基于多传感器的机器人夹取系统研究

为解决由于内置传感器较单一导致的机器人抓取动作不灵活、作业精度低等问题,提出一种基于多传感器的机器人夹取系统。首先采用扩展卡尔曼滤波算法融合机器人内置传感器所测量的位置、速度和角度等信息,实现机器人自身位姿检测。在此前提下,利用外置传感器完成对目标物的自动识别与定位。为增强信息的可靠性和系统的分辨能力,并根据输出信号对机器人夹取动作进行运动学建模,设定夹取系统的硬件、软件环境及传输电路后完成系统设计全过程。实验结果证明:所提方法设计的机器人系统能够实现对夹取目标的精确对准,运动特性明显提高,作业误差有效减小。

基于四元数的工业机器人逆运动学避障求解

随着人工智能技术的发展,工业机器人大量应用于夹取、搬运等工作场景,但由于逆运动学求解复杂,位姿多重解等问题存在,导致机器人鲁棒性差,限制其工业应用范围。为了简化工业机器人逆运动学的求解过程,同时实现复杂障碍物场景下对机器人位姿的精确控制,本研究使用四元数进行机器人位姿解算,并提出一种结合避障模块的改进粒子群(F-PSO)算法。通过与模拟退火算法(SA)、遗传算法(GA)在不同目标位姿下的对比实验分析,证明F-PSO算法表现更为优越,在收敛精度上较传统算法高36.41%以上;在收敛速度上比传统算法快83.82%以上。实验结果表明,本研究提出的F-PSO算法不仅能够精确控制机器人的位姿,而且有效地提高了工作效率,实现了复杂障碍物场景下机器人夹取过程的优化。