基于改进NURBS和Delta并联机器人的食品分拣轨迹优化

[目的]降低Delta机器人在食品分拣轨迹中的运行时间和冲击,提高Delta机器人运行效率和稳定性。[方法]在分析食品分拣系统(应用Delta机器人)的基础上,提出了一种结合NURBS算法、麻雀搜索算法和蝴蝶优化算法的Delta机器人食品分拣轨迹优化方法。以运行时间和冲击最小化为目标对NURBS曲线规划的Delta机器人运行轨迹进行优化,结合麻雀搜索算法和蝴蝶优化算法求解模型,实现Delta机器人分拣轨迹优化。通过试验对Delta机器人分拣轨迹的运行时间和冲击进行分析。[结果]所提Delta机器人分拣轨迹优化方法可以兼顾运行时间和冲击,运行时间降低6.00%以上,运行冲击降低80.00%以上,系统的动态抓取成功率在99.00%以上,可满足食品分选要求。[结论]通过运行时间和冲击综合最优对NURBS曲线进行优化,可以有效提高Delta机器人食品分拣性能。

Delta分拣机械手工作空间奇异性及可操作度分析

针对智能分拣机械手可达空间内可操作度问题,以三自由度Delta平移并联分拣机械手为研究对象。在对它进行运动学研究的基础上,提出一种新的工作空间整体求解数值方法,并分析主、从动臂长度和工作台半径对工作空间的影响。通过Jacobian矩阵对Delta分拣机械手奇异位形和可操作度进行探讨。为了改善分拣机械手结构尺寸,提出一种基于正解条件数的优化方法。

基于双目视觉的食品分拣Delta机器人定位抓取技术

目的:解决Delta机器人在食品分拣中定位精度差、抓取成功率低等问题,提高机器人的柔性抓取能力。方法:在现有双目视觉和Delta机器人技术的基础上,提出一种基于双目视觉的Delta机器人柔性抓取方法。采用张正友标定方法对相机进行标定,通过弦中点Hough变换对目标进行识别和定位,根据PID跟踪抓取控制Delta机器人抓取动态目标。通过试验对单目标分拣和多目标分拣性能进行分析,验证该方法的可行性。结果:该方法能够准确、快速、稳定地对目标进行动态抓取(成功率在94.0%以上)。结论:双目视觉与Delta机器人相结合可以有效提高机器人的定位精度和分拣抓取的成功率。

Delta快速分拣机器人轨迹优化算法研究

在保证效率的前提下提高机器手末端执行器的稳定性进行了研究,利用Delta快速分拣机器手提出了以执行时间和抖动最优为目标的轨迹规划和优化方法。使用三次样条函数对Delta快速分拣机器手进行了合理的轨迹规划,然后建立了以时间和抖动最优为目标的数学模型,利用遗传算法对其进行优化,并实现了轨迹的双目标优化。最后对其进行了仿真和实验验证,结果表明所提出的轨迹规划及优化方法能够改善机器人工作空间性能,提高了机器人末端执行器的稳定性。

基于DELTA机械手的物料分拣系统设计

工业机器人和机器视觉的应用能大大提高生产线的自动化程度。文章介绍了基于DELTA机械手的物料分拣系统,该系统由视觉检测模块、PLC控制模块、伺服驱动模块及人机界面模块组成,提高了自动化生产线的分拣速度及准确性。

基于RobotStudio的Delta机器人双输送链跟踪分拣仿真研究

为解决巧克力分拣包装生产线上人工分拣易造成巧克力破碎、污染等问题,提出工业机器人分拣解决方案,采用两条输送链跟踪分拣巧克力并统一装盒。研究了并联机器人的输送链跟踪技术,讨论了在虚拟仿真环境中输送链和机器人运行速度之间的关系。结果表明,通过将输送链与机器人的速度设定为一定比值,机器人可以达到100%的分拣率,同时保证生产节拍和工作效率,对布局企业分拣生产线具有现实指导意见。

基于传送带实时调速的Delta机器人分拣方法

针对传统的Delta机器人分拣系统无法根据来料密度来调节抓取速度,从而导致漏抓率高的问题,提出了一种实时调节传送带速度来配合机器人抓取节拍的分拣方法,并运用牛顿-拉夫逊迭代算法来计算物体在工作区域内被抓取的准确位置坐标,降低漏抓率,提高抓取效率。还搭建了一个Delta机器人的分拣平台来验证该方法的抓取效率。在样机实验中,该平台最快的上料速度为220个/分且漏抓率小于2‰;证明了该方法有较好的传送带调速实时性,同时具有很高的稳定性。

基于机器视觉的药片表面缺陷识别与分拣系统设计

针对制药企业采用人眼识别药片表面缺陷受光线强度及视觉疲劳影响,存在漏检和低效等问题,利用机器视觉技术,进行了药片图像预处理,设计了药片缺陷检测及分类、异色处理算法并处理;在此基础上,利用反问题的最小二乘解算法确定缺陷药片的物理位置,控制3自由度Delta机器人实现缺陷药片的分拣。经过测试,系统分拣成功率高,且易于实施,达到了设计要求。

面向多目标医疗垃圾分类的智能识别分拣系统设计

医疗垃圾中存在大量的病毒和细菌,为解决医疗垃圾源头智能分类问题,开发了基于机器视觉和Delta机构的智能分拣平台样机,并提出一种三阶段的多目标医疗垃圾识别分拣(medical waste recognition-indexes-sorting,MWRIS)算法。第1阶段提出数据增强扩容的IE-YOLOv4算法建立起医疗垃圾识别模型,与Faster R-CNN、RetinaNet、CenterNet等5种模型比较;第2阶段索引分类模型用于管理分类规则;第3阶段定位分拣算法指导目标定位分拣。在集成了MWRIS算法的分拣样机上,采集14种,2217张医疗样本图像,完成医疗垃圾分拣实验。结果表明,使用IE-YOLOv4的MWRIS算法对医疗垃圾识别准确率显著提升至99.30%,分拣实验对目标定位准确率达到96.17%,最终分类正确率为86.67%,验证了多目标医疗垃圾识别分拣系统的有效性。

Lenze“驱动”Delta机器人输液袋码放生产线

输液袋由于其安全稳定的性能，具有便于运输、易于回收等优点，在临床中的应用日益广泛。国内的输液袋生产线主要依靠大量的人工分拣和引进国外分拣设备运行，加大了企业的生产成本。作为驱动与自动化解决方案专家，Lenze与国内OEM公司合作开发了以Delta机器人为核心的高速输液袋分拣系统，该系统具有高速分拣、定位精确、安全可靠等特点，目前已经在医药行业中得到了成功应用，实现了很好的经济效益和社会效益。

基于IPSO-BPNN-PID控制的食品并联机器人抓取技术

目的:解决并联机器人在食品分拣中存在的效率低、精度差等问题。方法:在食品分拣系统结构的基础上,提出了一种改进BP神经网络与PID控制相结合的Delta机器人运动目标抓取策略。通过改进的粒子群优化算法优化BP神经网络初始权值,并利用优化的BP神经网络对PID控制参数进行实时调整。通过试验分析该方法的性能验证其优越性。结果:相比于传统控制方法,所提方法能够较为准确、高效地实现动态目标捕获,动态抓取成功率达到98%以上,能够满足食品分拣的需要。结论:通过对动目标抓取策略的优化可以有效地提高Delta机器人的抓取效率和精度。

机器人系统在液态奶包装生产中的应用

本文介绍苏州澳昆自行研制的二次包装分拣高速智能机器人系统,系统性能(结构、控制和智能化性能)超出利乐的非标液态奶枕式二次包装成套设备,达到世界先进水平,实现了我国二次包装设备从手工、半自动到高速、智能化的重大突破。

基于机器视觉的Delta机器人分拣系统算法

针对分拣过程中视觉系统对工件的重复拍摄问题,提出一种基于时间与工件位置的图像去重复算法,以实时分拣系统的系统运行时刻作为各单元的时间基准,将预测的工件到达某一固定参考位置的时刻与工件当前位置组合成一组能唯一识别工件的坐标,经周期性比较,判断并去掉重复图像信息.同时为提高分拣效率,提出一种基于牛顿-拉夫森迭代的动态抓取算法,建立了机器人跟踪工件的数学模型,并通过牛顿-拉夫森方法求解该非线性数学模型.最后用MATLAB对动态抓取算法进行了验证.样机实验中最快分拣速度达110次/min,误抓率小于2‰,漏抓率为0,证明了算法能够满足实时性要求,同时具有较高的准确性和稳定性.