多指灵巧手抓取球体的规划与实现

研究灵巧手抓持球体的规划问题，提出了灵巧手规划中多关节关联的算法，并在UG模型和实体上分别进行了实验。实验结果表明，本文提出的算法能够快速到达预抓取位置，最终在用力传感器进行控制的基础上，抓住目标物体。     

柔软织物抓取双指灵巧手建模与轨迹规划

为实现灵巧手在纺织行业的新应用,提出了一种柔软织物抓取双指灵巧手的研究方法。首先,采用D-H参数法,建立双指灵巧手运动学模型;然后在关节空间中对双手指进行五次多项式轨迹规划;最后,利用仿真软件对建模和轨迹规划算法进行验证分析,证明了模型准确可靠,轨迹规划算法合理,灵巧手抓取方式灵活,在操作空间可以对任意形状的柔软织物进行抓取,为实体灵巧手系统研究提供了理论依据。     

气动仿人柔性灵巧手工作空间分析与抓取实验

采用自主研发的气动柔性关节,仿人手外形研制了一种新型柔性灵巧手。该机械手为人手的1.5倍,每根柔性手指由两个气动柔性关节组成,通过调节关节内气压控制手指形变实现机械手抓取物体。利用三维运动捕捉系统和机械手气动实验平台进行了不同气压下柔性手指的运动学实验,分析了机械手工作空间,并进行了机械手抓取实验。实验结果表明:该机械手具有较好的柔性和物形适应性可实现多种抓取模式和完成不同类型物体抓取;五指握取时可抓持最大物体直径为220 mm,最小物体直径为50 mm,质量为1 kg的物品。     

对称结构三指灵巧手抓持规划

抓持规划是机器人灵巧手完成预期任务所必需面临的一个重要问题.本文针对所研制的具有对称结构的三指灵巧手的抓持及运动规划问题进行了分析,确定了以关节运动灵活度作为抓持性能评价的方法来进行实际抓持位形选取,并据此建立了优化目标函数,实现了三指手抓取不同半径物体的通用运动规划方法,并在此基础上进行了抓持运动规划实验,证明了该方法的有效性.     

基于多功能传感器的机器人手控制系统研究

基于多功能传感器的机器人手控制系统主要由视觉和力觉传感器、液压装置及其控制器构成,它能完成机器人手爪的位置和力的多功能控制.本文论述了该控制系统图像分析过程、系统硬件的结构和抓取控制的原理.实验结果表明,该系统能根据图像分析出不同种物体的可抓取性,并能通过多功能控制成功实现抓取.     

视觉机械手的抓取方法研究

针对机械手抓取物体大多以指定位置抓取特定物体的方式及柔性差的问题,提出利用基于深度学习方式的目标检测算法对物体进行识别。通过双目视觉算法检测物体所在的空间位置,利用D-H法进行机械手的坐标解算,从而实现物体的抓取。根据实际需求,采用实时性较好的YOLOv4目标检测算法与OpenCV中的立体匹配算法SGBM相结合的方式实现目标定位检测,并且通过租用云端服务器来训练神经网络和运行程序的方式降低本地硬件要求。实验结果表明：该机械手抓取物体的成功率达到了84%,验证了该方法具有较好的准确性,基本满足智能制造中的实际需求。     

气动人工肌肉驱动仿人灵巧手的设计

提出应用气动人工肌肉的五指灵巧手设计方案,包括各手指的结构设计以及手指与手掌的连接设计,手指采用腱传动方式,灵巧手总共具有17个自由度。手指端有滑觉传感,手掌中有握紧力传感。该灵巧手具有充分的自由度,结构紧凑、新颖,并具有力知觉能力,仿生性好。     

多功能气动柔性三指机械手设计与实验

基于自主研制的气动柔性关节设计一种多功能三指机械手,通过放置于手指连接件的回转气缸可以调节柔性手指的位置,以适应不同形状和尺寸物体的抓取。利用ADAMS进行机械手的运动和抓取仿真,并进行柔性手指静力学实验、机械手位姿和抓取实验。仿真和实验结果表明:该机械手具有抓、握和勾3种抓握模式,可以灵活地抓取不同尺寸的球形、方形、三角形和圆柱形等物体。气动柔性手指最大弯曲角度为275°,最大夹持力为5.5 N;该机械手抓取物体最大直径为250 mm,质量为1 kg。     

一种基于点云的机械手抓取方法

针对传统的机械手抓取方法难以获得可靠抓取位姿的问题，提出一种基于点云的抓取方法。通过深度相机获得工作空间的部分点云；采用GPD法在点云空间采样候选抓取位姿；最后，通过自主设计的评估模型筛选出高质量的抓取位姿。基于所提方法，搭建了完整的自主抓取系统，对多种物体进行实际抓取实验。结果表明：算法能有效地检测出可靠的抓取位姿，且对未知物体的泛化性良好，抓取成功率和抓取完成度较传统方法有明显提升，能够满足各类抓取任务的需求。     

水下作业液压机械手软抓取技术的研究

水下机械手常要进行抓取作业,为了能把物体抓住而又不因夹持力过大而对物体造成伤害,本文设计了一种用于水下的滑觉传感器,对抓取时遇到的问题及相应的施力策略进行研究,并设计了一种模糊神经网络控制器,它具有自学习、并行分布存储信息及快速模糊推理的能力,能够满足机械手软抓取作业的要求。     

带传动式仿人机械手抓取规划及稳定性分析

为提高仿人机械手抓取稳定性,根据目标物体的结构形状、尺寸大小及机械手位置姿态,合理规划仿人机械手与抓取目标间的抓取方式及接触点分布;通过分析手指与目标物体间接触类型的抓取状态力学模型,引入机械手抓取稳定性指标参数,建立机械手抓取数学模型,确定机械手抓取稳定性与抓取平面位置、手指与目标抓取物体接触点分布间的映射关系;通过仿真实验验证了:仿人机械手的抓取稳定性与机械手抓取平面离目标物体质心的距离有关,抓取平面越靠近目标物体质心,抓取稳定性越强,并在抓取平面与目标物体质心重合时达到最大,仿人机械手的抓取稳定性与抓取平面上手指和目标物体的接触点位置分布无关;该结论为后续仿人机械手的抓取控制规划提供了理论依据。     

仿人手精巧抓取柔性末端结构设计与变形特性研究

为提高机器人柔性末端的适应性、稳定性、精确性和易控性,以圆柱形物体抓取为例设计3种仿人手柔性手爪方案并进行优选;针对仿人手非对称手爪的变形特点,提出包括抓取对象偏心距、末端位移垂直偏差、末端位移水平偏差、柔性手指曲率半径、最小工作压力在内的5个评价指标。通过单指变形特性试验和多指手抓变形特性试验,分析不同状态下的手爪变形规律。研究表明:采用对开式三指布置能有效降低最小工作压力;与长短手指组合相结合后,能有效提高不同压力和负载下的抓取稳定性和精度,并使得手指的曲率半径变化线性度提高。总体上,传统柔性手爪方案手爪的变形非线性较强,负载的增加会使手爪所需的工作压力增大;采用非对称布置的仿人手抓取方案综合性能最优。研究结果为机器人柔性末端结构优化及其形态的精确控制提供了参考依据。     

基于DSP和FPGA的欠驱动灵巧手控制系统设计

针对所研制的欠驱动灵巧手抓持运动特性和功能要求等问题,设计了一种主从控制和自主控制相结合的复合式递阶控制系统。硬件系统采用了DSP和FPGA相结合的主从结构模式,软件系统使用了模块化设计思想,同时探讨了基于遗传算法的欠驱动灵巧手抓持规划问题。最后进行相关抓持性能测试实验。实验结果表明:该控制系统响应迅速、性能稳定、可靠性高、人机友好、复杂度降低,可使欠驱动灵巧手有效地完成对不同物体的包络抓持。     

变结构气动软体机械手的设计及试验研究

针对软体机械手抓取稳定性差等问题，设计一种由转换机构和软体手指等组成的变结构气动软体三指机械手。机械手可实现4种抓取模式，通过转换机构的结构变换改变软体手指的工作空间，使其处于最佳抓取位置。建立手指的单腔室弯曲数学模型以得出充气压力和弯曲角度的关系，采用有限元法分析各参数对腔室弯曲角度的影响，并对腔室结构进行优化；通过充气弯曲试验，验证了软体手指的良好性能；通过软体手指输出力测试获取输入气压和输出力的关系。制作样机并对8种物体进行抓取试验，结果表明：该机械手抓取稳定，能够实现对0~320 g范围内各种不规则及软硬度不同物体的无损抓取。     

机器人智能抓取系统视觉模块的研究与开发

以ABB机器人、快换手爪、双目相机为硬件基础,搭建了基于双目立体视觉的工业机器人智能抓取系统,旨在实现随机放置物体的识别定位和自动抓取。基于视觉模块,研究了图像处理、立体匹配和深度计算以及坐标转换,以C++为开发平台,结合Open CV图像开发库和Triclops库,开发了视觉识别与定位算法,实现对圆柱体和长方体薄板对象的分类和位姿识别。最后,通过实验验证,表明该视觉算法有较高的识别定位精度,满足抓取系统的要求。     

基于高斯混合模型的工业机器人适应性抓取

在机器人抓取物体的过程中,机器人要调整自身的位姿,以适应物体位姿的变化。提出了一种基于高斯混合模型的适应性抓取方法,实现了机器人在较大工作区域中对物体的抓取。该方法采用高斯混合模型进行建模,构建物体的观测变量与机器人关节变量之间的映射关系。机器人抓取物体时,首先通过相机获取物体的观测变量,分别计算各个高斯分布下该观测变量的生成概率,选取后验概率最大的分布对应的高斯过程回归得到适应性的机器人关节角度。实验结果表明,采用高斯混合模型建模,比采用单一的高斯过程建模能够使机器人更好地实现适应性抓取。     

基于视觉的机器人目标抓取研究

为了减少机械臂在产品分类和抓取过程中的执行时间,减少定位误差,提高生产效率,提出基于视觉反馈机制的机器人控制方法。针对传统机器人只根据待抓物体特征点进行识别的局限性,根据机械臂系统可同时检测对象颜色和形状属性,提出基于RGB颜色空间和surf算法结合的目标对象特征提取方法;结合机械臂空间移动过程方法的研究,从机械臂逆运动学的角度出发,对以完成位姿定位的物体进行抓取;使用众为创造科技有限公司生产的xArm机器人验证所提方法的有效性和鲁棒性,结果表明该视觉识别方法有效提高了机器人抓取的精准性。     

气动机械手柔性抓取控制系统设计与仿真分析

对能抓取易碎物体的气动手指进行了研究,采用气动手指位置的夹持力自适应控制系统,建立了气动手指系统模型,并通过AMESim仿真分析,利用PID控制技术提高了系统的稳定性.     

基于IPSO算法的机器人抓取系统刚度优化研究

微小型工业机器人以其强耦合性、可扩展性、高精度被广泛应用到各行业,然而大多数机器人以串联型为主,其结构弱刚度问题会导致机器人动作时产生振动从而影响整体稳定性。以服务型机器人为研究对象,为保证机器人结构刚度以及抓取物体过程的稳定性,对机器人整体结构刚度进行优化。对机器人进行运动学静态建模,利用刚度等效原理计算机器人关节刚度;在抓取位姿范围约束下,将机器人末端刚度椭球半轴长作为优化指标,采用改进粒子群算法(IPSO)对机器人在不同抓取位姿的刚度进行优化,并将结果与遗传算法、粒子群算法的优化结果进行对比;通过ANSYS有限元分析和实验对比机器人优化前后的末端变形量,结果表明：基于IPSO算法的机器人抓取系统刚度优化对提高机器人整体稳定性具有一定意义。     

基于运动线索的单目绝对深度测量

为实现单目相机识别和测量目标物体的绝对深度信息，提出基于运动线索的测量方法。首先，通过SSD算法和GrabCut算法识别并分割两幅图中的同一目标对象；其次，利用改进的ORB算法和融合几何约束的RANSAC算法获得目标物体的特征匹配结果；再利用Graham Scan算法求得两幅图中特征匹配后的凸包集合，选出最佳匹配的特征线段计算缩放率，最后，通过公式求得目标物体的绝对深度信息。结果表明，当相机移动100 mm时，目标物体测量误差最小为0.94%,最大为5.23%,平均测量误差最小。由此可见，改进的特征提取和匹配算法不仅能均匀化和亚像素化角点，还提高了匹配正确率，同时选出最佳匹配的特征线段也保证了测量精度。