工业机械臂辅助机器视觉的工件识别与定位

传统的工业机器人系统由于缺乏感知判断能力,很难适应目标种类和位置的变化,而现代工业需要生产不同种类和规格的产品。为此,以多品种小批量生产的零件为背景提出了一种机械臂辅助机器视觉系统,该系统能够实现对工件的图像采集并进行预处理,通过改进的Canny轮廓的提取算法与基于Hausdorff距离的模版匹配完成对不同种类工件进行识别和定位。最后经实验的验证该系统的定位精度在0.35 mm内,基本满足了在实际生产中对小批量生产、不同形状且没有固定夹具的目标工件的抓取、搬运与检测等要求。

采用激励轨迹实现机器人关节伺服动刚度的辨识

针对传统伺服动刚度辨识方法操作繁琐且阶跃力矩加载方式存在安全隐患等缺点,提出一种采用激励轨迹实现工业机器人关节伺服动刚度辨识的方法。该方法以五阶傅里叶级数轨迹为激励轨迹输入,通过使用最小二乘法对采集的关节位置和关节电机力矩等数据拟合辨识获得工业机器人关节伺服动刚度和动力学模型参数,并以其计算关节伺服扰动力矩。采用提出方法与传统辨识法所获伺服动刚度来进行扰动力矩补偿,并依据补偿后轨迹位置跟踪误差来评判两种辨识方法的优劣。在工业机器人平台上分别对单关节运动和六个关节运动的扰动力矩补偿实验,结果表明提出的激励轨迹辨识方法获得伺服动刚度的精度优于传统辨识方法所得伺服动刚度的精度。

IPMSM全速域无位置传感器控制策略

为了实现内置式永磁同步电机(IPMSM)无位置传感器系统全速域运行,提出一种改进型IPMSM复合控制策略。首先,在零低速域选用高频旋转电压注入法实现对电机转速和转子位置的估计;其次,在中高速域,为了削弱传统滑模观测器中开关函数造成的系统抖振问题,构造新型超螺旋滑模观测器,提高系统的观测精度;最后,引入差分进化算法优化过渡速域权重系数,实现不同观测方法间的合理切换,完成全速域下转子位置和转速的高精度辨识。研究结果表明,所提算法能够实现电机全速域运行,且具有良好的动态性能。

基于改进二进制粒子群算法优化DBN的轴承故障诊断

针对滚动轴承故障振动信号非平稳性的特点,对二进制粒子群优化算法(binary particles swarm optimization,BPSO)和深度信念网络(deep belief network,DBN)进行研究,提出一种基于局部均值分解(local mean decomposition,LMD)和IBPSO-DBN的轴承故障诊断方法。提出用加权惯性权重改进BPSO迭代过程中的固定权重,再用改进BPSO优化DBN的隐含层神经元个数和学习率。该方法先对信号进行LMD,提取出各PF分量的散布熵和时域指标,并构建特征矩阵,然后把特征矩阵输入改进BPSO-DBN模型中训练,实现滚动轴承故障诊断和分类。采用试验轴承数据做验证并与其他诊断方法对比,结果表明,基于LMD和BPSO-DBN的滚动轴承故障诊断方法具有较好的故障识别率。

基于扰动观测器的PMSM系统自适应反步滑模控制

针对负载转矩波动和系统参数变化的永磁同步电机(PMSM)系统的控制问题,提出了一种带有非线性扰动观测器的自适应反步滑模位置跟踪控制方法。首先,设计了自适应反步滑模控制器,以确保电机位置快速收敛到期望值,并设计了自适应收敛增益,以减小电机位置响应下的大的过冲;其次,设计非线性扰动观测器估计未知扰动,并为自适应反步滑模控制提供前馈补偿,以提高系统的鲁棒性,并减少稳态位置误差。仿真结果表明,该方法可以有效减少过冲,很好地实现了PMSM系统的快速位置跟踪控制,具有良好的抗扰动性能。

基于改进YOLOv5s的玻璃盖板划伤检测算法

针对当前玻璃盖板检测速度较慢、精确率较低的问题,提出一种基于YOLOv5s算法的玻璃盖板划伤检测改进模型。首先,借鉴ResNeXt结构和大核注意力(largekernelattention,LKA)结构改进原C3模块,增强网络对于特征的检测和提取能力;其次,向网络中引入BiFPN模块,提高网络的特征融合能力和小目标检测能力;最后,使用EIOU损失函数替换原网络中的CIOU损失函数,提高锚框生成的准确性和模型收敛速度。结果表明,改进后模型,精确率达到98.2%,召回率达到98.4%,实现玻璃盖板划伤的高效检测。

数模联动的多特征工件加工能耗预测方法研究

在实际切削加工过程中材料去除率是不断变化的,现有将其视为恒量的能耗建模方法难以实现能耗准确预测。为了提高切削过程能耗预测精度,提出了一种基于材料去除率的数模联动加工能耗预测方法。首先,基于切削过程刀具与工件的接触关系分析了切入、完全切入和切出阶段材料去除率变化规律,并对相应的加工能耗特性进行了分析;其次,提出了数据驱动的刀具切入,切出阶段加工能耗预测方法,以及模型驱动的完全切入阶段加工能耗预测方法,实现加工过程能耗准确预测;最后,利用实验案例验证了所提模型及方法的有效性,为今后研究能耗预测精度奠定了基础。

高速自适应双稳态折纸软体夹持器设计与分析

提出了一种单顶点多折痕(single-vertex and multi-crease,SVMC)的双稳态折纸软体夹持器,具有结构简单、成本低、变形速度快、承载能力强等优点,有效改善了传统模型响应速度慢、夹持效率低等缺陷。该模型基于水弹结构建立,利用球面三角形余弦定理分析了折痕角度之间的关系并建立运动学方程;同时借助扭簧模型探究变形过程中的势能转化规律。分析了折痕长度与初始角度对能力存储和释放过程的影响,并以此为基础优化了模型结构参数。实验结果表明,当受到2.6 N的外部触发力时,软体夹持器可在61 ms内完成从外展姿态到内缩状态的变化,实现对目标表面的快速包络;同时,借助线绳驱动提供更大的夹紧力,完成对目标的高效稳定抓取。此模型可广泛应用于复杂轮廓目标抓取和快速食品分拣领域。

约束空间工业机器人姿态搜索及避障研究

为解决约束空间下机器人无碰撞目标姿态求解问题,提出一种机器人姿态快速搜索算法,并结合4种不同的路径规划算法实现工业机器人的多目标路径规划。首先,对机器人运动框架初步配置完成后,通过计算位姿矩阵得到了场景内物体坐标的动态相对关系,并在ROS中搭建规划场景;其次,提出一种基于模型和机器人逆解的机器人姿态快速搜索算法RFP,并在RoboDK中对其进行验证,验证结果表明该算法有效;最后,根据任务需求设计了路径规划流程并引入二次规划减少算法随机性的影响,提高规划成功率,应用了RRT等算法进行对比分析,仿真结果表明RRT-connect算法的规划速度与成功率高于其它算法,为样机的实现奠定了基础。

AR-MED共振特征增强的风电齿轮箱故障诊断

针对风电齿轮箱故障时脉冲成分往往淹没在其他频率分量中,早期故障特征难以有效提取的问题,提出一种自回归最小熵解卷积(AR-MED)共振特征增强的风电齿轮箱故障诊断方法,并结合一维卷积神经网络(1DCNN),实现齿轮箱高精度故障诊断。首先,使用共振稀疏分解算法(RSSD)将振动信号分解成含有噪声和谐波成分的高共振分量和含有故障冲击成分的低共振分量;其次,对低共振分量使用自回归最小熵解卷积运算,增强低共振分量中微弱的周期性冲击成分;最后,构建自回归最小熵解卷积共振特征增强的1DCNN模型,将分解得到的谐波分量和周期性冲击分量进行特征融合以及有针对的训练和分类。实验结果表明,与现有故障诊断模型相比,所提方法在提取风电齿轮箱的故障特征信息以及提高故障诊断精度方面具有有效性和优越性。

基于改进非线性滑模控制的轮式机器人轨迹跟踪

针对轮式机器人的轨迹跟踪控制存在的问题,设计了一种改进非线性快速终端滑模控制器(improved nonlinear fast terminal sliding mode controller,INFTSMC)的控制方案。首先,通过对轮式机器人运动学的分析建立了轨迹跟踪误差模型;其次,在设计滑模控制器阶段,针对非线性快速终端滑模控制器存在奇异点,采用一种新的滑模面幂指数时变策略来设计非奇异终端滑模控制器,解决了非线性快速终端滑模控制器奇异问题,通过构造Lyapunov函数进行稳定性分析证明了该策略的稳定性,并且进行收敛时间分析给出系统从任意初始状态收敛至平衡点所需要的时间;然后,在新的滑模面幂指数时变策略的基础上设计了轮式机器人线速度和角速度控制律,使得轮式机器人轨迹跟踪误差快速收敛至0,实现了移动机器人对期望轨迹的快速跟踪。通过仿真实验与非线性快速终端滑模控制器和传统滑模控制其进行对比,验证了改进非线性快速终端滑模控制器的优越性。

基于Transformer的陶瓷轴承表面缺陷检测方法

针对传统机器视觉检测方法中,由于陶瓷轴承滚动体表面曲率大、对比度低,表面成像模糊导致后续缺陷检测精度低的问题,提出一种基于Transformer的超分辨率残差网络。首先,网络使用残差学习策略,通过预测模糊图像与清晰图像之间的差值,实现超分辨率任务;其次,在网络上前端插入通道注意力模块和空间注意力模块并改进L2多头自注意力模块,以增强图像纹理、改善梯度爆炸问题;最后,针对超分辨率重建任务,提出一种两阶段训练策略优化训练过程。自建陶瓷轴承表面缺陷数据集上的大量实验结果表明,所提出网络模型在客观指标与主观评价上均优于MSESRGAN、VSDR等超分辨率算法,重建图像SSIM为0.939,PSNR为36.51 dB。

改进SSD算法在工件表面缺陷检测中的应用

为能够更为高效地检测工件表面加工缺陷,提出了一种MobileNetV3-SSD目标检测算法,它能够有效实现工件表面缺陷检测。此算法通过改进SSD的骨架网络为MobileNetV3-Large,有效减少网络参数量和计算量,通过结合自底向上的特征金字塔网络的改进算法,使网络能够捕捉不同尺度和形状的目标信息,将语义分割辅助任务与多层特征融合相结合,进一步提升检测性能。使用PASCAL VOC数据集和Kolektor工业缺陷数据集验证该算法,在PASCAL VOC数据集上的mAP达到77.3%,较SSD算法提高0.4%,在Kolektor数据集上的FPS达到了105,较SSD算法提高112%。验证了MobileNetV3-SSD算法相较于传统SSD网络,具有更好的检测精度和检测速度。

一种永磁同步电机模型失配容错控制算法

针对高精度永磁同步电机驱动系统因转动惯量、摩擦系数与磁链参数失配造成其控制精度和稳定性降低的问题,提出了一种基于有限时间收敛扩张状态观测器的无模型滑模容错控制方法。首先,建立了考虑内外不确定性的永磁同步电机转速环超局部模型,并设计了无模型全局积分终端滑模控制器;其次,设计了有限时间收敛扩张状态观测器来降低模型失配带来的影响;最后,通过与其他方法的仿真和实验对比,验证了所提方法能够在不获取精确模型的情况下实现了对多种模型失配与外部扰动工况的容错控制,并提高了电机的控制精度。

彩色光栅投影的三维轮廓自动化测量研究

为了测量物体的三维轮廓数据,提出一种基于改进彩色光栅投影三维轮廓测量技术,并利用DLP来投影彩色光栅条纹到被测物体上来测量被测物体的高度,由于DLP的投射范围太大,无法直接投射在微小物体上,因此通过自行改装的方式改变DLP的投射范围,将其投影面积限制在约20×20 mm内,使其能覆盖整个被测物体。但由于改装时所选用的DLP镜头并不是针对DLP而设计的,因此容易产生光场分布不均的情况,可对无光栅图像或有彩色光栅图像进行光场补偿,使光栅图像更为清楚,用于对被测物体进行更准确的三维轮廓测量与重建分析计算,且获取被测物体的三维数据精度可达2μm,速度在0.024 s内。实验结果表明,该方法具有更高的速度、灵敏度及适用性。

考虑电压电流限制的伺服电机无纹波转矩控制

针对伺服系统无刷电机正弦电流转矩控制纹波较大的问题,提出了一种无刷伺服电机在任意反电动势波形下的无纹波转矩控制,实现了电机驱动器在有限电压、电流范围内的功率损耗最小。首先,建立了有限电压、电流范围内的电机模型,推导了电压、电流范围边界的不等约束条件;其次,利用拉格朗日乘数法求解等效二次规划问题,提出了最优转矩控制策略;最后,在三相18极同步电机的实验平台上进行了3种情况的实验验证。结果表明,所提控制策略在相电压、电流饱和时,仍能实现转矩的精确控制,输出期望转矩;在发生单相故障时,可以隔离故障相,同时通过优化励磁电流使非故障相达到预期的转矩输出,减小了转矩纹波。

螺栓联接结合面三维分形刚度模型与实验研究

为更准确地分析螺栓联接体的静动态特性,根据三维分形理论,考虑微凸体弹塑性接触在内的4种变形阶段,分别得到螺栓联接结合面的法向载荷与切向载荷,进而建立了螺栓联接结合面法向刚度与切向刚度模型,并分析了各参数对螺栓联接结合面刚度模型的影响关系。开展了有限元分析与实验研究,应用所建立的法向刚度与切向刚度模型,将考虑结合面影响的螺栓联接体有限元分析结果分别与忽略结合面影响的螺栓联接体有限元分析结果以及实验结果对比。研究结果显示,增大预紧力、工作载荷、分形维数、材料特性参数,或是减小分形尺度参数,可增大螺栓联接结合面的刚度;应用所建立结合面刚度模型的螺栓联接体有限元分析结果与实验结果误差在8%以内,远小于忽略结合面影响的有限元分析误差。

平行四杆机构搬运机器人的设计与分析

对物流搬运方式进行了研究,在分析了传统AGV特点后,提出了一种利用平行四杆机构实现前后双向抓取、摆放动作的搬运机器人。首先,从整体角度描述机器人的机电结构,研究主要部件如螺杆丝杠、平行连杆、蜗轮蜗杆等的设计与特性;基于力学原理建立了搬运机器人起重部件的静力学模型,以弹簧为关键零件,采用全局搜索算法对其优选,显著降低抬升所需的最大输出扭矩,在分析中得出最大扭矩,由此进行减速器的设计;最后,基于静力学模型的受力分析结果,利用有限元分析方法对杆件进行了模拟仿真,获得应力和变形的分布情况。实验表明,结果满足预期设计的性能指标要求,并为进一步优化提供支持。

基于新型自适应滑模观测器的PMSM无传感器控制

为了实现无位置传感器控制策略在永磁同步电机中的应用,在传统滑模观测器的基础上提出了一种改进型的自适应滑模观测器算法。提出的改进型自适应滑模观测器中使用更平滑的sigmoid函数取代了传统的符号函数,并结合反电动势的自适应律有效地减少了提取的反电动势中包含的高频分量,避免了低通滤波器在使用过程中带来的抖振和相位延迟现象。最后反电动势中包含的转子位置信息与速度信息通过锁相环提取。为了验证模型的可行性,基于MATLAB/Simulink搭建了仿真模型进行了仿真分析,并以TMS320F28377芯片为核心搭建了永磁同步电机硬件实验平台进行实验验证,仿真与实验结果验证了该方法的有效性和实用性。

基于声振融合的二次EWT-CNN刀具磨损监测

为了实现加工过程中对刀具磨损状态的监测,提出一种基于协同过滤融合的方法。首先,对工作刀具振动信号和声音信号进行特征相关性分析后进行数据层融合;然后,将得到的声振融合信号进行二次经验小波变换(EWT)后去噪重构;最后,将重构信号进行信号增强并送入CNN实现特征提取及刀具故障识别。通过对不同故障类型的麻花钻头进行故障识别实验,在声音、振动以及声振融合信号和不同信号去噪重构方法的对比下,该方法对不同故障类型的钻头作出了98.96%的高识别率。验证了所提方法在刀具故障识别方面的优越性。