核电站蒸汽发生器智能维修机器人设计与研究

蒸汽发生器和稳压器是关系到核电站安全运行的关键设备,国外发生过多起因蒸汽发生器和稳压器缺陷而引发的安全事故。针对常见蒸汽发生器人孔咬死的异常缺陷问题,设计了一种核电站蒸汽发生器人孔咬死螺栓处理的智能维修机器人设备,包括行走单元、姿态调节单元、角度调节单元、镗铣单元、控制系统和视觉单元, 并提出一种基于法兰盘螺栓孔等图像特征的视觉伺服引导方案。为了实现对核电站用蒸汽发生器人孔咬死螺栓的自动化处理,设计了多自由度调节系统结构,并进行运动学建模,通过极限状态设备稳定分析验证了设备稳定性。为有效定位并贴合咬死螺栓目标,设计了智能定位系统,完成了设备自动调整。现场实验表明：采用该多自由度调节机械结构设计,移动平台重复定位精度可达±1mm,末端法兰贴合精度可达±1mm内,设备末端贴合效率为人工效率的3~4倍。     

基于点对特征的无序散乱堆叠工件位姿估计算法

针对无序分拣场景中物体相互堆叠遮挡导致的位姿估计误差大的问题,本文提出了一种基于点对特征(point pair feature, PPF)的杂乱堆叠工件位姿估计算法。离线训练阶段,使用更优的点云降采样方案和更为细致的点云法线计算方式,以保留更多具有区分性的点对,实现模型更为精确的全局描述;在线匹配阶段,通过快速投票方案获得杂乱堆叠场景中目标的候选位姿,并提出了一种基于体素索引和位姿交并比的聚类策略完成位姿聚类和误匹配位姿的剔除,实现目标位姿的粗估计,最后采用ICP (iterative closest points)算法完成目标位姿的优化,获得目标的精确的6D位姿。分别进行了仿真场景实验和机械臂分拣实验,结果表明,提出的算法在杂乱场景中对3种类型工件的平均识别率为98.4%,单个工件识别时间均小于0.86s,且位姿估计精度较原始PPF算法有明显提升;在实际分拣实验中识别成功率达96.7%,分拣成功率达95.3%,验证了算法在实际应用中对于噪声和杂乱遮挡的鲁棒性较强。     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文提出的算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1mm内,平均耗时43秒,满足应用需求,具有较高的工作效率。