基于6-DOF并联机器人主动减摆设计

来源 :西安理工大学 | 被引量 : 0次 | 上传用户:l77500
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
主动减摆系统通过机电手段,控制运动平台主动运动对抗外界扰动,降低运动平台摆动,增强平台稳定性,在科研科考、特种货物运输等领域具有重要价值。典型的主动减摆系统通常采用三自由度云台,或多关节机械臂实现,前者仅能抑制外界对于姿态角度的扰动,后者则具有承载力低的缺点,难以对大型重载设备实现主动减摆。6-DOF并联机器人具有六个自由度,能够同时控制位置和姿态,且具有负载能力大、动态响应快、无累积误差等优点,在诸多工程应用领域获得广泛使用。6-DOF并联机器人的这些优点,也使其非常适合应用于主动减摆系统。因此,论文研究了基于6-DOF并联机器人的主动减摆系统设计,对该系统设计的一系列相关问题展开深入研究。首先介绍了 6-DOF并联机器人的运动学控制算法,在此基础上研究了并联机器人机械结构参数与运动空间之间的关系,设计了运动空间优化算法,从而在不违背机械结构约束的前提下,最大化可使用运动空间。基于以上研究成果,设计了 6-DOF并联机器人运动空间搜索及优化程序,为并联机器人机械结构参数设计提供有效指导。本文进一步研究了 6-DOF并联机器人误差标定算法,用于辨识机器人生产加工中存在的误差,在实际控制中加以修正,提高运动控制精度,从而提高减摆控制性能。论文总结了并联机器人的误差来源,提出了基于正向运动学和逆向运动学的误差辨识方法,在此基础上设计了机器人误差标定程序,并通过数值仿真试验,研究了机械误差对于机器人运动控制的影响,误差标定辨识的计算精度,验证了误差标定对于机器人运动控制精度的提高。接下来本文研究了单自由度主动减摆,由于六个自由度相互独立,故先从一个自由度做起,先在仿真环境下测试不同情况下可靠性,然后在单自由度主动减摆实物上测试抑制扰动的能力;最后,在仿真环境下搭建并联机器人的模型,验证并联机器人主动减摆算法的可靠性,然后在并联机器人实物上进一步测试,验证主动减摆算法的性能。
其他文献
近年来,随着外包数据业务的发展,数据安全变成了一个急需解决的问题。基于属性的加密是云存储中数据安全的一种有效的解决方案,能够实现数据的细粒度访问控制。关键词可搜索的基于属性的加密能够保证数据拥有者授予用户搜索能力,但是大多数方案不能保证访问结构的隐私性。在实际中,单权威的加密方案存在安全性不高等缺点。本文主要研究了云存储环境下关键词可搜索且属性可撤销的基于属性的加密方法,主要研究成果如下:提出了一
在监控领域,随着计算机硬件方面的不断改善,目标跟踪的应用越来越广泛。但由于单视觉传感器在目标信息的提取方面的不足,在场景比较混乱,或者长时遮挡等情况下容易发生目标丢失。多视觉协同目标跟踪可以有效解决这些问题,尤其对于目标的长时遮挡。因此,本文提出了一种基于概率模型的多视觉协同目标跟踪的方法,通过多次实验,在目标的长时遮挡方面取得了较好的效果。本文的内容主要包含以下三个部分:针对单视觉中目标特征提取
随着时代的不断前行,拍摄工具硬件的日新月异,拍摄的图像越来越清晰,人们对于图像的质量的要求也是越来越高。逆光图像的产生是因为拍摄环境导致被拍摄主体区域的亮度较暗,颜色和细节信息严重丢失;而背景区域的亮度较大,颜色呈过度饱和,极大地降低了图像质量不能达到人们的要求。因此,逆光图像增强算法的研究是具有重要意义的。目前针对逆光图像增强的算法鲜有研究。逆光图像与光照不均匀图像相似,利用光照不均匀图像增强算
随着我国城市基础设施建设的快速发展,地下综合管廊建设规模不断扩大,对其施工建设信息化、智能化水平提出了更高的要求。面向具体施工需求的BIM技术应用研究,为解决地下综合管廊施工建设中存在的问题提供了可行的方法,本文针对地下综合管廊施工阶段的不同需求,设计地下综合管廊BIM应用实施方案,研发地下综合管廊施工快速计量工具,并结合倾斜摄影技术辅助地下管网迁改,主要研究内容如下:(1)分析BIM技术在地下综
随着云计算的发展,数据外包到云服务器引起了广泛关注。为了保证数据的存储安全性和实现细粒度的数据访问控制,基于属性加密方案成为解决云存储安全问题的研究热点之一。可撤销的基于属性加密是属性加密的延伸与扩展,对于解决实际应用中用户属性变更,具有重要的研究价值和现实意义。关键词可搜索加密方案能够使用户快速查找出存储在云服务器中自己感兴趣的数据,而且不会泄露搜索关键词的信息,从而保证用户搜索的高效性和安全性
数据挖掘是通过机器学习、模式识别和数理统计等方法获取有用信息的一种重要技术手段,可以广泛应用于社交网络、医疗和市场分析等领域。随着数据挖掘应用的不断深入,隐私泄露风险日益成为数据挖掘中一个敏感而突出的问题。K-means聚类算法是数据挖掘领域中应用广泛的算法之一,差分隐私保护理论由于其具有严格的数学模型且不受背景知识约束等特点成为数据挖掘隐私保护技术的重要分支。差分隐私保护是一种基于数据扰动的隐私
在当今这个信息共享的大时代背景下,数据挖掘与数据发布中存在的隐私保护问题,一直是信息安全领域正在深入研究的重点。其中,匿名化技术是当前主要的隐私保护技术之一,它能够有效降低用户的隐私信息被泄露的风险,同时又能保证数据存在一定的真实性与可用性。除此之外,差分隐私保护技术也是隐私保护技术的研究热点之一,它具有严格的数学证明,能够克服传统的隐私保护模型所需背景知识假设和无法定量分析隐私保护程度的缺点。但
随着互联网信息技术的日益发展,数据俨然已经作为一类非常重要的资源被政府和各种机构所需求,通过对这些海量数据的分析可以获取更多关于当前世界的信息,因此数据挖掘技术随之出现。频繁模式挖掘做为数据挖掘的一种,广泛地应用于推荐系统、个性化网站等应用中.但由于近些年来的隐私泄露事件,使得数据挖掘技术面临严峻的挑战。如何在应用频繁模式挖掘获取有价值模式的同时,实现对个人隐私信息的保护成为该领域的一大研究热点。
随着现代战争的发展,对敌地空目标的远距离侦测、监视与打击能力,已成为一个国家军事实力的地位象征。机载SAR能适应各种复杂气象条件,可以全天时地对地物目标进行监测,这些独特的优势使其在军事领域得到了广泛应用。运动补偿作为实现高分辨率机载SAR成像的关键技术,决定了战机对地空目标能否完成有效的监视与打击。基于惯性传感器的机载SAR运动补偿技术可在复杂电磁环境下提供天线相位中心短期和长期的姿态与位置信息
提取多质分界面是三维数据场可视化、逆向工程、三维重建等领域中的基础性工作。当前提取分界面的方法大多数是基于传统等值面的方法,此类方法在提取超过三种及其以上材质的多质物体的分界面时,不能同时一次性提取分界面,且无法保留分界面之间的拓扑关系。为此,本文对多质物体的分界面提取方法进行研究,主要工作概述如下:(1)实现了一种多介质复杂分界点凸显的方法。首先对原始数据进行去噪,然后求取高斯权重矩阵,利用该权