機器人傳感器及其信息融合技術

第1章傳感器的基礎知識
1.1傳感器的定義和特點1
1.2傳感器的組成和分類1
1.3傳感器的標定7
1.4機器人與傳感器9
1.5傳感器及其技術的發(fā)展趨勢10
1.6多傳感器信息融合的應用領域12

第2章機器人系統組成
2.1 機器人系統組成概述14
2.2機械結構系統14
2.2.1機械構件14
2.2.2傳動機構20
2.3驅動系統27
2.3.1液壓驅動27
2.3.2氣壓驅動29
2.3.3電氣驅動30
2.4感知系統32
2.4.1機器人對傳感器的要求32
2.4.2常用傳感器的特性34
2.5控制系統35
2.6人機交互系統37
2.7機器人-環(huán)境交互系統37

第3章機器人常用的傳感器
3.1機器人傳感器的分類38
3.2常用的內部傳感器39
3.2.1位置傳感器39
3.2.2速度傳感器42
3.2.3加速度傳感器43
3.2.4傾斜角傳感器45
3.2.5力覺傳感器46
3.3常用外部傳感器48
3.3.1視覺傳感器48
3.3.2觸覺傳感器51
3.3.3接近度傳感器54
3.3.4激光傳感器58

第4章智能傳感器
4.1智能傳感器概述60
4.1.1智能傳感器的定義60
4.1.2智能傳感器的構成61
4.1.3智能傳感器的關鍵技術61
4.2智能傳感器的功能與特點65
4.2.1智能傳感器的功能65
4.2.2智能傳感器的特點66
4.3智能傳感器的實現技術67
4.3.1非集成化智能傳感器68
4.3.2集成化智能傳感器68
4.3.3混合式智能傳感器69
4.4無線傳感網絡技術及其應用70
4.4.1無線傳感網絡技術70
4.4.2無線傳感器網絡在移動機器人通信中的應用74
4.5智能模糊傳感器技術及其應用76
4.5.1智能模糊傳感器技術76
4.5.2模糊傳感器在測量血壓中的應用79

第5章多傳感器信息融合技術概述
5.1多傳感器信息融合的定義81
5.2多傳感器信息融合的分類81
5.3多傳感器信息融合的系統結構86
5.4多傳感器信息融合的方法87

第6章多傳感器的定量信息融合
6.1傳感器的建模91
6.1.1觀測模型92
6.1.2相關模型93
6.1.3狀態(tài)模型94
6.2傳感數據的一致性檢驗94
6.2.1假設檢驗法95
6.2.2距離檢驗法96
6.2.3人工神經網絡方法98
6.3基于參數估計的信息融合方法99

第7章多傳感器的定性信息融合
7.1Bayes方法103
7.1.1Bayes條件概率103
7.1.2Bayes方法在信息融合中的應用103
7.1.3基于目標分類的Bayes決策方法104
7.2Dempster-Shafer證據推理106
7.2.1D-S理論的基礎概念106
7.2.2Dempster合成法則107
7.2.3D-S證據理論在融合中的應用108
7.3模糊理論110
7.3.1模糊理論110
7.3.2模糊理論在融合中的應用111
7.4神經網絡法111
7.4.1神經網絡融合信息的一般方法112
7.4.2神經網絡在融合中的應用113
7.5粗糙集理論114
7.5.1粗糙集理論114
7.5.2基于粗糙集理論的多傳感器信息融合118

第8章多傳感器在裝配機器人中的應用
8.1多傳感器信息融合系統組成123
8.2位姿傳感器124
8.3柔性腕力傳感器127
8.4工件識別傳感器128
8.5視覺傳感系統129

第9章多傳感器在焊接機器人中的應用
9.1焊接機器人常用的傳感器131
9.2電弧傳感系統131
9.3超聲傳感跟蹤系統133
9.4視覺傳感跟蹤系統135

第10章多傳感器信息融合在移動機器人中的應用
10.1概述137
10.2多傳感器信息融合在移動機器人導航中的應用139
10.3多傳感器信息融合在移動機器人測距中的應用143
10.4多傳感器信息融合在移動機器人避障中的應用157

參考文獻