机械臂逆运动学算法推导与实验研究

针对求解机器人操作臂逆运动学问题,在D-H方法基础上,针对所设计的排爆机械臂的机械结构,提出一种简化实用的机械臂解析运动学模型,通过该运动学模型求取逆运动学方程,从而实现在控制系统中的实时计算.最后,进行机器人手臂抓取的仿真实验及把该算法模型应用于机器人的轨迹规划系统实物抓取实验.实验表明,采用该解析运动学模型能实现对目标物体的准确抓取.     

基于遗传算法的新型六自由度并联机器人运动学分析

运动学位置正解和位置逆解是对并联机器人其它性能进行分析的基础,位置正解也是并联机器人研究中的一个难点。本文采用遗传算法对一种新型六自由度并联机器人的运动学位置正解和位置逆解进行了求解,并且利用灰色关联分析对求解结果进行了分组,得到了Stewart并联机器人的5组位置正解实解。实例表明该方法简单、方便、具有通用性,是求解并联机器人运动学问题的一种新策略。     

UR机器人运动学控制与视觉抓取算法研究

针对六自由度UR机器人技术要点进行了分析,对运动控制算法和视觉抓取算法进行了深入研究。首先,分析了UR机器人的机械结构;然后,通过数值迭代法对UR机器人的逆运动学进行了求解,严格控制了算法的精度和速度,验证了算法的正确性和快速性。最后提出了一种基于图像边缘轮廓特征的手段来实现视觉补偿,凭借对多目标的分块处理实现对于工件三维空间信息的定位,引导UR机器人的协作作业,确保了UR机器人工作过程的精准性和迅速性。     

基于遗传算法的并联机器人运动学正解研究

运动学正解分析是对并联机器人其它性能进行分析的基础,也是并联机器人研究中的一个难点。本文采用遗传算法来求解并联机器人的运动学正解,并且利用灰色关联分析对求解结果进行了分组,得到了Stewart平台并联机器人的7组实解。实例表明该方法简单、方便、具有通用性,是求解并联机器人运动学问题的一种新策略。     

3-3TPS1S并联机器人机构的运动学研究

针对3-3TPS1S并联机器人机构,提出了一种基于反向运动学的正向运动学求解方法.该方法首先分别以动平台的转动角度和驱动杆的杆长为广义坐标,建立3-3TPS1S并联机器人机构的正、反向运动学模型;然后运用牛顿迭代法进行运动学正向求解.仿真结果表明:该方法求解速度快、精度高,对研究和应用同类机构有一定的参考价值.     

基于单目视觉的工业机器人智能抓取系统设计

针对工业机器人如何能在多目标工况下快速自主识别和抓取指定目标工件的问题,将单目视觉引导技术应用到工业机器人智能抓取系统设计中。利用图像进行了模式识别,对检测定位进行了研究,建立了视觉图像与工件定位抓取之间的关系,提出了基于轮廓Hu不变矩快速模板匹配算法的单目视觉抓取系统。首先将摄像机获取的图像进行了预处理,然后利用轮廓Hu不变矩模板匹配算法进行了目标工件的识别,利用轮廓矩和二阶惯性矩最小原理对识别出的目标工件进行了位姿求取,最后通过建立SOCKET通信将求取的位姿发送给了机械臂控制系统引导机械臂的抓取。基于VS软件开发平台和ABB机械手,对智能抓取系统进行了搭建并试验。研究结果表明:该基于单目视觉搭建的工业机器人智能抓取系统成本低、定位精度高,可满足工业自动化生产的需求。     

并联机器人正运动学与NURBS轨迹规划

并联机器人是一种具有高载荷自重比的封闭式运动结构,针对并联机器人运动控制和NURBS轨迹问题进行了深入的研究,首先从并联机器人的逆运动学问题进行了解析方法的求解。其次,针对正运动学(FKP)在数学上是难以解决问题,提出了一种多层感知器进行反向传播学习的神经网络进行实时求解。再次,开发了基于NURBS的通用插补器,它可以处理任何类型的几何图形使得机器人运动轨迹平滑。最后利用实验验证了运动学和NURBS曲线求解并联机器人模型的正确性。该策略在少数迭代和很少执行时间内,位置和方向参数的精度分别接近0.01mm和0.01°,验证了算法的有效性和正确性。     

四轴工业机器人运动控制与视觉码垛

针对基于平行四连杆机构的码垛机器人运动控制与视觉抓取的问题,进行了相关运动学和视觉算法的研究。码垛机器人本体采用双四连杆结构,二轴驱动采用一组四连杆结构、三轴驱动采用一组四连杆结构,一轴及四轴由电机带动减速器直接驱动。在根据码垛机器人的结构特点,首先,建立了基于MDH法的连杆坐标系,其次从正、反运动学建模两个方面对拟人手臂进行了运动控制描述。然后,提出了一种Hough-链码视觉识别算法,以满足码垛机器人视觉功能需求。最后仿真结果表明,该码垛机器人可以有效解生产线上码垛作业问题。     

基于视觉的机器人抓取系统应用研究综述

针对生产线上工业机器人的柔性和智能水平不高的问题,将日益发展的计算机视觉技术引入原有的搬运工业机器人领域,利用机器人视觉技术获取工件及其周围环境的信息,识别出了所要操作的目标工件,并能通过做出决策来引导工业机器人完成对工件的抓取和放置等操作。针对生产线上的工业机器人抓取系统中摄像机的标定、目标工件的识别匹配、机器人对目标工件的定位抓取这3个主要步骤在现阶段的研究成果进行了综述,对计算机视觉定位中涉及到的相关图像预处理方法进行了分析与归纳,并对该技术的实际应用研究和未来发展进行了讨论。研究结果表明,视觉抓取系统技术成熟,能够满足工业应用中的实时性要求,各部分算法的研究和改进对工业的发展和相关研究具有一定的参考价值。     

视觉机器人的零件识别与抓取方法研究

为了满足视觉机器人能够精准抓取平面零件的需求,提出一种加入深度学习算法的零件识别与定位方法。首先,利用YOLOv4-tiny目标检测算法对目标物体进行识别,并提取出感兴趣区域（Region of Interest,ROI）送入PSPnet语义分割网络中进一步提取ROI。然后,将ROI区域进行亚像素级的模板匹配,并计算目标物体的深度信息。在目标物体中心坐标求解中,以ROI区域的最大内接圆的圆心作为目标物体的中心。最后,利用D-H法对机器人进行运动学解算,并进行抓取试验。实验结果表明：该方法的深度误差率大约为0.72%,视觉机器人抓取零件成功率达到91%,具有较高的定位精度和抓取成功率,可以满足实际工业分拣搬运需求。