基于强化学习的小型ROV运动控制算法的研究

本文首先介绍了强化学习在无人遥控水下机器人(ROV)运动控制方面的研究现状,指出目前阻碍其进一步应用的共性难题,并对深度强化学习算法中的深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法的基本原理进行了阐述;然后针对DDPG算法应用于ROV运动控制时所存在的坏样本影响学习稳定性和缺少环境探索能力的问题,从神经网络结构和噪声引入两个方面对该算法进行了改进,提出了基于均值策略的混合式神经网络结构和引入参数空间噪声的方法;最后进行仿真实验,实验结果证明:本文改进型DDPG算法比常规的DDPG算法和传统的PID控制算法更加有效。

基于改进鲸鱼优化算法的GCR5-910协作机器人参数辨识研究

本文提出一种基于改进鲸鱼优化算法(IWOA)的协作机器人动力学参数辨识方法。首先,利用牛顿—欧拉(Newton-Euler)方法建立含有关节摩擦特性的协作机器人动力学模型;其次,通过调整非线性收敛因子和自适应权重的策略引入IWOA;最后,以新松GCR5-910协作机器人为对象设计仿真实验,对辨识结果与理论值进行了对比分析。结果表明,采用改进的鲸鱼优化算法可以准确地辨识出机器人动力学参数,所建立的模型能够反映协作机器人的动力学特性,验证了辨识算法的正确性和有效性。

跟随机器人关键技术的研究综述

跟随机器人是一种跟随非确定轨迹目标的移动机器人,具备自主导航、建图与定位、避障和路径规划等功能,是移动机器人领域中的研究热点,其发展为目标检测识别、定位与导航等技术提供了现实场景与研究目标。从跟随机器人涉及的关键技术、现存问题以及未来研究方向三个方面对跟随机器人关键技术的研究与发展进行了阐述。首先介绍了国内外研究现状;然后详细展示了常用传感器和相关目标识别与跟踪算法,包括其原理和优缺点等;进一步分析了目前跟随机器人关键技术中存在的问题和相应研究方法,指出当前研究中的一些不足之处;最后对未来研究方向进行了讨论。

柔性机械臂的研究现状和发展趋势

柔性臂的研究涉及仿生学、材料力学、机械结构设计与制造、智能感知与控制和人工智能等领域,是一门交叉融合性较高的研究学科。和刚性机械臂相比,柔性臂由软材料或超弹性材料制作而成,具有制造方式简单、人机交互安全、高功率密度比和无限自由度等特点,在复杂地形探险、医疗手术操作以及对目标的无损伤捕获等方面具有很大的应用潜力。由于柔性臂存在大变形、高度非线性以及刚度较低等问题,所以如何实现对柔性臂的精准数学建模、结构创新制造、灵巧操作以及输出力的有效提升是目前需要重点解决的问题。本文从柔性臂的仿生学机理、工艺制作方法、驱动方式、建模方法以及变刚度方式等方面对柔性臂的研究现状进行综述,最后对柔性臂的关键研究技术进行归纳、对发展趋势进行了预测。

语义驱动的家庭服务机器人技能学习综述

基于语义信息的知识学习是人类提高自身技能的重要途经。作为一种存储于网络的大规模共享资源,语义信息同样能够用于辅助机器人进行家庭服务,形成机器人服务技能,为解放人力、提高机器人智能水平和自主学习能力提供可能。语义驱动的家庭服务机器人技能学习包括机器人对语义信息的理解、学习和转化3个阶段,是涉及知识构建领域、策略生成领域以及机器人任务规划领域的综合性技术,具有重要的科学意义和应用价值。本文阐述了语义驱动的家庭服务机器人技能学习的最新进展,为机器人基于语义信息的技能学习研究工作提供借鉴和参考。

柔软体攀爬机器人研究进展与关键技术

随着机器人技术的发展和人类需求的转化,利用攀爬机器人代替人工完成高空危险作业成为一种趋势。而柔性、软体机器人由于其良好的柔顺性、人机交互的安全性和本体可变形性有望弥补传统刚性攀爬机器人的局限,在非结构环境和高空作业中取得突破。文章给出了柔软体攀爬机器人的定义,根据驱动方式、末端附着方式和应用领域的不同进行了分类,并归纳了各种方式的优点和局限。梳理了国内外柔性、软体攀爬机器人的研究进展和成果,总结了仿生设计与驱动、复合弹性体理论模型建立、自适应控制等关键技术,提出多角度仿生一体化、柔性传感器和电子皮肤集成、多功能化、模块化、智慧控制与决策的柔软体攀爬机器人将成为未来主要的发展方向。

基于激光跟踪仪的工业机器人校准应用研究

绝对定位精度是反映工业机器人性能的一项重要技术指标,工业机器人高精尖应用领域均要求较高的绝对定位精度,例如航空制造、精密医疗等。针对目前绝对定位精度普遍较低的问题,分析了精度误差来源,提出了一种基于激光跟踪仪的精度校准方法。利用激光跟踪仪对工业机器人进行了校准试验,对D-H参数、减速比及耦合比等参数加以修正。对比校准前后试验结果,绝对定位精度由校准前的2.56mm提升至0.66mm,绝对定位精度提升了74%,验证了该校准方法的有效性。研究结果对以非机械式的方式提升工业机器人绝对定位精度具有一定的指导意义和应用价值。

一种应用于教学的仓储协作机器人系统设计与实现

基于教学的需要,本文模拟工业应用场景设计了一套仓储协作机器人系统。该系统主要由1台分拣机器人和2台运输机器人组成,通过ZigBee技术进行通信协同,在结构化的工作场景里进行物料的分拣、装卸、运输等工作。其中,分拣机器人是一款以STM32为核心控制器的具有射频识别(RFID)功能、多连杆结构的6自由度串联机械臂,其搭载XBee模块作为ZigBee网络的协调器,负责整个工作流程的调度;运输机器人是一台具有循线功能的机器人小车,其搭载XBee模块作为ZigBee网络的终端节点,接收来自协调器的指令,根据指令执行相应的运输任务,并向协调器发送回令。目前,该系统已经以案例的形式应用在电子信息等专业的相关专业课程教学中,体现出很强的实践性和趣味性,对学生学习兴趣的提升、实践和创新能力的培养都起到了积极作用,其未来还可以在更多相关专业领域的教育教学中进行推广,具有很好的应用前景。

基于双目立体视觉的双臂协作机器人动态标定方法研究

基于双目立体视觉的双臂协作机器人在解决立体仓库散落零件识别抓取任务过程中的遮挡问题时,会因相机位姿变化而需要重新采集图像信息进行标定,其结果会受到外部环境因素的影响,使得标定精度降低,而架构无需重新标定的动态双目立体视觉系统可以有效解决该问题,故本文提出一种无需重新标定的动态双目立体视觉标定方法,通过在双臂机器人的两个协作机械臂上分别安装深度视觉模块,架构两个相机互为冗余的动态双目立体视觉系统,结合现有双目立体视觉标定方法和坐标系转换关系,仅在初始位姿标定一次即可推导出动态物像转换模型,得到动态基线与三维信息的函数关系,从而实现目标定位。实验结果表明,该方法能够有效降低动态环境下外部环境因素对双臂协作机器人标定结果的干扰程度,获得准确性较高的目标位置信息。

基于异构立体视觉的大范围高精度测量方法研究

针对双目立体视觉系统无法在仓储物流空间中实现目标物精确感知的问题,本文提出了一种由固定在工作环境中采集较大视场图像的场域相机和搭载在机械臂末端采集局部高分辨率图像的臂载相机相结合的异构立体视觉,通过场域相机与臂载相机共同构建出三维空间中待测目标物与相机像平面坐标关系的三维模型,且臂载相机变换姿态后无需进行外参二次标定,可由对应的三维空间模型求解待测目标物的三维坐标,该异构立体视觉系统能够获得全局场景图像和具有公共视场的特定区域局部高分辨率图像,可联合构建动态场景下特定区域高精度的三维信息,根据实验分析,该方法可有效提高较大视场中目标物识别精度。

我国工业机器人产业现状、竞争力及未来发展策略

为了明晰我国工业机器人产业发展方向,找到产业跃迁的钥匙,亟需从产业发展的现状找到短板和待化解的难题,挖掘行业潜在优势并促使其实现最大化。本文从我国工业机器人产业发展现状、国际竞争力以及未来发展策略等三个方面,对工业机器人产业进行全面的分析。首先从市场规模、产业链结构、应用规模及领域/场景等方面论述了我国工业机器人产业发展现状;接着从技术瓶颈与突破、品牌影响力等方面分析了我国工业机器人的国际竞争力;最后提出了我国工业机器人产业未来发展策略,一方面,我国广阔的应用场景对工业机器人产业起到反哺的作用;另一方面,从我国工业机器人长远发展的视角来看,仍需将关键技术研发作为未来的重中之重,同时打通上下游产业链,加强与5G、人工智能和虚拟现实等新技术的融合共生,最终实现产业跃迁与蝶变。

机器人在机场中的应用及其技术研究

为了解国内外机场机器人的研究现状与发展趋势,对近年来的相关文献进行了梳理和分析。首先,分析了机场中不同类型机器人的应用情况。其次,总结了机器人导航方式、路径规划和任务调度等关键技术的研究现状。最后,通过对全文内容的剖析,揭示了机场机器人研究的趋势,为该领域的研究提供一定的参考。

RoboMaster工程机器人设计与性能分析

RoboMaster机甲大师赛是一项对抗性质的竞技型机器人竞赛。其中的工程机器人在赛场上起到辅助的作用,配合其他进攻型机器人进行团队对抗。结合2023赛季的竞赛规则和制作规范及2021-2022赛季的实践经验,本文设计了一款工程机器人,完成机械结构设计、控制系统设计等,实现四驱移动、取矿、兑换矿石的功能需求,最后通过样机测试验证了工程机器人的性能。

基于深度学习的下肢康复外骨骼步态轨迹预测

下肢康复外骨骼广泛应用于下肢训练。准确的步态预测对下肢康复外骨骼的功能起着至关重要的作用。然而,目前步态预测的研究在精准度和实时性上仍存在一定的挑战,尤其是在处理个体差异和复杂步态模式时。本研究的目标是实现高精度的步态运动预测,以提升下肢康复外骨骼的功能性。本文探讨了使用长短期记忆网络(LSTM)和卷积神经网络-长短期记忆网络(CNN-LSTM)两种深度学习算法,通过足底压力数据预测个体步态轨迹的方法。在研究中,8名健康受试者穿戴下肢康复外骨骼,该下肢康复外骨骼配备有足底压力鞋垫,实时采集足底压力数据。模型性能通过留一法交叉验证进行比较,结果表明CNN-LSTM模型在预测精度和响应速度方面均优于LSTM模型。实验结果验证了使用足底压力数据通过深度学习算法进行步态预测的有效性和准确性,进一步提升了康复外骨骼的实用性。本研究对于进一步推动下肢康复外骨骼的发展以及针对病人的个性化步态生成具有重要意义。

日本ROBOCON机器人大赛发展及启示

本文介绍了日本ROBOCON机器人大赛的发展历史及赛事体系,通过分析日本ROBOCON大赛的发展历程、组织架构、运营体系,提出借鉴性启示,为中国机器人大赛发展提供参考。

面向目标导向型和双侧主动训练的上肢智能康复外骨骼机器人

针对单侧主动康复训练难以刺激大脑两侧半球神经网络的问题,本文介绍了一种面向目标导向型和双侧主动训练的上肢智能康复外骨骼机器人(简称上肢康复外骨骼系统)。首先,设计了一套考虑肩关节人机适配性的上肢康复外骨骼系统;然后,设计了基于双侧机制的目标导向型主动训练控制框架;最后,通过原型样机实验,证明所提出控制策略具有良好的人机交互性能,并且能使患者完成高参与度的康复训练。

下肢康复训练机器人肌电感知患者主动力矩与按需助力控制方法

现有下肢康复训练机器人主要依赖于预定轨迹跟踪的被动康复模式,难以体现患者在康复训练过程中的主动运动意图,进而完成“人进机退”主动康复训练。本文将肌电信号(EMG)和阻抗控制相结合,提出了一种下肢康复训练机器人肌电感知患者主动力矩与按需助力控制方法。首先,对中航创世机器人(西安)有限公司的NovoSkeleton下肢康复训练机器人产品(以下简称NovoSkeleton)进行了按需助力控制需求分析,论证了将患者肌电信号用于主动康复控制的优势。其次,用CNN-LSTM网络建立了肌电和下肢主动关节力矩的映射关系,设计并搭建了基于肌电感知患者主动力矩的按需助力控制器。最后,基于NovoSkeleton平台进行了二次开发与实验验证,实验结果表明,本文所提出的肌电感知患者主动力矩与按需助力控制方案有效表达了受试者的主动运动意愿,使机器人的辅助力矩能根据步态做出适应性调整,满足了理想轨迹跟踪和按需助力行走的目标。

一种用于六自由度机械臂叶片曲面扫描的轨迹规划方法

目前,航空发动机叶片曲面扫描效率低导致了机械臂轨迹的自动化跟踪性能差。本文以六自由度机械臂为执行机构,以叶片曲面为扫描对象,提出了一种用于叶片检测的机械臂自动化轨迹规划方法。首先,利用结构光提取叶片的三维模型,并基于轨迹算法提取出模型轨迹路线上点的坐标;然后,采用标准D-H法建立机械臂的正、逆运动学方程,并进行了数值分析求解;最后对机械臂的空间轨迹规划进行五次多项式插值,以实现平滑的轨迹仿真。基于Robotics Toolbox工具箱,得到机械臂的工作空间运动轨迹及关节的角位移、角速度、角加速度的连续光滑的仿真曲线,可知该方法可以有效解决叶片曲面复杂机械臂轨迹规划问题,通过实验进一步验证了该方法的有效性。

SCARA用小型谐波齿轮减速器齿轮磨损故障预测的研究

工业机器人被誉为“制造业皇冠顶端的明珠”,其中顺应性装配机器人手臂(SCARA)因其具有高刚性和高精度,广泛应用于汽车制造、电子制造的生产流水线场景。此外,在医疗康复、科学研究、教育等领域SCARA机器人都扮演着重要角色,其中谐波齿轮减速器作为核心组件之一,是保证SCARA机器人高精度和高可靠性的核心部件。谐波齿轮减速器的齿轮磨损是SCARA机器人最典型的故障之一,磨损后会引起噪声、齿轮强度降低、漏油、设备发热等问题,从而引发安全事故、造成生产污染,因此其预测方法的研究十分重要且必要。本文通过试验和数据采集,收集了不同工作条件下的谐波齿轮减速器转矩信号,经过分析和处理后发现可以通过转矩信号的特征变化,及时发现或预防因谐波齿轮减速器磨损造成的危害,为后续高质高效的自动化生产提供了保障。

基于CNN-LSTM的工业机器人轴承故障诊断研究

针对工业机器人轴承自适应故障特征提取困难的问题,同时考虑到工业机器人轴承故障诊断对稳定性和准确性高要求的特点,本文提出一种基于卷积-长短期记忆网络(CNN-LSTM)的工业机器人轴承故障诊断方法。首先利用卷积神经网络(CNN)对故障数据进行自动特征提取,在CNN的每层激活函数之后引入批归一化,将卷积神经网络的输出作为长短期记忆(LSTM)神经网络的输入,通过LSTM捕捉数据在时间维度上的特征,最后通过Softmax分类器进行工业机器人轴承故障类型的输出。充分利用CNN特征提取和LSTM时序性数据建模的优势,训练工业机器人轴承故障诊断模型,并与传统的CNN、LSTM模型的故障诊断结果进行数据对比,结果表明,本文提出的模型的准确率更高,且稳定性更好。