一种基于高斯过程混合模型的机械臂抓取方法

为了避免现有的基于视觉的机械臂抓取方法中存在的标定繁琐和求逆困难的不足,提出一种基于高斯过程混合模型的机械臂抓取方法.在学习阶段,利用高斯过程混合模型直接构建目标物体的位姿到机械臂关节角度的映射.在抓取阶段,通过相机获取目标物体的位姿,分别计算各个高斯分量下该位姿的生成概率,选取后验概率最大的高斯分量对应的高斯过程回归计算相应的机械臂关节角度.定位容差为20 mm时,仿真抓取成功率达到93.3%,实际抓取成功率达到了88.3%,对于精度要求不高的抓取作业,该方法可以实现机械臂的快速部署和使用.     

工业机器人负载动力学参数辨识方法

为了解决负载变化导致的机器人控制性能降低的问题,本文在分析负载动力学参数对各关节力矩的影响的基础上,提出了一种仅驱动机器人的第3、4、5、6轴运行激励轨迹的辨识方法．首先,基于最小惯性参数集线性化工业机器人动力学模型;其次,在分析负载参数对各关节力矩的影响的基础上,选取相应的运动关节轴,设计适用于负载辨识的有限项傅里叶级数的优化激励轨迹;然后,在空载和带3种不用负载情况下运行激励轨迹,采集关节角度和关节力矩数据,并将数据通过低通滤波器处理;最后,基于动力学线性模型使用加权最小二乘法辨识负载动力学参数．机器人运行验证轨迹,通过计算负载力矩计算值和测量值的差的均方根（RMS）来评价负载辨识结果．同时将该方法与CAD（computer aided design）方法对比,结果显示前者最多可以将后者RMS值降为原来的16%,且该方法对不同负载辨识结果稳定有效．该方法避免了驱动所有关节轴运动的方式,减小了机器人耦合带来的误差,同时缩短了激励轨迹参数优化时间,有效提高负载动力学参数的辨识效率和效果．