基于改进麻雀算法机械臂时间最优轨迹规划

为了提高机械臂的工作效率和稳定性,采用改进麻雀搜索算法的机械臂时间最优多项式插值轨迹规划方法。通过改进Sin混沌初始化种群、发现者和跟随者比例动态调整,并加入了柯西高斯变异,优化了算法局部搜索和全局寻优的能力。以实验室的AUBO-i10机器人为研究对象,首先利用逆运动学求出给定机械臂末端路径点各个关节的位置信息,采用分段多项式拟合关节空间下运动轨迹。在限制机械臂的关节角度、运动速度和加速度的条件下,通过改进麻雀搜索算法对机械臂末端运行轨迹进行时间最短优化。使用MATLAB进行仿真,仿真结果表明,改进麻雀搜索算法在收敛速度和寻优精度有了明显的提升,有效减少了机械臂在工作中运行的时间。

刚柔耦合变胞手爪夹持稳定性及适应性分析

针对目前手爪夹持式爬管机器人存在的稳定性和适应能力不足的问题,基于欠驱动和变胞原理,设计了一种刚柔耦合变胞手爪。首先对该手爪进行了结构设计及工作原理分析;其次基于弹性力学接触理论和摩擦学原理,提出了手爪夹持稳定性的判断方法;然后提出了基于刚柔耦合迭代分析的静摩擦力计算方法,计算了真实的夹持静摩擦力,通过对比刚性和刚柔耦合状态下手爪夹持的静摩擦力大小,验证了刚柔耦合结构具有更高的夹持稳定性;最后利用Adams进行了各类管道的夹持仿真,验证了该手爪具有较好的适应性。

基于改进YOLOv8的堆叠零件实例分割研究

为了实现复杂工业环境下机器人对堆叠零件的快速识别拣选,构建一种改进的YOLOv8s实例分割模型,并应用于堆叠零件实时识别分割中。针对堆叠工业零件不易分割的问题,将原始模型的主干网络替换为提取特征能力更强的PoolFormer主干网络,提升堆叠零件边缘分割效果;为了更好地过滤掉多余背景信息,保留关键信息,引入了效果更好的CARAFE上采样模块。试验结果表明,改进后模型的分割平均精度和预测框平均精度分别为93.57%和97.47%,相比原模型提升了1.89%和1.23%,且远高于同类型的YOLACT++和SOLOv2模型,验证了改进模型的有效性。