论文部分内容阅读
机器人是近些年发展起来的,集机械和电子设备的智能产品。伴随着材料、机械加工、电子、控制、传感器等相关技术的不断发展和进步,机器人已经被广泛的应用于各个领域。特别是随着我国城市化进程的不断推进,涂装机器人的需求量急剧增加。在这一背景下,对涂装机器人的研究就显得尤为重要。多传感器信息融合技术结合了控制理论、信号处理、人工智能等学科的先进理论和技术,通过综合处理若干个传感器采集的数据,能够使获取的信息更加准确,且具备冗余性和互补性。将多传感器融合技术应用于机器人中,能够显著提高机器人的控制精度。论文首先结合涂装机器人的工作环境和设计要求,提出了涂装机器人的整体结构和材料,对主要关节进行了结构设计和驱动电机的选型,并在solidworks中完成了零部件的三维造型设计,对机器人的整体结构进行了装配。然后,对涂装机器人进行了运动学和逆运动学分析,建立了涂装机器人的D-H参数、连杆坐标系和运动学方程,借助MATLAB中的Robotics Toolbox工具箱对机器人手臂进行建模仿真。其次,对涂装机器人进行了动力学分析。将solidworks中建立的机器人模型导入到ADAMS之中,在ADAMS中设置每个关节的运动方程,之后通过ADAMS自带的求解器对涂装机器人进行了仿真分析,生成数据曲线。再次,对多传感器融合技术在机器人技术中的应用进行了研究。多传感器信息融合技术能够综合若干传感器采集的数据,对外界的信息形成统一的描述,使获取的信息更加准确,可以显著提高系统的鲁棒性、稳定性,扩展系统的时空覆盖能力。文中着重对卡尔曼滤波的系统模型、算法流程进行了分析,研究了卡尔曼滤波在速度传感器和加速度传感器数据融合中的应用,并利用MATLAB对卡尔曼滤波估计加速度偏差值进行了模拟。最后,论述了RBF神经网络在机器人自适应控制中的应用。对RBF神经网络进行了介绍,研究了工作空间中机械手直角坐标与接关节位置的变换、机械手神经网络建模,并在此基础上以二自由度机械手为例进行了仿真。