关键词： 立体视觉   深度学习   抓取规划   机器人动力学   神经网络自适应控制  

摘要： 智能机器人抓取技术是当前人工智能领域的一个重要研究方向之一。特别是在面临堆叠物体抓取问题时,智能机器人更需要使用先进的视觉感知算法对堆叠物体进行识别与定位,采用合理的抓取规划算法对抓取顺序进行规划以及结合高精度的机器人控制算法实现精准抓取。本课题利用神经网络算法对机器人的视觉感知、抓取规划、机器人控制等进行优化和改进,旨在兼顾各模块的协调能力,提高机器人面对堆叠物体的抓取效率,为机器人分拣工作提供支持和服务。本文第二章研究内容属于机器人抓取技术研究中的视觉感知模块。在该模块中,针对堆叠物体的立体结构和空间特性,使用了立体视觉算法对堆叠物体进行识别和定位。以Azure Kinect DK深度相机作为视觉传感器,获取深度图像数据;通过投影变换公式建立深度数据与点云数据联系,生成堆叠物体点云数据;通过改进后的LCCP三维点云分割处理算法分割堆叠物体;并使用三维点云深度学习方法对分割后的物体进行分类,实现堆叠物体精准识别。本文第三章研究了机器人抓取技术研究中的抓取规划方面。一方面使用点云数据获取堆叠物体堆中各个物体的包围盒位姿、法向量和高度信息配合神经网络共同构建物体间的空间关系模型;另一方面使用获取到的各个堆叠物体的空间关系、类别信息、尺寸信息计算抓取安全系数,确定合理、安全的物体抓取顺序。本文第四章设计了机器人抓取技术研究中的机器人控制模块,针对机器人大范围运动和小范围精准运动分别设计了抓取初始位置控制方法和抓取精准位置控制方法两部分。在大范围运动中,主要要求机器人能够快速、稳定地运动到初始抓取点。所以,本文使用了机器人运动学建模配合路径规划算法完成了基本要求。而在小范围的抓取位置精准调整中,堆叠物体问题要求机器人在有限的时间内能够更加精确运动到指定的抓取位置。所以,本文利用物体的空间模型、机器人动力学模型以及神经网络自适应控制算法设计了堆叠物体抓取精准位置控制方法,并将结果与滑模控制算法进行对比,验证了该方法的可行性。最后,本文针对设计的堆叠物体任务的机器人抓取方法进行了仿真实验和机器人实物模型验证。基于立体视觉技术,将机器人视觉与机器人动力学控制融合,解决了堆叠物体抓取任务中识别精度不高、安全性低、抓取难度大等问题。结果表明,本文设计的视觉算法、控制算法在精度、稳定性有了一定的提高,设计的机器人抓取规划也可满足堆叠物体抓取任务安全性的要求。

关键词： 工业机器人   多体系统传递矩阵法   遗传粒子群算法   关节刚度辨识   姿态优化  

摘要： 工业机器人凭借易集成、高柔性等突出优势,逐渐成为航空航天制造领域主要加工装备。但是机器人结构刚性弱,在铣削加工过程中极易发生振动,严重时甚至产生颤振,导致工件表面质量差。本文基于多体系统传递矩阵法建立了铣削机器人系统动力学模型,辨识了机器人六个关节共36个刚度参数,以机器人运动学性能和铣削响应为目标,优化了机器人的铣削姿态,有效降低了机器人铣削振动,提高了加工表面质量。主要研究内容有:(1)结合工业机器人自身串联式连杆结构特点及其运动传递方式,建立了六轴机器人铣削系统动力学模型,根据多体系统传递矩阵法列写了机器人系统各元件传递矩阵和传递方程,求解铣削机器人的固有振动特性,得到了系统的各阶固有频率和振型。(2)开展了机器人锤击试验模态分析,采用多参考点复频域最小二乘法拟合模态试验数据,获得了不同工况下机器人的实测固有频率和振型等模态参数,为机器人关节刚度参数辨识提供了重要数据。(3)结合多体系统传递矩阵法和遗传粒子群算法,提出了一种机器人系统关节刚度参数识别方法,建立了以系统实测固有频率和振型与计算固有频率和振型之间误差为最小的目标函数,通过遗传粒子群算法的迭代寻优过程,实现了对机器人关节刚度的辨识。(4)应用关节刚度识别结果,求解了机器人系统铣削振动响应,在此基础上建立了结合动力学响应和运动学约束的目标函数,提出了机器人加工姿态优化方法,有效降低了铣削振动响应,提高了铣削表面质量。

关键词： 逆动力学模型   高斯过程回归   稀疏化   离线建模   在线建模  

摘要： 逆动力学模型在机器人及相关领域有着广泛的应用。为了建立精确的机器人逆动力学模型,各种建模方法不断涌现。除了传统的基于动力学原理的建模方法之外,基于数据驱动的建模方法也逐渐进入人们的视野。高斯过程回归(Gaussian Process Regression,GPR)是一种基于数据驱动的建模方法,对于较小的数据集有着高精度的预测结果。但是由于GPR模型的计算复杂度随着训练样本的增加而增大,并不适用于大规模的数据集。为了降低计算复杂度,本文采用基于稀疏谱高斯过程回归(Sparse Spectrum Gaussian Process Regression,SSGPR)的方法建立机器人逆动力学离线模型和在线模型,并对SSGPR算法进行了优化,综合提升了模型的训练和预测速度,实现了在线学习的模型更新功能。论文的主要内容如下:(1)针对高斯过程回归在处理大规模训练数据时计算复杂度过大的问题,本文提出采用稀疏谱高斯过程回归建立机器人逆动力学模型。该方法使用有限维的特征映射对高斯过程进行稀疏化处理,从而提高模型的训练和预测的速度。并提出采用遗传算法优化初始超参数,有效降低了模型的预测误差。(2)为了提升稀疏谱高斯过程回归方法的预测精度,本文提出一种基于自组织映射(Self Organizing Map,SOM)神经网络的局部SSGPR建模方法:通过SOM网络将训练数据映射到输出层的获胜神经元对应的局部训练子集中,建立相应的局部SSGPR模型并对其进行训练。然后计算预测样本所属的局部子集,根据其对应的局部SSGPR模型计算得到预测结果。实验结果表明,本文方法具有较高的预测效率和预测精度。(3)针对机器人的动力学特性会随着时间和环境的改变而发生变化的问题,提出基于局部SSGPR的在线建模方法:采用在线SOM网络建立在线局部模型,根据新样本的加入,将对应各个局部子集的神经元权值进行在线更新,以便更精确地预测机器人关节力矩。(4)针对高斯过程回归根据新获取样本重新训练模型而导致计算复杂度过大的问题,对局部模型采用递推更新方式:通过残差平方和(Residual Sum of Squares,RSS)准则选择需要增加的新样本和删减的旧样本,不仅能将局部模型的大小控制在一定范围内,还能保证更新后的模型能够适应机器人动力学特性的变化;然后根据原始模型的结果递推计算得到更新后的局部SSGPR模型,减少了训练新样本集的计算量。实验表明,与其他建模方法相比,本文方法的模型预测性能更好。本文在Sarcos和Sarcos＿inv两个数据集上评估本文方法建立的机器人逆动力学模型。实验结果表明,本文方法进行逆动力学建模可以获得较高的预测精度和预测效率。

关键词： 预紧变径机构   越障分析   动力学仿真   PID控制  

摘要： 近几年来,随着国家经济的高速发展,我国基础交通建设和矿产资源开发得到了迅速发展,出现了许多技术难度非常高的隧道和巷道,其产生的地质灾害问题对施工安全产生了巨大的威胁。为了避免岩爆等地质动力灾害对施工人员及施工设备造成不可估量的损失,因此迫切需求一款行走性能和检测性能优异的小型岩孔检测机器人。本文首先结合国内外管道机器人的研究现状以及实际检测作业的要求,完成机器人整体设计,包括机器人整体结构、孔内定位系统、检测及通讯系统等。其中整体结构包括变径机构、传动行走机构以及电机的选型计算。其次,对弹簧预紧变径机构进行力学特性分析,完成预紧弹簧的选型计算,同时考虑机器人所受负载和阻力的情况,得出机器人所需的最大牵引力;此外,基于ADAMS软件完成对机器人整体的动力学仿真分析,包括预紧变径机构设计的合理性、机器人行走的最大速度、行走轮与孔壁间的预紧压力、机器人牵引力以及弹簧预紧力对机器人牵引力的影响;对于机器人的越障性能,完成了行走轮的力学建模,得到机器人最大越障高度以及影响机器人越障性能的主要参数,并得出其参数对机器人越障性能的影响规律;同时,基于ADAMS软件完成了机器人越障动力学仿真分析,其中包括验证机器人越障的最大高度、验证预紧弹簧的预紧力和刚度系数以及行走轮的尺寸对机器人越障性能的影响;最后,基于ANSYS软件,完成了电机连接轴的力学特性仿真分析。然后,针对机器人实际检测作业需求,完成了机器人的总体控制规划和通讯方式的选择,并基于LabVIEW软件对机器人的控制界面进行设计;同时,对于直流伺服电机,完成了其传递函数的测定以及控制策略的研究,并引入PID控制策略作进一步分析,得出采用PI控制算法能够很好的满足对电机的控制。最后,为了验证前文的理论研究和仿真分析,对机器人行走性能以及检测功能进行了相关实验,包括变径行走性能实验、牵引力实验、最大速度实验、最大越障高度实验、预紧弹簧的预紧力和刚度系数以及行走轮的尺寸对机器人越障性能影响的实验、视觉检测实验、超声波检测实验以及孔内定位实验。

关键词： 全向移动机器人   轨迹跟踪   滑模控制   编队控制  

摘要： 本文以四轮全向移动机器人为研究对象,针对现有控制器误差收敛速度慢、质心与重心不重合、未知干扰较多、模型参数不确定或参数摄动等问题进行系统的研究,同时简单探讨了多移动机器人的编队控制。本文的主要研究内容如下:1.四轮全向移动机器人数学模型的建立。基于四轮全向移动机器人运动学和动力学模型示意图,分析得到其约束方程,并归纳得到其数学模型的标准形式。然后,基于直流电机模型推导得到包含驱动电机信息的四轮全向移动机器人动力学模型。2.针对质心与重心不重合的情况,提出了一种双幂次趋近律的快速滑模轨迹跟踪控制方法。首先,在考虑质心与重心不重合的基础上,结合移动机器人满足的运动学约束方程,得到其轨迹误差模型。然后,基于误差模型设计了新的滑模面,并运用双幂次趋近律来设计线速度控制器和角速度控制器,以此来提高系统误差的收敛速度。最后,证明了系统的稳定性并对其系统的收敛时间进行了定量的分析。仿真结果表明,本文设计的控制器响应速度快,稳定时间更短,系统的误差收敛速度快。3.针对因模型参数摄动以及未知干扰导致轨迹跟踪控制性能变差问题,提出了一种基于ASMCFR的全向移动机器人轨迹跟踪控制器。首先,基于含驱动电机信息的动力学模型建立滑模控制器,并引入滤波器削弱抖震现象。其次,设计了参数自适应律来削弱参数摄动给控制性能带来的影响。然后,利用RBF神经网络对滑模控制律中切换增益进行实时调整,进一步降低抖震带来的影响。最后,证明了系统的全局稳定并进行了仿真验证。仿真结果表明,该方法能够很大程度削弱抖震现象,同时在降低模型参数变化带来的负面影响方面也具有显著的效果。4.多移动机器人的编队控制。基于领航跟随方法提出了一种新的编队控制方法,领航机器人采用基于ASMCFR的轨迹跟踪控制器对理想轨迹进行跟踪;跟随机器人采用双环编队控制器对领航者进行跟随。双环编队控制通过位置控制器和姿态控制器来保证系统的稳定性。外环跟踪两机间距,然后产生角速率命令提供给内环;内环通过跟踪外环提供的角速度,完成跟随。最后,通过仿真验证了方法的可行性。

关键词： 工业机器人   动力学参数辨识   阻抗控制   最优有界椭球  

摘要： 随着工业生产中自动化进程的不断深入,工业机器人的应用愈加广泛,对控制性能的要求也持续提高。一方面,工业机器人的动力学参数具有高时变性,要保证良好的轨迹跟踪精度就必须识别机器人动态变化的动力学参数,及时调整控制力矩;另一方面,装配、打磨以及搬运等工业机器人与外部环境动态交互的任务正快速增加,这要求机器人根据任务需要在与环境的交互中表现出恰当的阻抗特性和柔顺性,避免机器人本体和工件的损坏。针对上述在工业机器人发展过程中出现的新任务和新要求,本文以工业机器人的动力学参数辨识和自适应阻抗控制为主题进行研究。首先,针对机器人动力学参数不确定、传统参数辨识方法参数收敛速度慢等问题,建立了具有高参数收敛速度的最优有界椭球神经网络动力学参数辨识方法,分析了此辨识方法的收敛特性。并进一步设计了以此为基础的自适应控制方法,通过李雅普诺夫方法分析其稳定性,从理论上保证了追踪误差的部分渐进收敛性,通过与其他控制方法的对比说明了其在跟踪精度和对外部负载变化适应能力上的优越性。之后,针对阻抗控制中阻抗误差因动力学参数的不准确和时变特性而不能收敛的问题,展开了自适应阻抗控制策略的研究。将最优有界椭球神经网络自适应控制方法引入阻抗控制策略的位置内环,以实现对未知动态的补偿和对阻抗控制信号的准确跟踪。还建立了六维力传感器信息解算算法,实现笛卡尔空间内机器人与外部环境的接触力的精确感知。仿真试验验证了此策略的有效性。最后,搭建了基于Simulink Real-Time框架的硬件在环机械臂实验平台。进行了含负载变化的参数辨识和轨迹追踪实验,验证了基于最优有界椭球的参数辨识和自适应控制方法的有效性。还在此平台进行了阻抗控制实验,结果表明本文提出的自适应阻抗控制策略可明显减少与环境接触时的振荡,并有利于阻抗模型的精确追踪和阻抗特性的稳定表达。综上,本文的研究为工业机器人的动力学参数辨识提供了一种基于最优有界椭球神经网络的新方法,给出了与新辨识方法相匹配的自适应控制方法和阻抗控制策略,为工业机器人的性能提升提供了可行的方案。

关键词： 轮式机器人   虚功率原理   LuGre摩擦模型   黏滞-滑移   伺服约束  

摘要： 轮式机器人以其极高的移动性以及可控性成为共融机器人研究领域的热点之一。目前大多数研究通常以轮式机器人行驶在结构化环境中为前提,假定轮-地之间紧密贴合无滑移,所建立的动力学模型在二维问题中得到的广泛的应用。随着轮式机器人的应用场景和范围不断扩大,动态的、未知的非结构化环境中运行的轮式机器人逐渐受到学者的广泛重视,对轮式机器人的轨迹跟踪与控制进行准确分析就需要在动力学预测模型中充分考虑纵向和横向滑移带来的影响,目前相关的研究较少。本文以轮式机器人为具体研究对象,开展的主要研究工作如下:(1)以虚功率原理为建模依据,建立了轮式机器人运动学以及动力学方程。在非结构化环境中,轮式机器人将面临复杂的外部载荷作用,在虚功率原理的建模框架下,只需求出任意载荷的虚功率即可将其耦合进入全局动力学方程中,对后续的建模和控制带来了较大的模型便利。(2)以非结构化场景中共融的轮式机器人为驱动,对机械系统动力学中常见的多种摩擦模型进行比较,特别是从积分器的选择、积分参数的调控以及动态参数辨识等方面对Lu Gre摩擦模型进行了说明。引入线性互补模型描述轮-地间法向接触力,克服了连续接触力模型在求解平顺接触问题时效率较低的缺点,通过数值算例验证了所提方法的准确性。(3)面向非结构化环境应用场景,引入动态接触模型分析轮式机器人轮-地间复杂非光滑动力学行为,建立考虑黏滑摩擦的轮式机器人系统动力学高效准确预测模型,开展了轮式机器人纵向和横向滑移分析,同时与基于非完整约束建立的系统动力学模型所得到的仿真结果对比,验证该模型的准确性。(4)探寻考虑滑移的轮式机器人轨迹跟踪问题的解决,针对非结构化环境中运行的轮式机器人,研究基于虚功率原理的伺服约束控制方法,根据期望轨迹得到力矩,即为满足系统目标轨迹的驱动力矩;通过对含有相对滑移的两轮轮式移动机器人的目标轨迹进行跟踪控制,证明该方法能够实现对轮式机器人目标轨迹的跟踪控制。

关键词： 葡萄果穗   振-碰耦合   动力学建模   电子果实   双梗果系统  

摘要： 生产中鲜食葡萄必须以成串的形式完成“摘取—夹送—夹放—躺放”和产后的分选、装箱、运输等作业。果串完整性和果粒无损性是鲜食葡萄品质评价的两大指标,而在机器人采运过程中,葡萄果穗因为振动、碰撞而掉落、腐烂的损失高达20%～30%。本文针对葡萄果穗采运过程中的振动、碰撞问题,定义了最小振-碰单元──双梗果系统,并开发设计了一种新型振-碰耦合测量电子果实与双梗果系统振-碰试验装置,建立了双梗果系统的动力学模型,最终运用该模型进行了振动碰撞的仿真分析。本论文的主要研究和工作内容包含以下方面:(1)设计了一款可检测葡萄果穗振-碰运动的电子果实,进行了电子果实振动信号采集精度校核试验和碰撞检测标定试验。由振动精度校核试验结果可知:X、Y、Z三轴的振动数据检测相对误差分别是2.92%、9.8%、5.79%。并通过碰撞信号标定试验确定了碰撞接触力与感应电压关系,最终确定该电子果实可以满足农业生产使用要求。(2)提出了葡萄果穗最小振-碰单元──双梗果系统。运用电子果实进行了双梗果系统的振-碰试验,由试验结果可知,在重力激励作用下的果粒第一次碰撞时振动冲击与碰撞力均是最大的,测得果实在30°、45°、60°、75°的偏角下的平均峰值碰撞力分别为19.654N、21.431N、30.643N、36.373N,峰值加速度值与果粒偏角存在正相关。运用电子果实进行了双果粒摆的振-碰试验,测得果实在30°、45°、60°、75°的偏角下的平均峰值碰撞力分别为14.052N、15.146N、17.266N、20.671N,两个试验都应用了电子果实以果梗间粘弹性为控制变量分析了粘弹性通过弹性势能对于振-碰运动造成影响。(3)在“柔性杆─铰链─刚性杆─刚性球”的葡萄果穗振动模型建模方法基础上提出了“柔性杆—铰链—刚性杆—柔性球”的振-碰耦合建模方法。基于振-碰耦合建模方法思路,运用分析力学的方法建立了双梗果系统的动力学方程模型,分析了双梗果系统的两种运动模式,给出了双梗果系统的振-碰耦合动力学方程,并根据Matlab平台给出求解程序对双梗果系统振-碰运动过程进行了仿真分析。(4)进行了双梗果系统动力学模型的验证以及仿真分析。运用双梗果系统动力学方程模型进行了仿真验证,通过对比前人试验以及双梗果系统振-碰试验结果,发现建立的双梗果系统动力学模型可以模拟葡萄果穗的振-碰运动过程,测得果实在30°、45°、60°、75°的偏角下的平均峰值碰撞力相对误差分别为7.225%、6.864%、7.056%、9.323%,建立的模型满足后续振-碰仿真需求。最后运用双梗果系统动力学方程模型进行了仿真分析,分析了双梗果系统的振-碰运动规律。

关键词： 康复机器人   外骨骼   动力学建模   RBF神经网络   速度同步  

摘要： 当前社会人口老龄化形势的日益加剧,脑卒中、脊髓损伤等下肢残疾患者数量逐年增加,人们对康复训练设备的接受程度不断提高,人们对智能康复设备的需求变的庞大起来。本文提出设计一款基于直流伺服电机的外骨骼康复机器人,根据康复患者使用场景、康复训练需求进行结构设计,对活动机构进行运动学及动力学分析建模,以提高系统控制精度,对下肢康复外骨骼的轨迹跟踪控制和移动平台的速度同步控制进行研究,满足用户多样化的康复训练需求。本文的研究内容如下:(1)通过分析正常人在行走过程中人体下肢的生理结构和人体行走姿态分析,分析总结得到了康复机器人的设计需求。针对不同用户的身体差异性,设计了多种调节机构,满足不同身高、体重用户的训练需求。针对用户康复训练过程中的行走需求,设计了具有主动移动功能的移动平台。(2)采用修正的D-H参数法建立了下肢外骨骼的正运动学模型,采用拉格朗日法建立了下肢外骨骼的动力学模型,并通过质心实验提高了模型的精准度。通过对机器人的移动平台进行运动分析,建立了万向轮及各驱动轮之间的运动关系,通过达朗贝尔原理建立了移动平台的动力学模型。(3)采用Minisun IDEEA3设备采集人体行走关节角度变化曲线,作为理想关节运动轨迹。针对外骨骼动力学建模过程中,无法避免的摩擦等外界影响,分别采用模糊控制和径向基神经网络对未知摩擦进行补偿,在MATLAB/Simulink中搭建控制系统,分别对下肢外骨骼动力学模型进行仿真分析,获得了良好的轨迹跟踪效果,跟踪误差小于4°。在康复训练过程中,为保护用户安全,搭建MATLAB/Simulink和***联合仿真系统,并通过PID控制实现了速度同步仿真。(4)完成了康复机器人实验样机的搭建,通过进行功能测试,证明康复机器人达到设计目标。通过实物样机实验,验证了外骨骼轨迹跟踪控制和速度匹配控制策略的可行性。

关键词： 人机协作   动力学前馈   变阻抗控制   柔顺运动基元   技能学习  

摘要： 随着协作机器人技术的发展,人与机器人的协同作业日益广泛。人手动作业具有很好的智能性和灵活性,机器人自动作业则具有出色的效率和精度,采用人机协作技术可以将人的智能、灵活与机器人的高效、高精度结合起来,从而完成多种复杂的任务。因此,协作机器人在制造业和服务业中都得到了广泛的应用。为了进一步提高人机协作过程的效率,保证人-机器人-环境交互的安全,本文提出了基于动力学前馈的协作机器人柔顺运动生成与泛化算法。首先,对机器人动力学进行了建模、参数辨识及前馈控制。其中,使用拉格朗日法建立了机器人本体动力学模型,经动力学线性化和惯性参数重组后使用两步辨识法得到了动力学参数;建立了机器人负载动力学模型,并基于虚拟力/力矩传感器和负载参数快速辨识算法得到了负载动力学参数;建立了考虑负载对摩擦影响的改进Lu Gre摩擦模型,并使用粒子群优化算法进行了摩擦参数辨识。其次,设计了基于动力学前馈的机器人变阻抗控制器。其中,建立了关节空间和任务空间中的基于动力学前馈的变阻抗控制模型,并解决了模型中的加速度噪声问题;设计了阻抗自适应策略,并使用离线稳定性约束法和在线稳定性调整法保证了机器人运动的稳定。最后,研究了机器人的柔顺运动生成与泛化算法。其中,介绍了运动规划、动觉示教等机器人运动生成方法,并对动态运动基元算法进行了建模、仿真与分析;提出了一种柔顺运动基元算法,并对相关的数据预处理方法、机器人变刚度接口以及多维柔顺运动基元结构进行了研究;设计了一个机器人技能学习框架,从而控制机器人柔顺、安全的进行任务学习与泛化。为了验证所提出的算法和策略,本文设计了机器人柔顺运动实验。通过机器人柔顺操作实验证明了动觉示教方法的灵活、高效和关节空间变阻抗控制的柔顺、安全;通过机器人柔顺操作泛化实验证明了任务空间变阻抗控制直观的柔顺交互能力和机器人技能学习框架的泛化能力。实验结果表明,本文提出的算法和策略有效地提高了人机协作的效率和安全性。