为满足越来越多的脑卒中患者辅助行走和康复训练的需要,设计了一款下肢外骨骼机器人模型,采用D-H参数法建立踝关节、膝关节、髋关节坐标系,推演出步态周期内的坐标方程。为了安全起见,要求脑卒中患者步行速度慢且步长短,利用CoG(Center of Gravity,重心地面投影点)作为步态规划中的稳定性判断依据,并用Robotics Toolbox for Matlab仿真,结果表明下肢外骨骼康复机器人在康复训练过程中各关节具有连续且稳定的步态轨迹,为后续脑卒中患者使用的下肢外骨骼康复机器人样机研制提供了必要的理论依据。

针对微机电系统（MEMS,Micro Electromechanical System）陀螺仪的随机漂移,基于小波多尺度分析,利用bior1.5小波对陀螺仪的随机漂移进行深度为4的分解,重建各尺度信号,采用时间序列方法对陀螺仪各尺度随机漂移进行建模,与传统时间序列方法建模相比,降低了模型的预测误差.并构建了模糊自适应Kalman滤波,利用模糊控制方法基于残差均值与方差差值对噪声方差阵进行实时调整,提高对重建后的各尺度信号随机噪声滤波效果.通过一系列对比实验证明,基于多尺度分析的模糊自适应Kalman滤波对于消除MEMS陀螺仪随机漂移误差作用明显.通过Allan方差分析,滤波后的数据各随机误差项均得到有效减小.

智能空间在家庭服务机器人的应用中具有重要的作用,服务机器人的定位是其中的难点.首先提出了一种家庭环境下实现服务机器人进行家庭辅助操作的智能空间架构,然后对一种低成本的服务机器人混合定位方法进行了研究,该方法首先基于加权概率匹配定位算法的无线网络信号强度确定位置范围,然后读取智能空间中的无线射频标签进行位置计算,最后基于比例不变特征变换算法进行最终位置的视觉定位.在家居环境下的实验证明了该混合定位方法的有效性,该混合定位方法为服务机器人走入家庭提供了一种低成本、高可靠性的定位解决方案.