针对传统路径规划算法在机械臂避障运动时存在规划时间长、路径冗长等问题,提出了一种基于深度强化学习(Deep Reinforcement Learning,DRL)的运动规划方法。首先,构建了机械臂数学模型和运动环境,并在PyBullet中搭建了DOBOT机械臂与操作环境,设置了DRL所需的奖励函数、动作变量和状态变量等参数。其次,针对静态障碍物规避问题的特点,采用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法,进行了运动仿真试验。仿真结果表明,相较于快速扩展随机树(Rapid-exploring Random Tree,RRT)算法以及改进RRT算法,所提出的DDPG算法在规划时间和路径长度方面均有一定程度提高。最后,在实验室中采用DOBOT机械臂对DDPG算法在多种障碍物环境下避障操作的有效性进行了验证。

鉴于机械臂关节中谐波减速器存在迟滞效应,且当其承受交变负载力矩时滞后环节会对其输出精度产生较大影响;多自由度机械臂运动时各个关节所受的负载为非恒定值,分析机械臂末端运动精度时需要考虑关节中谐波减速器的滞后环节;提出了一种具有迟滞效应的刚度模型。结合Stribeck摩擦模型,建立了机械臂动力学模型,通过求解该模型,得到考虑谐波减速器扭转角滞后性的机械臂末端运动轨迹;建立运动精度指标,研究分析了谐波减速器的滞后角及扭转刚度对机械臂运动轨迹精度的影响。研究结果可为机械臂关节中谐波减速器的工程设计提供参考。

针对基于目标偏向的RRT算法在复杂环境下易陷入局部搜索与搜索效率低的不足,在ROS中分别基于Dobot模型和DIY模型,对算法做出进一步的改进。在创建机械臂模型基础上,利用MoveIt!对其进行配置,并通过简化模型来提高碰撞检测效率;在基于目标偏向RRT算法的基础上,分别引入扩展目标变更策略和可变步长对算法进行改进;在ROS中分别进行了不同形态障碍物环境下的避障运动规划仿真;在样机上进行了避障和避障抓取实验。仿真及实验结果表明,提出的改进RRT算法相比基于目标偏向的RRT算法,规划成功率和效率分别可提高42.9%和29.2%。

焊接机械臂工作路径复杂,对规划轨迹平滑性要求较高,并且规划轨迹需满足各关节运动学约束。提出了带扰动的自适应粒子群(Adaptive particle swarm optimization,ADPSO)算法,可以在满足关节约束条件下规划出时间、能力、跃度最优轨迹。采用5次NURBS曲线插值关节工作路径点,使各关节位置、速度、加速度、跃度曲线均连续光滑。利用ADPSO算法进行多目标最优轨迹规划,首先,将粒子外推思想与粒子群优化(Particle swarm optimization,PSO)算法结合,以增强粒子搜索能力;然后,对搜索所得个体极值与群体极值引入扰动,加快粒子收敛速度。在Matlab环境下进行仿真分析,对比其他智能算法,ADPSO算法的优化效果更好、优化时效性更快。

为了解决机械臂标定方法成本高、效率低的问题,对低成本的机械臂实时标定方法进行研究。选择低成本的双目相机为测量设备,基于微分变换理论阐述连杆参数误差辨识模型的建立方法;以作业轨迹和靶标可视性作为约束条件,采用逆运动学算法生成测量构型库;在此基础上通过DETMAX优化算法挑选出合适的构型用于建立辨识模型,并提出一种矩阵平衡方法改善模型性态水平;与此同时,还采用K-means聚类算法将所选构型进行划分,以此作为多组中间姿态输入至控制系统生成若干条平滑的作业-标定轨迹;最后,仿真验证了新方法在不同强度测量噪声下的连杆参数误差辨识精度。结果表明:矩阵平衡法将辨识模型观测指数由10.6提升至6.2×104,同时将其条件数由1.2×103降低至37.8,显著改善了模型性态水平;良态辨识模型使得绝大部分连杆参数误差辨识结果不易受测量噪声影...

为了解决市场康复假肢功能单一、使用效果极差和价格昂贵等缺点,提出一种基于表面肌电信号的机械手控制系统。该系统主要分为两部分:一部分是基于Cortex-M4系列的肌电信号采集、预处理、BP神经网络分类的信号处理系统;另一部分是基于Cortex-M3系列的机械手臂控制系统。信号处理系统发出控制命令无线传输到机械臂,控制6舵机自由度的机械臂,实现6个动作的展示。试验结果证明:该系统能够实现6个动作的自学习,成功率在80%以上,系统有一定的应用价值。

针对深水清淤机械臂阀控非对称油缸因高阶非线性特性以及水下大干扰工作环境导致的控制困难问题,本文提出一种加速干扰自适应滑模控制方法。通过整理系统的高阶非线性模型,建立液压油缸的分层控制模型。使用反步法设计了滑动模态指数收敛的滑模控制器,在此基础上提出了一种加速的干扰自适应方法,并使用李雅普诺夫稳定性理论验证了该复合控制方法的稳定性。通过Simscape平台进行多物理域仿真验证,仿真结果表明:所设计的加速干扰自适应滑模控制方法能实现快速准确的位置跟踪,相比于比例积分微分控制具有响应速度快、超调量小的特点,相比于普通干扰自适应滑模控制方法具有稳态误差更低,干扰估计速度更快的特点。

以五自由度机械臂为研究对象,建立D-H数学模型,探究几何法与代数法求关节角的过程,使用五次多项式插值的运动轨迹规划算法。通过建立仿真模型验证了运动学求解方法与轨迹规划算法的有效性。采用一种基于机械臂几何模型的逆运动学分析方法,设计OpenMV摄像头的图像识别与处理算法来精准定位目标物,并将目标物的位姿发送给主控系统,实现五自由度机械臂自主抓取目标物的功能。以乒乓球为抓取目标进行实验验证,结果表明:此设计能精准定位目标物,完成有效抓取,控制性能稳定、可靠。

针对有缆遥控水下机器人上要求搭载的机械臂占地面积小、动作范围大的问题,对包括偏转和俯仰在内的6自由度位置变化及抓取的7功能水下液压机械臂进行设计、仿真以及实验分析,利用多目标优化模型对抓取卡爪进行设计,计算液压缸最短行程时,可实现的卡爪开合范围;建立机械臂的D-H参数模型,对机械臂的正运动进行求解,采用Matlab软件仿真分析6个活动关节的运动姿态;搭建功能样机和工程样机开展机械臂的陆上动作及水下试验验证,结果表明,机械臂的6个活动关节位置、速度以及加速度曲线都光滑平顺、无突变,无超调现象;机械臂含抓取卡爪的结构设计合理。

针对机械臂不便于从物件上方直接进行抓取的情况,提出一种机械臂气动关节柔性抓取操控技术。分析机械臂常规抓取方式,剖析机械臂与物件接触间的几何约束关系,开展物件一边被抬起的受力情况。在此基础上,分析气动关节曲率和内压之间的线性关系,构建控制关节内压的机械臂柔性抓取操控技术。通过实物测试验证,采集物件曲率变化所对应手指内压变化情况,获取不同曲率下抓握平衡所需摩擦系数变化情况,通过手指和地面“相互对抗”,使纸条曲率变大且重心右移,从而成功实现了机械臂柔性抓取柔软物件,达到设计目标要求。