论文部分内容阅读
医护服务型机器人的机械手臂工作环境与人类生活环境交织在一起,机械手臂与人体及工作环境会有经常性的接触,保证人体的安全是首要遵循的条件。随着机械手臂控制复杂程度的增加,如何准确实现机械手臂的故障分类,是实现控制策略切换,顺利执行动作的前提。本文以刚性和柔性机械手臂为例,重点研究残余动量故障检测算法,在此基础上基于支持向量机设计故障分类器,对电机故障和碰撞故障这两类机械手臂运行过程中最常出现的故障进行分类。首先,基于拉格朗日原理,分别运用旋量理论和模态假设法建立刚性机械手臂和柔性机械手臂的动力学模型,推导整理得到详细各项。其次,利用上述机械手臂的动力学模型,推导得到残余动量故障检测算法,利用Matlab/Simulink搭建算法仿真平台。再次,运用ADAMS针对两杆三自由度刚性机械手臂搭建虚拟样机模型,通过ADAMS和Matlab联合仿真完成故障仿真;利用Matlab/Simulink/SimMechnics分别建立刚性和柔性的两杆二自由度机械手臂模型,完成故障仿真。结果表明,由不同系统模型推导得出的残余动量值对同一类故障具有一致的特征。然后,基于支持向量机原理建立故障分类器,以两杆三自由度刚性机械手臂的残余动量值构成的7种故障数据作为样本数据,提取特征向量,利用Libsvm对分类器进行训练和测试,得到分类结果。最后,在史陶比尔RX90机器人上进行实验,提取刚性机械手臂的运动学数据,得到残余动量值,提取其特征向量,最后训练分类器并进行测试,得到测试结果。本文将残余动量故障检测算法推广到柔性机械手臂领域,搭建了仿真平台,对比分析了刚性和柔性机械手臂残余动量值的特点,实验验证了基于支持向量机的刚性机械手臂残余动量故障检测与分类算法的有效性,为基于残余动量的故障检测与分类的实际应用提供了基础。