末端强力抓取的欠驱动拟人机器人手

为了实现自适应抓取效果、拟人化外观和具有末端强力抓取功能的机器人手,采用带轮传动、弹簧约束和活动套接的中部指段,设计了一种新型欠驱动手指机构。分析了该手指的强力抓取原理。由此设计了拟人机器人手——TH-3B手。TH-3B手外观、尺寸和动作模仿人手,有5个独立驱动手指、15个关节自由度、6个驱动电机,模块化程度高,结构紧凑,控制容易,质量小,成本低,对所抓物体的形状、大小自动适应,可以实现末端强力抓取,适用于拟人机器人上。     

高欠驱动的拟人机器人多指手

为改进清华大学研制的TH-1型拟人机器人手的传动机构,设计了一种欠驱动手指机构。该手指机构可用于拟人机器人手上,以较少的驱动器获得较多的关节自由度,同时获得较好的自适应抓取功能,降低装置对控制系统的要求。以该欠驱动手指机构为基础,设计了一种高欠驱动的拟人机器人多指手——TH-2手。研究结果表明:TH-2手具有高度拟人化、高欠驱动和高集成度,以及实时控制容易、体积小、质量轻、抓取功能较强等优点;TH-2手适合安装在拟人机器人上使用。     

变抓取力的欠驱动拟人机器人手

由于传统的灵巧手自由度过多,控制复杂,驱动和控制系统体积过大,因而无法用于拟人机器人上。该文设计了变抓取力的欠驱动拟人机器人手TH-1。其食指采用了新颖的变抓取力手指机构,可实现稳定抓取。其拇指采用了新型的欠驱动手指机构,可以用较少驱动器获得较多的自由度。TH-1手的电机、驱动与控制系统等完全嵌入手掌,在外观与尺寸上均与人手相似,具有质量小、自由度少、控制简单、结构紧凑、适应性强等特点。实验结果表明:TH-1手可成功安装于TH-1拟人机器人手臂,可完成常见伸展、握拳和以适当的力稳定抓取不同尺寸物体等拟人动作。该文研究的变抓取力机构和欠驱动机构也可应用于其他传动类型的手上。     

灵巧手操作的可视化仿真系统

在将人手的抓取动作转化成灵巧手的抓取动作指令时,为快速验证手势识别和姿态转换模块的功能,同时避免由于指令的错误可能引起灵巧手的手指相互碰撞或对手指的驱动机构产生损害,特开发了灵巧手的三维仿真系统。采用3D图形软件包OpenInventor作为图形开发工具，实现了灵巧手的姿态模拟和碰撞检测功能。     

基于CFFCA的全驱动五指灵巧手抓取研究

为精确控制灵巧手对目标物体的抓取,针对灵巧手对目标物体的抓取控制实时性不高的问题,设计了全驱动五指灵巧手试验样机DH-MN-I。分析了单根手指的正运动学与逆运动学,提出了接触力反馈控制算法( CFFCA: Contact Force Feedback Control Algorithm) ,利用压力传感器的反馈值,实时控制灵巧手和目标物体之间的接触力,并且详细描述了灵巧手的强力抓取和精确抓取两种抓取模式。在全驱动五指灵巧手试验样机DH-MN-I 上的实验证明,在两种抓取模式下该算法对两种尺寸的目标物体实现抓取控制是可行的。利用提出的接触力反馈控制算法可控制全驱动灵巧手和目标物体之间的接触力,实现灵巧手对不同大小的目标物体的稳定抓取操作,实验结果表明,该算法实时性较好,有很高的灵巧性,具有应用价值。     

气动人工肌肉驱动仿人灵巧手的结构设计

研究一种气动人工肌肉驱动的多指仿人灵巧手的结构设计. 通过分析正常人体解剖学,针对人类手掌的外形结构、驱动形式及运动规则,设计了一种5指仿人灵巧手. 该灵巧手有5个手指、19个自由度,在外观和功能上与人手接近;手指采用气动人工肌肉驱动,以柔索传动. 实验结果表明,该仿人灵巧手具有很好的柔顺性,并且整体外形和手指关节的运动范围均能达到拟人的效果.     

基于弹性铰链的仿人型肌电假手设计

截肢患者需要外形与人手相似、重量轻、体积小,并且具有人手大部分抓取功能和适当操作功能的假手,基于对人手骨骼结构和功能的分析,提出了一种仿人型肌电假手设计.该假手具有5只手指和4个自由度,分别由4个独立的驱动器进行控制;手指的关节基于弹性铰链进行设计,相邻的指骨间通过螺旋弹簧连接;除拇指外,每只手指均为单自由度,关节之间的运动通过腱驱动耦合实现;驱动系统设计安装在手掌内,具有紧凑的结构,对各个手指的运动灵活控制.通过对手指的运动学分析以及对假手功能的模拟证实,该假手能够实现日常生活中大部分的手势和抓取功能.     

一种欠驱动3D打印机械手的结构设计

本研究目的是为UR5机器人设计一种结构简单易于控制的欠驱动3D打印机械手.欠驱动结构是指驱动器数目少于本身自由度数目的机构.根据此设计原理设计出通过一个伺服电机驱动4根手指,每个手指由两个指骨构成的欠驱动3D打印机械手.机械手电机通过滑轮系统与手指连接,每个手指都可独立移动,使得机械手可抓取各种不规则物体.通过抓握类型分析、机械手机构设计、手指滑轮系统的优化,确定设计参数设计出机械手.采用3D打印技术能廉价、快速地制造机械手零件.机械手能很好地保持抓取时的稳定性、对抓取对象的适应性和降低机械手结构的复杂性.     

基于完备抓取构型和多阶段网络的软体手抓取

视觉引导的软体手抓取依赖视觉输出正确的抓取位置、抓取角度和抓取深度,为此提出了面向多手指软体手的完备抓取构型数学模型和多任务损失函数,设计了基于"锚点"旋转框的两阶段深度学习网络,实现了从图像到软体多手指抓取指令的直接映射.通过公开数据库和自建数据库分析了网络模型的性能表现.研究结果表明:多任务损失函数和基于"锚点"旋转框的两阶段网络模型有效提高了多输出抓取检测的准确率和机器人抓取的成功率.最后,构建了机器人软体手抓取系统,抓取实验结果表明:所提方法对视觉定位误差具有一定的抓取稳健性,可成功抓取不同种类的水果,能够达到96%的抓取成功率,对水果皮的抓取也具有很好的泛化能力.     

变姿态下多指手抓取爆炸物的能力分析

将多指手代替单自由度的夹持器应用于排爆机器人中,以提高机器人处理爆炸物的能力.由于机器人姿态的变化将影响多指手的抓取能力,文中对影响多指手抓取爆炸物能力的手指抓取姿态及机器人姿态进行了研究,寻求最有利的抓取模式.同时,运用螺旋理论和BP神经网络寻求多指手最优的抓取姿态(即最优关节角)及不同机器人姿态下多指手抓取爆炸物的最大重量,并给出了最优的抓取位姿.考虑到爆炸物容易爆炸的特点,文中还研究了多指手在有限接触力作用下的抓取能力.     

机器人多指手的多目标优化抓取规划

针对有摩擦点接触条件下的多指抓取模型,借鉴人手抓取经验,提出了接触安全裕度概念.通过修正摩擦锥约束条件,建立了具有一定接触安全裕度的非线性内力优化模型,用于求解合适的接触力.为获取最优的抓取位形,将物体位姿参数作为变量,确定接触力与多指手关节力矩的关系,基于多指手关节空间内的转角位置度和相对承载能力性能指标,建立了多指抓取的多目标优化模型.最后,以三指手抓取系统为例进行了分析求解,并利用多目标粒子群优化算法进行物体位姿规划,获取了规划模型的非劣解前沿.结果表明,该方法能在保证安全抓取条件下,有效改善多指抓取的综合性能.     

机器人多指手的位置一力混合控制

分析了一类机器人多指手的动力学模型的特点,针对这类机器人多指手在运动和抓握２个过程中动力学特性有根大差异的特点,提出了１种切实可行的位置─力混合控制方案,并成功的应用于北京科技大学双拇指手控制系统。     

HIT/DLR多指手稳定抓取的控制策略

提出了一种新的多指灵巧手实现稳定抓取的位置/力矩控制策略.该策略基于阻抗控制的思想,在力矩控制器的基础上引入位置控制信息,并利用观测器对手指的控制模式进行切换.可以分别实现自由空间中的位置轨迹跟踪和约束空间中的精确力跟踪.虽然控制模式及输入信号在自由空间和约束空间有所改变,但核心的控制器都为同一个力矩控制器,可以保证过渡过程的平稳性,实现了多指手对物体实施精确的抓取.实验结果证明了该控制策略的有效性和可行性.     

轻型抓取机器人的优化设计与路径规划

针对一种轻型抓取机器人,对其进行了构型优化设计和相关工作路径的研究.在各臂旋转到同一条直线上时,以对各个关节的转动惯量最小为优化目标,得出轻型抓取机器人各臂的最优臂长,并针对抓取时的稳定性进行了设计.运用三次多项式对机器人的点到点运动和有中间点的运动进行了轨迹规划,得到了各个关节的位移和角速度方程,并用实例进行了计算.利用Matlab Robotics工具箱对轨迹规划的结果进行了验证.     

不同项目运动员前臂最大力量和相对耐力的测定

运用静力学方法通过抓握握力器对经常进行长时间用力抓握、短时间爆发性用力抓握和手臂参与运动而无抓握动作等不同项目的运动员的前臂最大力量和相对耐力做了测定．结果显示：各项目运动员的最大力量与相对耐力无关，男子的最大力量大于女子，相对耐力除篮、排球男子低于女子外，其他项目无显著差异。     

一种可变直径软体机器人的设计

为了解决刚性机械手安全性低、适应性差的问题,设计一款具有抓取功能的软体机器人。该软体机器人由三个呈圆周 120°分布的软体驱动器和一个夹具组成,夹具可以实现自动化改变直径以适应不同大小物体的抓取,经测算软体机器人可以抓取直径范围为 45mm~97mm 的物体。夹具和软体驱动器都采用3D打印制造,具有成本低、制造简单、易于大规模生产的优点。软体机器人采用气压驱动,当给驱动器充气时,三手指同时弯曲抓取物体,具有很好的稳定性。对于软体驱动器建立了相应的力学模型,得到了弯曲角度与输入气压的关系,并利用ABAQUS 有限元仿真软件对驱动器弯曲特性进行仿真。对比发现,理论建模和仿真分析在驱动器弯曲角度具有很高的吻合性。     

基于感兴趣区域的机器人抓取系统

智能抓取机器人能够代替人类完成高强度工作,为实现物体的准确定位,提升机器人抓取的成功率,对基于感兴趣区域的机器人抓取系统进行研究。对深度相机进行标定,对深度卷积神经网络损失函数进行改进,使用焦点函数代替传统的交叉熵函数,训练模型,得到目标的类别、二维包络框中目标的像素坐标值与深度值等信息。利用手眼标定方法将深度传感器坐标转换到机械臂基坐标系下,依据相机成像原理完成物体的定位。通过机器人逆运动学求解关节角度,驱动机器人实现抓取。对实验过程进行分析,在aubo_i5机械臂上进行实验验证。实验结果表明,目标的识别定位误差较小,平均精度值提升了2.36%,抓取的平均成功率达到93.4%,较改进前提升了13.4%,能够满足机器人抓取的需求。