基于实体模型的虚拟微装配视觉伺服研究

微装配的主要问题是装配的器件小,装配精度高,一般用显微镜作为视觉传感器对装配运动进行控制。在大放大倍数下,显微镜的视场和景深很小,这时操作对象和操作工具就不会同时处在焦平面内,使得图像模糊,操作很难完成。利用显微镜的聚焦理论,提取对象的三维信息,构造对象的实体模型,使微装配在虚拟环境中进行,而实际环境只起监视的作用,当对象和工具不动时,虚拟操作环境不变化,而当操作对象和工具位置变化时,重构三维环境,使得虚拟环境和实际环境具有严格的位置对应关系。试验和仿真结果表明,该方法可以克服物体在显微镜下的失焦问题,而且操作方便。     

基于BP神经网络的机器人视觉伺服控制研究

通常的视觉伺服系统在运行时需要实时计算图象雅可比矩阵和机器人逆雅可比矩阵,不仅计算量大、系统结构复杂,而且严重影响系统实时性。本文在以PUMA560工业机器人为模型分析机器人雅可比矩阵与图象雅可比矩阵的基础上设计了一种三层BP前向神经网络,实现了基于图象的眼在手机器人视觉伺服控制系统,大大简化了系统结构,改善了系统实时性。     

面向微装配的显微视觉伺服

将基于显微视觉伺服的机械手的装配位姿调整归结为使其末端执行器上三点运动到指定空间三点的问题.规定其中一点沿直线运动到目标位置,其余两点则以绕该点旋转的方法运动到它们对应的目标位置,避免部件的运动干涉与碰撞,并确保末端执行器始终在显微镜的视场中.以机械手的路径规划为基础,给出基于距离和角度的图像特征差的估计方法,定义并建立基于图像特征差的图像雅可比矩阵以及机械手的运动模型.提出基于图像误差与控制信号综合优化的具有图像延迟系统的最优控制算法,基于动态视觉伺服控制策略建立比例控制与最优控制综合的视觉伺服控制结构,通过一个误差开关在不同的控制器上切换,进行直线位姿调整和动态目标跟踪试验.结果表明,所研究内容正确可行,系统定位精度保持在两个像素以内,具有较好的实时性,能满足微装配性能指标的要求.     

无标定视觉伺服机器人系统研究

介绍了机器人视觉伺服的一般原理,按李雅普诺夫稳定性方法推导出了模型无关的无标定视觉伺服控制律,给出了图像雅可比矩阵的递推公式,并将算法加以改进使系统满足大范围渐近稳定.最后通过轨迹跟踪的仿真试验验证了摄像机固定和eye-in-hand两种结构下算法的正确性和有效性.     

一种采用L-M方法的无标定视觉伺服控制方法

在无标定视觉伺服控制中,高斯牛顿法是一种被广泛采用的方法,但在大残量情况时,该方法可能不收敛或不能收敛到期望值.对此,提出了一种采用L-M方法的无标定视觉伺服控制方法.该方法采用信赖域策略确保模型是对非线性目标函数合适的模拟,并根据函数实际下降量与预测下降量的比值自适应地改变步长,采用Broyden方法动态估计图像雅可比矩阵.采用该方法无需对机器人及摄像机进行标定,且避免了传统方法的上述缺点.仿真及实验结果验证了该方法的有效性.     

一种基于视觉的全局扫描与局部装配的控制方法

在基于视觉的微装配中,要提高精度则需要减小视场,然而小视场所包含的装配对象少,不能实现连续、快速的定位,因此很难同时保证快速和高精度。利用双视觉,提出一种全局扫描和局部装配的控制方法,也就是在大视场中获取批量装配对象坐标及关系,然后在小视场中进行单个对象的局部装配。该方法的批量对象扫描提高了装配速度,局部装配保证了装配精度。     

基于预测的立体视觉/力反馈研究

提出了一种多传感器混合的机器人伺服控制方案 ,该方案在任务初始阶段利用视觉传感器对对象进行跟踪 ,在任务的末段利用力传感器对对象运动进行引导。这样就避免了使用单个传感器所产生的强冲击 ,增加了机器人控制的柔顺性和鲁棒性。在视觉跟踪阶段 ,为了提高跟踪速度 ,利用约束卡尔曼滤波器建立预测器 ,对物体图像的未来位置进行预测 ,这样就减小了图像处理的区域 ,提高了图像处理的速度。从仿真结果来看 ,视觉 /力反馈的混合控制提高了机器人对任务的适应性和工作过程的柔顺性。     

一种采用L-M方法的无标定视觉伺服控制方法

在无标定视觉伺服控制中,高斯牛顿法是一种被广泛采用的方法,但在大残量情况时,该方法可能不收敛或不能收敛到期望值。对此,提出了一种采用L-M方法的无标定视觉伺服控制方法。该方法采用信赖域策略确保模型是对非线性目标函数合适的模拟,并根据函数实际下降量与预测下降量的比值自适应地改变步长,采用Broyden方法动态估计图像雅可比矩阵。采用该方法无需对机器人及摄像机进行标定,且避免了传统方法的上述缺点。仿真及实验结果验证了该方法的有效性。     

基于显微镜聚焦的微装配视觉伺服研究

利用显微镜聚焦理论,沿显微镜光轴方向移动物体,不断计算图像的灰度变化之和,可判断出物体沿光轴的坐标,将这一坐标集成在伺服控制方程中,可完成立体视觉跟踪。这样,采用单目视觉系统就可以获得物体的三维坐标,避免了双目立体视觉系统的复杂结构。为了提高系统图像处理速度,利用卡尔曼滤波器对跟踪的特征点进行预测,并用窗口处理技术减小图像处理区域。实验和仿真结果表明,上述方法可完成复杂微装配的视觉跟踪,系统有好的实时性。     

CONTROL SCHEMES FOR CMAC NEURAL NETWORK-BASED VISUAL SERVOING

In IBVS (image based visual servoing), the error signal in image space should be transformed into the control signal in the input space quickly. To avoid the iterative adjustment and complicated inverse solution of image Jacobian, CMAC (cerebellar model articulation controller) neural network is inserted into visual servo control loop to implement the nonlinear mapping. Two control schemes are used. Simulation results on two schemes are provided, which show a better tracking precision and stability can be achieved using scheme 2.     

基于视觉伺服的3D微定位控制

分析了基于全局显微视觉的视觉伺服定位控制方法。推导了G型体视显微镜的成像模型,结合图像视觉伺服和立体视觉理论,建立了3D微定位视觉伺服控制模型。在自主研制的微操作系统上进行了3D视觉伺服微定位试验,并分析了影响视觉伺服定位控制精度的误差因素,通过标定获得重要的控制参数。试验结果表明:采用3D微定位伺服控制模型的定位误差为±(3～4)μm,定位精度和稳定性能满足微定位的要求。     

基于RBF神经网络的齿轮箱故障诊断

阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。     

机器人焊缝跟踪神经网络控制的研究

研究神经网络技术在弧焊机器人焊缝跟踪过程中的应用,通过神经网络在笛卡尔空间轨迹的补偿作用,确定出基于笛卡尔空间参考轨迹控制的机器人焊缝跟踪神经网络控制器。与传统的关节计算力矩法相比,所设计的神经网络控制器具有良好的控制特性及较强的鲁棒性,焊缝跟踪精度得到了显著的提高。     

基于ART人工神经网络的焊缝跟踪检测算法

提出一种基于自适应共振理论（Adaptive Resonance Theory）神经网络的焊缝检测算法,其基本原理是把焊缝横截面方向上的灰度分布归结为若干种空间模式,并使之记忆在ART神经网络中的典型空间模式进行匹配程度检验,根据模式分布情况确定出焊缝位置。它是一种能够在强烈的噪声环境中正确地检测出焊缝位置的新的焊缝检测算法。本算法也为在强噪声环境中检测特定的空间模式提供了一条新思路。     

人工神经网络在机械部件设计中的应用研究

本文介绍了一种具有自修正功能的交叉映射网络系统（IMNS）及其构成。此系统由后向传播网络（BP）和重发网络（RN）组成。BP网络被用做训练分类边界,并给出权重系数。在重发网络中利用BP网络所得的权重系数分类好坏,并把不好的修改成好的。作为应用例子,在机械部件设计中利用IMNS系统判断已给设计参数是否合理,并把不合理的设计参数修改成为合理的参数。结果表明,IMNS在自动机械设计和自修正系统里具有很好的应用前景。     

在Preisach模型框架下的似对角动态神经网络压电陶瓷迟滞模型的研究

在Preisach模型的结构下,用一阶微分方程代替relay迟滞元,借鉴对角动态神经网络模型,提出压电陶瓷迟滞特性的一种新的数学模型。该模型既有Preissach模型的结构思想,又能反映其动态特性。在输入信号是周期性衰减信号的激励下,由Preisach模型产生的数据和压电陶瓷产生的数据分别进行建模和预测仿真,结果表明该模型用于压电陶瓷迟滞特性建模是有效的,并具有较高的模型精度。     

SEQUENTIAL DIAGNOSIS FOR A CENTRIFUGAL PUMP BASED ON FUZZY NEURAL NETWORK

A sequential diagnosis method is proposed based on a fuzzy neural network realized by ＂the partially-linearized neural network （PNN）＂, by which the fault types of rotating machinery can be precisely and effectively distinguished at an early stage on the basis of the possibilities of symptom parameters. The non-dimensional symptom parameters in time domain are defined for reflecting the features of time signals measured for the fault diagnosis of rotating machinery. The synthetic detection index is also proposed to evaluate the sensitivity of non-dimensional symptom parameters for detecting faults. The practical example of condition diagnosis for detecting and distinguishing fault states of a centrifugal pump system, such as cavitation, impeller eccentricity which often occur in a centrifugal pump system, are shown to verify the efficiency of the method proposed in this paper.     

径向基粒子滤波状态跟踪测量算法

状态跟踪测量的过程噪声降低了目标信噪比,增加了自适应滤波跟踪的难度。当误差较大时,基本粒子滤波算法的预测累积误差效应将导致系统发散。无迹粒子滤波算法利用无迹卡尔曼滤波提高重要性函数估计精度,减少后验概率密度分布误差,但同时也将大幅增加运算时间。提出一种基于径向基函数网络(RBFN)的改进型粒子滤波算法PF-RBF,利用RBFN通过目标状态观测值和全局预测值拟合状态变化趋势,更新各粒子状态,提高先验概率密度分布估计精度,消除过程噪声引起的估计误差。与无迹粒子滤波(UPF)算法相比,该算法无需构造无迹卡尔曼滤波(UKF)重要性函数,提高了运算速度。机动目标跟踪试验表明,径向基粒子滤波算法在线性和非线性观测方程下的状态跟踪测量精度和算法稳定性均优于UKF、PF和UPF算法,可有效实现对状态变化的实时鲁棒跟踪。当参与运算的粒子数增加时,PF-RBF算法执行时间的增长速率较UPF算法更低,可满足高精度状态跟踪应用。