气动触觉传感器的研究

本文研究用于工业机械人自适应握紧操作的一种触觉传感器——气动滑动传感器。对传感器的静态特性和动态特性进行了理论分析和试验研究。经理论分析和一系列试验证明,该装置能根据物体的重量控制机械手以最小而必需的力来抓取不同材料的物体。     

重载工业夹持器约束建模与承载能力分析

针对重型工件的抓取操作问题,采用机器人抓取理论建立工件-夹持器系统的抓取模型,分析抓取模型求解中存在的静不定问题;基于准刚体模型,建立工件微分运动与接触变形之间的映射关系;分析夹持器在不同驱动形式和夹持过程中的约束特点,建立夹持器驱动关节和被动关节的力约束方程;引入关节刚度和接触刚度,建立工件-夹持器系统能量模型;采用拉格朗日乘子法建立静不定抓取力分析求解模型,给出了具有运动形式简单、约束复杂特点的一类夹持器的承载能力分析方法.以80t锻造操作机夹持器为实例进行了承载能力分析,仿真结果与实验结果相符合,验证了抓取力分析模型的正确性.     

机器人抓取工件时手部夹持器驱动力的分析

本文研究的是机器人爪操作器手部突持器抓取工件时，与“手爪开闭自由度”有关的问题．例如：相对这个自由度，必须配备一个驱动系统，因此如何确定该系统的驱动力成了机器人手部夹持器设计中一个至关重要的问题．本文以ＲＲＰＲＲ操作器抓取圆柱齿轮为例，分析如何确定机器人手部夹持器的驱动力．     

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.     

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...     

基于视觉定位的七轴机械臂目标抓取研究

针对机器人结合机器视觉在面对特定物体进行抓取任务时,系统设计工作量大、可移植性差的问题,提出基于机器人操作系统(ROS),结合手眼的七轴机械臂目标抓取方法,在ROS框架下利用协作机器人FRANKA PANDA结合RGBD摄像头进行目标抓取。创建了RGBD摄像头的xacro机器人模型,利用RViz进行三维模型的可视化操作;应用MoveIt!软件对RViz和Dazebo进行联合仿真;将ROS获取的图像信息发送给OpenCV库进行图像处理及物体定位,然后将物体坐标信息发还给ROS进行机械臂抓取任务。结果表明,该方法简单有效,以ROS为基础设计的抓取方法可移植性强,解决了面对复杂多样的物体,机器人系统需进行大规模控制改动的问题。     

具有手脚融合功能的多足步行机器人结构设计

为了拓展多足步行机器人的应用,开发了具有手脚融合功能的模块化多足步行机器人.该机器人至少1支腿既可以行走又可以抓取物体,具有手脚融合功能.抓取物体时,利用3条腿支撑身体,具有手脚融合功能的腿作为能抓取物体的机械手,行走时该腿就执行脚的功能.机器人由机体模块、行走腿结构模块、手脚融合腿部结构模块、控制模块等组成.各模块之间方便联结与扩展.在物理样机上进行了相关试验,结果表明该机器人能够行走和抓取特定目标物,实现了手脚融合功能.     

基于视觉引导的Baxter机器人运动控制研究

高速和高精度的传统工业机器人已经广泛应用于制造业,但是传统工业机器人只能工作在结构化及封闭的环境中,从而限制了其应用领域。能够跟人协作互动、本质安全的智能协作机器人突破了传统工业机器人的环境限制,具有广阔应用前景。采用最新的智能协作机器人Baxter作为平台,介绍了双臂智能协作机器人Baxter的系统组成,分析了机器人操作系统(robot operating system,ROS)的通信机制,设计了基于视觉引导的智能协作机器人运动控制软件。机器人控制软件由视觉定位软件模块和手臂引导抓取软件模块组成,通过ROS的消息主题机制及ROS服务器来实现机器人手臂运动控制。实验结果证明,设计的控制软件能够准确控制Baxter机器人识别和抓取目标物体。     

基于触觉阵列感知的机器人稳定抓取判别方法

针对传统的单点压力传感器获取的接触力无法完备反映机器人的抓取接触状态,难以实现准确的机器人抓取状态判别的问题,基于触觉阵列传感器的多点感知特性,提出一种高效高准确率的机器人稳定抓取判别方法．首先,采集机器人抓取属性各异物体时的接触分布力信息,建立分布力与触觉图像的映射,构建机器人抓取触觉图像数据集;基于多层感知机框架建立机器人抓取状态判别模型,实现机器人抓取状态的分类．然后,通过训练并对多层感知机在不同模型层数与节点数下的模型性能进行优选,得到抓取状态判别模型的最优参数,进而与多种基于学习的抓取判别算法进行对比．结果表明：所提出的抓取状态判别方法具有99.74%的判别准确率,平均耗时为2.3 ms,在判别精度和速度上均优于基线算法;通过实物抓取实验,该方法的判别准确率达到94%,充分证明其对数据集外物体的稳定抓取判别具有较强的鲁棒性．     

基于视觉与超声技术机器人自动识别抓取系统

提出了满足机器人装配作业中对工件进行可靠识别与抓取的信号处理技术及检测方法,对痛准确描述物体形状的特征提取方法进行了研究,设计了一种基于视觉与超声技术的机器人自动识别与抓取系统的结构,并在机器人装配作业平台上进行了物体识别与抓取的实验研究。     

采摘机器人恒速抓取环境模拟及其控制器设计

为实现机器人对苹果的无损采摘,本文通过设计阻抗控制器来提高末端执行器抓取的柔顺性.在夹持器匀速抓取的情况下,用Burgers模型表示苹果黏弹力学行为,利用该模型的力学特性模拟抓取环境,间接减小环境参数不确定性对末端执行器阻抗控制性能的影响.仿真试验结果表明,基于环境模型的阻抗控制器系统输出的接触力能够快速、低超调地跟踪期望力,显示了该模型在苹果抓取控制器设计中的应用前景.     

修井作业过程中油管抓取移运机器人的分析

结合工程上对修井作业过程中对油管进行抓取的实际需求,结合PLC技术,设计出六自由度修井作业油管抓取移运机械人用于修井作业。油管抓取移运机器人的主要构造由底座、升降机构、旋转机构、摆动机构和机械手等组成。可以实现对油管的抓取、移动以及定位作业,实现修井作业过程中的油管移动的各项需求。     

双目视觉机器人物体搬运伺服控制系统研究

机器人视觉伺服系统的研究在机器人研究领域中起着重要作用,其研究结果的运用能使机器人更加智能化.文章以固高GRB-400机器人在双目视觉系统的条件下,基于位置的视觉伺服方法,研究了手爪如何精确定位物体和确定抓取物体的深度并确定目标姿态的方法.实验证明该方法能够实现机器人对物体的精确定位、抓取和搬运.     

一种关节型手指的运动分析姿态模拟与机构的优化设计

针对工业机器人中无关节抓取机构不便握取光滑曲面物体等问题,本文仿生了手指的握拳姿态设计出一种优化机构,相对预期目标具有较高的逼真效果。     

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。     

机器人自主抓取的三维点云基本形体简化算法

针对抓取任务的非结构化特性,提出一种基于非规则物体三维点云的基本形体简化算法,为抓取策略的选取提供思路,提高机器人自主抓取的准确率.将不规则的复杂物体简化为由基本形体组成的简单物体,基于三维网格分割算法将物体3D数据点进行分割,依据最优拟合算法将分割后各部分拟合为球体、椭球体、圆柱体和平行六面体中的一种,实现对复杂物体的简化.实验结果表明:本文算法可应用于不同形状及姿态的非规则物体抓取,具有较高的鲁棒性.     

基于RGB图像的二阶段机器人抓取位置检测方法

随着机械臂在越来越多的场合扮演着重要的角色,准确的抓取位置检测是整个机械臂系统顺利完成任务的关键,为此提出一种以整个图片为输入直接输出结果的端到端实时检测方案.物体的抓取点位置会影响到该物体的抓取角度,基于此给出了一种两阶段预测方案将这两个要素分开预测.首先,建立一个卷积神经网络预测物体的抓取点位置;然后,以抓取点位置为中心采集原图像中的一个方形区域.针对这一区域利用Canny算法以及Hough变换进行边缘提取和直线检测,并提出一种主方向提取算法,分析得到直线,进而确定物体的角度和抓取时平行夹持器张开的间距.抓取位置检测算法给出了基于RGB图像预测的较好准确率,神经网络与传统方法的结合使用也为以后的研究提供了参考.     

基于视触融合的机器人抓取滑动检测

提出一种基于视触融合的深度神经网络(VTF-DNN)感知算法,用以检测在机器人抓取和操作过程中发生的抓取物体和夹具之间的滑动现象.首先,通过设定不同的抓取位置和力度来抓取不同的物体,收集视觉和触觉序列数据构建视触融合数据集,并用于训练VTF-DNN;触觉数据由安装在夹具上的阵列触觉传感器采集,视觉数据由腕部相机采集.然后,为了验证所提出视触融合感知框架的性能,在某个未参与训练的物体上进行了滑动测试,共进行了464次抓取,采集了2320个视觉和触觉序列样本,分类准确度达92.6%.最后,实验验证了所提框架在滑动检测任务中的高效性以及视触融合在滑动检测任务中的必要性,为更加稳定和灵巧的机器人抓取和作业系统提供了理论基础和技术支撑.     

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。     

一种基于视觉信息的自主搬运机器人

提出了一种利用视觉信息进行定位和抓取的自主机器人搬运系统,此系统由带有两自由度操作手的轮式移动机器人和远程控制站组成。机器人利用视觉系统识别路标信息,采用MonteCarlo方法进行自定位。当靠近目标物体时,机器人利用视觉系统识别目标,并在利用该信息引导下自动抓取。由于机器人的运行是靠视觉系统获取的路标信息和目标物体信息引导的,同时具有遥操作控制功能,因此该系统能轻松完成复杂环境下搬运物体的任务。