基于力引导的空间舱外双臂机器人遥操作同步过程优化

为提高空间舱外双臂机器人遥操作同步过程中操作效率,提出了一种基于力引导的遥操作同步过程优化方法。通过改进的蒙特卡洛法对双臂机器人协作的工作空间进行分析,提出了一种最优协作位置预测方法,并通过力引导方式,辅助引导遥操作双臂到达最优协作位置。实验结果表明:相比于只有视觉反馈的遥操作过程,同步过程优化后到达同步工作状态的时间减少了84.26%,同步过程通过的路径长度缩短了35.43%;对比运动学引导方法,各项指标方差更小,稳定性更强。

基于频域控制约束的物理神经网络非线性系统预测方法

针对现有物理信息神经网络利用数值模拟近似物理控制方程带来的高计算代价、边界条件限制等问题,提出一种基于频域控制约束的物理神经网络非线性系统预测方法。首先构建时序特征交替更新的非线性预测网络模型,再在频域建立基于傅里叶谱方法(FSM)的物理控制方程约束,时空数据在网络模型与频域控制约束耦合下实现无标签数据加速训练,完成系统演化学习。最后在Burgers系统上进行湍流预测验证,实验结果表明该方法可在物理规则约束下实现无标签非线性复杂建模,对比主流PINN模型及其变体,具有更快的学习速度与预测准确率。在t≤0.25 s、t≤0.5 s短时预测情况下,经前期20次训练后系统预测均方误差(MSE)相比主流基准模型同期预测,MSE降低了86%与95%,在t≤2 s长时预测情况下,经充分训练后系统预测MSE能降低80%。

基于机器视觉与柔顺控制的在轨轴孔对接技术研究

在轨卫星燃料加注作业涉及失重环境下航天器间多管道同时对接的问题,对此设计了一种可固连辅助牵引/排斥对接作业系统。通过基于边缘信息的模板匹配算法和基于相机小孔成像模型的位姿测量算法进行非合作目标的视觉引导,在机构间建立牵引/排斥作用后,使用引入比例微分控制器的导纳控制算法进行多管道的柔顺插入与分离;借助搭载单目相机以及末端六维力传感器的机械臂实物平台进行验证实验。结果表明:视觉测算的水平方向误差不超过4 mm,可满足后续作业的初始位姿需求;柔顺控制算法能够避免作业过程中的卡阻问题,并将对接机构间的相互作用力与力矩分别保持在20 N以及0.8 Nm以内。系统能够在减少航天器间姿轨扰动的前提下完成小间隙长进深的多管道对接任务。

力触觉反馈装置发展概述

力触觉反馈技术起源于主从机器人领域,能够给操作者带来真实沉浸的体验,提高操作效率。近年来,随着遥操作、虚拟现实等技术的发展,力触觉反馈装置得到了研究人员的高度关注。首先,简要总结了力触觉反馈技术的发展状况;然后,对现有力触觉反馈装置进行了分类,介绍了近年来力触觉反馈装置的研究情况;最后,针对现有研究,分析和阐述了力触觉反馈装置的发展趋势,并指出了目前存在的问题,对力触觉反馈装置未来所面临的机遇与挑战提出了一些见解。

机器人多维力传感器的研究进展

机器人多维力传感器是机器人与人和外界环境交互的重要部件。力感知技术作为机器人的四大关键技术之一,在抓取、打磨、装配以及健康医疗等领域得到了广泛应用。针对机器人多维力传感器当前的研究进展情况进行了概述。首先对几种常用的多维力传感器的研究现状进行了简单的介绍,然后介绍了几种典型的弹性体结构和改进的弹性体结构。此外,对多维力传感器的标定方法进行了总结,并对标定中存在的问题进行了讨论。由于维间耦合是影响传感器精度的关键因素,且广泛存在于各种结构的多维力传感器中,所以减小或消除维间耦合成为多维力传感器研究中的一个不可或缺的内容,因此对多维力传感器的解耦方法进行了综述。在动态力信号测量场合,需要动态性能好的多维力传感器,还给出了多维力传感器动态性能补偿的一般方法,并分析了运动中的机器人多维力传感器存在的惯性力问题及一般的解决方法。最后,对多维力传感器技术的未来发展趋势提出了新思路,并指出了未来需要解决的问题。

基于多目标优化的工业机器人位置与姿态精度提升方法

高端制造领域对工业机器人的精度性能要求越来越高。为提升工业机器人末端的位姿精度性能,本文首先构建了基于改进DH(M-DH)的全位姿运动学误差模型,该模型能较好地描述工业机器人的误差特性。其次,本文分别构建了位置和姿态的误差适应度函数,并结合多目标粒子群优化(MOPSO)算法实现运动学参数的精确辨识,解决了位置误差和姿态误差的量纲不同和量级相差较大的问题。最后通过实验验证了基于MOPSO算法的有效性。实验结果表明Staubli TX60工业机器人的平均位置误差和平均姿态误差分别降低了81.04%和66.64%,并且与最小二乘(LM)算法、天牛须搜索群优化(BSO)算法以及粒子群优化(PSO)算法等单目标优化算法相比,本文的MOPSO优化算法在运动学参数辨识的泛化能力和在最大位姿误差的优化效果均最好。

基于振动加速度信息的触觉纹理分类方法研究

当手持刚性工具在材料表面滑动时,用户可以通过工具的振动来感受材料表面的纹理特征。这些振动加速度数据包含了丰富的纹理类别信息,为纹理的分类提供了基础。利用触觉进行纹理分类对于力触觉人机交互、机器人精细化操作等应用具有重要的意义。目前,手工设计与纹理相关的特征以及借助卷积神经网络进行简单的特征提取等方法已经被应用于触觉纹理分类。然而,这些方法未能关注时间尺度的选择和触觉序列数据间的时间依赖性,还存在触觉数据特征提取不充分和分类精度不佳等问题。为了解决上述问题,本文提出一种由多尺度卷积网络和双向长短时记忆网络相结合的融合模型,以便同时捕获触觉信号多尺度的几何局部空间特征和时间依赖特征。所提出的模型从公开的触觉数据集中学习材料表面纹理的触觉特征,并在公开的纹理振动加速度数据库上进行训练。实验结果表明,本文提出的模型可以稳健且高效地实现最高92.1%的纹理分类精度。

具有手指外展辅助功能的康复机器人系统

手指外展是改善脑卒中患者手部功能最重要的运动之一,目前国内外柔性手部康复机器人的研究主要聚焦在手指的屈伸上,忽略了手指完全外展的重要性。为实现更好的康复效果,研制了一款具有手指外展辅助功能的康复机器人系统。基于热塑性聚氨酯(TPU)薄膜涂层织物设计了一种新型外展驱动器。推导出外展驱动器一般力学方程,以表征其输出力矩与几何参数和内部气压的函数关系。性能分析结果表明,该驱动器可以在较低的气压下提供足够的外展力,具有辅助手指外展的可行性。招募了10名健康受试者进行日常生活活动(ADL)实验,在肌电信号监测下,验证了外展驱动器的辅助作用。此外,提出的康复系统将手部康复机器人与多功能被动训练模式相结合,通过配套软件,为脑卒中患者提供了更高效的康复训练。

带有振动触觉反馈的上肢康复系统

康复机器人在脑卒中患者的术后恢复治疗中起着重要作用。为了提高患者在康复训练过程中的主动性和专注度,提出了一种带有振动反馈的上肢康复训练系统。该系统利用多传感器获取人的上肢位姿信息,实现与虚拟场景的实时交互,并通过实时多层级振动反馈引导人的康复动作。通过心理物理学实验评估受试者对不同振动强度的感受,得出了人体感受区分明显的3个振动强度等级。构建了视触觉有效性实验,受试者需要在虚拟场景中完成特定的康复动作,实验结果表明,相较于无触觉反馈,受试者在振动触觉反馈的作用下可以更稳定高效地完成康复任务。

基于离线强化学习的力触觉引导土壤采样控制

由于颗粒状介质的复杂性,机器人操控颗粒介质的交互控制存在不少难点。近年来,强化学习在机器人技术等领域取得了显著的成就。针对土壤这类颗粒物质不容易进行运动学建模的问题,提出一种基于离线强化学习的土壤采样控制器,引入采样过程中力触觉信息指导取样的运动控制。基于旋转式取样头,使用高精度Chrono仿真器对土壤环境进行颗粒模拟,以获得土壤采样任务的数据。从采样量、功率、用时这3个角度考虑,共同衡量采样任务的表现。使用保守Q-Learning算法进行离线训练,解决强化学习中样本利用率低且在颗粒仿真环境下实现实时交互困难的问题,并输出智能体控制取样器下降速度和旋转取样角速度的策略。实验表明,该控制器可以较好地应用于土壤采样任务,并可根据所测的力来动态调整控制策略。该控制器可显著提升采样效果,无须明确了解颗粒参数,仅通过数据即可学习优化策略。

基于萤火虫算法的DDE-PID加热炉炉温控制

针对加热炉炉温控制的目标多变、干扰因素多等问题,提出基于萤火虫算法(firefly algorithm)优化预期动态(desired dynamic equation,DDE)二自由度PID控制策略。将非线性鲁棒控制器(Tornambe Controller)中的不确定因素和外部干扰项利用观测器近似替换,运用预期动态法构建动态特性方程,推导出带有预期动态特性方程系数和观测器参数的二自由度PID等价形式。在判定系统稳定性后确定待优化参数选值范围,进而通过萤火虫优化算法选取最优参数。研究结果表明:与常规PID和二自由度PID控制相比,模型适配时所提出的控制策略使调节时间最多减少38 s,超调量最多降低15%,系统抗干扰性良好。使用所提策略后,炉温控制偏差小于±20℃,炉温波动降低60%,系统稳定性和抗干扰能力明显提高。

基于全位姿测量优化的机器人精度研究

随着机器人在高端制造业、航空航天、医疗等领域广泛应用,对其全位姿精度要求越来越高。采用激光跟踪仪对机器人末端执行器进行全位姿实测,研究基于几何参数标定的机器人精度提升方法。首先,建立了串联机器人(MDH)模型;其次,提出了基于拟随机序列产生初始位置的改进乌鸦搜索算法(ICSA)用于标定机器人几何参数,建立了用ICSA标定机器人几何参数目标函数的数学模型,给出了标定的详细步骤。最后,对Staubli Tx60工业机器人进行了实测标定,结果证实:采用提出方法能够快速标定机器人几何参数,标定后的机器人在工作空间内随机选择的测试点其平均绝对位置和姿态误差由标定前的0. 309 6 mm和0. 232 2°减小为标定后的0. 092 6 mm和0. 082 9°,精度大幅提升。该方法简单易实现,效率高,鲁棒性强,稳定性好,适宜于在位置和姿态均有高精度要求的机器人中推广应用。

基于镜像疗法的手部外骨骼机器人在脑卒中偏瘫手康复中的应用

目的:探讨基于镜像疗法的手部外骨骼机器人对脑卒中偏瘫患者手康复的临床疗效。方法:选取2020年9月—2021年3月,24例脑卒中偏瘫手功能障碍收住入院的患者,使用随机数字表法随机分为对照组(n=12)和试验组(n=12)。两组均接受常规药物和常规手功能作业治疗,试验组在对照组基础上进行镜像疗法外骨骼机器人的训练。常规手功能作业治疗30min/次,2次/天,5天/周,共训练4周;镜像疗法外骨骼机器人训练30min/次,1次/天,5天/周,共训练4周。治疗前后分别采用Fugl-Meyer评定量表(Fugl-Meyer assessment score,FMA)评分、Brunnstrom分期、患侧腕伸肌、指伸肌表面肌电积分肌电值(integral electromyography,i EMG)和均方根值(root mean square,RMS)对患侧手功能进行评定。结果:治疗前,两组患者的FMA评分、Brunnstrom分期、患侧腕伸肌、指伸肌iEMG和RMS比较,差异无显著性意义(P>0.05)。治疗后,两组患者的FMA评分、Brunnstrom分期、患侧腕伸肌、指伸肌iEMG和RMS均较治疗前提高,差异有显著性意义(P<0.05)。且治疗4周后,试验组在FMA评分、Brunnstrom分期、患侧腕伸肌、指伸肌iEMG和RMS方面均优于治疗组,差异有显著性意义(P<0.05)。结论:基于镜像疗法的手部外骨骼机器人对脑卒中偏瘫患者手功能的康复具有临床意义,值得在临床中推广使用。

基于运动想象脑电的机器人连续控制系统研究

脑-机接口（BCI）旨在提供人脑和外部设备之间沟通的桥梁。目前,基于运动想象脑电信号的机器人控制系统主要是离散控制,而连续控制对于用户和环境的自然交流至关重要。基于此,设计了一种基于运动想象脑电的机器人二维连续控制系统,受试者进行运动想象时,发送给机器人的控制信号同时包含水平方向和垂直方向的控制信号,可以控制机器人在二维平面内运动。系统采用便携式脑电设备采集受试者运动想象时的脑电信号,经特征提取和转化后用来控制虚拟光标和机器人。实验中,首先通过一维和二维的虚拟光标控制任务来提高受试者控制机器人的能力;然后将光标控制和机械臂控制相结合,使得机械臂运动与光标移动同步;最终受试者通过运动想象脑电控制机械臂完成连续抓取任务。6名受试者在该系统上进行了多次实验,二维连续控制机械臂对4个目标的抓取成功率达到85%。

基于双目视觉的双臂协作教学机器人研究与设计

为弥补智能制造、机器人工程等新专业实验装置短缺、学生创新实践能力亟待提升等问题,本文设计了一种基于双目视觉的双臂协作教学机器人.双臂机械部分设计呈对称结构,底座大而稳定,可以降低制造成本及协作抓取难度;研究设计的示教动作还原算法和重投影误差最小化算法,可以提升机器人末端位姿数据采集精度,使双臂协作抓取更准确稳定.该系统不仅能够通过上位机拖动控制双臂运动完成示教编程及动作组实验,而且还能够进行基于视觉引导的图像处理及单臂抓取实验、运动分析实验、在线编程与协调抓取开放实验.该系统成本低、功能丰富、综合性强,且兼具拖动示教与开放性特点,有助于提升学生创新实践能力,非常适合在智能制造、机器人工程等专业实验教学过程中推广应用.

基于最优位姿集的机器人标定及不确定度评定

为解决因标定位姿点随机选择导致机器人标定结果不稳定、可靠性低问题,研究了基于雅克比矩阵奇异值计算可观测指标的最优位姿点数目及最优位姿集选择算法,建立了机器人MDH模型,采用LM算法对几何参数进行辨识,使用LeicaAT960激光跟踪仪分别在最优位姿集和随机位姿集下对Staubli TX60机器人末端位姿大量实测;在分析研究机器人标定不确定度来源基础上,采用测量不确定指南(GUM)计算几何参数标定的不确定度及蒙特卡洛模拟法对机器人末端位置不确定度进行评估,结果表明,经最优位姿集标定后的机器人不仅在测试点精度有大幅提升,而且几何参数及末端位置平均不确定度约为随机位姿集标定的0.11倍,标定结果稳定可靠,泛化能力强,适于在高精度、大范围作业场合推广应用。

基于力触觉手柄的虚拟环境力反馈交互系统稳定性分析

基于力触觉手柄的虚拟环境(VE)力反馈系统在人机交互领域得到广泛应用,稳定性是系统正常工作的前提。首先将力反馈设备、虚拟交互环境以及操作者作为独立模块单独建模,再基于阻抗再现方法建立力反馈交互系统闭环控制模型,并利用赫尔维兹判据推导了系统稳定的条件,利用频率响应函数分析了刚度和阻尼、零阶保持器的信号保持时间间隔以及操作者阻抗对系统稳定性的影响,给出了虚拟刚度、虚拟阻尼以及操作者阻抗等影响因素的临界稳定条件。利用研制的力反馈触觉手柄构建了实验系统并进行了实验研究,针对不同的力反馈频率和不同的阻抗分析了不同条件下的系统稳定性。实验结果证明了理论分析的正确性。

基于激光雷达的轮腿式机器人爬楼可通过性研究

基于现阶段移动侦察机器人的应用场景多处于城市环境的背景下,综合轮式速度快、腿式越障能力强的特点,设计了一款用于攀爬楼梯的轮腿式移动机器人。提出了轮腿式机器人攀爬楼梯的控制策略,并通过对比实验验证了轮腿式机器人在攀爬楼梯方面具有明显的优势,同时针对移动机器人在未知环境下无法对楼梯可通过性进行判断的问题,通过分析激光雷达扫描楼梯图像,建立线性回归模型得到楼梯的坡度,这为机器人在实际工程应用中路径规划提供了基础。

智能肌电控制假手研究进展

智能肌电假手研究作为康复医疗领域中的重要研究内容,始终是国内外研究的热点.随着机器人技术的进步,假手正往仿人型、灵巧性、直觉控制、智能感知方向发展.智能肌电假手应当具有与人手相近的功能,其不仅能通过运动功能重建辅助残疾人进行日常生活,而且还应通过感知反馈功能重建让残疾人产生人机共融的本体感.本文通过对国内外多年的肌电假手研究成果进行分析比较,从质量、灵巧程度、抓取性能、设计原理等多角度分析了假手的机械结构设计要素;另外,本文还较系统地对基于肌电信号的手势识别研究现状进行概述,介绍了目前基于残肢生物信号识别的多种研究思路,并分析了多种基于不同原理的假手信息感知技术,介绍了利用指尖力触觉传感器实现对假手的自适应控制和用户的感知反馈.最后总结了未来假手的研究发展过程中面临的问题与挑战,提出了肌电假手的未来研究方向.

基于全视域特征表征与ELM-Adaboost方法的情绪辨识研究

情绪在人类的行为和认知中具有不可或缺的地位,开展情绪辨识研究具有非常重要的实际意义。为提高四类情绪多被试交叉辨识的准确性,提出了基于全视域特征表征与ELM-Adaboost的情绪辨识方法。首先,提出了基于融合信息的数据处理策略,交叉融合的多类生理信号构成的样本数据,有助于从全视域角度提取样本特征。其次,采用最大相关性最小冗余度的特征选择方法对融合后的特征进行选择,进而实现有效的情绪状态表征。最后,通过ELM-Adaboost方法构建的强分类器实现情绪状态辨识。多角度的实验分析研究充分证明了所提方法的有效性,四类情绪多被试交叉辨识准确率达到了83.06%。