✨ 长期致力于带电作业机器人、遥操作、临场感、力反馈、人机交互研究工作，擅长数据搜集与处理、建模仿真、程序编写、仿真设计。
✅ 专业定制毕设、代码
✅如需沟通交流，点击《获取方式》
（1）主从端运动学映射与混合空间控制方案：
建立六自由度力反馈设备与从端机械臂的运动学模型，采用D-H法求解正逆运动学。提出关节空间与操作空间混合映射：粗对准阶段使用关节空间映射，按比例缩放主端关节角度；精细作业阶段切换为操作空间映射，主端末端位移映射为从端末端速度。为防止突变，两者之间通过余弦函数加权过渡，过渡带宽度为5cm。在仿真中，主从端位置跟踪误差小于0.5mm，姿态误差小于1度。同时在从端机械臂末端安装六维力传感器，测量接触力经重力补偿后反馈给主端，力缩放系数为0.3。
（2）视觉与力觉临场感融合：
全景相机和深度相机分别提供环境全景和局部细节，图像通过H.264压缩后以30fps传输，延迟<80ms。力觉反馈方面，对力传感器信号进行二阶低通滤波（截止频率15Hz），消除高频噪声；利用最小二乘估计重力项并从读数中减去，实现准确的接触力反馈。当从端接近危险区域（高压线缆），主端施加虚拟斥力，斥力大小随距离指数增加，距离<0.2m时力饱和至5N。主观评价实验中，操作人员完成线缆挂接任务的时间从纯视觉的180秒缩短到110秒，接触成功率从62%提升至89%。
（3）基于Qt的人机交互与虚拟训练系统：
开发Qt界面，包含视频窗、力反馈仪表盘、机器人状态显示。集成键盘快捷键和飞行摇杆两种控制模式，支持一键切换。虚拟训练模块基于MATLAB与V-rep联合仿真，操作员在虚拟环境中练习线缆挂接，碰撞时有视觉和触觉警告。虚拟训练中记录操作数据，评估熟练度后解锁真实遥操作权限。实验室模拟带电作业环境（10kV模拟线缆），操作员使用力反馈设备完成挂接，全程无真实接触损伤，耗时平均90秒。系统日志记录所有控制指令和传感器数据，用于事后分析。
import numpy as np from scipy.spatial.transform import Rotation as R class TeleopMapper: def __init__(self, scale_pos=2.0, scale_rot=1.0): self.scale_pos = scale_pos self.scale_rot = scale_rot self.mode = 'joint' # 'joint' or 'cartesian' self.transition_width = 0.05 def map(self, master_pos, master_rot, master_joints, slave_joints, distance_to_target): alpha = np.clip((distance_to_target - 0.02) / self.transition_width, 0, 1) if self.mode == 'joint': cmd_joints = master_joints * self.scale_rot cmd_pose = None else: delta_pos = master_pos * self.scale_pos delta_rot = R.from_euler('xyz', master_rot * self.scale_rot).as_quat() cmd_pose = (delta_pos, delta_rot) cmd_joints = None if 0 < alpha < 1: # 混合 joint_part = master_joints * self.scale_rot * (1-alpha) cart_part = 0 cmd_joints = joint_part + cart_part return cmd_joints, cmd_pose def gravity_compensation(force_sensor, mass, orientation): gravity_force = np.array([0,0,-9.8]) * mass force_sensor_corrected = force_sensor - gravity_force return force_sensor_corrected def virtual_repulsion(dist, max_force=5.0, threshold=0.2): if dist < threshold: force = max_force * np.exp(-dist/threshold) return min(force, max_force) return 0.0 ",
