实用机器人设计 竞赛机器人

图书标准信息

• 作者 [新加坡]贾甘纳坦·坎尼亚、M. Fikret、Carlos A. Acosta Calderon 著；郑志强 译
• 出版社 机械工业出版社
• 出版时间 2016-05
• 版次 1
• ISBN 9787111536017
• 定价 79.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 297页
• 字数 200千字
• 丛书 机器人设计与制作系列

【内容简介】

本书较好地融合了竞赛机器人的原理、设计和制作过程，涵盖了机器人领域提出的新理论和实践发展，包括机器人的基础知识以及传感器、驱动器和控制器设计，并通过平衡杆机器人和爬壁机器人的实例分析对基础理论知识进行综合应用，后还论述了让机器人具备智能所需的基础知识以及智能机器人的算法实现案例。

【作者简介】

About the AuthorsJagannathan Kanniah，于1969年及1971年在印度Annamalai大学分别获得电气工程学士及硕士学位，1983年在加拿大Calgary大学获得博士学位。他是IEEE高级会员、IET会员、注册工程师。1971年至1978年，他在印度的不同机构担任过教职；1982年至1983年，在加拿大的Calgary大学做博士后工作。离开加拿大后，他加入新加坡理工学院，并晋升至首席讲师。期间，他于1993年到瑞典的Lund 技术学院做了3个月的访问学者，1999年到麻省理工学院做了3个月的访问学者。在新加坡理工学院，从1994年起开始担任机器人与自动化组的部门主管，从1996年起开始担任新加坡机器人竞赛中心的技术带头人和管理者，直至2007年退休。他在新加坡机器人竞赛中心继续工作到2011年。他的研究兴趣包括电力系统、自适应控制、仪表和机器人。他发表了35篇以上的论文，其中包括多篇期刊论文。多年来他指导了许多学生小组制作机器人，并在参加新加坡机器人竞赛活动中获得了大量的奖项。

    M. Fikret Ercan，于1987年及1991年在土耳其Dokuz Eylul大学分别获得电子和通信工程学士及硕士学位。1998年在中国香港理工大学获得博士学位。他是IEEE高级会员和IEEE海洋分会会员。他感兴趣的研究领域为图像处理、机器人及计算。他编写《数字信号处理基础》(Pearson,2009）及另外两本书的部分章节，发表了80多篇论文，包括期刊上的论文。在开始他的教学生涯之前，他作为研发工程师，在土耳其、中国台湾和香港等地的电子与计算机企业工作过。他现在是新加坡理工学院的高级讲师，除了图像处理与计算方面的研究外，从2000年开始他还参与到机器人竞赛活动中，他带领的学生队伍参与了地区的和海外的比赛。

    Carlos A. Acosta Calderon，于2000年在墨西哥Pachuca技术学院获得计算机系统学士学位，于2001年和2006年在英国Essex大学分别获得计算机科学（机器人和智能机器）硕士学位和博士学位。目前他是新加坡理工学院电气与电子系讲师。他的研究兴趣包括社交机器人、多机器人系统协同、模拟学习和类人机器人。他编写了两本书中的章节，在期刊和会议上发表了50多篇论文。他还是RoboCup（机器人世界杯）类人组比赛技术委员会成员，RoboCup新加坡公开赛组委会成员。他从2006年起参与机器人竞赛，并指导学生组队参与了地区的和国际的机器人赛事，包括NJRC、WRO、RoboCup和SRG。

【目录】

Contents目录
译者序
前言
关于作者
第1章竞赛机器人
1.1概述
1.2机器人竞赛和工程教育
1.3新加坡的机器人竞赛
1.3.1平衡杆机器人竞步
1.3.2爬壁机器人竞赛
1.3.3机器人聚类
1.3.4类人机器人比赛
1.3.5其他比赛及开放类别
1.4世界范围的机器人竞赛
1.5全书概览
参考文献
第2章机器人技术基础
2.1机器人系统简介
2.1.1机器人的专用术语
2.2坐标变换和空间移动物体的定位
2.2.1复合旋转
2.2.2齐次变换矩阵
2.2.3复合变换
2.2.4物体的数学描述
2.3移动机器人的轮式驱动方式
2.3.1差动驱动
2.3.2Ackermann操纵（类似汽车驱动）
2.3.3履带驱动
2.3.4全向轮驱动
2.3.5里程计
2.3.6实例研究：一个差动驱动机器人的里程计
2.4机械臂
2.4.1前向运动学解决方案
2.4.2逆向运动学解决方案
2.4.3实例研究：三连杆铰接式机械臂
参考文献
第3章传感器
3.1用于竞赛机器人的传感器
3.1.1测量机器人速度
3.1.2测量机器人朝向和倾角
3.1.3测量距离
3.1.4颜色检测
参考文献
第4章机器人视觉
4.1概述
4.2机器人摄像系统
4.3图像生成
4.4数字图像处理基础
4.4.1颜色和颜色空间模型
4.5基本图像处理运算
4.5.1卷积
4.5.2平滑滤波
4.6特征提取算法
4.6.1阈值法
4.6.2边缘检测
4.6.3颜色检测
4.7符号特征提取方法
4.7.1霍夫变换
4.7.2连通区域标注
4.8实例研究：着色球的跟踪
4.9小结
参考文献
第5章电机和驱动系统基本原理
5.1机器人执行机构
5.2电力执行机构
5.2.1发电和电驱动的基本概念
5.2.2直流电机
5.2.3交流电动机驱动
5.3机器人驱动的特殊要求
5.3.1直流永磁电动机
5.3.2伺服电动机
5.3.3步进电动机
5.3.4无刷直流电动机
5.4驱动系统
5.4.1直流电动机控制
5.4.2步进电动机驱动器
5.4.3无刷直流电动机驱动器
5.5小结
参考文献
第6章移动机器人电机功率选择和减速箱传动比设计
6.1移动机器人减速箱传动比
6.2驱动电机的功率要求
6.2.1电机惯性和摩擦力的作用
6.3典型的电机特性参数
6.4线性运动系统的摩擦力测量
6.5减速箱传动比的初步研究
6.6进一步研究以传动比为函数的系统性能
6.7步进电机减速箱传动比设计
6.8非地面移动机器人的设计流程
6.9小结
参考文献
第7章控制基础
7.1机器人控制理论
7.2对象的类型
7.2.1线性或非线性对象
7.2.2时不变或时变对象
7.3基于控制系统的分类
7.3.1模拟或数字系统
7.3.2开环或闭环系统
7.4智能机器人结构的需求
7.5一个典型的机器人控制系统
7.6控制的发展趋势
7.7小结
参考文献
第8章数学建模、传递函数、状态方程和控制器回顾
8.1概述
8.2建模的重要性
8.3传递函数模型
8.3.1传递函数的不同形式
8.4建模的步骤
8.5控制系统中常用到的基本部件
8.5.1电气元件
8.5.2机械部件
8.6方框图概念
8.6.1方框图化简
8.7一些系统示例
8.8状态方程
8.8.1从微分方程建立状态方程的基本概念
8.8.2从对对象的认知建立状态方程
8.8.3直接从传递函数建立状态方程
8.9用传递函数求时域解
8.9.1质量块弹簧阻尼器闭环系统的解析解
8.9.2质量块弹簧阻尼器闭环系统的模拟解
8.9.3PID控制器的响应
8.10状态方程的时域解
8.10.1用解析方法得到时域解
8.11调节控制器和伺服控制器
8.12小结
参考文献
第9章数字控制基础和控制器设计
9.1概述
9.2数字控制概览
9.2.1信号采样器
9.2.2数字控制器
9.2.3零阶保持器
9.3数字系统中的信号表示
9.3.1采样过程
9.3.2信号的Z变换
9.4数字系统中的对象表示
9.4.1ZOH的传递函数
9.4.2包含ZOH的对象的Z变换
9.4.3Tustin近似
9.5闭环系统的传递函数
9.5.1应用数字仪表的系统
9.6离散时间系统的响应及Z反变换
9.6.1部分分式法
9.6.2差分方程法
9.6.3用MATLAB求时域解
9.7典型控制器的软件实现
9.7.1积分计算
9.7.2微分计算
9.7.3数字控制器的实现
9.8离散状态空间系统
9.8.1从离散传递函数建立离散状态空间系统
9.8.2从连续状态空间模型建立离散状态空间模型
9.8.3离散状态空间系统的时域解
9.9离散状态反馈控制器
9.9.1状态可控性的概念
9.9.2状态可观测性的概念
9.9.3采样数据系统的可控性和可观测性的共同条件
9.9.4用状态反馈设计极点配置调节器
9.9.5稳态二次型最优控制
9.9.6简易伺服控制器
9.10典型的控制器硬件实现
9.11小结
参考文献
第10章平衡杆和爬壁机器人实例研究
10.1概述
10.2平衡杆机器人
10.2.1数学建模
10.2.2摆杆角控制的传递函数
10.2.3平衡杆机器人状态模型
10.2.4从机器人和电机数据建立平衡杆机器人的状态模型
10.2.5伺服输入用作补偿的极点配置控制器
10.2.6伺服输入用作补偿的LQC控制器
10.2.7应用DSP处理器实现平衡杆机器人控制器设计
10.2.82自由度平衡杆机器人
10.2.9通过实验估计PBR的角摩擦系数b
10.3爬壁机器人
10.3.1蹼式爬壁机器人
10.3.2使用动态吸力的爬壁机器人设计
10.4小结
参考文献
第11章建图、导航和路径规划
11.1概述
11.2感知
11.2.1从传感器数据到知识模型
11.2.2地图表达
11.2.3量度图
11.2.4拓扑图
11.3导航
11.3.1墙沿跟踪
11.3.2应用矢量场直方图方法避障
11.4路径规划
11.4.1波前规划器
11.4.2使用人工势场法进行路径规划
11.4.3使用拓扑图进行路径规划
参考文献
第12章机器人自治、决策和学习
12.1概述
12.2机器人自治
12.3决策
12.3.1经典决策
12.3.2反应式决策
12.3.3混合决策
12.4机器人学习
12.4.1人工神经网络
12.4.2Q学习法
12.5小结
参考文献