【摘 要】
:
将机器人引入大型船舶喷涂作业是目前船舶制造业发展的必然趋势。现有的机器人应用主要以人工示教的方式进行,而人工示教方式存在着对大型工件示教操作难度大、效果差等缺点,限制了机器人在大型船舶喷涂任务中的应用。一种有效的解决方式是采用离线编程进行喷涂机器人轨迹规划,然而目前已有的离线编程系统大多只适用于中小型简单喷涂场景,面向大型复杂场景的轨迹规划能力较弱,无法解决大面积、变曲率的大型船舶外立面喷涂问题。
论文部分内容阅读
将机器人引入大型船舶喷涂作业是目前船舶制造业发展的必然趋势。现有的机器人应用主要以人工示教的方式进行,而人工示教方式存在着对大型工件示教操作难度大、效果差等缺点,限制了机器人在大型船舶喷涂任务中的应用。一种有效的解决方式是采用离线编程进行喷涂机器人轨迹规划,然而目前已有的离线编程系统大多只适用于中小型简单喷涂场景,面向大型复杂场景的轨迹规划能力较弱,无法解决大面积、变曲率的大型船舶外立面喷涂问题。有鉴于此,本文针对大型船舶外立面喷涂作业离线编程方法展开研究,构建了一套面向大型船舶外立面的喷涂机器人离线编程与仿真系统,实现了对复杂船舶表面的喷涂轨迹规划。具体研究内容如下:针对大型船舶喷涂场景的导入及处理问题,引入半边(Half-Edge)结构表示船舶网格模型的拓扑信息。首先在半边结构的基础上提出了一种快速拓扑重建算法,该算法在STL文件读取过程中,通过哈希表去除冗余顶点,同时为每个顶点建立入射半边表完成半边合并,从而实现大数据量条件下三角网格拓扑快速重构;然后基于半边结构对船舶外立面一些重要几何特征进行提取。通过半边结构快速高效的邻域查询能力解决大场景处理困难问题,同时为后续轨迹规划奠定基础。针对大型复杂船舶外立面的喷涂轨迹规划问题,基于对船舶喷涂详细的需求分析提出了一种面向大型复杂船舶外立面的分段喷涂解决方案。首先基于船舶外立面的喷涂工艺特点进行区域初分割;然后针对其几何形状特点,提出了基于二面角的半边扩展生长算法进行区域再分割,通过两次区域分割将复杂船舶外立面分割为若干面积较小、喷涂工艺一致且几何形状简单的子区域;最后对具有不同特征的子区域使用不同的轨迹生成算法:接近平面的区域采用切片轨迹生成算法,曲率稍大的部位采用基于基准曲线的轨迹生成法;针对轨迹生成中的截平面与待喷涂曲面的求交问题,提出了基于半边拓扑结构的交点求解算法,加快了交线生成的速度。最后本文在课题组现有研究成果的基础上,完成了面向大型船舶外立面的喷涂机器人离线编程与仿真软件系统的设计与实现。除了喷涂轨迹规划子系统外,还包括对喷涂机器人进行正运动学建模、逆运动学求解的运动学计算子系统,基于机器人编程语言国家标准设计的中间语言子系统,完成中间语言和目标机器人语言之间的转换的程序转换子系统。以此系统为实验平台,对本文提出的分段喷涂解决方案以及轨迹规划相关算法进行了相应的仿真与实验,验证了本文方法的有效性与实用性。
其他文献
传感技术作为信息技术三大支柱之一,早已渗透入社会的方方面面中,像科学研究、食品安全、环境监测、疾病检测、化学化工等方面。但是随着信息社会的进步,各个领域对传感器件的要求提高了,由于电互连引起的“瓶颈效应”使得电子器件很难实现对大容量的信息的高速处理。而光信号的大宽带、超高速、可并行处理等优势可以很好地解决这个问题。目前用光子代替电子来加载信息已经在光通信领域取得了很多的进展,有效提高了处理信息的速
随着物联网技术的不断发展,家居设备的智能化进入了快速发展阶段。然而由于不同商家的产品之间相互独立,不同家居设备的控制方式不尽相同,导致整体家居产品的使用体验不佳。智能化的家居交互方式,能够有效改善智能家居产品的交互体验,其中,基于手势姿态的人机交互技术,相比于传统的遥控设备,更符合人们的日常操作习惯,交互方式更加自然,所以研究智能家居中的人机交互技术,具有重要的现实意义。基于以上现状,本文开展了基
由二维图像提取出图像场景的深度信息是计算机视觉中的经典问题。准确的深度信息能够更好的让我们理解场景的三维结构,了解场景中物体之间的三维关系。深度信息在自动驾驶、AR、VR、机器人导航等具有重要的应用价值。在景深估计算法中,利用传统的双目立体匹配算法存在着精度和实时性不能共存的矛盾,同时也存在着只能适用于特定场景的问题。近年来,随着人工神经网络的发展,尤其是卷积神经网络在图像上的应用使得景深提取取得
目前在生物群体和人类社会中的集群行为得到了深入的研究。然而,动物的协同行为与人类有着显著不同。一般而言,描述动物协同行为的短期网络相比于人类有着较高的阶数,这就需要用高阶网络去刻画。在本文中提出了一种使用集群行为时序数据的方法来确定动物群体的最优极大马尔科夫阶数从而反映交互网络的最大记忆能力。我们的方法结合了时延的因果推断算法以及高阶图模型。一方面因果推断算法基于信息论,通过聚合因果邻居和删除非直
伺服控制是运动控制领域的一个重要分支,伺服系统在现代工农业、国防和医疗等高新科技领域有着十分广泛的应用。伺服系统的典型机械传动结构是由高速伺服电机驱动减速传动机构,再由传动机构带动负载运动,完成能量的转换。一方面,这样的机械传动结构中一定会存在齿隙等非线性环节,齿隙非线性既是一种力矩传动过程中不可缺少的非线性因素,同时也是一种影响系统性能的非常重要的因素;另一方面,由于传动机构的刚度不是理想的无穷
深度估计作为计算机视觉领域的一项基础性研究,在自动驾驶、三维视频、增强现实等领域具有广泛应用。单目深度估计具有价格低廉、适用性广等特点,因此近年来逐步成为研究热点。现阶段,深度学习技术在图像分类、目标检测和语义分割等多个领域都取得了显著进步。借助深度模型强大的特征表达能力,大量学者设计了一系列端到端的单目深度估计算法,并在性能上获得明显的提高。但是,现有的方法仍存在某些问题:这些算法大都遵循静态环
随着社会的发展和科技的进步,智能图像算法被广泛应用到军事、医疗、交通等各个领域,其中目标检测和跟踪算法是智能图像算法中最热门的分支。工程环境下的大量虚警以及计算平台性能的限制,给目标检测与跟踪带来了更大的挑战。本文以周界监控项目为背景,研究实时的目标检测和目标跟踪算法,并通过多枪一球的多传感器融合策略,兼顾周界全景的同时自动跟踪放大目标细节,以满足快速告警、精准定位、全景探测的实际项目需求。首先,
弱小目标检测技术与国民安全密切相关,其在保障领空安全、机场净空防护以及军事敏感地区的空中管制等领域具有广泛的运用和重要的价值。小目标成像区域小、特征信息弱、尺寸变化范围大,这些特性导致其在实时系统中难以被准确地检测出来,因此如何从复杂变化的背景中实时、准确地捕获目标并及时发出预警是该项技术的核心关键,也是本课题的研究重点。基于该问题,论文做了以下工作:基于传统弱小目标检测方法,论文提出了一种多尺度
人工智能和机器人是当前技术发展的重要领域,专利及其他科学技术文献反映了基础研究和技术创新的进展。应用自然语言处理技术,将机器人等重要技术发展领域和专利等科学技术文件结合起来进行深入研究,可以帮助领域从业人员高效地找到产品设计问题的解决方案,实现领域知识挖掘、学科发现与关联性评价、以及演化趋势分析。这对于理解不同科学技术领域的互动与渗透、发现潜在商业机会具有重要意义。知识图谱是Google为了优化搜
多智能体系统已经在智能电网,智慧交通,自动驾驶,军事集群系统等领域被广泛应用。多无人机与多机器人所构成的多智能体系统在多目标跟踪与监控,协同编队,智能网联车队等实际应用中扮演着重要角色。目标的跟踪与包围是多智能体系统中的一个重要研究问题。其中,目标状态估计又是实现多智能体目标跟踪问题的重要技术。传统的目标估计问题,一般都会假设目标的系统方程和输入信息已知。然而实际应用中,目标中不可避免地存在一些未