探讨机械手毕业设计外文翻译.docxVIP

探讨机械手毕业设计外文翻译 探讨机械手毕业设计外文翻译—最小化传感级别不确定性联合策略 导读：摘要：人形机器人的应用应该要求机器人的行为和举止表现 得象人。下面的决定和控制自己在很大程度上的不确定性并存在于 获取信息感觉器官的非结构化动态环境中的软件计算方法人一样能 想得到。在机器人领域，关键问题之一是在感官数据中提取有用的 知识，然后对信息以及感觉的不确定性划分为各个层次。本文提岀 了一种基于广义融 毕业设计（论文）有关外文翻 译 机械电了工程学院2009-4-25院 系: 专 业: 姓 名: 学 号: 指导教师: 完成时间: 机械电了工程学院 2009-4-25 说明 1、 将与课题有关的专业外文翻译成中文是毕业设计（论文）中的一 个不可缺少的环节。此环节是培养学生阅读专业外文和检验学生专 业外文阅读能力的一个重要环节。通过此环节进一步提高学生阅读 专业外文的能力以及使用外文资料为毕业设计服务，并为今后科研 工作打下扌L实的基础。 2、 要求学生查阅与课题相关的外文文献3篇以上作为课题探讨机械 手毕业设计外文翻译—最小化传感级别不确定性联合策略（2）导读： 规范化的融合算法结构 融合算法的结构包括下列计算步骤： （-）获取的信息通过加工多嘈杂的感应数据的不确定性是由个人 的不确定性椭球决定的 （二） 不确定性椭球合并的方式，以尽量减少体积融合不确定性椭 球以适当转让的最佳加权矩阵。 （三） 融合中的微分域（频分双工）已制定，以进一步减少不确定 性的信息，精细的融合决议通过一个反复的过程，预测校正的条件 对所有的感觉信息。这些序列，然后融合和应用于融合提高信息的 精度。 （四） 裂变融合方法（FFA）是用来最大限度地减少不确定性显着 的一些具体的传感器模型的协方差矩阵感官信息可以“被分裂” 和信息从多个测量相同的传感器融合。 （五） 神经X络模型的机械手已经制定的初步估计不确定性（均 方误差）联合传感器可以进一步最小化的融合进程（裂变融合方 法）。 融合的方法所代表的步骤（一）和（二）提供实物或相当几何了解 的复杂信息处理，因为它涉及到融合的不确定性椭球的每一个人感 觉信息。鉴于一套不确定性椭球与每个传感器的联系，问题是转让 权重矩阵（无线）与每套感觉系统，以便尽量减少几何量的不确定 性椭球融合［17 ］ o参数代表信息XieRn通常是由一套感应观测资 料决定的，DiGRmi, Rn代表欧氏空间，i代表第i个传感器，mi 是每一个独立的测量数据，而n是层面的信息（i=l,…,N,N是一个个 小传感器单元的总和），而Xi和Di是一个已知的有关非线性向量 函数。 融合的信息Xf提供的线性组合 利用拉格朗日优化，我们的加权矩阵的几何优化融合为: 3?交互性用于提高感官信息 在多传感器融合系统的冗余和/或免费的传感器，每个传感器可以随 吋被视为个人信息的不确定性，能够沟通，合作和协调的其他成员 遥感组。在此基础上的结构，达兰特-怀特［7 ］提出了传感器模型描 述为概率函数和决定国家通报从其他信息。他们将这个传感器型号 分为三个工作模式：观察模式，即过程的计量特色依赖模型，介绍 了传感器的依赖其他信息;和国家模式，它的特点是传感器依赖其位 置和内部状态。 4?试验证明交互性（神经造影力量）方法处理不确定性的提高重复 性的机器人机械手 在机器人操作，还有一些不确定性的： （-）不确定性传感器， （二） 不确定性与致动器， （三） 不确定性建模。 在本次调查，注意集中对不确定性传感器及其最小化?大多数工业机 器人通过的放预先录制或预先序列步骤执行简单的重复性任务，此 技术已指导过用户和入了教科书。对于这种类型的性能，机器人不 需要任何有关其工作环境的信息。外部传感器并不重要的，因为我 们已经知道机器人能够简单移动目标点。一个“普遍接受”的一点 是，机器人移动身体是由相应的关节位置传感器决定的，和已设置 好的联合角值?然后，下一步的命令机器人是返回同一点空间，并 存储每个关节的移动值。控制的精度与机械手返回一个确定值有 关，即所指定因子“可重复性的机械手。”机器人应用一个不可缺 少的能力，是能提供一个高速和高精度轨迹。 ?结论 未来的人形机器人将不得不在一个多传感器的工作工作环境中，融 合信息 需求的代表与最小不确定性?这种水平，取决于特定应用程序和复杂 的分类处理信息的融合，直至最大限度地减少复位点。本文提出并 开发了一种杂交的传感器融合分类，包括三个层次的融合，几何融 合，裂变融合方法(FFA ),和融合中的微分域(FDD) o这些 针对的目的是最大限度地减少不确定性与任何类型已获得多个传感 器或感官指令的信息的相关性?其FFA的技术本质是基于分裂(维数 减少)的协方差矩阵，并考虑信息融合的各方面。 ?探讨机械手毕业设计外文翻译—最小