包装生产线用码垛机器人智能定位方法

目的 为提高包装生产线中码垛机器人的智能定位精度,结合图像处理和智能算法设计一种码垛机器人定位方法.方法 分析码垛机器人基本结构和工作流程.介绍一种适用范围广的快速手眼标定方法,可通过图像处理得到物料实际位置.设计一种模糊神经网络控制器,用于消除实际抓取位置和理论计算位置之间偏差.采用遗传粒子群优化算法来解决控制器参数初始值优化问题.通过实验验证智能定位方法的有效性.结果 试验结果表明,实际抓取位置和理论计算位置之间偏差可控制在0.5 mm以内,实际分拣速度最高支持180个/min.结论 所述视觉码垛控制系统可实现工作区域内物料的定位和识别,几乎不会出现漏抓、误抓等情况,满足精度要求.     

基于遗传算法的包装机械臂位置精度控制方法

目的为提高包装机械臂运行精度,解决视觉伺服控制系统中手眼标定问题,基于遗传算法设计一种机械臂运动学参数标定方法。方法在明确手眼视觉坐标的基础上,给出不同坐标系之间的变换关系。通过对比机械臂末端执行器理论位置和实际位置,确定其运动学参数标定误差模型。基于遗传算法基本原理,搭建了相关适应度函数,根据计算所得误差补偿量更新末端执行器位姿。最后,对机械臂运动控制系统进行联合调试以及实验分析。结果实际位置和理论位置之间偏差绝对值的平均值大约为0.8 mm,偏差最大值只有1.2 mm,精度比较高。结论所述手眼标定方法可以显著提高机械臂运动精度,可满足相关包装行业要求。     

基于视觉标定的包装搬运机器人定位方法

目的为了提高包装搬运机器人的定位精度,提出一种基于机器视觉的末端执行器定位方法。方法基于OpenCV设计一种视觉标定算法,该算法包括摄像机标定和位姿标定,可实现待码放物体图像坐标和机械手坐标之间的变换。结合工控机和运动控制卡设计其控制系统,同时给出硬件设计和软件设计方法。最后进行实验研究,包括原点定位和重复定位。结果实验结果表明,所述控制方法能够提高搬运机器人的定位精度,原点定位误差约为0.14 mm,重复定位误差约为0.6 mm。结论该搬运机器人定位方法能够满足包装码垛要求。     

基于PSO优化神经网络和空间网格的机器人位姿标定方法

该文提出一种将机器人的位置和姿态拆分开,分别进行标定的机器人位姿标定方法。采用空间精度控制网格标定机器人定位误差,粒子群优化算法(particle swarm optimization,PSO)优化神经网络标定机器人定姿误差。该方法以指数积公式(product of exponentials,POE)为基础建立机器人正向运动学模型,用映射法建立空间网格,用三坐标测量臂测量机器人位姿,用空间网格精度标定定位误差,用PSO优化的神经网络标定定姿误差。其优点在于既标定机器人工具中心点(TCP)的定位误差,又标定机器人工具坐标系的姿态误差,使得机器人定位、定姿误差都得到补偿。实验结果表明机器人的定位、定姿均方根误差减小接近一个数量级。     

伸缩因子优化机械臂轨迹跟踪控制的误差分析

提出了一种通过伸缩因子在线调节论域来优化机械臂轨迹跟踪控制的变论域模糊控制方法。首先设计了一种与关节角度偏差和偏差变化率动态加权相关的比例-指数混合型伸缩因子;然后,运用时间最优轨迹规划算法获取机械臂笛卡尔空间的期望关节轨迹;最后,基于所设计的变论域模糊控制器实现了一种三关节机械臂轨迹跟踪控制仿真,并分析了轨迹跟踪误差。仿真结果表明: 所设计的基于比例-指数混合型伸缩因子的变论域模糊控制器应用于机械臂轨迹跟踪的控制效果良好,具有响应速度快、无超调、稳态误差小的优点。     

基于自适应神经网络的机械臂滑模轨迹跟踪控制

针对动态建模误差和不确定性扰动对机械臂末端高精度轨迹跟踪控制的不利影响，提出了一种新型的基于自适应神经网络的机械臂滑模控制策略。该控制策略可分为三部分：自适应神经网络补偿项、切换控制项和等效控制项。自适应神经网络的引入，避免了建模误差和外界未知扰动对机械臂系统的影响，提高了轨迹跟踪精度；切换控制项可使机械臂系统性能在迅速趋近滑模面的同时以很小的速率趋近平衡点，既能保证系统稳定，又能避免系统过于抖振；等效控制项用于对机械臂动力学模型的重力项和哥氏力项进行补偿，实现对模型的线性化处理，保证了系统的控制精度。最后，通过构造Lyapunov函数验证了所设计控制系统的稳定性，并在MATLAB/Simulink环境下和机器人系统工具箱中开展仿真实验和对比实验。结果表明，所提出的控制算法能够在保持机械臂稳定性的同时实现高精度的轨迹跟踪，验证了该控制算法的有效性和优越性。自适应神经网络滑模控制算法可为提高机械臂末端轨迹跟踪精度提供一种解决方案。     

包装码垛机器人嵌入式控制系统设计

目的为了提高码垛机器人运行精度,改善控制系统的通用性,以确保包装物品的生产效率。方法在分析包装码垛机器人基本结构和工作流程的基础上,基于ARM设计一种码垛机器人控制系统,同时提出一种Hough-链码视觉识别算法,用于提高码垛精度、满足视觉功能需求。通过原点定位实验和重复定位实验验证所述控制系统的有效性。结果实验结果表明,包装码垛机器人定位精度较高,其中原点定位误差小于0.20 mm,重复定位误差小于0.8 mm,完全满足设计要求。结论该控制系统能够满足实际作业需求,对于提升包装效率、降低成本具有一定意义。     

关节臂式测量机动态误差分析与补偿

关节臂式测量机误差来源多且易累积放大,其动态误差分析与补偿成为了国内外学者研究的重点。本文通过分析热变形误差、测量力误差与角度编码误差三种主要误差因素,得出了关节臂式测量机工作的最佳温度值以及表征其动态误差的三种误差因子——最大定位误差（MPE）、残余定位误差（RPE）和关节转角值（JA）。针对以上误差因子,本文提出了将T-S模糊神经网络（T-S Fuzzy Neural Network, T-S FNN）在自学能力和大规模运算方面的优势以及模拟退火算法（Simulated Annealing, SA）对全局寻优的能力相结合的新补偿方法,并建立了模型。经正交实验表明本文提出的补偿方法使动态过程中的误差分别减小了88.8%、80.2%、71.3%,证明该模型能够有效提高测量机的动态测量精度。     

基于模糊自整定PID算法的压电柔性机械臂振动控制研究

柔性臂运行过程中的振动降低了其定位和操作精度,不同控制算法时的柔性臂抑振效果也不相同。针对刚-柔-电耦合的双连杆压电柔性机械臂,提出基于模糊自整定PID算法的柔性臂振动主动控制方法。利用MATLAB软件中的模糊工具箱,建立有效的模糊规则,实现了PID参数在线自整定模糊控制系统的设计与仿真。与常规PID控制算法相比较,仿真及实验结果表明:两种算法均能抑制柔性机械臂的振动,但模糊自整定PID控制器具有响应快、鲁棒性好、调整方便等优点,并更好地改善了控制系统的动态性能。     

RBF模糊神经网络在刚性机械臂控制中的应用

为了提高刚性机械臂轨迹跟踪控制的精度,本文在分析RBF神经网络与模糊逻辑系统的函数等价性基础上,提出了一种基于T-S型模糊推理方法的RBF模糊神经网络,设计出基于RBF模糊神经网络的工业机器人控制器.研究发现,与普通的模糊神经网络相比,该网络结构简单,层数少,训练速度快,能自动寻优,通过在线调整网络隶属函数的中心值和宽度,优化了模糊规则,实现了对非线性系统的高精度轨迹跟踪控制,而且表现出有效性和鲁棒性.     

基于模糊神经网络PID的卷材纠偏控制

目的为了提高卷材边缘的整齐度,提升包装产品质量,降低包装材料损耗。方法分析卷材放卷过程中跑偏的原因,在分析放卷纠偏系统数学模型的基础上,提出一种模糊神经网络PID的纠偏控制器以实现复杂的卷材放卷系统参数自调整以及优化。结果仿真和实验结果表明,模糊神经网络PID具有更快的响应速度,超调量更小,纠偏控制精度达到±0.5 mm。结论所述控制方法能够明显降低软性包装材料跑偏误差,大大提高了产品包装质量。     

基于Workbench的粘箱机推动臂强度分析与优化设计

目的 为提高肥料包装计量精度,设计一种肥料包装机控制系统。方法 建立肥料动态称量系统数学模型。结合模糊控制和内模控制理论的先进控制算法,设计肥料包装计量精度控制系统。采用内模控制使PID控制器参数简化,同时模糊控制的引入实现了控制参数的在线调整。利用肥料质量偏差及其变化率,基于Mamdan二维模糊控制器实现内膜控制参数λ的自动调整。结果 实验结果表明,在模糊内模PID控制下,质量最大相对误差为1%;质量绝对误差的平均值为0.2 kg;控制算法超调量较小、具有很好的动静态性能;系统称量误差大幅度减小。结论 所述控制方法和系统可以提高称量包装设备的效率和精度。     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

基于位移传感器的包装机械手运动跟踪方法设计

目的为提高包装机械手末端执行器轨迹跟踪精度,提出一种三维运动轨迹跟踪方法。方法获取拉绳式位移传感器在预先建立的三维坐标系中坐标数据和拉线长度。利用坐标和拉线长度计算运动物体的三维坐标数据,进而形成所述运动物体的三维运动轨迹。同时,给出基于ARM的轨迹跟踪控制器结构以及软件实现方法。结果实验结果表明,与传统示教盒相比,该方法可将定位精度提高1倍,相关误差可控制在0.3 mm以内。该方法在执行效率方面大约能够提升33%,提高了包装机械手的执行速度和分拣效率。结论所述轨迹跟踪方法能够提高包装机械手末端执行器的定位精度和定位速度,符合包装、食品、化工等行业的工艺要求。     

枕式包装机包装材料供送速度控制

目的 为了提高包装袋的袋长精度,提升包装袋体外观质量。方法 提出一种基于神经网络PID自适应的三伺服枕式包装机包装材料速度控制方法,将传统的PID控制方法同神经网络控制相结合,设计一个神经网络PID控制器,包括控制器结构和学习算法,可用于解决相关非线性问题。结果 仿真和实验结果表明,采用神经网络PID控制方法,包装材料速度达到稳态时,所用时间约为2 s,最大超调量不超过2%,包装袋长误差能够有效控制在±1 mm以内。结论 所设计的控制方法与传统的PID控制相比,具有响应速度快、抗干扰能力强、控制输出稳定等优点,能够显著提高包装袋长精度。     

鲜切蔬菜包装过程袋膜纠偏控制系统设计

目的为了减小鲜切蔬菜包装机袋膜跑偏对产品外观和质量造成的影响,方法提出一种基于模糊控制的智能纠偏控制方案。在分析包装薄膜跑偏原因的基础上,论述纠偏系统的工作原理。采用机器视觉获取包装薄膜的实际位置,并计算跑偏量。结合模糊控制和灰色预测设计一种模糊控制器,包括包装膜位置灰色预测模型和模糊加权PID控制。最后进行试验研究。结果试验结果表明,所述纠偏控制系统可将纠偏误差控制在±0.5 mm内,实际偏移量最大值仅为0.4 mm,平均误差只有0.19 mm。结论该控制系统可以有效地提高系统纠偏精度,能较好地满足鲜切蔬菜包装工艺要求。