适应于水下抓取作业柔性臂的设计与试验研究

传统关节式水下作业机械臂存在作业灵活性受限、控制复杂等不足，为此，文中提出并研发了一种适应于水下作业、柔索驱动的柔性机械臂。通过采用对角线耦合轮系驱动，实现了一个电机控制两根驱动钢丝，并减少实际所需电机的数量；采用几何分析法建立了柔性臂驱动绳长、关节弯曲角度与末端位姿的运动学关系，并建立柔性臂运动学模型；采用MATLAB软件进行手臂运动仿真，得到柔性臂的仿真姿态与工作空间；通过ADAMS软件对柔性臂进行运动仿真，验证了算法的可行性，确定了手臂关节的最优尺寸。制造出实物样机，对其手臂动作灵活性、柔顺性进行测试，完成了气密性试验和水密性试验，并成功在水下环境对目标物进行抓取，验证了柔性臂机械系统结构的可靠性和可行性。该柔性臂不仅能满足水下环境抓取作业需求，还可以应用于各种受限空间、危险场景的抓取和检测作业。     

串联抓取机械臂运动轨迹规划算法研究

首先根据现有的小型六自由度串联机械臂完成D-H参数表,建立机械臂的数学模型,进行机械臂运动学求解.再根据机械臂在抓取目标物体时,末端执行机构的位置和姿态,运用Matlab中的Robotics Toolbox工具箱进行逆运动学求解,得到各关节角的角度。接着在增加障碍物的约束条件下,运用A~*搜寻算法,规划出抓取目标物的运动轨迹。之后应用拉格朗日插值法将运动轨迹上的运动点,通过插值的方法优化,进一步优化A~*算法规划出的运动轨迹。最后通过实验验证,达到了预期的结果,从而验证了在A~*算法的基础上运用拉格朗日插值法,在机械臂轨迹规划上应用的可行性和合理性。     

基于局部视觉的特定工件移动机械臂动态抓取方法

机械臂操作动态工件在分拣、上下料等作业场合有着广泛的需求。针对特定型号工件的移动机械臂动态抓取问题，提出一种基于特定工件ID编号识别和机械臂抓取位姿预测的运动工件鲁棒抓取方法。该方法选取AprilTag视觉标签来标记工件，通过图像采集、自适应阈值处理、连续边界分割、四边形拟合、快速解码等数据处理过程，获取局部视野下运动工件的ID、位置和姿态，实现工件的初次定位。结合移动机械臂的运动规划工艺策略，对特定型号目标工件的抓取位姿进行计算，实现抓取时刻的工件位姿预测。搭建了动态抓取实验平台进行了视觉标签ID识别、工件定位、动态目标抓取实验。结果表明，所提出的移动机械臂动态抓取方法，可以准确识别特定型号工件，并能够对不同运动速度的特定工件进行鲁棒抓取，抓取成功率平均值约为98%。该方法在智能产线的移动机械臂上下料等场景有着广泛的应用价值。     

基于单目视觉的移动机械臂抓取作业方法研究

针对移动机械臂自主抓取作业过程中目标识别慢、作业精度低的问题,对基于单目视觉的目标识别与定位算法以及机器人作业精度提高方法展开了研究。以全向移动平台、工业机器人和单目相机等硬件为基础构建了一套移动机械臂抓取作业系统;对单目视觉模板匹配法进行了归纳,采用基于随机树分类的特征点匹配算法对目标进行快速准确地识别与定位;完成了相机内参数标定和机器人手眼位姿标定,分析了手眼位姿与抓取位姿的关系,提出了一种修正手眼位姿的抓取误差补偿方法,减小手眼标定误差对抓取误差的影响,最后进行了移动机械臂的抓取/放置实验。研究结果表明:采用上述方法能够快速准确识别目标,有效减小作业误差,并达到较高的作业精度。     

多种群蚁群算法在机械手臂路径规划中的设计与应用

为了实现机械臂在复杂环境下准确、快速抓取目标物体,提出了一种多种群蚁群算法。首先,利用机械手臂运动学方法建立了数学模型进行分析;然后,根据自适应度函数不断调整机械臂的旋转角度以达到全局最优;最后,通过仿真实验,并与现有的机械手臂路径规划算法进行了对比。结果表明,该算法在抓取时间和精准度上具有一定的性能优势。     

仿人型机械臂抓取目标路径规划的研究

在机器人控制领域中,机械臂的控制问题一直是研究的焦点。针对六自由度机械臂建立了精确的运动学模型,并在此基础上对机械臂抓取目标物体时的路径规划算法进行了研究与优化,使机械臂的运动控制更加平稳可靠,并通过Matlab仿真对研究理论进行了论证。     

基于双目视觉的绳驱动飞行机械臂目标识别与抓取

为提高面向飞行机械臂平台的目标姿态估计的精度,为飞行机械臂配备双目视觉系统,对绳驱动机械臂和双目相机进行系统建模,利用Camshift算法对目标进行实时追踪,结合目标的几何特征提出一种轻量化的目标姿态估计算法,可用于飞行平台的实时目标追踪与姿态估计并进行飞行机械臂抓取实验。实验证明：该姿态估计算法对于目标追踪和姿态估计具有较好精度,可以实现抓取作业。     

基于双目视觉定位的机械臂智能抓取控制研究

随着科技的发展，机械臂开始往更加智能化、自动化的方向发展，单单依靠传统的通过示教器执行单一指令的机械臂已远远不能满足各类复杂的生产和服务。为了让机械臂更加智能化和科技化，通过赋予其双目视觉感知模块和智能控制系统，对机械臂智能抓取控制进行研究。采用HSR-Co605协作机械臂，基于双目视觉相机在ROS系统进行仿真建模、运动规划、障碍物规避等试验；在复杂环境下实现了机器人双目视觉模块自主识别定位物体，同时对周围障碍物进行避障规划，实现机械臂自主运动规划及智能抓取操作。在不同场景下进行了智能抓取试验，并对其试验结果进行了分析，为后续机械臂能更好地适应复杂的工作环境以及产业化发展提供参考。     

双机械臂协作最优装配位置及多目标轨迹优化

为了解决以传统人工示教方式确定双机械臂协作装配位置的局限性和随机性,以双机械臂轴孔协调装配为工程背景,针对协作装配过程中机械臂的整体运动灵活性和轨迹规划,采用粒子群算法进行多次寻优,求解整体全局灵活性最优的装配位置,并基于最优位置进行了多目标轨迹优化。分析了双机械臂协调装配过程中的运动约束关系,以可操作度为灵活性评价指标,提出了双机械臂协作装配系统的可操作度评价方法,以此构建优化目标函数,采用粒子群算法,在双机械臂协作空间中求取系统全局可操作度最优的装配位置;基于灵活性最优位置,采用多目标粒子群算法,以时间、能耗、冲击为目标进行了轨迹优化,并在Matlab机器人仿真平台进行了仿真分析。结果表明,将灵活性指标运用到轨迹规划中,能提高机械臂作业效率,降低能耗与冲击损耗;且整个运动过程可维持较高可操作度,能有效规避传统人工示教方式的随机性,实现双机械臂协作装配的最优灵活性轨迹规划。     

基于改进快速扩展随机树算法的双机械臂协同避障规划方法

提出了一种基于改进RRT算法的双机械臂协同避障运动规划方法。针对静态障碍物对主臂进行避障运动规划,寻找主臂可行路径。将主臂每一时刻的运动位姿视为规划从臂运动时的动态障碍物,为从臂规划可行运动路径。为提高算法的搜索效率,利用节点剪枝择优和设置目标区域的方式使算法快速收敛。在MATLAB程序建模实验的基础上,在ADAMS中进行仿真实验,验证了该算法的有效性和可行性。     

酒醅抓取机械臂轨迹规划研究

酒醅出料工作是酿酒业生产环节中的必要工序,利用机械臂实现其自动化工作的难点包括工作空间狭长、酒醅形态松散易洒落。工作空间狭长,抓取末端需要进行多次抓取;易洒落,需要保证抓取末端的密闭性和抓取后运动过程中抓取末端姿态的可控性等。针对出料工作需要多次抓取的问题,提出了一种关节划分策略。依据关节重要性,划分关节类型并选择合适次数的轨迹规划算法;在满足机械臂运行性能的前提下,降低了每次抓取规划的计算难度。针对抓取末端的密闭性要求,设计了一种可以保证底部密闭的抓取末端。针对运行过程中对姿态可控性的要求,建立姿态调整模型,提高了机械臂基于关节空间下运动规划时末端姿态的可控性。     

基于计算机视觉的排爆机器人半智能作业模式

为提高排爆机器人的智能性和易操作性,提出了排爆机器人的两种半智能作业模式:基于计算机视觉的目标物自动抓取模式和联动操作模式.在基于视觉的目标物自动抓取模式中,操作者只需在传回的现场图像中标出目标物,机械手臂就能自动抓取;在联动操作模式中,操作者能对机械手臂进行"整体"的联动控制,控制机械手臂的手爪的各个方向运动,很方便地抓取目标物。抓取实验表明,这能提高机器人的智能性和易操作性,及作业的抓取精度.最后,对误差的各种原因进行了分析。     

基于快速扩展随机树的7R机械臂避障达点运动规划

基于单树随机树搜索算法(Single directional rapidly-exploring random tree,single-RRT)和双树随机树搜索算法(Bi-directional rapidly-exploring random tree,bi-RRT),对7R机械臂的避障达点运动规划展开系统研究。基于single-RRT算法进行避障达点运动的数值仿真和实物样机试验。提出一种新的bi-RRT算法,结合末端姿态调整和关节自运动来生成目标树。并利用7R机械臂的解析逆解,生成目标位形。传统的bi-RRT算法只给定了一个目标位形,而新算法中目标点树根是由一群目标位形组成。在给定的障碍物环境中,机器人自动选择某一合适的位形作为目标节点来引导搜索树最有效地生长。通过数值仿真,验证该方法的优越性。利用Matlab和C++的混合编程和OpenGL开发了7R机械臂避障达点运动规划仿真软件。利用该软件,对基于bi-RRT的7R机械臂避障达点运动规划进行虚拟样机的试验研究。     

位置不确定下移动机器人自主抓取方法

往返取物递送移动机器人在入位定点抓取物体时,自身重复定位的不确定性将影响抓取准确性。为此提出一种克服位置不确定性的移动机器人物体抓取新方法。通过机器人体外定点位置深度视觉传感器与机器人手臂系统的关系标定,基于机器人本体激光传感器数据采用迭代最近点算法补偿机器人位置偏差,基于顶抓策略简化描述抓取位姿。通过待抓物识别与定位、确定抓取姿态以及机械臂运动规划等过程,实现了对平整支撑面上形状规则物体的自主抓取。在移动机器人往返取物作业场景下,实验验证了该方法可以显著提升物体抓取的成功率。     

基于动态规划的冗余机械臂液压驱动系统能量优化

冗余机械臂液压驱动系统在执行任务时,消耗能源比较严重,从而造成了资源浪费.对此,创建冗余机械臂液压驱动机构平面运动简图,采用负载传感系统控制液压泵排量.建立机械臂动力学模型,构造目标函数并添加约束条件,对动态系统进行离散化.采用动态规划算法对目标函数进行优化,搜索出最优调节控制策略.结合具体实例,采用Matlab软件对机械臂液压驱动系统能量消耗进行仿真.结果表明:机械臂液压系统采用动态规划算法优化后,其消耗的功率较小.采用动态规划算法优化冗余机械臂液压驱动系统,能够节约资源,提高液压驱动系统运动的稳定性.     

采用混合算法优化的并联机械臂能量消耗与误差仿真研究

针对并联机械臂存在能量消耗严重、运动轨迹跟踪精度较低等问题,采用了混合算法优化并联机械臂运动机构,并对优化结果进行仿真验证.建立并联机械臂运动机构简图模型,推导齐次变换矩阵运动方程式,给出并联机械臂8种运动模式.确定并联机械臂运动的设计变量,构造能量消耗优化目标函数,在约束条件下,采用混合算法优化目标函数.用PID控制方法,在运动模式1状态下,通过Matlab软件将优化结果进行仿真验证.同时,与优化前的仿真结果进行对比和分析.仿真结果表明,优化后主动连杆消耗的能量较少,被动连杆运动轨迹跟踪所产生的误差较小.并联机械臂采用混合算法优化后,能够减少并联机械臂运动机构能量消耗,提高运动轨迹的追踪精度.     

基于改进灰狼算法的油茶果采摘机械臂轨迹规划

为了实现油茶果的自动化采摘作业,以所设计的推摇式油茶果采摘机械臂为研究对象,首先对机械臂进行了正、逆运动学以及作业空间分析,接着在关节空间采用五次多项式插值法进行轨迹拟合规划,再在分析狼群协作捕猎的模式的基础上,设计了适合油茶果采摘机械臂自动化作业轨迹规划所需要的改进灰狼算法(IGWO)。在MATLAB环境下以工作时间为目标函数建立优化模型对所设计的改进灰狼算法轨迹优化仿真实验,并与传统灰狼算法和遗传算法进行对比分析,结果显示改进灰狼算法相比传统灰狼算法(GWO)和标准遗传算法(SGA)能够更好地适用于油茶果采摘机械臂的时间最优轨迹规划。     

基于Matlab与CoppeliaSim联合仿真的高空作业车机械臂路径规划研究

以高空作业车在城市绿化中进行高空修枝作业为背景,为提高机械臂路径规划仿真真实度,建立了一种基于Matlab和CoppeliaSim联合仿真的机械臂路径规划研究平台。该平台的机械臂和所处环境由CoppeliaSim构建,路径规划采用基于蚁群算法（ACO）的三维路径规划算法并由Matlab实现。通过结合Matlab在算法开发和数值计算方面的优势与CoppeliaSim在仿真方面的优势,可以直观方便地验证机械臂的路径规划仿真研究。仿真结果表明：机械臂系统具有较好的轨迹跟踪能力,为机械臂路径规划研究提供了理论依据和实验基础。     

基于Kalman滤波的移动机械臂动态抓取研究

针对机械臂在交通路锥自动取放系统中的抓取问题,对系统运动过程中路锥位置的预测、机械臂的抓取策略等方面进行了研究。提出了一种基于Kalman滤波与位置伺服的路锥动态抓取方法,建立了路锥的相对运动模型,采用Kalman滤波算法对路锥位置进行了预测,以补偿系统动态抓取的滞后;采用矢量积法构造了机械臂的雅克比矩阵,从而建立了基于路锥位置伺服的运动控制模型;在此基础上,论述了路锥在不同距离时机械臂的两个运动阶段,提出带速度补偿的抓取方法,使得机械臂可以在移动过程中完成对路锥的抓取;通过所搭建的实验平台,对所提方法进行了验证。研究结果表明:该方法能够有效地提高机械臂的路锥跟踪精度,避免了动态抓取时机械臂与路锥间的直接碰撞,使整个抓取过程更加平稳。     

考虑动态倾覆稳定性的液压重载机械臂路径规划方法

针对液压重载机械臂的动态倾覆稳定性问题,提出了一种基于改进快速扩展随机树（Rapidly-exploring Random Tree,RRT）算法的路径规划方法。与只对危险工况的静态稳定性校核不同,该算法以机械臂运动过程中的动态倾覆稳定性最优为目标,在机械臂的关节空间内进行路径规划。以7个关节变量组成的七维数组作为采样点,结合正运动学与力矩法建立机械臂的动态倾覆稳定性计算模型,利用双采样点择优原则,选择其在对应位姿下抗倾覆稳定力矩最优的随机点作为采样点,以增强算法的启发性。在Matlab平台进行的仿真实验表明,改进RRT算法规划路径的倾覆裕度在3种典型工况下分别提升了37%、28%和38%,有效地改善了液压重载机械臂作业平台的抗倾覆稳定性。