基于自然手势交互的工业机器人示教系统设计与实现

提出一种基于自然手势交互的工业机器人示教方案,用Leap Motion传感器采集手部数据,将手掌坐标动态映射到机器人手臂坐标系统中,控制机机器人手臂跟随手掌位置实时运动,同时通过聚类算法识别出手势类型,控制末端夹具实现抓取、放置、停止等动作。进一步以爱普生SCARA机器人为基础搭建了自然手势示教实验平台,实验结果表明示教效果良好,误差在允许范围内。     

基于手势识别的两轮机器人控制系统设计

提出了一种基于人类手势识别的机器人移动控制系统设计.采用IBM笔记本电脑作为上层控制器,DCT0020运动控制卡作为下层运动控制器,较好地实现了人手手势信息识别以及对机器人的实时控制.介绍了机器人的机械系统结构,论述了基于BP神经网络算法进行手势信息识别和VC6.0的控制平台编程以及基于无线通信的遥操作技术.通过实际环境下对手势信息的采集、预处理、识别,最终实现对机器人的运动控制,验证了识别算法的可行性以及控制系统的稳定性.     

基于PMAC下SCARA机器人控制

介绍如何实现 PMAC LITE四轴运动控制器对 SCARA机器人的控制 ,具体阐述了基于PMAC下 ,交流伺服电机的调整以及 SCARA机器人轨迹的生成。     

基于PMAC下ACARA机器人控制

介绍如何实现PMAC－LITE四轴运动控制器对SCARA机器人的控制,具体阐述了基于PMAC下,交流伺服电机的调整以及SCARA机器人轨迹的生成。     

基于PMAC的SCARA机器人及其控制系统

文章介绍了一种基于PMAC运动控制器的机器人及其关节控制系统,并对SCARA机器人进行逆运动学的分析,最后介绍了该机器人控制平台软件的结构和开发过程.     

基于SCARA型机器人的坐标变换研究

随着工业化的不断发展,SCARA机械手在工业相机的视觉引导下和运动控制器的控制下可完成工件的高精度定位及装配。但是SCARA机器人在吸取器件工作过程中,存在器件吸取点与器件自身中心不重合的问题。对SCARA机器人转动运动学和坐标变换就行研究,通过理论算法解决此问题。     

SCARA机器人的拉格朗日动力学建模

以SCARA型四自由度机器人为研究对象,采用Denavit-Hartenberg方法建立SCARA机器人的运动学模型,重点使用拉格朗日公式法对SCARA机器人的动力学模型进行了详细地推导,并得出SCARA机器人的动力学方程。同时归纳使用拉格朗日公式法推导机器人动力学模型的一般方法,该方法适用于其他构型机器人的动力学建模。最后对机械臂动力学方程的一般形式进行解析。使用拉格朗日公式法获得准确的机器人动力学模型可以为机器人的结构设计、关键件的选型以及控制器的设计和仿真提供依据。     

SCARA机器人的自适应迭代学习轨迹跟踪控制

为了减小执行重复运动任务机器人的末端位置误差,提出了自适应迭代学习轨迹跟踪控制算法。根据拉格朗日方程得到SCARA机器人的动力学模型,设计了控制力矩的迭代算法,利用Lyapunov函数对该算法的稳定性进行了理论证明,搭建了具有典型机械结构的SCARA机器人实验平台。通过实验验证了自适应迭代学习控制算法能有效减小SCARA机器人的末端位置误差,具有较强的可执行性。     

基于机器视觉的SCARA机器人的应用

结合机器视觉技术,通过相机坐标与机器人坐标的转换,研究开发出了一套SCARA机器人跟随抓取物体的系统。该系统在实际的实验检测中得到了初步的成功,通过了相应的误差检测分析,验证了该方案的可行性。     

基于视觉引导的工业机器人定位抓取系统设计

以美国国家仪器公司的视觉开发模块NI Vision为软件支撑和以ABB-IRB120型机器人,摄像机和传送带为硬件基础,对视觉识别与检测系统进行了模块化设计,构建了一个基于单目视觉的工业机器人工件自动识别和智能抓取系统,其中ABB-IRB120型工业机器人作为操作手臂,用CCD相机、运动控制器和工控机搭建了机器人视觉控制平台,通过建立抓取系统的参数化模型给出图像坐标到机器人坐标的转换算法,利用NI Vision中提供的图像处理、模式匹配等方法,在C#环境下进行开发,实现了目标定位和机器人控制两大基本功能,最终控制机器人完成目标工件的抓取。     

区间分析理论在机器人动力学参数识别中的应用

机器人动力学参数的识别对于机器人精确建模及机器人控制、仿真极其重要.该研究用区间分析的方法进行机器人动力学参数的识别,假定系统输入误差未知但有界,对该模型的参数识别可以转化成对于过约束线性区间方程的求解问题.在区间分析理论中,该问题可用区间定点缩小法求解.最后在此理论研究的基础上对一台两自由度的SCARA机器人的八个基本动力学参数进行了识别,并对实验结果进行了分析.     

SCARA机器人高斯过程动力学建模研究

实现机器人的精确控制需要将机器人动力学模型加入控制律中,但是动力学建模过程中引入的测量误差以及摩擦力、驱动器动力学特性等非线性因素会引起较大的建模误差,从而影响机器人的控制精度。针对这个问题,以SCARA机器人为研究对象,采用高斯过程回归方法,直接通过SCARA机器人的输入与输出量对其逆向动力学模型进行估计。并将估计模型用于机器人的计算力矩控制。通过ADAMS和Simulink联合仿真的方式,对基于回归预测模型的计算力矩控制与采用解析模型的计算力矩控制进行了仿真对比实验,结果表明基于高斯过程回归模型的计算力矩控制有更好的位置跟踪效果。     

基于数值模拟技术的SCARA机器人本体设计与优化

SCARA机器人被广泛应用于制造业,要求其重量轻、精度高、刚度大、动作迅速。利用数值模拟技术对SCARA机器人进行结构和电机参数优化设计。首先利用仿真分析软件Radioss分析SCARA机器人极限载荷下的静刚度;然后利用Optistruct软件对SCARA机器人进行结构轻量化设计,根据优化结果调整SCARA机器人第一臂结构;最后利用Adams软件对优化后的SCARA机器人进行虚拟样机仿真,获得其最优的电机和减速机参数,为SCARA机器人电机选型提供依据。     

双SCARA异型插件机控制系统研究

针对目前多机器人的异型插件机控制复杂、成本高的问题,提出并设计了一种双SCARA机器人异型插件机控制系统,分别从硬件和软件两个方面进行了研究。首先,对该控制系统的载体及硬件核心——工业PC机的结构进行了介绍;其次,设计了一种基于动态系统法的无碰运动轨迹生成器,作为软件算法的核心;最后,对双SCARA异型插件机的控制流程进行了分析,并提供了双SCARA异型插件机控制系统的实例仿真。通过仿真实验,证实该控制系统是可行有效的。     

基于数据手套驱动的虚拟机器人操作技术

虚拟机器人是机器人遥操作系统基本框架中不可或缺的一部分 ,是解决信号传输中的大时延 ,实现预测显示技术的关键之一。本文首先分析了引起时延的各种因素 ,提出采用预测预演控制方式结合虚拟现实的人机交互方法进行控制可以解决时延对系统可操作性的影响 ,同时探讨了利用数据手套实现虚拟机器人的操作技术 ,试图寻找一种更自然、更易让人接受的虚拟机器人控制方式 ,建立了一套基于数据手套驱动的虚拟机器人Puma5 6 0操作实验系统。实验结果表明 ,通过数据手套的手势输入和识别 ,可以实现操作者对虚拟机器人方便快捷的操作控制 ,是一种人性化的人机交互方法。     

高速轻型SCARA机器人的机械结构及控制系统研究进展

为了满足小型工业产品高速、精确、稳定的抓取、装配等使用要求,SCARA机器人应运而生。首先从SCARA机器人构型原理出发,分别从驱动布置方式、零部件优化以及动力学分析等角度,详细地阐述SCARA机器人本体的研究现状,然后从SCARA机器人的控制策略出发,分别从运动学分析、参数辨识以及控制方法等角度,阐述SCARA机器人控制系统的发展趋势,并且指出未来SCARA机器人的发展需要解决的一些关键问题。     

基于视觉筛选的并联机器人平面抓取系统设计

现代工厂中通常需要对工件特征进行判断,然后在平面内对工件进行分类放置。为了能高效快速地识别、筛选工件,采用了机器视觉技术,并将视觉技术应用在二自由度的并联机器人中,设计了一个基于视觉筛选的并联机器人平面抓取系统。视觉控制器对相机传送过来的工件图像进行处理,根据提取的工件的特征进行分类,并确定工件在视觉坐标系中的坐标。视觉处理器将坐标等信息传送给NJ控制器,同时在NJ控制器里运用ST语言编写程序实现机械臂的运动控制,并对运动过程进行3D仿真。仿真结果显示,通过机器视觉和并联机器人的结合,可以实现对工件进行精确的识别、抓取和放置。该系统可应用于根据物体形状不同进行分类的场合,并对研究机器视觉和并联机器人有一定的实用价值。     

SCARA型装配机器人中基于DSP的伺服系统

介绍了SCARA型环保压缩机装配的装配机器人中基于DSP的伺服控制系统,阐述了基于工业PC和运动控制器的分布式控制结构体系实现系统的控制和作业管理及采用PID算法实现各关节的伺服控制,完成各关节的运动规划.     

一种基于SCARA机器人机械结构设计

针对SCARA机器人在生产教学中的广泛应用，设计了一个结构简单、传动精度高、操作方便的可以实现用多种控制方式（PC的远程控制，单片机的控制，开关量的控制等)控制的SCARA型机器人。     

基于ADAMS的SCARA机器人的振动特性分析

以SCARA机器人为研究对象，在ADAMS软件中建立SCARA机器人的三维模型，对其进行振动特性分析，通过分析加速度得知机器人哪个部位比较薄弱，从而得知机器人在工作过程中容易发生故障的部位，可以对其故障加以预防并减少机器故障带来的损失。对研究在复杂工作环境中运作的高精度SCARA机器人的故障诊断及预防提供理论与技术支持，并且可以应用于其他机器人故障诊断中。