四种粗加工表面三维分形维数的测定与比较

工件表面形貌对工件表面质量和摩擦性能有着重要的影响。为了对表面形貌特征进行表征,以4组机加工样块为研究对象,测得样件表面粗糙度和表面形貌,并应用盒子法和灰度法计算出其三维分形维数,分析对比三维分形维数与粗糙度以及表面形貌之间的关系。结果表明:三维分形维数与粗糙度基本成正比关系,随着粗糙度的增大而增加;粗糙度相同时,不同加工方式下的三维分形维数不同,分形维数越大,表面形貌越复杂,细节越多,划痕凹坑越明显,表面质量越差;与传统二维轮廓粗糙度表征方法相比,三维分形维数更能全面客观描述表面的整体形貌特征,这为后续的表面质量、摩擦润滑等研究奠定了理论基础。

连续体机器人结构设计及运动学分析

为解决特殊服役环境下机器人工作空间受限的问题,设计了具有柔性骨架的连续体机器人结构,包括两个驱动单元。通过两个驱动单元控制柔性齿轮齿条的运动,实现连续体机器人在平面空间内的多样化与高度适应性运动。建立了连续体机器人等价RPR运动学模型,并采用顺序最小二乘规划给出了连续体机器人的逆运动学解。借助MATLAB软件,对所设计连续体机器人的运动空间和运动轨迹进行仿真。仿真结果表明,其运动空间明显增大,可以有效避免内部出现比较大的空洞,同时,运动轨迹跟踪证明了其逆运动学求解的正确性。

基于双目识别机器视觉技术的机械臂抓取研究

将可获取环境信息的视觉传感器连接机械臂,进行机械臂建模并赋予机械臂目标数据获取和定位的功能,针对基于双目识别机器视觉技术的机械臂抓取控制精度和抓取效率进行了研究。研究发现双目识别视觉机器人移动范围大于500 m,明显高于三眼视觉机器人,同时避障精度明显优于三眼视觉机器人,差异对比P<0.050;双目识别视觉机器人的抓取力度、定位精度、行走精度均优于三眼视觉机器人,差异对比P<0.050;双目识别视觉机器人在“捡鸡蛋”任务模式下平铺效率、篮中效率明显高于三眼视觉机器人,同时损失率(5.6±0.7)%明显低于三眼视觉机器人(16.2±3.5)%,差异对比P<0.050。由此可见基于双目识别视觉的机器人拥有更高的移动效率、控制精度及工作效率。

工业机器人运动学仿真分析

运动学分析是实施工业机器人作业控制的关键。采用D-H法对IRB 120工业机器人建模,建立了工业机器人的正运动学方程,并采用Robot Studio软件验证了正运动学方程的正确性。在此基础上,通过代数解法求得机器人关节角度,获得工业机器人运动学逆解,并采用Robotics Toolbox平台验证IRB 120机器人运动学逆解的正确性,这对IRB 120工业机器人的控制具有一定的参考价值。

紧急路况下智能网联车辆队列控制策略设计及仿真分析

智能网联车辆队列能够有效改善燃油经济性、提高行车安全性,但在实际中不可避免会遇到其他车辆干扰需要紧急制动的路况。对紧急路况下智能网联车辆队列控制策略进行研究,确保车辆队列的行车安全性与稳定性。对紧急制动、他车插入并长时间停留、他车插入并快速驶离3种紧急路况下的控制策略进行设计,并在PreScan平台下开展3种控制策略的仿真试验。结果表明,所设计的3种紧急路况下的控制策略能够确保智能网联车辆队列的安全、稳定行驶。

多传感器在机器人精准装配中的应用

传统机器人工件装配系统对工件运输系统要求高,一旦出现误差就会影响装配的质量与装配的成功率,在实际推广中受到很大限制。采用位移传感器与力控传感器联合工作的机器人精准装配方法,通过位移传感器实现工件位姿的粗略调整,力传感器对工件装配过程优化,提升了装配的精度。将提出的机器人精准装配方法应用于孔类零件与轴类零件装配中,结果表明,该方法对工件运输系统的适应性强,工件装配效率高,对产品生产中推广机器人装配具有一定的实际指导意义。

输电线路绝缘子覆冰厚度图像识别算法

针对当前绝缘子覆冰监测方法研究现状,提出对于复杂环境下的绝缘子覆冰识别。首先利用模板匹配在图像中实现绝缘子的定位检测,然后对图像进行预处理、图像分割、边缘提取等处理,提取出覆冰前后绝缘子边缘,根据区域像素初步判断有无覆冰,若有覆冰进一步再计算其覆冰厚度。最后利用提出的算法对模拟覆冰实验室和现场采集的输电线路图像进行分析,将算法计算结果与模拟覆冰实验室人工测量的绝缘子覆冰厚度值进行比较,误差小于1.5 mm。结果表明,算法能够识别绝缘子覆冰并计算其覆冰厚度,可以真实地反映现场绝缘子覆冰情况。

基于正态分布的工业机器人抓取控制研究

机器人在抓取作业时,待抓取物体的位姿在不断地发生变化。为了实现对工业机器人抓取的自适应控制,建立了基于正态分布模型的工业机器人抓取控制策略。通过机器人示教获得示教样本,训练获得正态分布模型,从而建立物体位姿观测变量和工业机器人关节变量之间的映射关系。以UR3机器人为例,采用正态分布模型实现对UR3机器人的抓取控制。结果表明,UR3机器人可以更好地实现对物体的成功抓取。该策略通过样本学习省去了机器人视觉系统标定和逆运动学求解,提高了抓取控制的效率,降低了抓取控制的计算量,对工业机器人的自适应抓取控制具有一定的参考价值。

基于时域特征的角位移传感器信号线间串扰方法研究

传统串扰方法计算得到的数据时域特征较弱,难以应用到不同的信号线间串扰问题分析中,为此提出基于时域特征的角位移传感器信号线间串扰方法。根据串扰基本原理,提取角位移传感器参数特性,通过相敏检波计算信号频率差异值,得到角位移传感器信号的时域特征,构建基于时域特征的串扰模型。设置单线、绞线以及屏蔽线三组不同的信号线,利用本文提出的方法和传统方法获取串扰数据。实验结果表明,两组方法可以获得角位移传感器与单线间的串扰;当端接电阻值增大到100Ω时,本文方法能够获得角位移传感器与绞线间的串扰;当测试角位移传感器与屏蔽线间的串扰时,本文方法可以获得具有对称性质的近端与远端串扰波形。

基于EM算法的工业机器人抓取控制研究

抓取是机器人的基本操作任务,通过待抓取物体的位姿变化对机器人关节数据自适应调整,提高机器人物体抓取成功率。本文基于EM算法的混合正态分布模型建立待抓取物体位姿观测变量和机器人关节变量之间的映射关系,并采用UR3机器人进行抓取试验。结果表明,采用该方法进行抓取控制只是在样本训练集的边缘抓取失败,抓取成功率为95.5%。基于EM算法的混合正态分布模型可以有效地对工业机器人抓取进行控制,具有比较高的抓取成功率。

基于深度学习的工业机器人精准抓取算法研究

自动化技术的快速发展使得工业机器人在各行各业得到了广泛的应用,机器人精准抓取是工业机器人开发的核心技术。采用深度学习的经典算法卷积神经网络实现了待抓取目标物体的识别,同时采用图像处理技术来对待抓取目标物体进行定位,实现工业机器人的精准抓取。将提出的算法应用于苹果抓取试验中,结果表明该算法对苹果的检测性能好,定位准确度高,具有良好的目标物体抓取能力,这为工业机器人开发提供了参考。

食品配料机器人调配咖啡流程运动规划

本文对食品配料机器人调配咖啡流程和运动学进行了研究,采取建立机器人本体结构特性建立坐标系,通过使用球坐标获得正逆运动学方程,结合分布式动态路径规划,使机器人工作空间得到特征化,解决了食品配料机器人运动规划以及沿给定轨迹的直接运动学问题。通过仿真实验,验证了机器人的运动学算法和调制咖啡流程的正确性和有效性。