基于大数据聚类分析的爬壁机器人位姿定位控制系统设计

为提高爬壁机器人运动位姿精准度与稳定性,解决现有位姿定位控制系统存在的控制效果不佳的问题,利用大数据聚类分析技术,通过软、硬件结构的设计,实现爬壁机器人位姿定位控制系统的优化。改装爬壁机器人位姿传感器、爬壁机器人驱动元件、爬壁机器人位姿定位控制器的内部连接结构及工作方式,扩大系统存储器的存储空间,通过系统电路的连接完成硬件系统的设计。根据爬壁机器人的组成结构和工作机理,建立机械结构与运动模型。在构建模型下,采集爬壁机器人实时运行数据,利用大数据聚类分析技术处理初始采集数据,判定爬壁机器人的当前位姿。规划爬壁机器人位姿及关节轨迹,结合当前爬壁机器人的运行数据,计算爬壁机器人位姿定位控制量,在控制器的约束下,实现爬壁机器人位姿定位控制功能。通过系统测试实验得出结论：通过设计位姿定位控制系统的应用,爬壁机器人样机的足端轨迹控制误差、关节角度控制误差和占空比控制误差均低于预设值,即设计系统具有良好的位姿定位控制效果。     

基于虚拟力引导的人机协同目标抓取方法

针对力反馈遥操作中传统人工势场法无法适应于机械臂整体的避障以及在作业过程中操作者难以控制机械臂到达所需位姿的问题,提出了一种基于虚拟力引导的人机协同目标抓取方法。力反馈设备向操作者提供力觉交互。通过结合人工势场法和虚拟夹具,构建管道形虚拟力场,生成实时虚拟力引导,实现协助操作者完成从端机器人的整体避障任务并在完成避障后引导机器人返回预定义路径并趋近目标点。当进行抓取任务时,构建锥形虚拟力场,实现协助操作者操作机械臂到达目标位置和姿态。此外,提出了一种机器人运动限制方法以降低操作者的操作失误对抓取任务的影响。实验证明,该方法能有效提高目标抓取操作的成功率和操作效率。     

基于分解动量的仿人机器人手臂高速运动实时平衡控制

本文面向仿人机器人7自由度手臂高速动态作业运动需求,提出了基于分解动量的仿人机器人实时平衡控制方法,给出了作业臂运动用末端执行器速度向量表示下的机器人总动量计算公式,分析了动量控制维度的择优选取原则,给出了基于分解动量控制的辅助臂关节速度实时计算优化方法.仿真实验表明,经过改进优化的分解动量控制方法对于仿人机器人手臂高速作业运动下的平衡控制具有较高的可行性和实时性,不仅所控制维度的分解动量完全达到了预期的效果,而且其他维度的分解动量也有所降低或基本维持不变,所生成辅助臂运动平滑且在关节运动性能上有较大裕度,机器人总体具有优秀的零力矩点(zero-moment point,ZMP)稳定性.     

基于大数据聚类的工业遥操作机器人位姿定位控制系统设计

针对工业遥操作机器人位姿定位过程中难以同步控制位置和姿态角,导致位姿定位准确性较差的问题,利用大数据聚类技术,从硬件和软件两个方面优化设计工业遥操作机器人位姿定位控制系统。通过位姿传感器的改装,保证传感器设备能够同时测量机器人位置与姿态,改装定位控制器和驱动器。在系统硬件的支持下,考虑机器人组成结构、运动原理和动力学理论,构建机器人数学模型,在该模型下模拟机器人遥操作过程,确定机器人位姿的定位控制目标。实时采集机器人位姿数据,利用大数据聚类技术计算定位控制量,在控制器的约束下,实现系统的位姿定位控制功能。通过系统测试实验得出结论：综合多种类型的运动情况,在优化设计系统的控制下,机器人的位置误差平均值为4.5mm,姿态角控制误差为0.04°。     

高精度Stewart平台运动控制系统设计

为实现Stewart平台的高精度运动控制,设计了基于运动学模型的运动控制系统。在工作空间中使用梯形速度曲线进行轨迹规划,通过位置反解得到关节空间中各支腿的规划轨迹,设计位置—速度双环控制器控制支腿跟踪各自轨迹。为抑制外部扰动,提高鲁棒性,使用基于模型辅助线性扩张状态观测器的自抗扰控制器作为速度环控制器。为在保证轨迹跟踪精度的同时,加快系统镇定速度,使用分段积分重置PI控制器作为位置环控制器。将所设计的控制器应用到实际控制系统中,并进行了运动控制实验。实验表明:在所设计控制系统的控制下,平台运行平稳,并能够较快稳定到目标位姿。     

排爆机器人运动关节的伺服系统

机器人运动关节的伺服系统是机器人控制系统的基础,伺服系统的好坏决定了机器人整体性能的优劣。基于5自由度排爆机器人,使用Simulink设计出运动关节的伺服系统框图,并通过xPC目标系统生成可运行于PC104的实时控制系统。该系统采用先进PID控制器,具有专家特性。运行结果表明,该方案取得了良好的效果,机器人关节运动平稳且无静态误差,系统具有很好的鲁棒性和实时性。该伺服系统不但可用于机器人运动关节的伺服控制,还可以应用于数控机床等位置控制系统。     

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.     

小型仿人机器人控制系统设计

本文提出了一种以ARM9为主控制器的新型的仿人机器人分布式控制系统。单片机和外部计数器组成关节控制器。主控制器和关节控制器之间采用USB通信。从而实现了控制系统的小型化和低功耗。通过该系统控制小型仿人机器人完成了行走实验。     

仿人机器人手臂抓取运动规划广义逆RRT算法

针对高维空间冗余仿人机器人手臂抓取对象运动规划时所面临的目标位形未知、抓取空间受限、位形空间存在大量障碍物等难题,提出了一种广义逆快速探索随机树法(RRT)避碰运动方法.首先,提出分层子维空间运动规划概念模型,建立了仿人机器人上肢手臂运动学和逆运动学模型;其次,提出一种加权最小范数广义逆RRT规划算法;最后,通过计算机三维仿真,采用基于有向包围盒法开发的碰撞检测算法,验证了该算法的有效性.     

弱光环境下仓库搬运机器人抓取控制方法

为精准、稳定、可重复地完成抓取动作,研究了弱光环境下基于稳定轻量级网络的仓库搬运机器人抓取控制方法。首先,针对搬运环境弱光图像,基于稳定轻量级编/解码网络提取抓取区域弱光特征并进行融合处理,获得正常光抓取区域特征;其次,在深度分离融合提取层中,通过处理正常光抓取区域特征,重构深层特征,从而恢复特征提取时丢失的细节信息;再次,在网络输出层内输入重构特征,输出仓库搬运机器人手爪的抓取位姿参数;最后,通过手眼标定得到的搬运目标图像,采集相机坐标系与机器人坐标系的坐标转换关系,将抓取位姿参数转换成仓库搬运机器人抓取控制量,完成对仓库搬运机器人的抓取控制。实验证明,该方法可有效提取搬运目标抓取区域特征,并可有效预测仓库搬运机器人抓取位姿,能完成仓库搬运机器人抓取控制,且抓取精度较高。