论文部分内容阅读
在工业竞争越来越激烈的时代背景下,2025制造越来越被重视,工业4.0也成了我国近几年的发展目标,智能制造作为工业发展的代表领域,越来越受到国家的重视,制造业自动化程度很大方面的反映一个国家的发展水平,因此更多的柔性机械臂应用于工业生产中,越来越多的复杂任务都需要机器人独立完成,机械臂可以独立完成分配给其的固定任务,大到飞机轮船的零部件加工,小到手机电脑的螺丝拧紧,都离不开这些机械臂来完成,所以越来越多的自动机械臂被投入使用,使它们代替人工,但是在外部环境改变时,它们无法做出相应的应对措施,所以这类机器人已经无法满足一些特定的工作场景。为了应对这些问题,视觉机器人也就被设计了出来,它可以解决传统机械臂的大部分问题,机器视觉伺服系统的核心问题就是位姿估计,解决好位姿估计问题,对提高机械臂的获取外部信息的能力与反应能力具有很重要的意义。本文以生产线上的混合视觉机械臂为主要研究对象,针对位姿估计问题进行了研究,建立了机械臂的运动学模型,提出了一种新的EKF/UKF-SVSF算法,使机械臂具有较高的位姿计算精度和鲁棒性;对于信息采集,在单目视觉的基础上,提出了多相机配置系统,使用了基于OWA算子的分布式数据融合的算法,大大增加了信息采集的精度,具体工作如下:(1)本文以Puma560六自由度的机器人为研究对象,对机器人运动学问题进行了分析,对机器人进行了连杆变换,分析了各个杆件之间的关系,通过公式推导得到了运动学的正逆解,其逆运动学求解的过程,其实就是对机械臂运动路径求最优解的有效论证;最后对所求结果进行了验证。(2)对视觉机械臂进行了系统建模,将视觉伺服系统进行了分类介绍。首先描述了摄像机的成像模型,将世界坐标系与相机坐标系之间的坐标转换关系做了公式推导;对位姿估计问题做了介绍,以PBVS系统为例建立了视觉伺服系统模型,使用MATLAB中的rcvtools工具进行了仿真分析。(3)对于机械臂位姿估计算法,介绍了传统的基于卡尔曼的滤波算法和基于平滑变结构(SVSF)的滤波算法,结合这两种算法,提出了一种两者相结合的卡尔曼平滑变结构算法(EKF/UKF-SVSF)对位姿进行估计,以单目视觉系统为例对三种位姿估计算法进行了仿真,通过仿真结果证明,EKF/UKF-SVSF有很好的实用性。(4)相比于传统的单目视觉机器人,本文使用了多相机融合的办法实现对位姿的精准估计,对基于卡尔曼的集中式融合算法、基于卡尔曼的分布式算法、基于OWA算子的分布式融合算法进行了分析,最后在MATLAB环境下使用三种算法对系统进行了仿真,对比仿真结果,基于OWA算子的分布式融合算法方法使得数据结果更加精确。