基于大数据聚类的搬运机器人抓取末端控制系统设计

为提高搬运机器人抓取效率,避免损伤货物,设计了基于大数据聚类的搬运机器人抓取末端控制系统。利用主控制器和驱动控制器平稳控制机器人运行,通过在末端执行器内安装红外扫描装置、集成锁相环路解码器LM567,判断货物是否处于抓取末端内部。使用FRS-402敏感电阻,降低力敏感电阻值,提高抓取的稳定性,完成系统硬件设计。基于大数据聚类拟合控制信号,降低数据维度并提取特征向量。通过匀速抓取、反馈减速以及应力松弛3步,实现搬运机器人抓取末端控制系统设计。实验结果表明,所设计系统能够有效减小抓取位置误差,提高搬运效率,降低货物损失。

装配机器人的数字孪生虚实同步及抓取方法

针对工业机器人进行装配任务时对物料智能抓取精度差和数据处理难等问题,提出一种基于数字孪生的装配机器人虚实同步及抓取方法。以数字孪生为基础,设计了数字孪生装配机器人虚实同步及抓取架构。通过对多源异构数据的分类实现OPC UA服务器和客户端的信息模型搭建,并以OPC UA通信协议为桥梁进行装配机器人的数据通信,实现虚实同步。通过虚拟机器人对卷积神经网络进行进一步训练,提高对物料的抓取精度。在所开发的机器人数字孪生原型系统中验证所提方法的正确性和有效性,为实现装配机器人的数字孪生虚实同步和精确抓取提供新方案。

基于深度学习的目标识别与抓取研究

针对机械臂抓取在工业生产中的复杂作业环境、不同零件之间存在干扰的问题,文章提出了一种基于深度学习的目标识别及抓取方法,以此来减少抓取场景中物体位置的不确定性,提高检测和抓取成功率。采用卷积注意力机制模块(convolutional block attention module,CBAM)对YOLO-V5进行改进,加强卷积网络对图像特征的关注和提取能力,提高检测精度。改进之后的网络平均识别率提高了5.26%,证明了改进是有效且成功的。通过AUBO-i5机械臂、电动夹爪、相机以及六轴力传感器等设备搭建了一套机械臂抓取系统,实验结果表明所提出的方法在实际抓取中可以适应不同的抓取场景,减少外界干扰,提高抓取成功率,具有良好的应用前景。

基于机器视觉的刹车盘工件上下料系统

在传统刹车盘的生产过程中,几乎都采用人力进行加工机床上下料。这种作业方式存在搬运效率低、生产成本高、无法满足高效生产的问题,提出一种基于机器视觉的刹车盘工件的上下料系统,将视觉与工业机器人相结合,搭建的系统能够准确地识别出工件的位姿,并将位姿结果转换到机器人的坐标系下,从而引导机器人准确抓取工件。经实验证明,该系统具有自主灵活性,且能够顺利完成刹车盘的上下料。

纺织车间纱筒取装多自由度机械臂关节轨迹跟踪控制

纱筒取装换料是纺织车间里常用的一种作业,利用机械臂系统去实现纱筒换料,能够实现纺织车间作业效率的提升。在纱筒换料多自由度抓取机器人抓取纱筒放置到纱架的过程中,机器臂末端夹爪要精准抓取纱筒进行上下料,对机械臂要有精确,快速控制的需求,因此,研究关节机器人的运动轨迹的跟踪控制具有重要意义。为使得机器人在运动控制中精确定位,对纱筒夹取机械臂系统进行动力学建模得到相关力矩参数,对机械臂关节电机进行数学建模,并构建了机械臂的关节轨迹跟踪伺服控制系统,基于PID控制算法,利用MATLAB软件Simulink平台对五自由度机械臂模型进行轨迹跟踪可视化仿真实验,给定期望角度,通过PID控制算法的跟踪得到其实际输出角度,仿真实验结果表明PID控制算法跟踪轨迹误差小于0.08(rad),机械臂系统在0.02秒内快速响应,纱筒抓取五自由度机械臂系统在0.3秒内可达到系统稳态时间,能够使得机械臂末端夹爪对纱筒进行精确的抓取,满足了纺织车间对于纱筒上下料的作业需求,同时提高了其工作效率。

基于AI视觉的工业机器人抓取系统设计

目前,工业机器人发展十分成熟,在工件零件抓取方面实现了较高程度的自动化。然而,传统的机器人采用固定点示教的方式,无法抓取形状复杂的零件,且存在较大位置误差。因此,基于人工智能(Artificial Intelligence,AI)视觉技术,设计了一个工业机器人自动抓取系统,通过AI视觉模型实现工件的准确识别。对机器人的抓取效果进行实验,结果表明基于AI视觉的工业机器人抓取系统可以识别各种工件,并精准抓取零件,抓取位置误差较小。

配置机械臂的麦氏轮小车物体抓取与自动避障系统设计

设计了一种配置机械臂的麦氏轮小车,旨在实现物体抓取与自动避障功能。介绍了机械臂和麦氏轮小车的结构设计和工作原理,详细阐述了小车利用激光雷达感知周围环境进行建图,并利用Gmapping算法来规避障碍物,完成路径规划,通过深度相机识别不同颜色物块,并由机械臂完成分拣功能,最后通过实验来证明系统的可行性和稳定性。

一种改进的货架物品抓取方法

为了避免机器人在识别货架物品时对背景多余平面产生误提取状态,设计一种改进的货架物品抓取方法。采用一种基于法向量的随机采样一致性算法对货架平面进行分割,利用欧氏聚类算法得到货架平面上方商品的位置信息,并在系统内将采集到的数据集反馈给上位机,为机器人和机械臂的运动规划提供指令参数。实验结果表明,这种机器人可以有效避免对多余平面的识别,高效完成货架平面识别以及商品的抓取任务。

强化学习应用下的移动抓取机器人轨迹分析

强化学习是一种通过智能体与环境交互学习最优行为机器学习方法。在移动抓取机器人领域,强化学习算法可以用于优化机器人轨迹,提高其抓取效率和避障能力。基于此,本文介绍了强化学习算法在移动抓取机器人轨迹优化中的应用,并通过实验验证了其有效性。

履带式抓抛机器人系统的设计与研究

以全国大学生机器人大赛ROBOTAC的速胜赛为需求,设计了一种以STM32为控制核心、体积小、质量轻的履带式抓抛机器人,采用M3508电机独立驱动与M-QNB塑料贴胶履带提高驱动能力和抓地力。从履带底盘的稳定性和上部抓取、抛掷机构两方面对机器人的设计方案进行详细阐述,并通过实验进行验证。该设计符合比赛要求,底盘能满足爬坡和越障需求,上部机构具备稳定的抓取与抛掷能力,在速胜赛中具有良好的表现。

基于机器人的舱体自动常温性能测试系统设计

针对目前雷达系列舱体常温性能测试过程中存在的移载过程占用人工多、姿态模拟精度不高等问题,设计了基于机器人的舱体自动常温性能测试系统,提出一种舱体位姿偏差精确识别与定位方法,进行舱体位姿高精度识别与定位,基于机器人实现舱体自动抓取及姿态模拟。实验结果表明,通过应用机器人代替人工操作,可实现舱体的精准自动抓取及高精度姿态模拟。该研究的成功应用不仅减少了人工占用,也提高了舱体测试自动化程度。

多机械臂煤矸石智能分拣机器人关键共性技术研究

依据我国煤矿智能绿色发展战略,深入分析了国内外智能拣矸系统的研究现状,指出研发适用于井下的多机械臂煤矸石智能分拣机器人是破解煤矸分拣难题的重要发展方向,凝练了直接影响和制约我国煤矸石智能分拣高质量发展的“煤矸石准确识别、精准跟踪和可靠抓取、多目标任务多机械臂协同分拣”三大关键共性技术难题,并给出了解决思路和方法。针对煤矿井下煤矸石被煤泥严重包裹识别难,提出了“X射线+视觉”煤矸石识别与匹配方法、基于点云数据的煤矸石抓取特征提取方法,实现目标矸石的快速识别和最优抓取特征提取;针对煤矸石形态各异、动态环境抓取难,提出了基于ORB+BEBLID特征的FLANN动态目标高效匹配方法、基于FDSST的动态目标精准跟踪方法、基于三环PID的机械臂同步跟踪轨迹规划方法,实现机械手对高速传输的动态矸石稳定抓取;针对煤矸石随机分布、障碍多、多机械臂任务分配难,提出了改进匈牙利算法的多机械臂动态空间协同分拣方法,确保系统收益的前提下实现多机械臂在动态空间中高效协同工作。现场工业性试验研究结果表明,针对三大关键共性技术所提出的方法能够有效破解煤矸石高效识别和抓取特征提取、机械臂动态目标同步跟踪稳定抓取、多机械臂高效协同分拣等难题,通过构建完整的多机械臂煤矸石智能分拣机器人系统,提高了煤矸石智能分拣系统的可靠性和分拣效率。

基于3D视觉的机械臂抓取控制方法

针对传统2D视觉下机械臂无法抓取具有3D位姿物体的问题,提出了基于3D视觉的机械臂抓取控制方法。该方法首先通过差分和滤波的方式去除噪点,并提出了一种加权下采样的方法简化点云。通过欧式距离和法线夹角变化率的结合,提出了一种点云二次分割方法。物体的定位方式采用基于主成分分析法(PCA)的粗配准算法和基于迭代最近点算法(ICP)的精配准算法,然后将所得到的目标物体位姿发送给机械臂进行抓取。在达明协作机器人上的实验表明,该方法能够有效抓取具有3D位姿的物体,与已有的方法相比,在精度和处理时间上有了较大的提升。

融合云计算的桁架机器人柔性分拣结构控制

传统控制技术在计算分拣结构期望力矩时,忽略了对从动臂执行力矩的补偿,导致末端最大跟随误差、夹持力超调量较大。为此,针对桁架机器人柔性分拣结构,本研究融合云计算过程设计了新的自动化控制技术。在采集工件图像后定位其实际位置,从而确定抓取点。然后通过云计算获得分拣结构抬起高度等参数,根据抓取点和放置点位置规划分拣结构运动轨迹,并计算作用在主动臂、从动臂、动平台上的期望力矩。最后通过力矩前馈控制器执行力矩前馈补偿,驱动机器人柔性分拣结构完成运动轨迹。在实验中,改变分拣结构末端运动速度和负载,结果表明:该技术减小了分拣结构末端最大跟随误差和夹持力超调量,提高了工件位置跟踪精度和抓取稳定性,保证了机器人对速度变化和负载变化的自适应性。

基于单视图关键点投票的机器人抓取方法

针对传统机器人抓取算法成本高、位姿估计准确率低、在极端场景中鲁棒性差等问题,提出一种基于单视图关键点投票的机器人抓取方法。该方法基于单个RGB图像,采用投票推理2D关键点的方式,再结合3D关键点的位置,利用多组点对映射关系(E-Perspective-n-Point, EPnP),算法计算物体的6D位姿,并将其转换为最优的机器人抓取姿势,实现机器人抓取。实验表明,即使在遮挡、截断、杂乱场景中,也能体现较好的估计结果。所提方法抓取成功率达到了94%,能引导机器人实现准确抓取。

一种位置和图像相切换的视觉伺服仿真分析

视觉伺服抓取通常将相机采集的当前图像特征与期望图像特征之间的偏差作为输入信号,通过图像处理、视觉伺服策略等使机械手能够运动到期望位姿。传统的基于位置或基于图像的视觉伺服存在各自的缺点,这里在视觉伺服控制方面,结合位置视觉伺服收敛速度快以及图像视觉伺服精度高的优点,研究了基于位置和基于图像的切换视觉伺服方法。以机械手坐标系原点与期望位姿坐标系原点在世界坐标系下的距离作为视觉伺服切换的阈值,通过对切换视觉伺服方法的仿真分析,验证了该方法在前半程可以快速达到物体附近,后半程利用图像伺服可以使机械手精确到达期望位置。

提高机器人识别机率的线性推动策略

针对机器人工业抓取场景中,堆叠的工件相互遮挡,难以识别的问题,提出一种基于聚类网格法的自适应线性推动策略AC-Grid。融合二维图像与点云高度渲染信息,根据抓取场景内工件的散乱堆叠情况分析出可靠的几何特征,为机器人优化出一条合理有效的工件推动路线。在V-REP仿真环境中制作80组“PushTD”系列的模拟场景数据集,对比实验结果表明,AC-Grid推动策略在仿真场景下最高能使平均目标匹配识别度提高至39.6%,在实际场景中能达到16.4%,在不同场景中均能起到显著分离和目标识别度提升的作用。

基于机器视觉的工业机器人定位系统分析

阐述视觉定位系统的工作原理,依托区域的匹配方法、图像特征的有效提取、系统动作过程分析,探讨基于机器视觉的工业机器人定位相关技术,包括图像处理技术、定位抓取技术。

基于粒子群优化算法的工业机器人定位抓取控制系统设计

为消除工业机器人实际抓取位置与定位位置之间的误差,实现对机器人抓取行为的有效控制,设计基于粒子群优化算法的工业机器人定位抓取控制系统;根据主要机器部件选型情况建立电气网络结构,再联合视觉传感器与定位控制平台,实现对抓取夹爪行动范围的控制,完成工业机器人定位抓取控制系统硬件的总体设计;遵循粒子群优化算法应用需求,实施G best选取与P best更新,并联合所得计算结果,定义三维坐标系表达式,建立基于粒子群优化算法的定位坐标系;根据跟踪点坐标求解结果,确定控制系数优化处理条件,完善了抓取控制原则,再联合相关应用结构,实现a基于粒子群优化算法的工业机器人定位抓取控制系统的设计;实验结果表明,粒子群优化算法作用下,工业机器人实际抓取位置坐标在X轴、Y轴方向上均准确符合定位位置坐标,实验组定位抓取误差为“0”,有效消除了抓取误差,能够实现对机器人抓取行为的有效控制。

煤矿抓管机器人冗余机械臂逆运动学求解算法

设计了一种煤矿抓管机器人,介绍了机器人的系统组成、核心参数和主要功能;在煤矿抓管机器人及其液压机械臂的结构特点和工作方式基础上,研究了基于固定角度法和搜索方法的机械臂逆运动学求解算法,分析了冗余机械臂的逆运动学求解原理,并给出了算法实现的详细流程。仿真结果表明:逆运动学求解得到的关节角序列能够驱动机械臂末端运动到目标位姿,求解过程可靠,验证了算法的有效性;相较现有其它逆运动学求解算法,该算法具有显式数学表达式,进而算法部署成本低。