時間動態(tài)特性．所以常把ANN與傳統(tǒng)識別方法結(jié)合，分別利用各自優(yōu)點來進行語音識別。這些結(jié)合形成的算法提高了識別的性能，并彌補了神經(jīng)網(wǎng)絡(luò)的缺點，增強了識別系統(tǒng)的魯棒性。 三 研究內(nèi)容和實驗方案 根據(jù)調(diào)研結(jié)果，智能輪椅在國外已取得長足的發(fā)展，但大多數(shù)也都是在實驗室或是少數(shù)定做，還沒有形成批量生產(chǎn)，在國內(nèi)也是近幾年才開始進行研究。智能輪椅作為幫助殘疾人的一種服務(wù)機器人，應(yīng)以人為核心進行設(shè)計，即應(yīng)當在安全行駛和實用性方面下功夫。本文以人為本，對智能輪椅安全避障，語音控制中可避障控制，手動控制進行了深入研究。 (1)研究目的 本課題的目標是構(gòu)建智能輪椅多模態(tài)控制系統(tǒng)：自主避障模態(tài)、手動控制模態(tài)、語音控制中可避障模態(tài)。適應(yīng)多種用戶的需要。 (2)研究方法 本課題智能輪椅多模態(tài)控制系統(tǒng)總體設(shè)計采用模塊化設(shè)計，采用超聲波傳感器測距原理和局部路徑規(guī)劃理論設(shè)計了輪椅自主避障模態(tài)，采用SPI模擬技術(shù)設(shè)計了手動控制模態(tài)，語音識別技術(shù)和決策層融合技術(shù)設(shè)計了語音控制可避障模態(tài)。 (3)研究結(jié)果 本課題在實驗室外空曠區(qū)域進行了智能輪椅多模態(tài)控制系統(tǒng)實驗，經(jīng)過實驗我們發(fā)現(xiàn)，多模態(tài)控制系統(tǒng)運行良好，可以滿足多種用戶的需要，具有很高的實用價值。 四 目標,主要特色及工作進度 本課題創(chuàng)新點體現(xiàn)在以下幾點： (1)僅在SPCE061A單片機的基礎(chǔ)上，實現(xiàn)了語音控制中可避障控制、自主避障控制、手動控制，使得智能輪椅人機交互性更強，運行更加安全、穩(wěn)定可靠。并且在功能上可以根據(jù)不同的用戶對象分模塊定制。 (2)利用超聲波測距原理和路徑規(guī)劃理論，以一塊SPCE061A單片機開發(fā)板為控制核心，電動輪椅為控制載體，設(shè)計了智能輪椅自主避障模態(tài)的硬件系統(tǒng)和軟件系統(tǒng)。 (3)基于安全角度考慮，在對語音控制單模態(tài)和自主避障控制單模態(tài)進行分析的基礎(chǔ)上，設(shè)計了語音控制中可避障模態(tài)。 (4)利用SPI模擬技術(shù)設(shè)計了DA驅(qū)動控制模塊和手動控制模塊。 工作進度: (1) 收集有關(guān)資料,寫出相關(guān)報告; 3.24—4.3 (2) 系統(tǒng)方案設(shè)計 4.6---4.23 (3) 輪椅結(jié)構(gòu)及主要部件功能 4.26—5.5 (4) 繪制零件圖 5.7---5.25 (5) 撰寫論文 5.28—6.6 五 參考文獻 【1】張桂榮．人口老齡化與社會養(yǎng)老保險[D】．山東，山東大學 【2】李芳蕾．我國報刊殘疾人報道研究【D】．北京，中央民族大學 【3】Brooks R A robust layered control system for a mobile robot．IEEE Transactions on Robotics and Automation．1 986．2(¨．1 4～23 【4】向靜波．移動機器人的路徑規(guī)劃和控制研究【D】．河北，西北工業(yè)大學．2004 【5】BorockeR R W et a1．Asymptomic Stability and Feedback Stabilization．Differential Geometric Control Theory，1 983：1 8 1"-208 【6】N Nilsson．A mobile automation：An application of artificial intelligence techniques．In proc IJCAI，1969 【7】C．Ronald Kube and Hong Zhang．Task modelling in Collective Robotics．Autonomous Robots，1997 53"72 【8】Koren，Y and Broenstein，j．Potential Field Methods and their Limitations for mobile Robot Navigation．IEEE Int．Conf．on Robotics and Automation．1 99 1：1 398～1404 [9】張穎，吳成東，原寶龍．機器人路徑規(guī)劃方法綜述【J】．控制工程，2006(12)：23"-'25 【10】樊長虹，陳衛(wèi)東，席裕庚．未知環(huán)境下移動機器人安全路徑規(guī)劃的一種神經(jīng)網(wǎng)絡(luò)方法【J】． 自動化學報．2004。30(6)：2～8 【1 l】Gang Feng．A Compensating Scheme for Robot Tracking Based Oil Neural Networks． Robotics and Autonomous Systems．1 995：1 99-206 【1 2】Yang Simon X，Meng Max．An Effcient Neural Network Method for Real-time Motion Planning with Safety Consideration．Robot and Autonomous Systems．2000 [13】張穎，吳成東，原寶龍．機器人路徑規(guī)劃方法綜述．控制工程．2003，10(50)：1～2 【14】李玲，鄒大勇，謝維達．基于自適應(yīng)模糊人工勢場法的自動引導小車路徑規(guī)劃．長沙電力 學院學報．2005．20(3)：1"-3 。 [15】謝宏斌，劉國棟，李春光．基于遺傳算法的機器人動態(tài)路徑規(guī)劃的仿真．武漢工業(yè)學院學 報．2003，22(3)：1---3 【16】劉成良，張凱，付莊．神經(jīng)網(wǎng)絡(luò)在機器人路徑規(guī)劃中的應(yīng)用研究．機器人．2001，23(7)：1～4 【1 7】李磊，葉濤，譚民．移動機器人技術(shù)研究現(xiàn)狀與未來．機器人．2005，24(5)：1"-'5 【1 8】Levent Yenilmez,Hakan Temeltas．Real Time Multi-Sensor Fusion And Navigation For Mobile Robots．Electroteehnical Conference，1 998，VOL．1：22 1"-'225 【19】何友，王國宏，陸大淦，彭應(yīng)寧．傳感器信息融合及其應(yīng)用【MJ．北京：電子工業(yè)出版社， 2000 【20】袁軍，王敏，黃心漢，陳錦江．智能系統(tǒng)多傳感器信息融合研究進展．控制理論與應(yīng)用， 1994，ll(5)：513～519 【21】Chang and Song Ultrasonic Sensor Data integration[J]．Journal of Robotic System，1996， 8(3)：664～667 12