六维腕力传感器惯性参数的在线识别

腕力传感器的动态特性对机器人系统的动态特性、精确运动和控制有不可忽视的影响.将六维腕力传感器置于机器人系统中,基于腕力传感器坐标系内的微分运动,结合机器人运动学和动力学知识,研究了在线识别六维腕力传感器惯性参数的方法.     

六维腕力传感器阶跃响应的实验建模

基于阶跃响应法的动态标定实验数据,采用系统辨识方法建立机器人六维腕力传感器 6个转换通道的动态数学模型,确定频域性能指标,全面、准确地描述传感器的动态特性．     

航天机器人用六维腕力传感器动态特性研究

本文主要论述航天机器人用六维腕力传感器动态特性的相关问题．讨论了传感 器动态性能的标准问题，给出了该传感器动态补偿器的设计方法，对实现中的一些问题进行 了初步探讨，最后给出实际的测试结果．值得一提的是，这是我们首次在传感器实际应用中 实现了动态补偿，为传感器动态性能的提高迈出了坚实的步伐．     

合肥智能所智能机器人传感器实验室

正中国科学院合肥智能机械研究所智能机器人传感器实验室,是国家高技术研究发展计划(863计划)先进制造与自动化领域智能机器人传感技术网点实验室,以信息获取科学、人机交互临场感、多传感器信息融合与传输、运动生物力学工程和智能机器人应用为主要研究方向,开展力信息获取和感知系统、智能机器人及其关键技术、数字运动员和运动员指导系统等方面的工作。一、传感器系统及其应用本实验室围绕多维力传感器的关键技术,以研究六维力传感器的结构和信息处理为切入点,研制机器人六维腕力/指力/脚踝力传感器、多维阵列式类皮肤传感     

Matlab 在六维腕力传感器系统标定中的应用

通过VC调用Matlab函数引擎,利用Matlab的有关函数和工具箱,对六维腕力传感器进行了静态解耦分析,并对动态特性做了研究。     

基于INA的机器人六维腕力传感器的解耦研究

将逆奈奎斯特方法（INA）用于多维传感器的解耦，使用该方法对一具体的六维腕力传感器解耦，并采用零极点配置法设计动态补偿器，取得了很好的效果，达到了机器人智能控制对传感器的要求，通过仿真实验证实了INA方法可以用于多维传感器的解耦。     

机器人腕力传感器动态响应的实时补偿

为了提高机器人腕力传感器的动态响应速度,在对传感器进行动态标定实验的基础上,采用FLANN方法设计动态补偿器,以DSP为处理核心,研制实时动态补偿系统.实验结果表明,经过补偿腕力传感器动态响应的调整时间缩短为原来的25%以下.     

微形变腕力传感器

介绍了一种新型机器人六维腕力传感器.采用了激光干涉法测量由外力施加在弹性元件上产生的由微形变产生的微位移测量原理,使得弹性梁的设计空间更大.特别是传感器动态特性得到了提高.本文详细讨论了弹性元件的设计,包括通过有限元方法对这种弹性元件的定量计算.对于弹性元件形变的检测也是本文的讨论重点.通过激光干涉的方法,传感器的灵敏度得到提高,同时,本文还详细讨论了六维力分别施加于弹性元件时对激光干涉的作用.     

机器人六维腕力传感器及其信号处理系统的研制

介绍了一种高精度多功能型的机器人六维腕力传感器及其信号处理系统，对机械手腕部的力／力矩信号进行实时检测，采用１６位单片机实现力解耦及坐标变换，为控制器提供准确的六维力／力矩向量。本系统来用了指令通讯方式，可以完成多种功能，减轻主控机负担。该系统可与各种通用机器人和控制微机连接，具有很好的通用性。     

腕力传感器多维时序建模

腕力传感器有六路输出信号,表示三维空间的力和力矩信息。本文采用多维时间序列法,首次建立腕力传感器多维AR模型,其结果与实验数据吻合,全面反映动态响应过程和各输出量之间的联系。     

基于腕力传感器的机器人操作臂惯性参数辨识方法

针对工业机器人结构设计及动力控制中,在比现有方法少用了基座力传感器的基础上,充分挖掘了腕力传感器的信息,利用机械臂运动学及动力学递推关系,由Newton-Euler方程导出了各连杆惯性参数逆向的辨识模型．以一个算例说明了方法的运用,为机器人操作臂动力学建模提供了理论基础．     

一种仿人机器人跑步状态分析模型

依据仿人机器人跑步的动力学特性,通过对仿人机器人虚拟加速度传感器输出的信号进行分析,建立了仿人机器人跑步相关特征值的概率模型.针对仿人机器人的结构,分析了在整个跑步过程中惯性力和弯矩的作用,对跑步状态的影响,获取虚拟加速度传感器输出的信号,采用小波变换分析动态信号,同时进行快速傅里叶变换,在频域上提取能量特征值.使用马氏距离作为稳定跑步的判定标准,并给出了定量描述,在ADAMS软件中搭建仿人机器人,虚拟加速度传感器设置在质心处,进行跑步仿真实验,仿真实验结果表明,该模型能够反映仿人机器人的跑步特性,仿人机器人能够在跑步状态发生改变时,根据跑步特征及时调整步态,保证其稳定性.     

基于六维力传感器的工业机器人末端负载受力感知研究

针对工业机器人末端负载与外界环境接触力的感知需求,在机器人法兰与负载之间设置六维力传感器,并研究一套标定与计算方法,综合考虑负载重力作用、传感器零点、机器人安装倾角等因素,利用不少于3个机器人姿态下的力传感器数据,可求得传感器零点、机器人安装倾角、负载重力大小、负载重心坐标等参数,进一步可消除传感器零点及负载重力对受力感知的影响,精确得到机器人末端负载所受的外部作用力与力矩.实验得到对于重量从320N到1917N的负载,在静态条件下,感知外力的误差在负载重力的0.28%以内,感知外力矩的误差在负载对传感器力矩的0.59%以内.     

模块化机器人的惯性参数辨识研究

提出了一种基于六维力／力矩传感器的模块化机器人惯性参数辨识的方法。首先，通过Newton-Euler方程建立模块化机器人的动力学方程,然后利用基座力旋量平衡原理建立辨识模型对动力学方程中的未知参数进行辨识，最后以德国AMTEC公司生产的PowerCube模块化机器人实体对这种方法进行了实验验证。     

模块化机器人的惯性参数辨识研究

提出了一种基于六维力/力矩传感器的模块化机器人惯性参数辨识的方法。首先,通过Newton-Euler方程建立模块化机器人的动力学方程,然后利用基座力旋量平衡原理建立辨识模型对动力学方程中的未知参数进行辨识,最后以德国AMTEC公司生产的PowerCube模块化机器人实体对这种方法进行了实验验证。     

ANSYS在腕力传感器结构设计中的应用

腕力传感器是一类重要的机器人传感器,腕力传感器的弹性体结构设计好坏直接影响到传感器的各项指标.由于腕力传感器结构复杂,各输出通道之间往往存在着干扰,通常采用实验的方法来进行标定,但标定的结果往往不够精确.利用所研制的一种新型机器人多维腕力传感器的结构,提出了一种利用有限元分析软件ANSYS对其维间干扰作定量分析的方法,分析结果证实了该传感器弹性体结构设计的合理性.     

Self-calibrated robotic manipulator force observer

In the robotic manipulation context, end-effector contact forces may be difficult to measure mainly due to the tool dynamic interferences such as the inertial forces. In this paper, a whole methodology is proposed to estimate these forces. The new approach is based on a sensor fusion technique that integrates the information of a wrist force sensor, of a 3D accelerometer placed at the robot tool and the joint position sensors measurements. The proposed methodology not only offers a suitable estimator in terms of response and filtering, but also presents a self-calibrating feature that allows an easy integration into any industrial setup. To experimentally validate the performance of the proposed methodology, two different industrial manipulators were used: an ABB robot and a Stäubli robot, both with open control system architectures. An impedance control scheme was used as force/position control law to demonstrate the need and results of the proposed calibration result.     

机器人智能碰撞传感器的设计与仿真

为了提高机器人手部发生触碰时的安全防护性能,在触碰的瞬间能实现急停,确保设备和人员的安全,设计了一种具有惯性检测的电磁伺服型高灵敏度碰撞传感器,主要采用"惯性感知+电磁伺服"的方式,动态剔除惯性力成分,使碰撞传感器仅对碰撞力反应,提高了机器人手部的触碰灵敏度.计算表明:碰撞触发力的阈值由24.73 N降低到了12.88 N;相比传统的碰撞传感器,其灵敏度大幅提高,进一步提高了机器人的安全防护性能,具有一定的理论价值与工程应用价值.