关键词： 变刚度机器人   人机交互   运动学补偿   动力学建模   控制器系统  

摘要： 近年来,机器人与我们的生活和工作联系越来越密切,被应用到各种生活场景和行业中。人机协作在工业环境、医疗、服务以及野外等环境应用时往往要求机器人能够像人一样具有更为强大的环境适应能力。以往的研究和应用表明,传统的刚性机器人关节为了保证工作精度以及工作效率,会采用刚性驱动器,刚性驱动器的高刚性可以减少机械振动和变形,有助于提高工作精度。而在机器人工作中,快速位置移动和姿态转换时可能导致与操作人员或周围环境发生碰撞。过高的刚度会产生巨大力量,对人员、环境和机器人本身造成破坏,威胁生命和财产安全。变刚度机器人由于可以改变自身刚度,从而提高机器人人机安全性和环境适应性,已经成为柔性机器人的主要发展方向之一。串联构型作为变刚度机器人的主要形式之一,其具有可变机械刚度的优势和传统串联机器人的灵活性。本文针对串联变刚度机器人的刚度对轨迹跟踪精度影响和关节间耦合问题,以及变刚度系统的非线性引起的关节抖动问题,开展串联变刚度机器人的动力学建模与控制器设计研究,并基于其存在的问题开展了如下工作: (1)针对现有的变刚度机器人存在的响应速度慢、结构不紧凑等问题。设计了一款基于磁通叠加原理,以混合电磁铁作为变刚度机构核心的串联式变刚度机器人。其具有较好的响应速度、精度和稳定性。根据串联变刚度机器人的动力学建立的正逆动力学的模型。串联式变刚度机器人有多个电磁变刚度关节组成,由于刚度可变,就需要建立非线性的正逆动力学模型,并结合多关节变刚度动力学模型,考虑刚度改变对轨迹跟踪的影响,建立了串联式变刚度机器人轨迹运动补偿模型。考虑关节可控柔性对变刚度关节稳定性和位置控制的影响,进行控制器设计。 (2)建立了附加自适应补偿项的力矩控制器。传统的力矩控制器无法补偿柔性机器人系统的非线性误差和串联多关节系统的耦合误差,为了补偿系统中的非线性量,将采用自适应补偿,建立自适应补偿项,改善系统的跟踪能力。 (3)搭建磁通调整式变刚度关节的实验平台。基于实验平台验证变刚度关节的特性,使用不同的控制器分别进行了正弦轨迹跟踪试验。实验结果表明,在低刚度时在频率为0.8、1.6和3.2时相比于传统的开环控制器,附加自适应补偿项的力矩控制器轨迹跟踪精度提高了7.06%、11.8%和14.54%。实验结果表明通过运动补偿和添加自适应补偿项,使其在不同刚度时依然有较好的轨迹跟踪精度和跟踪效果。

关键词： 6-RRRPRR并联机器人   偏置铰链   运动学   动力学  

摘要： 本课题来源于国家自然科学基金项目,针对大口径空间望远镜地面测试需求,研制一种大台面、大承载、低重心、高精度模块化组合并联机器人。考虑到其单个模块并联机器人需具有高刚度、大工作空间特点,通过引入偏置铰链(RR铰链)得到新型6-RRRPRR并联机器人。对比传统的采用虎克铰链的Gough-Stewart并联机器人,由于偏置铰链的两个转轴之间存在偏置量,使得6-RRRPRR并联机器人的运动学和动力学建模和求解过程变得复杂。因此,本文拟对该新型并联机器人的运动学和逆动力学进行研究。 首先,本文分析6-RRRPRR并联机器人运动学。采用改进的DH方法(MDH,Modified Denavit-Hartenberg)建立该并联机器人的位姿运动学模型,得到动平台位姿与各关节位移之间的关系,并通过牛顿-拉弗森(Newton-Raphson)数值迭代方法对整机正逆运动学进行求解;随后,通过微分变换方法推导该并联机器人的雅可比矩阵,得到了动平台微分运动与支腿各关节的微分运动之间的关系。 其次,研究6-RRRPRR并联机器人的逆动力学建模方法。通过运动学得到关节坐标系中的各关节运动参数的基础上,推导一种递归形式的关节运动变换方法,计算支腿各连杆在基坐标系下的运动。随后,通过牛顿-欧拉(Newton-Euler)方法分别建立支腿连杆和动平台的约束方程,得到整机逆动力学线性方程组。通过对该方程组及其系数矩阵的分析,使用广义最小残差(GMRES,Generalized minimum residual)方法优化方程组的求解过程,通过数值计算提高解算速度,最终得到支腿主动力与动平台运动之间的关系。 随后,对6-RRRPRR并联机器人的运动学和动力学数学模型开展仿真验证。建立Simulink-ADAMS数值仿真模型,对该并联机器人的位移、速度和加速度运动学模型进行仿真分析,并通过三种代表性工况仿真分析该并联机器人的逆动力学模型,验证上述运动学和动力学数学模型的正确性。 最后,开展6-RRRPRR并联机器人实验研究。搭建该并联机器人的测试系统,开展其运动分辨率和重复定位精度测试,进一步验证运动学数学模型和求解算法的正确性。

关键词： 绳驱动并联机器人   船体外壁打磨   动力学   运动控制   实验研究  

摘要： 船体外壁打磨作为船舶建造和坞修过程中的关键工序,在维护船舶性能和延长使用寿命方面具有重要作用。然而,传统的船体外壁处理方式主要依赖于人工或爬壁机器人操作,存在诸多不足。人工打磨效率低,存在高空作业危险和健康风险;而爬壁机器人则受制于移动速度慢和打磨效率低的问题。因此,研发一种既安全又高效的船舶自动化打磨装置显得尤为紧迫。绳索驱动并联机器人是一种采用柔性绳索作为传动元件的新型结构,其动平台具备精准且快速的移动特性。通过采用绳驱动并联机器人技术,将装有打磨设备的动平台移动到待处理船体外壁位置进行作业,相较于传统的打磨方式,该方法具有更高的安全性和打磨效率。其能够显著提高船体外壁处理速度,为船舶制造业提供了一种高效、快速的打磨解决方案。 对船用绳驱动并联打磨机器人进行机械结构设计,利用Solid Works绘制三维模型。在此基础上,建立了系统的运动学和动力学模型。首先,采用封闭矢量法建立了绳索长度与绳索速度、加速度的关系方程,并通过运动学逆解求解出绳索长度。其次,利用拉格朗日方程考虑了绳索的弹性,建立了动力学模型。此外,通过ADAMS仿真得出了打磨时绳索所受反作用力曲线,作为外界扰动力。在此基础上,提出了一种绳索张力算法,以解决绳索虚牵、张力不连续和不唯一的问题。 针对船用绳驱动并联打磨机器人系统的控制策略进行了深入研究,提出了传统PID控制策略、模糊PID控制策略和二阶自适应积分终端滑模控制策略。通过在MATLAB软件的Simulink中进行仿真,分别验证了这些控制方法在理想环境下的运动轨迹以及在带有外界扰动力的情况下的鲁棒性。同时,设计了船用绳驱动并联打磨机器人的实验平台,并采用MATLAB和西门子PLC数据互交的形式进行了绳驱动并联打磨机器人的实验验证。在三种控制策略下,对动平台轨迹跟踪进行了实验,并通过实验结果验证了绳驱动并联打磨机器人运动控制的有效性。进一步对打磨效果进行分析,采用二值化处理算法对打磨前后的图像进行处理。结果表明,在进行打磨之前,生锈铁板表面未被铁锈覆盖的像素占比约为38%;在打磨后,比例增至约47%。表明绳驱动并联打磨机器人在打磨过程中展现出良好的打磨效果。

关键词： 机器人学与自动化领域中的计算智能   科普文献翻译   CEA框架  

摘要： 本文为英汉翻译实践报告,源文本节选自SS Nandhini等人于2023年6月出版的《机器人学与自动化领域中的计算智能》一书中的第四、五章节,主要内容为机器人学与自动化行业中的计算智能应用以及在新冠疫情期间它们所起到的作用。本报告根据李长栓老师提出的“理解、表达、变通”的分析框架,分析《机器人学与自动化领域中的计算智能》英译中译例,研究在翻译实践中如何解决理解、表达、变通问题。理解方面分析如何理解文章单词和通过外部工具来分析文本;表达方面讲述保持目的语连贯和避免欧化汉语;变通方面分析增删和改写译文方法。 本翻译实践报告共分为五章,第一章为项目介绍,介绍了源文本、翻译意义以及翻译实践报告的结构;第二章是翻译过程描述,分为译前准备、翻译过程、译后校对三个步骤;第三章介绍了“理解、表达、变通”框架,并对此进行了相关阐述;第四章为案例分析,重点分析了21个典型案例;最后一章为总结,总结了本报告的收获、不足和建议。 通过研究和分析,译者发现在理解方面,既需要较强的专业知识,也需要优秀的英语语法知识,以便准确理解原文内容以及作者的意图。在表达方面,要求译者具备出色的汉语表达能力,以确保译文流畅、地道。在变通方面,需要发挥译者的批判性思维,分析文本内容中的重要或冗杂信息,针对性地使用不同翻译技巧,以帮助读者更深入、准确地理解原文的内容,从而达到有效翻译的目的。

关键词： 动态任务分配   任务复杂度   深度强化学习   轴孔装配  

摘要： 任务分配作为人机协作装配领域的研究热点,旨在实现操作者与机器人装配任务的最优分配。目前,任务分配模型大多适用于流水线生产,装配场景因素简单,人机协作程度较低;模型仅考虑静态分配过程,通常忽略机器人状态和实际装配场景的影响,获得的分配结果无法进行动态调整,可能造成资源分配不合理;同时,随着协作机器人的发展,机器人具有自主感知、自主决策、自主执行以及自主学习能力,传统模型难以充分发挥机器人自身能力,造成资源浪费。 针对以上问题,本文基于传统任务复杂度分配模型,重点探究复杂动态装配过程的任务分配实现方法。 面向复杂动态装配过程的人机协作任务分配方法研究。考虑动态分配过程中操作者意图、机器人能力变化和实际装配场景因素影响,提出一种复杂动态装配任务分配流程。通过设计提示词对预训练模型GPT(Generative Pre-trained Transformer)进行微调,实现对装配任务细化,从而获得与机器人能力相匹配的动作序列,结合动态分配流程,实现装配任务动作级别的分配;基于传统复杂度任务分配模型,改进任务复杂度评价流程,细化任务评价结果,对评价存疑的任务进行在线装配仿真验证,并考虑机器人能力变化的影响,更新任务评价集合;设计机器人在线插空学习策略,以实现机器人能力的在线更新。以简单产品装配为例,通过本文提出的复杂动态任务分配流程,实现在人机协作动态过程中的动作级别任务分配,为实现动态任务分配的提供一种思路。 基于深度强化学习的复杂轴孔装配仿真研究。针对不同孔位姿的复杂轴孔装配问题,在Gazebo仿真环境下,基于SoftActor-Critic(SAC)深度强化学习算法,构建统一的算法环境,包括状态空间、动作空间、奖励函数等;采用相同算法环境分别对垂直和倾斜轴孔装配模型进行强化学习训练,并对训练获得的两个装配模型进行不同直径和间隙的轴孔装配仿真测试,其装配成功率分别达到97%和98%。针对不同孔型的轴孔装配问题,利用原有垂直装配模型实现对不同边长和间隙方形轴孔装配的仿真测试,表明了装配模型具有一定的鲁棒性和泛化性。针对复杂动态任务分配对在线仿真验证和在线插空学习的需求,设计了在线装配仿真场景创建流程,实现了实际场景到仿真场景的映射,并验证了分段强化学习提升机器人能力的可行性。 机器人自主轴孔装配实验。为验证在线装配仿真场景创建及强化学习仿真模型迁移的可行性,搭建Sawyer机器人实际装配场景。通过机器视觉和点云识别定位获取装配对象信息,搭建仿真场景,加载倾斜轴孔装配模型,完成在线装配仿真。并将仿真获得的机器人关节角序列输出给Sawyer机器人执行,借助孔的导向特性,最终实现对直径50mm、间隙0.1mm、倾角30°的斜孔装配。