农业物料移运机器人协同作业时间最优轨迹规划方法

为了解决机器人将农产品从收获场所转移到仓库或运输车辆存在的移动轨迹和作业轨迹相对独立且耗时长的问题,本文设计一种物料移运机器人,并提出一种物料移运机器人协同作业时间最优轨迹规划方法,获得机器人作业系统和行驶系统协同作业的时间最优轨迹。该方法建立机器人协同作业的运动学模型和动力学模型,对物料移运机器人开展时间最优轨迹规划,并基于Lyapunov理论设计控制律减少跟踪误差,最后通过Matlab/Simulink和ADAMS联合仿真验证方法的有效性。结果表明,提出的轨迹规划方法可使机器人在抓放料协同作业和避障协同作业中取得平滑且时间最优的运动轨迹,机器人各关节的位移、速度、加速度、力/力矩曲线变化平缓,两履带牵引力满足机器人的要求且可快速稳定跟踪时间最优路径。

基于病态参数分离的机器人运动学标定测量构型优化

针对一种高灵巧性机器人及其连杆参数高敏感性与高定位精度需求,为解决机器人运动学标定随机测量构型存在绝对定位精度低、参数辨识效果及标定结果鲁棒性较差的问题,提出一种病态参数分离与DETMAX-改进差分进化(DETMAX-IDE)算法的机器人运动学标定测量构型分步优化方法。首先,建立机器人位置误差模型。其次,建立一种可观性综合指标,评价不同机器人标定测量构型的总体可观测性和灵敏度。最后,分离机器人运动学位置误差模型的病态参数,建立测量构型优化目标函数和约束条件,提出一种基于DETMAX算法与改进差分进化算法结合的分步迭代优化算法(简称为DETMAX-改进差分进化算法,简写为DETMAX-IDE算法),开展机器人运动学标定测量构型分步迭代优化。通过机器人运动学标定仿真与实验,验证了所提方法的有效性。实验结果表明,与随机测量构型相比,所提方法对应的机器人绝对定位精度的平均值和均方差分别降低了62.09%和62.45%。

考虑廓形特征的机器人异型盘磨削接触力建模

目的为表征具有尖端小、比压大廓形特征的机器人异型盘磨削接触力,针对异型盘薄板与橡胶板双层结构形式,提出一种考虑廓形特征影响的包含薄板挠曲形变和橡胶板弹性形变的机器人异型盘磨削接触力建模方法。方法首先,基于弹性薄板弯曲理论,分析薄板挠曲形变与接触力关系。其次,依据静态弹性理论,建立橡胶板在弹性形变区域内弹性形变与接触力模型。再次,开展有限元数值模拟实验求解橡胶板弹性形变参数和薄板挠曲形变参数,并通过变量替换建立接触力与异型盘法向进给位移数值形式反函数模型。最后,搭建机器人异型盘磨削实验平台,分别开展1种平面与3种曲率曲面工件的机器人异型盘接触力模型验证实验和1种侧曲面圆台铸铁工件的机器人异型盘磨削一致性验证实验。结果机器人异型盘接触力模型验证实验结果表明,当盘倾角较大时,能够较为准确地预测接触力。机器人异型盘磨削一致性验证实验结果表明,在相同的磨削参数条件下,3条磨削路径(路径1、2、3)的磨削深度平均值分别为0.0663、0.0632、0.0645 mm,最大偏差分别为0.0139、0.0090、0.0108 mm,变异系数分别为11.2%、6.4%和9.6%。实验验证了所提方法的有效性。结论所提方法考虑了异型盘廓形特征,将工件表面曲率、盘倾角、廓形参数和异型盘尺寸等参数包含在磨削接触力模型中,并描述了磨削接触力与异型盘法向进给位移的数值形式反函数关系,能够度量异型盘磨削作业接触区域和解释磨削接触力影响因素,可为机器人异型盘的高效率、高质量恒定接触力磨削提供理论依据。

无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法

为了解决工业机器人打磨的作业柔顺性不足问题,设计了机器人柔顺浮动打磨力控末端执行器.为了解决无先验模型曲面工件的机器人打磨轨迹自适应性较差的问题,提出无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法.该方法根据打磨工具与工件的接触状态预测曲面法线方向,以有向进给平面与曲面切平面的截交线作为进给导向,自适应在线预测机器人打磨系统末端执行器的位姿,使末端执行器主轴轴线实时主动跟踪曲面法线,实现对无先验模型曲面工件的机器人打磨轨迹的主动自适应在线预测.通过仿真分析和实验验证了所提出方法的有效性,最大综合位置预测误差与曲面法线跟踪误差分别为0.506 mm和4.912°.所提出方法可以为无先验模型曲面工件的机器人打磨提供在线轨迹预测.

机器人打磨自适应变阻抗主动柔顺恒力控制

为解决工业机器人打磨过程中存在复杂时变非线性耦合与不确定性扰动导致机器人柔顺恒力打磨自适应调节能力不足的问题,首先给出了一种可实现沿轴向平移与旋转运动解耦的力控末端执行器,其次设计了一种自抗扰控制器和一种粒子群神经网络变阻抗控制器分别作为内环控制和外环控制,在此基础上,提出了一种机器人自适应变阻抗主动柔顺恒力控制方法,用于在线自适应优化阻抗参数,动态调节打磨力修正量,实现机器人打磨作业自适应主动柔顺恒力控制。最后采用Lyapunov稳定性理论分析证明了所提出方法的闭环稳定性。通过机器人打磨系统虚拟样机联合仿真实验和机器人平台实物实验,验证了所提出方法的有效性。实验结果表明,所提方法能够较好实现静态与动态期望打磨力跟踪,减小了打磨力波动、力超调量以及打磨初期打磨工具处的冲击力,提高了打磨力控制系统抗扰动稳定性、恒力跟踪性能和动态响应能力,对复杂多变工况机器人打磨作业具有较强的适应性与鲁棒性。

基于集成概率模型的变阻抗机器人打磨力控制

工业机器人对工件柔顺打磨作业的适应性差,为此设计机器人柔顺浮动力控末端执行器,基于集成贝叶斯神经网络模型的强化学习,提出主动自适应变阻抗的机器人打磨力控制方法.所提方法根据打磨作业的接触环境信息,利用自助法获取小量数据的多次采样样本,训练集成贝叶斯神经网络模型以描述机器人打磨系统与工况环境交互作用,采用协方差矩阵自适应进化策略(CMA-ES)求解最优阻抗参数.构建机器人打磨系统虚拟样机平台,开展叶片工件的打磨仿真实验,验证所提方法的有效性.实验结果表明,所提方法在十几次训练后,能够将打磨力的绝对跟踪误差减小至较小值,较好地实现了机器人打磨系统的主动自适应变阻抗打磨力控制,提高了机器人打磨力控制的柔顺性和鲁棒性.

基于分布式PLC的丝锭自动包装码垛系统设计

为提高化纤企业的自动化程度,针对丝锭包装的传统工艺流程,该文提出了基于Device Net总线的分布式PLC控制系统,对生产线内各单元统一布局规划,模块化设计与调试,实现了机器人自动上料、丝锭自动套袋、自动码垛和自动打包称重的全流程包装作业。实际运行表明,该系统运行可靠、维护方便,能有效减轻人工负荷、提高生产效率,实现了化纤丝锭的智能化输送、管理及物料信息的可追溯功能。

基于零样本学习的物体检测网络

作为先进的机器学习方法,零样本学习旨在解决在训练阶段未知物体的分类问题。传统的机器人抓取方法需要训练大量的标记样本以得到模型,进而学习对物体的分类和抓取。然而,这些方法在抓取未知物体时面临一定的困难,其中机器人未曾接触过这些物体,无法在训练数据中学习抓取。因此,零样本学习方法发挥了重要作用,其基本思想是利用已知类别的数据训练视觉-语义交互模型将语义知识扩展到未知类别,以控制机器人对未知类别进行识别与抓取。