关键词： 串联机器人   动力学模型   参数辨识   误差补偿   支持向量回归模型  

摘要： 串联机器人通常采用闭环反馈控制,该控制方式虽原理简单、便于实现,但机器人在高速运动时,其惯量变化大,且非线性效应较强,若采用闭环反馈控制策略,易出现很大的控制偏差,使得系统动态特性变差。逆动力学前馈控制可以很好地改善机器人高速运动时的动态控制性能,而获取精确的逆动力学模型是实现前馈控制的前提。本文围绕精确逆动力学模型构建问题展开研究,主要内容如下:首先,研究了经典的的动力学建模方法,选取牛顿-欧拉法实现了机器人动力学模型的构建,并实现了动力学模型的线性化。为减小参数辨识难度,采用参数重组方法推导了机器人的最小惯性参数集。同时,选择库伦-粘滞摩擦模型补偿关节摩擦力,整合以上线性化模型,得到可进行参数辨识的机器人动力学方程。接着,针对加权最小二乘法辨识方法精度低与传统的库伦-粘滞摩擦模型效果差等问题,为提高动力学模型参数精度,提出选用精度更高的非线性摩擦模型描述关节摩擦特性并采用改进的布谷鸟搜索算法辨识动力学参数,以加权最小二乘法辨识方法获得的结果作为改进布谷鸟搜索算法的初始值,该辨识算法在提升计算效率的同时还可得到更精确的结果。然后,针对动力学模型存在误差的问题,实现了基于支持向量回归模型的动力学模型误差补偿方法,通过支持向量回归模型建立起动力学模型力矩预测误差与机器人运动状态之间的联系,为进一步提高支持向量回归模型的力矩预测精度,采用改进布谷鸟搜索算法优化模型参数,优化后的模型对关节误差力矩补偿效果更好。最后,通过机器人实验平台进行了机器人参数辨识与误差补偿实验研究。结果表明,本文提出的参数辨识方法获取的动力学参数精度较加权最小二乘法提高16.73%;支持向量回归模型的误差补偿模型效果良好,误差补偿后的动力学模型精度提高12.04%。

摘要： 工业机器人技术在工业领域的普及，是工业达成自动化制造的核心反映。目前，我国已经成为全球最大的机器人市场，亦稳居全球第一大工业机器人应用市场。梳理上海、浙江、广东、江苏、山东、福建等经济大省的机器人产业发展数据，这些经济大省纷纷依托机器人产业进行制造业转型升级，政策含金量足，发展势头迅猛，逐渐探索出新一代信息技术与先进制造深度融合的新路径。

关键词： 工业机器人   动力学参数辨识   时间最优轨迹规划   轨迹跟踪控制   力矩前馈  

摘要： 工业机器人在现代制造业中起着重要作用，其运动性能直接影响作业的效率和质量。然而，国产机器人的快速性和准确性与国外机器人还有很大的差距，制约着我国工业向高端化方向发展。为此，本研究旨在通过对影响机器人运动性能的关键技术进行研究，优化工业机器人的运动性能，提高工业机器人的运行快速性和准确性。具体内容如下：　　为了提高工业机器人的动力学模型准确性，本文设计了一种分步辨识的策略。单独建立机器人的关节摩擦力模型，先辨识出关节摩擦参数。然后再通过整体实验的方法，用采集到的实际关节力矩减去关节摩擦力矩，辨识机器的最小惯性参数集。在此过程中对激励轨迹进行设计优化，对采集的数据进行处理，保证辨识精度。最后通过实验获得完整的动力学模型的参数。设计验证轨迹，验证工业机器人分步参数辨识策略的有效性。　　为了提高工业机器人的快速性，本文改进了基于可达性分析的时间最优轨迹规划（TOPP-RA）算法。该算法综合考虑了机器人的完整动力学和运动学约束，相较于传统的基于可达性分析的时间最优规划，本文采用了辨识得到完整的动力学模型，有更接近实际的惯性参数和完整的关节摩擦力模型，在保证能够生成满足时间最优轨迹的同时确保机器人运行更安全可靠，从而提高了工业机器人的运行效率和安全性。　　为了优化工业机器人的准确性指标，基于辨识得到的完整动力学模型设计力矩前馈控制，结合驱动器内部的三环PID控制。该方案能够通过预先计算和补偿动力学参数的力矩，提升工业机器人末端的位置跟踪精度。　　为了验证了本文所研究技术对机器人运动性能优化的有效性和实用性，基于QJR6S-1工业机器人进行了时间最优轨迹规划算法和轨迹跟踪控制算法的验证。实验结果表明，基于动力学参数辨识的分步辨识策略能够进一步提高机器人动力学模型的准确性，同时，基于完整动力学模型的时间最优轨迹规划和基于辨识动力学模型的力矩前馈控制方案也能够有效地提升机器人的运动快速性和准确性，基本实现了对国产工业机器人运动性能的优化。

关键词： 工业机器人   误差模型   参数辨识   误差补偿  

摘要： 工业机器人以高精度、高效率和高灵活性的优势在精密制造、航空航天、精密测量等工程应用中扮演越来越重要的角色。由于加工、装配和磨损等原因,工业机器人具有较大的运动学参数误差,导致末端位置精度较低,通常采用标定方法满足作业的精度要求。然而随着机器人轻量化设计以及负载自重比提高的背景下,柔性误差变得不可忽视。本文针对传统的运动学标定方法的不足,在运动学参数误差模型基础上引入机器人自重和负载引起的关节柔性变形,对机器人误差补偿方法进行了研究,本文主要研究内容如下:(1)采用修改的DH模型对工业机器人进行运动学建模,基于微分运动学原理建立运动学参数误差模型,并针对KUKA KR6 R700型工业机器人开展运动学参数误差补偿实验。(2)分析自重与负载造成的关节柔性变形机理,构建一种关节2、3在连杆自重下发生柔性变形的简化模型,建立负载引起关节柔性变形模型。以机器人灵巧度为优化目标选取了关节刚度辨识位姿。建立机器人刚柔耦合误差补偿模型。(3)研究了工业机器人负载动力学参数辨识方法。建立了辨识模型采用两步法辨识负载动力学参数。为了准确辨识参数,以负载静态参数辨识矩阵条件数为优化目标研究了位姿选取方法。以负载动态参数辨识矩阵条件数为优化目标,五阶傅里叶级数为辨识轨迹,使用遗传算法优化了辨识轨迹系数。两步辨识负载动力学参数的辨识矩阵条件数分别可降低至1.5518与2.3764。(4)搭建机器人位置误差补偿系统并开展补偿实验。建立机器人与上位机通信,使用MFC开发刚柔耦合误差补偿软件。基于刚柔耦合误差补偿模型,在空载和三种不同带载情况下进行了定位误差和轨迹误差补偿实验,实验结果表明,采用本文方法补偿后,定位误差优于0.394mm,轨迹误差优于0.725mm,大大提高了带载情况下机器人的定位精度和轨迹精度。

摘要： Stroke therapy is essential to reduce impairments and improve motor movements by engaging autogenous neuroplasticity. This study uses supervised learning methods to address an autonomous classification via stroke severity labeled data by a clinician. Thirty-three patients with chronic stroke performed a variety of rehabilitation activities while utilizing the Motus Nova rehabilitation technology to capture upper and lower body motion. Based on the minimum, maximum, and mean of the range of motion and pressure as well as the number of movements, force flexion, and extension for each game and session provided from the sensor data. Supervised learning methods were applied to a harmonized dataset of roughly 32,000 patient sessions based on the maximum score per session per game. With this approach using light gradient boosting methods we achieved an average of 94% accuracy with 10-fold cross-validation to prevent overfitting. This thesis shows objectively-measured rehabilitation training, enabling the identification of the stroke severity class with the hopes to have patients have a less severe class in the *** the last 10 years robotic rehabilitation has been utilized in inpatient therapy. Robotic rehabilitation has been shown to be effective in improving the severity of stroke in some cases. In particular, robotic devices can be used to help stroke survivors regain movement, improve their functional abilities and improve depression (11). These devices can provide a high level of precision and repeatability, allowing patients to perform ther- apeutic exercises with greater accuracy and consistency (1). Additionally, because robotic devices can be programmed to provide different levels of assistance, they can be tailored to the individual needs of each patient. This allows for a more personalized and effective rehabilitation in-home program (21).

关键词： 机器人学   案例式教学   同步教学   闭环学习  

摘要： 随着工业自动化和智能化的发展,机器人的应用也逐渐广泛,而“机器人学基础”作为机器人设计与研究的前置课程,是一门以机械设计、计算机科学和工程学为基础的交叉性学科,在教学过程中存在重理论而轻实践、理论知识晦涩难懂、课堂与实际应用割裂严重等特点。针对存在的教学与学习难点,提出一种机器人学基础课程案例式教学改革方案。首先,以实际工程应用案例为教学框架,以任务书为驱动导向,针对各章节知识点进行案例式引导与梳理,为学生提供另一种学习动力的同时,增加学习兴趣。其次,采用“理论-仿真-实验”三位一体的案例式同步教学方式,针对不同知识点同时进行理论和实验的教学,并以仿真为桥梁,打通理论与实践之间的障碍,改善理论知识到实践平顺性的同时,增加学习的深度,做到理论联系实际。最后,采用“教-学-做-思”案例式全方位教学组织方法,以学生为主导,形成在思中学,在学中做,在做中思的闭环学习策略,提高学生学习的主动性,改善课堂氛围,提高学生发现问题、解决问题的能力。通过案例式教学改革方法,进一步为我国培养高素质的应用复合型人才。

关键词： robot   dynamic parameter identification   Logistic function   iterative identification   excitation trajectory  

摘要： The dynamic parameter identification of the robot is the basis for the design of the controller based on the dynamic ***,the primary method for solving angular velocity and angular acceleration is to filter and smooth the position sequence and then form a differential ***,if the noise and the original signal overlap in the frequency domain,filtering the noise will also filter out the valuable information in the frequency *** paper proposes an excitation trajectory based on Logistic function,which fully uses the information in the original signal and can accurately solve the angular velocity and angular acceleration without filtering and smoothing the position *** joint angle of the excitation trajectory is mapped to the joint angular velocity and angular acceleration one by one so that the joint angular velocity and joint angular acceleration can be obtained directly according to the *** genetic algorithm is used to optimize the excitation trajectory parameters to minimize the observation matrix’s condition number and further improve the identification *** using the strategy of iterative identification,the dynamic parameters identified in each iteration are substituted into the robot controller according to the previous position sequence until the tracking trajectory approaches the desired trajectory,and the actual joint angular velocity and angular acceleration converge to the expected *** simulation results show that using the step-by-step strategy,the joint angular velocity and joint angular acceleration of the tracking trajectory quickly converge to the expected value,and the identification error of inertia parameters is less than 0.01 in three *** the increase of the number of iterations,the identification error of inertial parameters can be further reduced.

关键词： 智能制造   专业群   实训基地   双元制  

摘要： 为了满足粤港澳大湾区产业转型升级和发展高端装备制造业对技术技能人才的需求,探索校企共建一个集高技能人才培养、教学资源建设、产业合作、职业教育交流、技术研发与推广、技能大赛于一体的智能制造公共实训中心,中心对接工业4.0和中国制造2025,致力于打造独具特色的“双元制”本土化培养模式。中心运行3年以来,在人才培养和社会服务取得了多项国家级成果,丰富了智能制造专业群建设内涵建设,培养了一批企业认可的技术技能人才。