基于机器视觉的工业机器人分拣系统设计

针对使用传统离线或示教编程方式工业机器人无法开展复杂分拣环境作业任务的问题,以ABB工业机器人、OMRON机器视觉、西门子S7-1200PLC等为硬件基础,搭建了基于机器视觉的工业机器人分拣系统平台。视觉系统通过识别二维码实现对物块的分类,以工业机器人控制器作为服务端、视觉控制器为客户端,采用TCP/IP协议建立Socket通信,将分类信息传递给工业机器人控制系统,从而引导机器人完成物块的抓取和分类搬运。实验结果表明,基于机器视觉搭建的工业机器人分拣系统定位精度和准确度高,可满足工业自动化生产的需求。

多电飞机电气系统故障传递模式研究

电气系统对多电飞机的运行状态和运行安全起着重要的作用。模拟仿真多电飞机电气系统的运行状态,分析故障在电气系统中的传递形式,对多电飞机电气系统的设计具有指导作用。以多电飞机电气系统为研究对象,分析多电飞机电气系统的结构和运行原理,在Simulink中建立电气系统主要部件的仿真模型,其能够实现故障设置,逻辑仿真。根据多电飞机电气系统各部件的输入/输出关系,对整个电气系统进行仿真建模,在各部件故障机理以及故障模式分析的基础上,对电气系统的仿真模型进行典型故障植入,得到不同故障状态下的故障传递状态表,对故障传递的模式进行分析。将所得的故障数据与分析结果应用到多电系统集成验证实验控制平台,完成多电系统故障传递结果的演示验证。

多传感器融合的移动机器人同步定位与建图

在移动机器人的同步定位与建图(SLAM)研究中,使用单一的Kinect传感器或激光传感器时,出现建图精度低、信息不完整、回环检测易出错、可靠性差等问题,为此提出一种方案,将这两种传感器进行融合,利用融合之后的数据来创建环境地图。该方法首先将Kinect采集的深度图转换成伪激光数据后,与激光传感器的数据进行融合,来构建环境的局部栅格地图,并利用融合后的数据进行激光回环检测。当检测到有回环时,再利用Kinect的RGB图的丰富的视觉信息进行视觉回环检测。通过双回环检测来过滤掉错误的回环信息,提高全局地图的精度和完整性。最后在机器人操作系统上进行试验,结果表明该方案能显著提高建图的精度和完整性。

改进PSO算法在AWS波浪发电场参数辨识中的应用

考虑到现阶段波浪发电场的数量较少,缺少足够的实际测试数据,文中设计一种基于改进PSO算法的AWS波浪发电场模型。以AWS波浪发电场实测数据为输入,以有功功率为输出,引入粒子群算法(PSO)确定模型的各项等效参数,构建可以对实际测试波浪数据对应的发电场功率进行分析的等效模型。在PSO目标函数为等效模型输出有功功率和电场模型输出有功功率之间差值的平方和的基础上,采用PSO方法对等效模型驱动参数进行辨识。结果表明:迭代达到约1300次时,粒子群算法发生收敛,表明采用PSO对12组实测数据进行参数辨识都可以实现正常收敛的状态。所设计模型以粒子群算法进行辨识所得各参数基本相同,能够得到稳定的参数辨识结果。

基于移动视觉的工业机器人分拣系统应用研究

针对机器视觉结合工业机器人进行自动分拣工作存在的物料识别和定位等问题,提出一种基于运动视觉的物料测距和定位方法。主要原理是通过安装在工业机器人末端的摄像头在移动过程中,对世界坐标系不同位置进行连续单点拍摄,进而获得类似双目视觉测距的必要参数,实现运动测距和定位的功能。针对现有的一种圆柱体工件自动分拣作业,利用视觉库(OpenCV for Python)处理图像数据,在机器人运行轨迹内进行逐点采样计算。实验结果表明,单目运动视觉测距和定位效果良好,平均定位误差小于4%,该测距方法在一定条件下能够达到精度要求,具有降低自动分拣系统升级成本的实际意义。