基于多传感器信息融合的六自由度运动记录方法

以六自由度运动作为研究对象,提出了一种基于多传感器信息融合的运动记录方法.通过加速度模块获得加速度,解耦计算出六自由度运动的转角信息.通过融合转角信息和摄像头记录的图像信息,计算出六自由度运动的位移信息.通过实验验证了该方法的可行性.     

土方作业动态切削的可视实时仿真

针对液压挖掘机驾驶模拟器土方作业仿真中缺乏时变负载——土壤切削阻力,基于Delta3D视景仿真引擎和多体动力学实时交互软件Vortex搭建了系统软件框架,实现了挖掘机车辆动力学特性的真实模拟,并建立了铲斗与土壤的交互仿真平台。根据挖掘机铲斗的实际作业情况,将土壤假定为刚塑性体,并引入地形倾角、加速力、土壤对铲斗侧面摩擦力等参数,推导并修正了Reece提出的土壤切削基本方程,实现了土方作业中土壤动态切削的可视实时仿真。将模型导入到某驾驶模拟器中,进行3次交互作业,获得了土壤相对于铲斗的切削阻力,并对影响切削阻力的因素进行了分析。仿真平台逼真度高、交互性强,实现了铲斗与土壤交互作业具有物理学行为的拟实模拟,可为操作培训人员和产品开发人员提供可视化和交互性的手段,提高培训效果和产品开发效率。     

特殊工况下动态物位检测技术

在分析国内外各种物位检测方法的基础上，结合实际要求，提出了在特殊环境条件下动态检测的新方法。采用传感技术和RS485现场总线技术，实现了多目标工况下物位的检测与信息传输的功能要求。叙述了传感技术以及硬件电路和软件设计的思路和方法。     

基于力传感器重力补偿的机器人柔顺控制研究

基于力觉控制的机器人运动系统能够通过感知外界环境的接触力,实现机器人作业过程中对力和位置的双重控制。为了提高机器人对接触力的感知精度,实现准确的柔顺控制,提出一种基于力传感器重力补偿的机器人柔顺控制方法。首先,通过调整机器人末端姿态,采集机器人不同位姿下力传感器数据,计算机器人底座安装倾角、力传感器零点数据、末端工具重力及重心坐标等参数;然后,利用机器人姿态变换矩阵,实现对力传感器的重力补偿,为机器人柔顺控制提供准确的受力感知;最后,采用导纳控制,实现机器人对物体的抓取搬运。进行了力传感器重力补偿实验及机器人柔顺放置实验,结果表明,该方法能够提高机器人对外界环境感知的精准度,实现精准的机器人柔顺控制。     

基于Kinect的机器人抓取系统研究

智能抓取搬运机器人能够高效、可靠地完成各种搬运任务,降低工作人员的劳动强度,精准的物体定位是机器人执行搬运任务的基础。本文研究了基于Kinect的机器人抓取系统,可实现物体的类别检测、物体定位及机器人抓取任务。抓取系统由3个子系统(物体检测系统、物体定位系统及机器人抓取系统)组成。首先利用Kinect采集的物体图像信息训练单次多盒检测(Single multi-box detection,SSD)模型,然后根据SSD模型对物体的类别进行检测,得到物体在图像中的边框,并获取边框中物体像素坐标和深度,接着通过Kinect相机手眼标定法将像素坐标和深度转换到机器人基坐标系中,实现物体的定位,最后通过机器人逆运动学求解关节角,驱动机器人运动完成抓取搬运任务。对机器人进行了物体的定位和抓取实验,实验结果表明,物体的定位误差较小,物体抓取搬运实验的平均成功率达到97%,满足物体的抓取搬运需求。     

Analysis on autonomous task trajectory tracking performance of construction robot with online gravity compensation

工程机器人自主作业时,工程机器人动臂举升、前臂摆动重心上升过程中需要克服自身重力做功,而在工程机器人动臂下降、前臂摆动重心下降过程中,自身重力要参与做功,影响工程机器人的运动速度,进而影响工程机器人自主作业的轨迹跟踪效果。针对这一问题,建立了工程机器人动臂、前臂的动力学模型,探讨采用最小二乘拟合法辨识动力学参数,进行工程机器人动臂、前臂的在线重力补偿,以消除在自主作业过程中重力做功对轨迹跟踪的影响。最后,在工程机器人试验台上进行了试验。试验结果表明,在线重力补偿可有效地补偿工程机器人自主作业过程自身重力,消除工程机器人动臂和前臂在运动过程中重力做功对自主作业轨迹跟踪过程的影响,有利于减小轨迹跟踪误差,提高工程机器人自主作业轨迹跟踪的性能。     

吊装机器人肢体动作指令识别技术研究

鉴于Kinect相机进行肢体识别监控距离有限,提出使用网络大变焦摄像头、构建CNN-BP融合网络进行肢体动作识别,并以9组机器人吊装指令为例进行训练和识别。首先,基于OpenPose提取18个骨架节点坐标,生成RGB骨架图和骨架向量;然后,采用迁移学习方法对RGB骨架图使用InceptionV3网络提取图像深层抽象特征,并对训练数据集采用旋转、平移、缩放和仿射多种数据增强方式,以扩充训练数据,防止过拟合;再将提取的骨架向量使用BP神经网络提取点线面等浅层特征;最后对InceptionV3网络和BP神经网络输出进行融合,并使用Softmax求解器得到肢体识别结果。将肢体识别结果输入机器人辅助吊装控制系统,建立双重验证控制方法,完成机器人辅助吊装操作。实验结果表明,该方法保证了模型运行的精度和时效性,实时识别精度达0. 99以上,大大提升了远距离人机交互能力。     

基于Stewart平台的6自由度力反馈手控器

手控器是主从遥操作系统的关键设备,可以向遥操作系统传送位置、姿态、速度和力等多种信息,同时可以接收从机械手的力／力矩信息,为操作者提供力觉临场感。对基于Stewart平台的6-DOF力反馈手控器进行了总体结构设计,该装置的主体由一个6-DOF Stewart平台、电液比例控制系统及控制与检测系统等组成。介绍了系统的各部分组成、工作原理、结构特点;建立了力反馈系统,分析了实现力觉反馈的原理;推导了平台的运动学逆解、动力学正解;研究了结构尺寸与性能的关系。     

基于视觉的吊装机器人卷扬随动控制研究

海洋浪涌对海洋物流吊装机械工作安全及可靠性有很大的影响。目前海浪运动补偿多基于IMU或MRU等船舶专用传感器,其成本较高。采用组合标识,提出基于视觉的吊装机器人卷扬随动控制方法。首先,对机械臂进行运动学分析以及手眼标定,采用视觉标识对复杂环境下的目标进行检测,采用主方向定位以及DLT算法对标识进行定位;然后通过建立卷扬系统模型,在速度环上采用伪微分反馈复合控制算法,使用基于双S形曲线运动规划加减算法进行目标运动跟踪、路径重规划,并采用加减速方法生成运动轨迹。通过搭建试验平台,模拟海上工作环境并进行静态目标和动态目标跟随试验,验证了卷扬升降控制的可行性以及随动控制策略的有效性。     

机器人智能化吊装技术研究

鉴于OpenPose进行肢体识别复杂度较高,提出基于TfPose完成人体骨架提取,并采用神经网络集成学习方法对吊装指令肢体信号进行识别,完成智能化吊装操作。首先,采用D-H法对吊装机器人进行正运动学分析,确定卷扬机构工作空间范围,并使用共形几何代数方法求解其逆运动学,完成吊装机器人从当前位置运动到目标位置的数学建模;然后,基于TfPose获取人体骨架向量和RGB骨架图,以BP神经网络和InceptionV3网络为基分类器,采用神经网络集成学习方法确定最优化权重,完成吊装指令肢体信号识别;最后,将识别的吊装指令肢体信号通过UDP通信传送给吊装机器人控制模块,以完成吊装操作。实验结果表明,该方法平均肢体识别精度达0. 977,提高了吊装效率。