一种新型欠驱动机械手爪的抓取分析和优化设计

传统欠驱动机械手的运动和功能单一，难以实现对不同尺寸物体的稳定抓取．为此，提出了一种新型欠驱动手爪结构，并进行抓取分析和优化．首先，介绍了欠驱动机械手爪的整体机构设计，并对手指进行静力学分析，针对手爪包络抓取物体时可能发生弹射的不稳定情况，进行手指结构优化．然后，基于刚度矩阵的势能模型，确定指尖合理的尺寸范围并建立指尖最佳形状．通过几何约束中的数学公式，表达了指尖抓取时手指位姿和物体尺寸的关系．最后，完成手爪样机的搭建，并对常见家用物品进行了指尖抓取和包络抓取实验．实验结果表明，该机械手爪能够对各种尺寸大小的物体进行稳定抓取．     

基于ADAMS的欠驱动三指机械手虚拟设计及参数优化

针对现有一款模块化欠驱动三指机械手本身的结构特征不完善,所能实现的抓取任务、承载能力有限等问题,设计了一种弹簧被动自适应手指机构。根据欠驱动手指的结构、构件的尺寸、驱动规律及构件间相对关系,以单指为例采用D-H坐标法建立了运动学模型;利用ADAMS软件对该欠驱动手的3种抓取构型进行运动学仿真,验证了结构设计的合理性;在满足运动学模型准确性的前提下,选出1种抓取构型,以中心滑盘连接手指处所受应力最小为目标,对基指节内部推杆的长度及摆动的角度进行参数优化,有效地增强了欠驱动手抓取的多样性,可为该机械手的设计研究提供可靠的理论依据。     

欠驱动多指机械手抓取能力分析与优化研究

给出两种模块化欠驱动手指的优化设计方法,分析了采用曲柄滑块以及四连杆机构可实现欠驱动,并减少驱动电动机数。采用D-H参数法建立手指运动学模型,并对模型采用正运动学求解。借助于ADAMS仿真软件对机械手建模并进行运动学仿真,研究并分析了欠驱动手爪在不同抓取模式下的运动特性及抓取能力,验证了欠驱动手爪抓取的多样性。最后,在精确建立运动学模型的前提下,以中心滑盘连接手指处所受应力最小为目标,对基指节内推杆的长度及摆动的角度进行参数优化,有效地增强了欠驱动手爪抓取的实用性和可靠性。     

基于行星齿轮机构的牵引式欠驱动机械手设计

为实现夹持力调节和目标物体抓取功能,设计了一种基于行星齿轮机构的牵引式欠驱动机械手。该机械手采用不固定输出轴和内齿圈的行星齿轮机构来分配2种互斥的运动,一种用于手指的转动,实现机械手的夹持功能;另一种用于皮带轮的无限转动,通过皮带实现目标物体的拉入功能。相对于腱绳式和连杆式欠驱动机械手,这种单输入双输出形式不仅能够保持机械手的自适应性,同时还能降低机械手的耦合程度。根据行星齿轮机构的这种传动特点,设计了阻力矩调节机构,实现了机械手的夹持力调节功能。夹持力测试实验表明,在阻力矩调节机构的作用下,机械手能有效调节夹持力。抓取实验结果表明,机械手能够实现对刚性和柔性目标物体的抓取操作,验证了机械手设计的有效性。     

一种单电机驱动多指多关节机械手的设计

为了使机械手灵巧、稳妥地抓取物体,设计了一种新型结构的单电机驱动4 指12 关节机械手爪．该手 爪由电机驱动一根十字连杆,其端部分别连接4 个手指的第1 动力连杆;每个手指有3 个指节,由2 个平行四边形 的指节结构确保手指末端做平移运动;每个手指的第2 动力连杆具有延伸滑槽,当第2 动力连杆运动时,经过特别 设计的滑槽在固定支点滑动,可使手指末端匀速运动．该新型的单电机驱动手爪设计方案实现了机械手控制简单、 抓握可靠的目的．     

三轴简易机械手控制系统设计

设计了三轴简易机械手,其控制系统以ATmega16单片机作为核心控制器;实现机械手的控制,以PWM控制和驱动直流电机作为动力源,作为手臂的升降、手指的抓取动力,用红外光电传感器和微动下开关判断物体的存在和物体受力控制,确保物体在搬运过程中的安全.     

人体体感感知机械手设计与实现

机械手是机器人研究中的一个重要领域。本文设计并实现了一种基于Arduino的体感同步控制的仿生机械手,可以完成手势、抓取等类人操作。实验结果显示仿生机械手具备了一定的人手灵活性,可在特殊环境下替代人工作业。     

一种基于气动柔性驱动器的仿人机械手设计

为了提高柔性机械手结构刚性，保证其柔顺性以及实现灵巧运动，本文基于柔性驱动器技术，分析人手的外形、结构和运动特点，采取以气动柔性驱动器作为驱动关节的驱动方式，再结合刚性机械结构，设计出一种具有气动柔性手指、拇指对掌关节、刚性掌部的仿人机械手，并对其进行了姿态及抓握实验。实验结果表明，该仿人机械手具有良好的灵巧性和稳定的抓取能力。     

面向水下抓取作业的复合腔体仿生软体手设计

水下机械手在水生物采样、考古打捞等水下作业中起着关键作用,而现有水下机械手存在耦合安全性差、适应性弱及抓取不稳定等问题,使得作业效果并不理想。针对以上问题,本文开展了新型水下软体手的设计与研究。首先提出了具有密封管结构的复合腔体仿生软体驱动器,基于该驱动器设计出一种三指包络型水下软体手;硅胶材料的弹性和流体的可压缩性能够保证目标物的无损抓取,密封管结构可提高深水高压适应能力,保持腔和弯曲腔的复合结构及指纹、指甲的仿生结构提升了软体手耦合适应能力。利用基于Yeoh模型的有限元分析方法及注塑、3D打印等加工技术对软体手进行了结构优化和制作。设计了一套具有较高精度的水压驱动系统来提高软体手耦合稳定性。最后,针对影响机械手水下作业能力的重要因素,模拟相应实验场景对软体手进行了实验测试,实验结果显示软体手纵向抓取力达到26 N,驱动深度可达3000 m,较现有水下软体手均有较大提升;水下目标物抓取测试及与传统水下刚性手的对比实验证明了所提出软体手具有稳定的抓取性能和更好的适应性及安全性,适用于水下目标物的无损抓取作业。     

形状自适应欠驱动三关节机器人手指设计

根据欠驱动原理研制的三指10个自由度的机器人手爪具有驱动元件数量少、抓取物体范围广泛等优点．在欠驱动手爪的4个主要机构中,欠驱动手指对抓取物体具有被动柔顺和形状自适应的特性．首先对三关节欠驱动手指机构进行静力学分析,提出合理的设计目标和约束条件;然后根据设计目标,采用遗传算法得到手指机构的各个关节连杆尺寸和抓取物体时的特殊构形,使得在抓取给定物体时各关节指面的接触力达到均匀分布,得到高效的力传递和更加紧凑的机构尺寸．     

气动肌肉驱动的柔顺机器人操作手的设计和实现

以气动肌肉为主要驱动器,设计了一个柔顺机器人操作手,在腕部和手部两个不同的关节,使用了两种不同型号的气动肌肉,分别采取了两种不同的传动方式．给出了腕部俯仰关节的位置控制策略．建立了手指的静力学模型,以此为基础,分析了气动肌肉的输入压力与指端夹持力的关系．实验结果表明,该机器人操作手可实现对物体安全、柔顺的抓取操作．     

SMA丝驱动的手指康复机器人设计及实验研究

为了研制一种轻便、可穿戴的仿生手指康复机器人,在分析手指肌肉骨骼生物参数及致动机理的基础上,设计了一种形状记忆合金丝(Shape Memory Alloy, SMA)驱动的软体柔性手指康复机器人,建立了其运动学和力学模型。以手套为结构设计的原型,通过控制SMA丝的收缩来模拟手指肌肉肌腱的收缩,从而实现辅助手指屈曲伸展运动的功能。试验研究了手指康复机器人的运动性能和抓握性能。试验结果表明,手指柔性康复机器人最大弯曲角度接近正常人手关节角度,最大指尖力可达18N,能完成日常所需的屈曲伸展以及抓握功能。     

一种基于随动视觉的排爆机器人自主抓取系统

在传统基于固定视觉的排爆机器人抓取系统中,相机视觉易被遮挡且不能保证拍摄清晰度。基于随动视觉技术,提出一种将深度相机置于机械手末端并随机械手运动的排爆机器人自主抓取系统。利用深度相机计算目标物体的三维坐标,采用坐标转换方法将目标物体的位置坐标信息实时转换至机器人全局坐标系,并研究相机坐标系、机器人全局坐标系与末端执行器手爪工具坐标系三者的动态映射关系,实现排爆机器人的自主抓取。实验结果表明,与传统固定视觉方法相比,随动视觉方法可在误差2cm内,使得机器人机械手爪准确到达目标物体所在位置,且当机器人距离目标物体100cm~150cm时,抓取效果最佳。     

基于卷积神经网络的机械臂抓取控制系统设计

为保证机械臂的抓取精度,保证物体抓取的稳定性,本文设计基于卷积神经网络的机械臂抓取控制系统。在系统硬件部分,加设图像、位置和压力传感器,改装机械臂抓取控制器和运动驱动器,利用图像传感器设备,获取满足质量要求的机械臂抓取目标图像,为机械臂抓取控制功能提供硬件支持。软件部分利用卷积神经网络算法提取图像特征,确定机械臂抓取目标位置。结合机械臂当前位置的检测结果,规划机械臂抓取路线,预估机械臂抓取角度与抓取力。最终通过机械臂抓取参数控制量的计算,在控制器的支持下实现系统的机械臂抓取控制功能。实验结果表明,所设计系统应用下位置控制误差和速度控制误差的平均值分别为0.192m和0.138m/s,同时物体抓取掉落概率明显降低。     

基于目标检测的机器人手眼标定方法

智能协作机器人依赖视觉系统感知未知环境中的动态工作空间定位目标,实现机械臂对目标对象的自主抓取回收作业。RGB-D相机可采集场景中的彩色图和深度图,获取视野内任意目标三维点云,辅助智能协作机器人感知周围环境。为获取抓取机器人与RGB-D相机坐标系之间的转换关系,提出基于yolov3目标检测神经网络的机器人手眼标定方法。将3D打印球作为标靶球夹持在机械手末端,使用改进的yolov3目标检测神经网络实时定位标定球的球心,计算机械手末端中心在相机坐标系下的3D位置,同时运用奇异值分解方法求解机器人与相机坐标系转换矩阵的最小二乘解。在6自由度UR5机械臂和Intel RealSense D415深度相机上的实验结果表明,该标定方法无需辅助设备,转换后的空间点位置误差在2 mm以内,能较好满足一般视觉伺服智能机器人的抓取作业要求。     

基于视觉与RFID的机器人自定位抓取算法

为实现机器人灵活的自定位,并使其准确地抓取物体,提出一种基于视觉与无线射频识别(RFID)技术的机器人自定位抓取算法。构建网格化环境,利用RFID技术确定机器人的初始位置、行进路线和方向,使用视觉系统获取物体的空间坐标,将其转换到手臂坐标系,采用改进的D-H模型对手臂进行建模,并给出机械臂逆解抓取算法。实验结果表明,该算法使得机器人定位的成功率达到76.7%,抓取成功率高达90%。     

TAMS: development of a multipurpose three-arm aerial manipulator system

This paper describes the concept, design and realization of a novel manipulator system for a multirotor aerial robot. The proposed manipulator system consists of three robotic arms attached to a multirotor frame. To overcome the limited payload capabilities in multirotor aerial platforms, the same set of on-board manipulators are used to realize various tasks, primarily the manipulation or grasping of objects of various sizes. Furthermore, they can provide aid in complex navigation tasks by doing physical, contact-based obstacle avoidance and are able to act as adaptive landing gear in uneven terrain. The design requirements and the analysis to realize these tasks is discussed. The proposal is supported with the successful demonstration of these tasks using the aerial multi manipulator system in an outdoor environment.     

基于机器视觉的非特定物体的智能抓取系统的研究

针对传统机械臂局限于按既定流程对固定位姿的特定物体进行机械化抓取,设计了一种基于机器视觉的非特定物体的智能抓取系统;系统通过特定的卷积神经网络对深度相机采集到的图像进行目标定位,并在图像上预测出一个该目标的可靠抓取位置,系统进一步将抓取位置信息反馈给机械臂,机械臂根据该信息完成对目标物体的抓取操作;系统基于机器人操作系统,硬件之间通过机器人操作系统的话题机制传递必要信息;最终经多次实验结果表明,通过改进的快速搜索随机树运动规划算法,桌面型机械臂能够根据神经网络模型反馈的的标记位置对不同位姿的非特定物体进行实时有效的抓取,在一定程度上提高了机械臂的自主能力,弥补了传统机械臂的不足.     

基于RBF-BP算法的机械臂多自由度分拣控制系统设计

为提升机械臂设备的准确分拣能力,设计基于RBF-BP算法的机械臂多自由度分拣控制系统。利用RBF-BP前馈神经网络,规划机械臂设备的运动轨迹路线,实现基于RBF-BP算法的机械臂运动轨迹建模。确定工业相机在总功能框架中所处连接位置,根据机械臂选型情况,确定可编程逻辑控制器、变频控制器对于所选机械臂元件的调节能力,完成对系统功能模块的开发。借助传输信道,将Sorting分拣指令、ToolControl控制指令反馈回核心控制主机,建立完整的指令执行回路,再联合相关硬件设备结构,实现基于RBF-BP算法的机械臂多自由度分拣控制系统设计。实验结果表明,在抓取能力相同的情况下,应用RBF-BP算法控制系统机械臂成功分拣的工件数量为19件,机械臂抓取成功率为95%,说明所设计系统满足提升机械臂准确分拣能力的设计初衷。