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》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、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。本文提出了一种基于广义融毕业设计(论文)有关外文翻译院系：机械电子工程学院专业：姓名：学号：指导教师：完成时间：2009-4-25说明1、将与课题有关的专业外文翻译

2、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扎实的基础。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：（一）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

3、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

4、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]。参数代表信息Xi∈Rn通常是由一套感应观测资料决定的，Di∈Rmi，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=1,...,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

5、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，每个传感器可以随时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：（一）不确定性传感器，（二）不确

6、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

7、。”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。5.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）。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

8、面。6.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(3)导读：nverylargeunstruc-tureddynamicsurroundingsanddealinisticenvironment,therealedegreeofuncertaintyint