机器人柔性装配单元的设计

机器人柔性装配单元是实现多品种、中小批量产品装配自动化的有效技术途径．该文在对机器人柔性装配单元中机器人、夹持器装置选择的约束条件进行型式化描述的基础上,以制造成本最小为目标,建立了满足装配任务精度要求的机器人柔性装配单元优化布局的数学模型．最后,通过具体生产案例对提出的方法和模型的正确性、可行性进行了验证．     

按摩机器人优化示教策略及BPNN-DMPs轨迹学习模型

针对按摩机器人作业对象面貌个性化差异,引用动态运动基元（DMPs）模型泛化位姿轨迹和力轨迹。为提高DMPs学习精度,提出了优化示教策略,基于按摩区域Mediapipe特征点计算作业对象间相似度,以此优选学习对象;其次,引入高斯混合回归,算法综合多次按摩信息以加强学习能力;最后,构建反向传播神经网络（BPNN）模型拟合DMPs算法的强迫项,从根本上改变了原本模型的局限性。实验表明,不增加运行时间下的BPNN-DMPs模型与DMPs、MDMPs和SADMPs算法相比,位置和姿态平均误差分别减少44.1%和54.5%、44.1%和54.5%、29.7%和46.4%。高斯混合回归能够综合多轨迹规律,优化示教策略实施效果显著,与未做优选对象相比,面部实验中的位置和姿态平均误差降低了52.3%和70.2%,标准差降低了46.3%和71.1%;背部实验中的位置、姿态和力平均误差降低了27.7%、66.7%和24.1%,标准差降低了25.7%、54.4%和44.1%。     

工业机器人轨迹跟踪的自适应模糊变结构算法

为提高工业机器人的轨迹跟踪控制性能,提出了一种自适应模糊变结构控制算法,即对滑模区中趋近运动的趋近律进行重新设计,新设计的趋近律能够随着机器人轨迹跟踪误差的改变而做出相应变化,从而使设计后系统的抖振减小,滑模过程中的趋近运动得到改善,控制性能也得到提高.针对该算法设计了自适应模糊变结构控制器,并与其他方法做了实验对比分析,结果表明该算法的响应速度、跟踪精度等更优.     

双目视觉下基于边缘特征的机器人作业环境检测方法

作业环境的实时信息是工业机器人智能决策的重要依据,针对三维环境信息检测的实时性和自适应性,文中提出了一种基于双目视觉的机器人作业环境(目标体或障碍物的形状、尺寸和位置)检测方法.首先,将Canny算子和Otsu算法相结合,采用降采样和压缩梯度幅值级策略实现目标边缘的自动检测;接着采用基于灰度相关的边缘点分类匹配算法对边缘点进行分类和匹配,解决了传统立体匹配难以兼顾效率与精度的问题;然后基于点云数据环形排序数据结构型式,提出了基于边缘曲率角的轮廓三维几何及位置信息的自动提取方法.机器人自主作业中实时检测动态环境实验结果表明,文中提出的方法能准确地获取作业环境中物体的三维信息,正确分辨出作业目标和障碍物,检测平面尺寸平均误差为0.65%,高度误差为1.69%,机器人能依据目标位置和动态障碍物的实时位置实现预期的作业任务.     

制造决策的知识融合粗糙集模型

由于制造系统的复杂性和不确定性,单一的知识建模或数据挖掘建模都面临着知识或数据信息的不完备.为有效、充分地利用已有信息减少不确定性,文中提出了知识和数据挖掘相融合的建模思想,将知识嵌入到粗糙集模型中,建立了知识的函数关系,给出了基于不可分辨-函数关系的粗糙集决策模型,研究了不可分辨-函数关系下的知识分类和推理.相比原粗...     

生产质量在线监测、诊断和控制的粗糙集模型研究

为了确保企业持续稳定的产品质量，提出了基于两种质量统计过程控制和粗糙集理论相结合的生产过程质量监测－诊断－控制集成模型。研究了统计过程控制及两种质量理论的质量在线监测和上下工序诊断模型。针对实际生产获取信息的不完备性，重点研究了不一致信息环境下基于粗糙集理论的工序质量诊断模型，分析工序中各生产参数对质量影响的可能性，度量参数对质量影响的重要程度。提出的面向用户需求的质量优化控制算法在实际应用中具有更大的适应性和可操作性。