两种方法清洗消毒达芬奇机器人手术臂的效果比较

目的探讨达芬奇机器人手术臂有效的清洗消毒方法。方法回顾性分析2022年1月至2023年4月江西省人民医院手术室使用后的达芬奇机器人手术臂200件达芬奇机器人手术臂作为研究对象,按照不同的操作流程将其分为观察组(100件)与对照组(100件)。观察组采用流动水冲洗+腹腔镜酶剂浸泡+超声波清洗机超声+蒸汽清洗机清洗手术臂操作端+高压水枪纯水漂洗+全自动清洗机清洗消毒。对照组清洗消毒流程为流动水冲洗+腹腔镜酶剂浸泡+超声波清洗机超声+刷洗手术臂操作端+高压水枪纯水漂洗+全自动清洗机清洗消毒。采用目测检查法(四倍带光源放大镜)、腺苷三磷酸(ATP)生物荧光快速检测法进行检测,计算清洗质量不合格的返洗率,比较两组的清洗消毒操作平均耗时。结果观察组的目测检查法返洗率低于对照组,观察组的ATP生物荧光检测返洗率低于对照组,差异有统计学意义(P<0.05)。观察组清洗消毒平均耗时短于对照组,差异有统计学意义(P<0.05)。结论蒸汽清洗机清洗消毒达芬奇机器人手术臂效果比手工刷洗清洗消毒效果更为理想,可节约大量清洗消毒时间,有效节约稀有医疗资源。

采摘机器人机械臂运动控制与目标抓取研究——基于嵌入式和机器视觉技术

首先,从整体方案、视觉定位系统和运动控制系统完成了对采摘机器人机械臂控制系统的设计;然后,基于图像处理技术设计了目标物体识别与抓取策略;最后,基于RRT算法研究了对采摘机器臂运动轨迹的控制方法,实现了对采摘机器人机械臂运动控制与目标抓取系统。采摘试验结果表明:系统对苹果的识别和定位准确度比较高,采摘成功率达到了100%,对采摘机器人自主采摘的实现具有一定的现实意义。

基于HER-TD3算法的青皮核桃采摘机械臂路径规划

针对青皮核桃和树枝等障碍物无序生长导致机械臂采摘环境复杂、训练任务量大、稳定性差等普遍存在的问题,本文设计了一种同步带模组与机械臂协作的采摘装置,并采用基于事后经验回放的双延迟深度确定性策略梯度算法(Twin delayed deep deterministic policy gradient with hindsight experience replay,HER-TD3)对采摘机械臂进行路径规划,通过HER算法提高智能体的探索能力,缓解稀疏奖励的问题;通过TD3算法提高智能体的稳定性,减少了训练中出现的震荡现象。为了证明HER-TD3算法的可行性和泛化能力,引入TD3、HER-DDPG算法进行对比,采用降维训练方法对3种深度强化学习智能体进行训练,结果表明HER-TD3算法模型在完成路径规划任务中成功率达到98%,与HER-DDPG算法相比提高4个百分点,与TD3算法相比提高19个百分点;在CoppeliaSim软件中搭建三维模型仿真环境,设计初始姿态和碰撞检测,使用YOLO v4识别青皮核桃,通过该算法模型能够引导虚拟采摘机械臂避开树枝障碍物达到目标位置,完成无碰撞路径规划,无障碍物和有障碍物时路径规划成功率分别为91%和86%;利用物理样机进行青皮核桃采摘试验时,仍能较好地完成路径规划任务,无障碍物时采摘路径规划成功率为86.7%,平均运动时间为12.8 s,有障碍物时采摘路径规划成功率为80.0%,平均运动时间为13.6 s,验证了HER-TD3算法对复杂环境具有较好的适应性和稳定性。

一种基于流形的机械臂动作构型知识压缩表达方法

针对在机械臂分拣任务中,存在物体形状各异、大小不一、训练神经网络成本过高的问题,提出一种基于流形空间的机械臂快速分拣方法。通过自主设计的一款简易实验装置模拟代替机械臂进行实验。对高维数据进行压缩,结合三维快速凸包求解算法,对体积大小不同的同类物体的流形空间进行分割,以凸包形式将稳定性较高的点集包裹起来。实验结果表明,体积大小不同的同类物体的高稳定流形子空间是一致的。该方法可以通过对一种物体的流形子结构进行尺度放缩,得到不同大小的同类物体的高稳定分拣区域,用于生成高效、可靠的机械臂分拣任务中的6D位姿构型,以提高分拣作业的工作效率。

基于作业区域和响应速度的节点布收机械臂优化设计

节点作为油气勘探中数据采集的关键设备,人工布收的工作强度大、重复性高;机械臂具有长时间持续工作等优点,可代替人工布收节点,提高其布收效率;但机械臂结构刚度低、响应速度慢。因此,对机械臂进行了结构优化及轻量化设计,以提高其结构刚性及运动能力。基于旋量理论,建立了节点布收机械臂正运动学方程,以作业区域为约束条件,提出了综合考虑节点布收机械臂的静刚度全域指标和任务方向的速度综合全域指标,建立了节点布收机械臂尺寸优化数学模型;利用多目标粒子群算法,结合变密度法对节点布收机械臂大臂进行了尺寸优化及轻量化设计。结果表明,结构尺寸优化后,节点布收机械臂的静刚度全域指标提升了19.8%,任务方向的速度综合性能提升了8.8%,显著提高了机械臂的刚度及运动能力;大臂轻量化设计后质量降低了14.7%,有利于提高响应速度的运动能力。研究结果对提高油气勘探的准确性和效率具有重要意义。

基于改进近端策略优化算法的移动机械臂抓取实验设计

针对在训练移动机械臂时,近端策略优化算法的学习困难和易陷入局部最优问题,引入了6种可行的改进方法,包括优势值标准化、状态标准化、奖励缩放、策略熵、梯度裁剪和标准差限制,并且使用这些方法在数据采集和训练的各个阶段对近端策略优化算法的步骤进行了调整,完成了对算法稳定性和学习效率的优化,并针对每个改进点设计了相关的实验。实验结果表明,在训练移动机械臂夹取物体的任务上,6个改进方法对近端策略优化算法均有不同程度的提升。改进后的PPO算法使移动机械臂的奖励曲线获得很大改善,能够迅速收敛到理想的结果。

芒果采收车机械臂运动特性分析及试验

为提高芒果采收车机械化采摘的适应性,该研究采用多体动力学理论方法对其机械臂的运动特性进行分析。首先,结合芒果生长和农艺特征及采摘机械臂几何构型与向量特性,运用D-H法建立了机械臂运动学模型以探索其运动特性,并进行末端执行器运动轨迹规划。轨迹规划结果表明末端执行器运动平稳,满足芒果采摘运动要求。进一步地,利用拉格朗日法构建了机械臂的动力学模型,对其进行了正逆动力学仿真验证,以深入了解机械臂的关节运动特性。动力学分析结果表明,在恒力矩工况下,伸缩装置和摆动装置的运动呈现一定的周期性,摆动装置、旋转装置角加速度和伸缩装置加速度均约在1.25、2.30、4.15 s达到阶段峰值;在仅做摆动周期运动的情况下,旋转装置、摆动装置所受驱动力矩均近似呈周期性变化,峰值分别为72.5与52 N·mm,且在一个运动周期内,均有两个极大值点。对机械臂结构进行仿真模态计算和模态试验,结果表明前六阶固有频率误差在5%以内,验证了芒果采收车机械臂多体动力学仿真建模的准确性。研究结果可为保证有效实现机械臂的采摘效果及提高其可靠性与稳定性提供依据。

空间站机械臂末端执行器用导轨设计与验证

针对滚珠直线导轨用于空间机构时的空间环境适应性问题,提出了空间机构用导轨设计方案,经导轨地面试验和产品在轨试验验证,该设计方案可以满足在轨使用要求,实现了导轨在真空、高低温等空间复杂环境下的长寿命应用.以空间站机械臂末端执行器用滚珠直线导轨研制为例,开展了导轨设计,并进行了导轨试验验证,确定了导轨采用滚珠溅射沉积MoS_(2)复合薄膜的固体润滑方案,间隙为0.04~0.05 mm,满足末端执行器在轨工作2000次以上的使用寿命要求.通过末端导轨试验可知,固体润滑的导轨载荷能力和使用寿命均显著下降,在空间机构用导轨研制过程中,须进行专项寿命试验,以验证导轨能否满足在轨使用要求.

基于虚拟空间三维体素—语义地图的机械臂任务规划

任务规划算法是机械臂在未知环境下具备抓取能力的基础,为此提出一种基于三维体素—语义地图的机械臂虚拟空间任务规划方法。在获取完整点云场景的基础上,利用基于掩码区域的卷积神经网络实现目标检测与实例分割,构建由三维点云、语义信息、三维计算机辅助设计模型组成的体素-语义混合地图;优化A*算法完成机械臂末端执行器最优路径规划,利用贝塞尔曲线完成轨迹优化;探究抓取不同几何体时的机械臂末端位姿,分解抓取、放置等复杂任务,形成基于语义驱动的空间任务规划。在虚拟空间通过仿真试验,表明了所提算法的有效性和快速性,同时该算法可支撑机械臂执行各种复杂的抓取任务,并提升机械臂的智能水平。

基于多FBG组合传感的机械臂外部干扰应力监测系统

为了解决机械臂工作过程中外部应力干扰导致装配位置偏差的问题,设计了一种基于多光纤光栅传感器组合传感的监测系统。根据机械臂运动角度范围,仿真分析了在两个特征位置上不同方向外加应力后外机械臂与内机械臂的应力场分布特征。依据应力场分布特性,设计了多FBG的传感阵列,并计算了不同FBG响应与外部干扰应力的对应关系。实验采用16个FBG对FS-MP1C型小型机械的抓取过程进行在线监测,随机外部干扰应力设置为2~20 N。16个FBG的响应线性度均在0.99以上,正向和负向波长响应最大值分别为1354 pm和-984 pm。在100次分层干扰测试中,X与Y轴向干扰应力检出率优于80.0%,Z轴向干扰应力检出率优于97.5%。系统平均误检率低于4.0%。可见,本设计可以在线完成外部干扰应力的实时监测,具有一定的实用价值。

木勺生产线机械臂的动静特性及结构优化

为实现木勺生产线上下料功能,同时节约成本,采用建模软件与有限元分析软件的协同仿真技术,对木勺生产线的机械臂进行动静性能分析,运用Parameters Correlation方法筛选出对生产线机械臂动静性能影响较大的设计变量。在此基础上,采用拉丁超立方抽样法对筛选的设计变量进行采样,对比分析Kriging模型与NPR模型构建的生产线机械臂的近似模型,并采用MOGA法对设计的目标函数进行求解。对优化后的木勺生产线机械臂进行建模分析,对比得出,优化后的模型Y方向最大振幅为1.1137 mm,可实现设想功能,动静性能得到提升。研究成果可为后续生产线机械臂结构设计提供参考。

混合现实场景下结合SSVEP与眼动追踪的脑控机械臂系统

针对混合现实场景下脑控机械臂系统交互性差、指令集小的问题,设计了一种结合稳态视觉诱发电位(SSVEP)和眼动追踪技术的混合现实脑控机械臂系统。该系统通过眼动追踪技术实现目标区域的初选,而SSVEP信号则被用于在初选区域内识别最终的目标指令。在不增加刺激类别数量的前提下扩大了指令集,并根据受试者的视线停留区域实现异步控制。离线实验结果表明,在使用相同刺激类别数量的情况下,增加视觉刺激目标数量不会对分类准确率产生显著影响。通过在线实验验证了系统的适用性,相较于使用单一SSVEP范式的机械臂控制系统,所提出的系统具有更好的交互性和更大的指令集。

基于奇异摄动分解的带机械臂旋翼无人机飞行稳定性研究

为了降低无人机和机械臂之间的耦合作用,提高带臂四旋翼无人机飞行过程中的稳定性,首先建立系统动力学模型,然后根据实际情况,对模型进行简化。在此基础上进行内、外环分解,外环为四旋翼位置控制和机械臂角度控制,内环为四旋翼俯仰角控制。对于外环的动力学模型,根据速度变化特点,利用奇异摄动理论对外环变量,即四旋翼线速度和机械臂角速度,进行快、慢变子系统分解,再次降低了系统间的耦合性。对于分解后的快、慢变子系统,设计非奇异终端滑模控制并引入干扰观测器,以期提高带臂四旋翼无人机飞行过程中的稳定性。最后,仿真验证了所设计算法的优越性。

决策树算法在机械臂碰撞规避方法中的应用

针对机械臂在复杂环境作业时,由于碰撞规避方法的碰撞检测效果差、障碍物规避效果不佳,导致机械臂频繁发生碰撞的问题,提出一种应用决策树算法的机械臂碰撞规避方法。通过分析机械臂运动学结构,获取机械臂运动学方程,结合二次投影法将机械臂碰撞过程,简化为三维视角下包围盒相交情况的判断过程,检测机械臂碰撞情况,通过浓度函数采集三维空间中包围盒预计位移信息,建立基于预计位移信息的决策树模型,获取机械臂碰撞规避行为最优决策信息,实现机械臂规避碰撞。实验结果表明,应用决策树算法的机械臂碰撞规避方法仅需0.29s有效检测出碰撞,在复杂环境下,规划的碰撞规避路线中机械臂与障碍物未发生碰撞,因此,该方法有效提高了机械臂碰撞规避的效果。

面向机械臂3D打印的曲面分区算法

多自由度机械臂3D打印能够突破传统平面分层熔融沉积3D打印工艺单一模型生长方向的限制,支持多方向打印。曲面分层和分区规划是机械臂打印的前提。对于具有多支柱结构或曲面变化率较大的模型经过曲面分层后,会呈现出多岛屿的曲面结构特征。传统的基于空间与平面映射关联的分区方法及基于曲面曲率特性的分区方法存在点面信息丢失、区域关系无法准确构建、子区域数量过多、区域划分不合理等问题。针对这些问题,提出基于曲面分层的复杂多岛屿分区方法。通过遍历每个曲面层信息,判断需要分区的曲面层;采用广度优先搜索算法提取同一封闭区域内的点面信息以及轮廓信息;依据原曲面层点面信息的关联将新存储的面片信息进行更新组合成新的曲面完成区域划分。最终,对具有多支柱结构和外表面凹凸变化较大的两种模型进行分区,路径规划的仿真及机械臂3D打印实验证明了该分区方法的可行性。

基于PPO的自适应PID控制算法研究

采用MATLAB物理引擎联合Python搭建了一个六轴机械臂,并模拟带有扰动的复杂控制环境,为机械臂训练提供现实中无法提供的试错环境。使用强化学习中近端优化算法(proximal policy optimization,PPO)算法对传统PID控制算法进行改进,引入多智能体思想,根据PID三个参数对控制系统的不同影响及六轴机械臂的特性,将三个参数分别作为不同的智能个体进行训练,实现多智能体自适应调整参数的新型多智能体自适应PID算法。仿真结果表明:该算法的训练收敛性优于MA-DDPG与MA-SAC算法,与传统PID算法的控制效果相比,在遇到扰动及振荡的情况下,能够更有效地抑制振荡,并具有更低的超调量和调整时间,控制过程更为平缓,有效提高了机械臂的控制精度,证明了该算法的鲁棒性及有效性。

串联工业机器人的自适应稳态增益调整技术

由于时滞控制具有模型无关性、简单性和鲁棒性等优点,在工业机器人控制中得到了广泛的应用。然而,过高的增益会导致系统响应不稳定或振荡。为了解决这一问题,提出了一种用于串联机械臂时滞控制的自适应增益调整算法。首先,通过机器人机械臂时滞控制原理分析表明了恒定增益存在的缺陷。然后,采用滑动变量和边界条件为时滞控制设计了一种自适应增益调整算法,能够在无需大量的调整参数的条件下,自动将增益调整到满足时滞控制稳定性条件的稳定值。仿真和实验结果验证了所提自适应增益调整算法的有效性。研究结果表明,与传统的时滞控制(大增益)相比,所提算法将机械手跟踪的均方根误差和最大误差分别减小了31.2%和61.4%,并且即使在初始值不稳定的情况下,仍可以提供稳定的增益,控制性能显著提高。

改进RRT^(*)-APF-DP融合算法的机械臂路径规划

针对基本的快速拓展随机树算法(rapidly-exploring random tree,RRT^(*))存在搜索随机性大、效率低、路径非最优的缺点,提出一种引入人工势场法算法(artificial potential field method,APF)和Douglas-Peucker算法的改进RRT^(*)-APF-DP路径规划算法.在RRT*算法的采样点生成阶段引入变采样范围偏置搜索与步长自适应调整策略,融合重新设计的APF算法的引力与斥力函数,增强路径扩展导向性与绕过障碍物能力.采用重采样策略改进DP算法,优化避障代价与控制点数量.实验结果表明,本算法规划的避障路径满足机械臂的运动要求,且算法规划的避障路径代价、规划时间和路径控制节点数均得到有效改善.

基于深度学习的目标检测及机械臂抓取

针对非结构化环境中多目标抓取检测存在速度慢、效果差的问题,提出一种先目标检测后抓取检测的方法。在目标检测中,为了加快网络的运行速度,文中采用深度可分离卷积和坐标注意力机制对YOLOv5网络进行轻量化改进。在抓取任务中,设计了一种单阶段抓取位姿检测算法。首先,考虑到非结构化环境中存在的干扰,选用RGB-D图像作为抓取网络的输入数据,并选用GG-CNN作为主干网络;其次,为了加强抓取网络的特征提取能力,利用Inception-ResNet模块中不同大小卷积核的并联使用来拓宽网络感受野,同时无参三维注意力机制的融入使得网络更专注于抓取信息特征,抑制背景噪声信息;最后,使用抓取质量评估来对抓取框进行修正,并输出置信度和最高的抓取框。实验结果表明:轻量化的目标检测网络参数量为2776708,每秒帧数(frames per second,FPS)为102;改进后的抓取检测网络在公共Cornell数据集上,取得了96.57%的准确率,FPS为54.17。这说明2个网络能部署在机械臂上并较好地实现在多目标场景下的抓取任务,可以应用到实际工业生产中。

基于改进A*算法和可操作度的移动机械臂运动规划研究

针对移动机械臂在室内环境下规划时间长、取放运动可操作性差等问题,提出了改进常规A*算法,以机械臂可操作度值作为评价标准,确定最佳停靠位置并进行系统运动规划的方法。首先,在常规A*算法的基础上,将8个搜索方向简化为5个,以提高搜索效率;同时,设计了一种新的启发式搜索函数,将Floyd算法引入到A*算法中,增加路径的平滑度。仿真结果显示,改进后的A*算法相比常规A*算法运行时间缩短59.1%,路径长度减少3.5%,搜索节点数减少41.6%。其次,根据机械臂的可达工作空间与雅可比矩阵,评估移动机械臂在待取放目标物体附近不同位置下的可操作度值,优化停靠位置,从而提高取放运动的可操作性。最后,采用由DIY机械臂和Turtlebot2移动机器人组成的移动机械臂系统,在室内环境中完成了运动规划综合实验,验证了所提方法的有效性和可靠性。