机器人技术的起源要追溯到20世纪40年代，1969年美国斯坦福研究院的Nilssen等设计出了世界上第一个与人工智能相结合的智能移动机器人，其通过视觉传感器感知物体，然后利用机械手臂准确地拿起物体[1]。1980年以后搜救机器人和消防机器人也逐渐走入人们的视线[2]，日本大阪大学开发了一种蛇形机器人，其能够在废墟上行进，并可以使用身体上的传感器发现幸存者，为救援工作开辟了一条新途径[3-4]。采用抢险救灾机器人来执行火灾救援任务，可避免搜救人员深入危险区域而导致的意外伤亡[5-6]。本文所设计的抢险救灾机器人可进入灾害现场搜索生命迹象，探测现场信息，对灾害现场物品进行抢救搬运。同时可进行相应的搜救工作，并及时地将现场的数据反馈给救援工作组，供救援人员进行环境建模和路径参考，这样既确保了搜救人员的人身安全，又提高了救援的成功率，对救援工作具有十分重要的意义。

1 机器人整体结构

设计的智能抢险救灾机器人由检测装置、执行机构、控制器、电源系统等部分组成，其结构框图如图1所示。

  

图1 机器人结构框图

1.1 检测装置

抢险救灾机器人的检测装置由内传感器和外传感器两部分组成[7]。机器人为了感知自身内部状况采用了陀螺仪、旋转编码器等；为了感知外部环境状况采用了图像传感器、超声波传感器、红外传感器、烟雾传感器等。其中图像采集由FPV图像传感器完成，并通过图像采集卡转化后显示在PC端上。

1.2 执行机构

抢险救灾机器人的搬运机械手臂采用直角坐标系的三轴滑台步进电机系统，抓取夹具装在X轴上，具有机械结构简单、运动准确可靠、动作频率大等特点[8]。其他机构采用直流电机驱动及PWM控制系统，具有速度控制准、定位精确的特点。

1.3 控制器

抢险救灾机器人的控制器选用飞利浦的LPC222型控制器，其带有一个支持实时仿真和跟踪的ARM7TDMI-S微处理器。该控制器尺寸非常小，功耗极低，具有多个32位定时器、PWM输出和32个GPIO，可满足抢险救灾机器人对控制器速度的要求。

1.4 电源系统

抢险救灾机器人系统中设计有一套自给自足的太阳能发电系统，可为机器人提供动力保障，同时多余的电量还可通过逆变器逆变成市电供其他设备选用。

2 图像采集系统

由于室内火灾现场伴随着强烈的浓烟，使得抢险救灾机器人在图像等信息的采集过程中存在很大的困难[9]，为此设计了可在浓烟情况下进行信息采集的图像采集系统。

招远东汤地热田位于山东省招远市城区，地理坐标为：东经120°24′53″，北纬37°21′48″，地热田内目前有开采井十余口，现日平均开采量在2000m3/d左右，20世纪80年代以前，该地热田内地热井仍可以自流，自流量值为240m3/d，随着开采量不断增大，地热田内地热井已经不能自流，地热田水温在70～90℃之间。

该系统在图像传感器系统中安装有气泵，气泵的吹气口垂直于传感器，气泵内装有CO2。在救援现场，气泵吹出一定流量的高浓度CO2气体，使传感器附近有限区域内的烟雾由于压力差而被吹散稀释，当压力达到一定程度时便可保证传感器能够采集到一定范围内的图像信息。如供气公称流量为60 m3/h、压力为60 kPa时，安装气泵前后采集到的图像信号对比如图2、图3所示。

  

图2 安装气泵前图像

  

图3 安装气泵后图像

3 多传感器数据融合技术在抢险救灾机器人目标识别中的应用分析

3.1 基于D-S理论的抢险救灾机器人目标识别系统

[13] 姬志飞.基于信息融合的机器人目标探测与识别研究[D].济南：山东大学，2011.

本设计采用图像传感器1和2及红外传感器1和2共4个传感器构成抢险救灾机器人的目标识别系统，每个传感器基本可信度的分配以及融合后基本可信度的分配，均根据融合法则进行分别的分类抉择[13]。表1是视觉传感器1的时域D-S结果，其中初级决策为视觉传感器1在不同时刻对同一个目标的识别；表2是4个传感器单独作用与多传感器融合后在同一时刻对同一个目标时域D-S数据融合结果的对比；表3是D-S时空数据融合的结果，其中初级融合指的是时空数据融合的结果。决策的阈值为0.5，大于0.5的为决策目标。表中的数据为基本可信度的分配值(其中的不确定性值可由传感器的性能得到)。

表1 视觉传感器1的时域D-S结果

  

实际目标传感器目标1目标2目标3不确定性结果目标1图像传感器10.4835790.4421780.0004870.079756不确定目标1图像传感器20.4085890.5161960.0059590.069256目标2目标1红外传感器10.1213830.1112400.6912980.076079目标3目标1红外传感器20.8828000.0409220.0466740.029604目标1目标1多传感器融合0.9297010.0699340.0003340.000010目标1

表2 时域数据融合结果对比

  

实际目标初级决策目标1目标2目标3不确定性结果目标1初级决策10.9267660.0298010.0109920.023441目标1目标1初级决策20.3934750.1420380.4000460.023441不确定目标1初级决策30.3743570.3064720.3347310.023441不确定目标1初级决策40.0030110.9568160.0369320.023441目标2目标1初级决策50.5509710.3977720.0392110.000047目标1

表3 时空数据融合结果

  

实际目标融合目标1目标2目标3不确定性结果目标1初级融合10.9704700.0266190.0132310.000683目标1目标1初级融合20.1013040.0088030.0000120.000155目标1目标1初级融合30.8559800.2012380.0017570.001127目标1目标1初级融合40.9722950.0497940.0208840.000025目标1目标1多传感器融合0.1000000.0000020.0000000.000000目标1

[16] 张凯，杨靖.粗糙集理论及其应用综述[J].物联网技术，2017，7(6)：93-94+98.

3.2 基于粗糙集理论的抢险救灾机器人路况识别系统

粗糙集理论是一种分析和处理不精确、不一致、不完整信息与知识的数学工具，其为智能信息处理提供了有效的处理技术[14-15]，近年来被广泛应用于专家系统、图像处理、模式识别、决策分析等领域[16]。

在移动机器人障碍检测系统中，目前使用比较多的传感器主要有声纳、激光测距雷达、单目视觉和立体视觉等[17-18]。其中，激光测距雷达由于具有测距范围大、精度高、环境适应能力强等优点[19-21]，在结构化环境中的机器人上获得了越来越多的应用。本文即应用激光测距雷达技术，利用多目标跟踪理论来确定障碍物的位置。

假设机器人以1 km/h的速度匀速直线前进，雷达的采样周期是40 ms，所以在每次采样间隔时间内障碍相对车体运动约为1.1 cm。图4所示为单传感器的障碍物检测，图5所示为基于粗糙集理论[22]的多传感器的障碍物检测。

  

图4 单传感器的障碍物检测

  

图5 多传感器融合后的障碍物检测

从图4、图5可以看出，单一传感器获得的信息非常有限，其只能获得局部、片面的环境特征信息，而基于粗糙集理论的多传感器融合后对障碍物位置的确定会取得更好的效果，其不仅有更高的精度，而且具有更高的完整描述环境的能力。

4 结束语

设计了一款针对室内火灾救援的抢险救灾机器人，采用基于压力充气的烟雾稀释成像系统，解决了浓烟环境下图像传感器无法正常工作的难题，通过验证，其在抢险救灾机器人中具有很好的应用。应用基于D-S理论的抢险救灾机器人目标识别系统，保证了抢险救灾机器人在执行任务的过程中能准确识别目标物体并进行抢救搬运。应用基于粗糙集理论的抢险救灾机器人路况识别系统，能够对障碍物进行识别，从而规划出合理的路径。该抢险救灾机器人不仅可以在火灾现场进行物品的搬运抢救并进行灭火等救援工作，而且在确保搜救人员人身安全的前提下提高了救援的成功率。

参考文献：

[1] 赵晓光，赵冬斌，曹志强，等译.机器人在抢险救灾中的应用[J].中国应急救援，2007(1)：7-9.

图5中模块(1)～模块(3)为3个滤波单元,通过级联后即可形成一个三阶数字低通滤波器,采用40 MHz时钟控制信号,clk_in为时钟信号,data_in为输入的信号,ink为滤波器截止频率调节端口,可通过上位机直接调节,模块(4)为D/A输出模块,输出滤波后的信号。

[2] 范岩，戴华鑫，陈新.搜寻机器人[J].电子制作，2009(1)：6-9.

[12] 王嘉伟.基于D-S证据理论的多传感器信息融合仿真分析[J].科技创新导报，2017，14(22)：1-2.

针对着陆试验中飞机起落架缓冲功能检查并没有合适方法的问题，本文探索了一种基于飞行实测载荷和缓冲器行程等数据绘制实测的“缓冲器行程—气弹力和摩擦力”曲线，并将其与标准静压曲线进行对比，以判断起落架缓冲功能正常与否的方法。试验应用结果表明，该方法能根据实测试飞数据判断起落架的缓冲功能，满足了着陆试验中起落架缓冲功能的频繁检查需求，为试验的安全实施提供了保障；同时该方法还能确定缓冲功能异常时的起落架状态，为起落架缓冲功能故障分析提供了重要的数据，并为起落架缓冲系统的完善和优化设计提供了依据。

[5] 王国彪，陈殿生，陈科位，等.仿生机器人研究现状与发展趋势[J].机械工程学报，2015，51(13)：27-44.

根据面部特征进行疲劳检测具有一定的可实施性，整个系统依赖于人脸检测算法的设计以及阈值的确定，然而阈值过多必将导致其鲁棒性较差，通过选择合适的参数更能提高整个系统的性能。

[6] 张晋.消防机器人结构设计及其控制系统研究[D].天津：河北工业大学，2015.

[7] 聂然.立体化仓库智能灭火机器人的设计与制作[J].科技视界，2016(25)：236-236.

[8] 郭彤颖，张辉.机器人传感器及其信息融合技术[M].北京：化学工业出版社，2016.

2.3 “uWS-MI”软件应用满意度 两名医师对“uWS-MI”界面友好性、时效性及操作便捷性，系统的稳定性和可靠性，系统数据管理的满意率均为100%。

[9] 程俊涛.基于视觉的火灾探测移动机器人及其路径规划研究[D].哈尔滨：哈尔滨工业大学，2016.

[11] 王磊，江伟建，孙朋，等.改进D-S证据理论在变电站人体跌倒检测的应用[J].电子测量与仪器学报，2017，31(7)：1090-1098.

[4] 高峰，郭为忠.中国机器人的发展战略思考[J].机械工程学报，2016，52(7)：1-5.

[10] 蒋雯，陈运东，汤潮，等.基于样本差异度的基本概率指派生成方法[J].控制与决策，2015，30( 1) ：71-75.

[3] 张建中，郝允梁，刘海洋，等.基于STM32单片机的智能消防机器人的设计与应用[J].电子技术应用，2017(11)：120-123.

在实施退役运动员安置政策过程中，部分体育相关部门有诸多工作不到位的表现。有不少地区的关键部门存在消极态度，对政策的宣传力度不够，不能对安置工作加以重视；相关部门不当的安置方式方法，阻碍了安置工作的进程，安置的效率不佳；在职业转换培训中，没有制订明确的培训目标和细致的培训规划，培训工作难以达到理想的效果等[22-27]。

D-S证据理论由DEMPSTER提出，后由其学生SHAFER进行了补充和发展，所以又称 D-S 理论[10]。D-S理论不仅满足比概率论弱的公理系统，而且给出了不满足可加性的概率[11]，这是专家系统、模式识别，尤其是信息融合领域的基础理论之一[12]。广泛应用于多传感器融合、电力设备故障诊断，以及数据融合等领域。

[14] 张鑫，李续武，路艳丽，等.基于不完备区间值信息系统的决策粗糙集[J].计算机应用研究，2017，34(1)：110-113+122.

木雕艺术，历来都是世界工艺美术大家庭中的重要成员。历史痕迹、传统寄托、文化背景等多角度的特征，沉淀下独到的工艺特色和风格，洗练生动、生机盎然、包罗万象，美好意愿与艺术真谛存在于作品的细枝末节之中。至今，它们仍是当代木雕艺术家的学习范本与恒定的灵感来源。尽管历经不同的历史阶段，但都铭刻着各国人民内心世界的深层情感追求，以及对于文化脉络的传承与创造。它们是彰显人类思想、社会发展的物质媒介，给我们的审美观甚至是价值观都带来了潜在的改变。

[15] 马文萍，黄媛媛，李豪，等.基于粗糙集与差分免疫模糊聚类算法的图像分割[J].软件学报，2014，25(11)：2675-2689.

从表中的数据可以看出，多传感器融合相对于单传感器而言，对目标的识别更加精确。虽然不同方法的决策结果有所差别，但采用数据融合后其识别效果均有明显改善。经过验证，采用时空数据的融合，可以先时域融合，然后再空域融合，在目标识别中可大大提高识别的效果，使抢险救灾机器人系统具有很好的容错能力。

试验流程粗选I作业为铜钼等可浮（优先浮选），粗选II为强化浮选，通过采用黄药或其他强捕收力的药剂进行强化捕收，提高目的矿物回收率。此次试验进行了四种药剂的对比，试验结果见图10。从试验结果可以看出，采用丁黄药与BK404B组合时，铜、钼作业回收率较高。

[17] 原新.智能机器人视觉信息处理及数据融合方法研究[D].哈尔滨：哈尔滨工程大学，2004.

[18] 文闻，吴启武，姜灵芝.基于D-S证据和博弈理论的多域光网络信任模型[J].光电子·激光，2017，28(1)：44-53.

[19] 吴宗胜.室外移动机器人的道路场景识别及路径规划研究[D].西安：西安理工大学，2017.

pocketsphinx和Sphinx-4的声学模型使用CMU sphinxtrain（v1.0.8）工具包进行了训练，sphinxtrain工具包提供了训练特征文件的所有必要工具。配置参数都可以很容易地设置在配置文件中，因此不需要编写对应的配置脚本[10]。但是在构建语音识别器的过程中，需要由相当的程度的专业知识，因为sphinxtrain的参考文档支持度不够。

[20] 张蔓，高宇博，李军，等.教学用双足步行机器人前向运动建模与研究[J].林业机械与木工备，2017，45(5)：32-34+39.

问卷设计以城市天际线的视觉美观程度为依据。审美心理中形成的总体体验被称作审美愉快，这种感受是美感的认识活动和美感的情感活动综合作用的结果[13]。因此，问卷将愉悦感作为评价依据，引导受访者根据愉悦感强弱对各段天际线的美学特征进行相应评价。评价根据李克特量表形式将愉悦程度由强到弱划分为5级：非常愉悦、比较愉悦、愉悦、比较不愉悦、非常不愉悦，分别赋值为5、4、3、2、1。

[21] 韩晓建，杨卫杰，高寰宇，等.基于连杆机构的四足仿生机器人运动学分析及足迹优化[J].森林工程，2017，33(1)：52-58.

[22] 邓爽.隧道机器人火情探测与导航决策研究[D].绵阳：西南科技大学，2017.

稻壳清洁化处理新工艺，大大降低了工人劳动强度，显著提高了生产效率，提高了传统固态白酒酿造生产的机械化、自动化、标准化程度，具有创新性和示范性，对于推动行业技术进步有一定意义。