基于模糊滑模的六足蛇形臂机器人的末端位姿控制

针对六足蛇形臂机器人的超关节极限和位形偏移量大、末端位姿的控制稳定性不好的问题,提出一种基于模糊滑模的六足蛇形臂机器人的末端位姿控制算法。在超冗余运动学逆解空间中建立蛇形臂机器人的运动学模型,采用修正的DH参数法进行六足蛇形臂机器人的末端位姿参数调节和融合处理,建立蛇形臂机器人的末端位姿力学控制模型,在末端跟随运动中采用外环滑模导纳控制方法进行末端位姿的自适应参数调节,采用滑模误差反馈调节方法确定六足蛇形臂机器人的末端位姿,实现六足蛇形臂机器人准确的姿态定位和参量解算,提高控制稳定性。仿真结果表明:采用该算法进行六足蛇形臂机器人的末端位姿控制的姿态校正性能较好,蛇形臂关节的空间位姿自适应调整能力较强,跟随运动准确,具有很好的位姿控制稳定性。     

机器人逆标定方法研究

在分析传统机器人位姿标定方法的基础上，提出了一种新的机器人标定方法：基于神经网络的逆标定方法。这种标定方法把机器人实际位姿和相应的关节角误差分别作为前馈神经网络的输入和输出来训练网络，从而获得机器人任意位姿时的关节角误差值，通过修改关节值来提高机器人的位姿精度。这种标定方法把所有因素引起的误差均归结为关节角误差，无须求解机器人逆运动学方程，实现了误差的在线补偿。把标定结果与基于运动学模型的参数法的标定结果进行了比较分析。仿真和试验结果均证明了这种方法比传统方法标定效果更好，且更方便简单，避免了其他传统标定方法繁琐的建模及参数辨识过程。     

利用平面单应分解实现服务机器人视觉伺服

智能空间中家庭服务机器人所需完成的主要任务是协助人完成物品的搜寻、定位与传递。而视觉伺服则是完成上述任务的有效手段。搭建了由移动机器人、机械臂、摄像头组成的家庭服务机器人视觉伺服系统,建立了此系统的运动学模型并对安装在机械臂末端执行器上的视觉系统进行了内外参数标定,通过分解世界平面的单应来获取目标物品的位姿参数,利用所获取的位姿参数设计了基于位置的视觉伺服控制律。实验结果表明,使用平面单应分解方法来设计控制律可简单有效地完成家庭物品的视觉伺服任务。     

基于PMPSD的工业机器人几何参数标定方法

针对由几何参数不精确引起工业机器人绝对定位精度低的问题,提出一种基于位姿修正位置敏感探测器的几何参数标定方法。通过建立误差运动学模型,使用位置敏感探测器(PSD)装置进行数据采样,利用位姿修正原理对末端激光器位姿和关节转角进行修正,构建模型约束目标函数,运用LM算法计算得到几何参数误差,修正几何参数名义值。实验结果表明,该方法避免了PSD反馈控制,能够快速实现工业机器人几何参数标定,定位平均误差和标准差分别为78.28%、76.38%,有效提高了机器人的定位精度。     

视觉引导技术在SCARA机器人装配任务中的应用

基于实际生产项目,提出了一种针对平面关节型机器人(SCARA)平面装配任务的手眼标定方法。对线性标定法的输出通过多次迭代使得累积误差和逐渐减小,相较于使用线性标定法来进行手眼标定,视觉定位的平均定位误差降低了0. 4 mm,最大定位误差降低了0. 6 mm。在使用SCARA机器人进行毫米(mm)级作业时,使用迭代线性标定法比传统的线性标定法有更高的视觉定位精度。同时,末端执行器完成对目标工件的抓取任务之后,使用解线性方程的思想求解SCARA机器人完成装配任务的末端位姿,通过实际工程项目的验证,装配成功率可达98. 6%。     

弧焊机器人TCF参数的标定

本文介绍了一种利用机器人正运动学方程和空间坐标变换关系来求解机器人的末端 执行器参数的方法．通过应用于本实验室的九自由度弧焊机器人的操作机（６DOF）对此方 法进行了验证,并给出了实验结果,而且分析了此标定方法的优点及不足之处．     

六轴工业机器人的参数辨识方法

机器人末端位姿的精度依赖于各关节几何参数的精度。为了提高机器人的位姿精度,提出了一种简单实用的机器人参数辨识方法。利用D-H 算法建立的机器人运动学方程,得到了末端位姿与各关节参数的关系。为了解决辨识过程中的复杂计算问题,设计了一种采用拆分参数的迭代方法和相应的实验方法,运用激光跟踪仪对位姿进行精确测量,求得实际几何结构参数。实验结果验证了所提出方法的有效性。     

基于非线性优化的机器人坐标系标定方法

利用激光跟踪仪检测或校准工业机器人,须先对机器人坐标系进行标定。研究一种基于非线性优化的机器人坐标系标定方法。即在机器人末端固定一靶点,机器人运动多个位姿,激光跟踪仪对靶点进行测量,建立多位姿约束方程,并采用非线性优化算法同步标定机座坐标系及靶点坐标。该方法无须特殊机械工装,可适用于空载或末端带有各类执行器的工业机器人系统。经实验验证:相较于经典封闭解法,该方法采用非线性优化,具有良好的鲁棒性,可有效减小因机器人运动模型不准确引起的转换误差。     

并联机器人视觉盲区末端位姿检测方法

为解决并联机器人末端执行器受机构支路遮挡造成的双目视觉盲区末端位姿错误检测问题,提出一种运动学正解结合混合优化RBF神经网络(RBFNN)误差补偿的视觉盲区末端位姿检测方法。首先在非视觉盲区采集RBFNN训练样本,其中运动学正解为输入样本,运动学正解和视觉检测位姿的差值为输出样本;然后进行训练,并采用GWO(Grey Wolf Optimization)算法和LM(Levenberg-Marquardt)算法混合优化权值;最后将训练好的网络用于视觉盲区,通过对运动学正解进行误差补偿以提高末端位姿检测精度。实验结果表明,与未补偿的检测方法相比,混合优化RBFNN补偿后的末端位姿检测方法,其末端位姿分量x,y,z,γ的误差平均绝对值分别降低了54.4%、67.7%、54.7%和52.9%,误差标准差分别降低了52.9%、62.8%、51.9%和58.8%,验证了所提方法的有效性。     

基于MDH模型对机器人标定算法的研究

以初始参数为基础,建立了更为精准的运动学模型,改进位姿匹配原理,于任何一个测量点处,在测量仪器下改变末端到达计算末端位姿,记录此时各关节转角,以及改变前后关节转角差,依此对初始参数进行一系列修正,使之向实际参数收敛。仿真证明,经由该法对机器人参数进行修正后,其精度得到一定程度的提高。     

计算机视觉在并联机器人运动学标定中的应用

为提高并联机器人运行精度,研究利用计算机视觉标定并联机器人运动学参数的方法。首先对Delta型三自由度并联机器人进行运动学分析。然后采用光学照相机为传感器,在机构处于不同位姿状态下对固定于动平台上的标定板进行拍照,通过相机标定以及相应的坐标变换方法,求出动平台中心在基坐标系中的位置。最后利用机器人逆运动学模型、自定义的误差方程和非线性最小二乘估计,获得运动学参数。实验结果表明,该标定方法成本较低,标定方法简单、有效。     

基于平面模板的机器人TCF标定

针对末端夹持激光位移传感器的机器人TCF(tool/terminal control frame)标定,提出一种基于平面模板的标定方法,机器人操作末端执行器使激光位移传感器在不同位形下对平面模板进行测量,再通过非线性最小二乘拟合求解标定参数.为了减小问题的奇异性,对标定时应该采取的参数控制策略进行了定性分析.该标定方法只需要一块表面精度较高的平面模板,而无需其它测量仪器,标定过程简单、易操作,且易于实现自动化.仿真和实验结果表明本文提出的标定方法具有较高的精度.     

Delta机器人传送带与视觉的标定方法

针对机器人在流水线上精确抓取的问题,提出了Delta机器人系统的标定.通过机器人末端执行器在传送带上移动,计算出机器人与传送带的比例因子与转化矩阵,从而得到传送带相对于机器人的位姿,再通过相机对传送带上的物体获取计算出相机与传送带之间的转化矩阵.最后由传送带作为中间媒介,计算出视觉与机器人的转换关系.这一标定过程为实物抓取打下了基础.     

基于双目视觉导航的仿生机器人鲁棒控制算法

仿生机器人在定姿过程中受到空间扰动因素的影响容易产生控制误差,需要对机器人进行精确标定,提高仿生机器人的定位控制精度,因此提出一种基于双目视觉导航的仿生机器人鲁棒控制算法。利用光学CCD双目视觉动态跟踪系统进行仿生机器人的末端位姿参量测量,建立被控对象的运动学模型;以机器人的转动关节的6自由度参量为控制约束参量,建立机器人的分层子维空间运动规划模型;采用双目视觉跟踪方法实现仿生机器人的位姿自适应修正,实现鲁棒性控制。仿真结果表明,采用该方法进行仿生机器人控制的姿态定位时对机器人末端位姿参量的拟合误差较低,动态跟踪性能较好。     

CMAC在仿人机器人逆运动学计算中的应用

本文采用关节角位移和末端位姿误差作为小脑模型神经网络(CMAC)的输入,根据仿人机器人的正运动学模型来调整CMAC的权值,使网络最终逼近仿人机器人的逆模型,从而得到末端位姿到各个关节角的映射关系,避免了传统解析方法面临的计算量大、解不唯一的问题。MATLAB仿真结果表明,利用CMAC对仿人机器人的逆运动学问题求解,可以保证机器人位姿较好地跟踪给定的参考轨迹,说明CMAC能够逼近仿人机器人的逆运动学模型。     

一种基于指数积的移动机械臂联合标定方法

提出一种基于指数积的移动机械臂联合标定方法,以实现移动平台和机械臂两者间位姿标定与机械臂运动学参数标定模型的统一.机械臂运动学参数标定使用最多的是基于D-H参数法,但D-H参数法无法克服相邻关节平行或接近平行时的奇异性问题,以及建模过程复杂、建模后的模型通用性差等问题.基于指数积的移动机械臂联合标定方法建模时不会因为关节轴平行而出现奇异性问题,建模过程简单.通过对整个系统的运动学方程进行微分运算,获得末端位姿误差和移动机械臂零位状态旋量误差及关节旋量误差的线性化模型.利用伴随矩阵方式建立关节旋量理论值与关节旋量实际值的关系,并通过改变伴随矩阵实现基于最小二乘法的参数辨识计算过程中参数更新.使用高精度激光跟踪仪作为测量工具,通过实验验证所提出方法的有效性.     

髋关节康复机器人的运动学分析与仿真

康复机器人能够按照指定轨迹稳定运行是康复过程安全性和有效性的重要保证,因此机器人末端位姿与人体患肢位姿应保持高度重合,同时康复机器人应具备适应不同人体患肢长度的能力。为此提出了机器人与人体患肢运动学模型关联的计算方法。对所设计的平卧式五自由度髋关节康复串联机器人建立了运动学数学模型。将人体下肢简化为四自由度两关节连杆,建立人体的运动学模型,根据人体下肢参数计算患肢末端位姿,并将其作为输入条件代入机器人运动学模型求解,得到机器人的关节变量对关节转动进行控制。以屈髋和内旋动作为例,应用SimMechanics进行仿真,得到的各关节角度与目标设定值一致,且机器人关节角度范围满足人体髋关节活动度的康复要求。分析了下肢长度测量误差对髋关节康复角度及位置的影响。结果表明当大腿长度占比测量偏差为0.5%,位置偏差小于6 mm时,关节角度偏差小于1°。     

Stewart并联机器人力敏感性分析及实验验证

研究了Stewart并联机器人的人机交互安全性问题．首先建立机器人的静力学方程,提取关节力敏感度和关节力敏感方向指标,度量关节力对操作力的感知敏感性．采用解析法和数值法结合的方法求算关节全局力敏感度．接着分析关节力敏感度在笛卡儿工作空间和位姿工作空间中的分布,以及构型参数对关节全局和局部力敏感度的影响．然后通过限制工作空间和调节末端执行器在工作过程中的位姿,在设计阶段合理选取构型参数,改善关节力敏感度的方法提高人机交互安全性．最后通过实验测试证明了,关节力敏感度能有效度量关节对交互力的敏感性,末端执行器的位置和姿态能直接改变关节力敏感度．     

基于目标跟踪的并联机器人视觉位姿检测

建立一种基于视觉的并联机器人位姿检测系统框架,包括图像采集、图像处理、位姿检测、参数反馈4个部分。使用单目摄像头采集图像,以二自由度冗余机器人为控制对象,利用Haar特征提取对目标进行粗跟踪。进一步获得目标上特定的几个特征点,基于平行不变性原理,得到机器人末端操作器的实际位姿参数。通过求解机器人的逆运动学方程,得到电机的控制参数。实验和仿真验证了该系统的可行性。     

手眼立体视觉的算法与实现

传统的定位方法要求标定出摄像机的内外参数,本文基于直接将图像坐标映射到机器 人参考坐标的“黑箱”思想,提出了末端执行器到机器人参考坐标系的一个恒定旋转矩阵． 使用恒定旋转矩阵使得目标三维定位的算法与标定参数的过程大大简化,同时具有较高的定 位精度．本文提出的三维目标定位方法同样可应用于移动式装配机器人和移动式操作手臂中 ．