一种平行索驱动高速并联机器人的终端精度保证研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:tsg40
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
随着工业的发展,机器人的应用日益广泛,已成为推动生产自动化的主力军。分拣机器人作为机器人中的重要一员,是分拣和包装等领域的核心装备,需求量大面广。索并联机器人具有轻量化、高能效、成本低和高动态等优点,团队在前期研究中提出了一种具有平行索驱动结构的新型3平动自由度高速分拣机器人,并显现出巨大的性能优势和应用潜力。在分拣系统中,需要准确抓取物体,对机器人的精度提出了较高的要求。本文主要针对该平行索驱动高速并联机器人展开终端位姿精度研究,旨在保证抓取准确性,主要研究内容如下:建立了考虑滑轮运动学的索并联机器人的高精度运动学模型。由于滑轮摆动和绳索包角变化的影响,滑轮出索点具有时变效应,为此,推导了考虑滑轮的精确运动学模型,然后在其基础上对平行索并联机器人进行了灵敏度分析,得到了影响终端精度的主要结构误差以及这些误差对终端精度的影响关系及大小。根据灵敏度分析结果,对运动学模型进行简化,为后续研究奠定基础。建立了包含精度设计和初始位置调平两个步骤的平行索并联机器人的姿态精度保证方法。首先比较了随机数学方法和区间分析方法在精度分析中的应用和特点。然后假设绳索的初始长度为准确值,用基于区间分析和制造成本最优的精度综合方法得到了滑轮位置和动平台上绳索连接点位置的最优公差。在此基础上,通过理论分析阐明了动平台在初始位置进行调平,能够有效减小姿态误差,并通过仿真验证了上述理论分析的正确性。提出了平行索并联机器人的运动学标定方法,以提高其位置精度。分别推导了直接和间接测量终端位置辨识机器人结构参数以及测量Z轴坐标辨识初始索长的误差辨识模型。基于辨识矩阵的条件数最小确定了距离传感器的安装位置和最优的测点位姿。通过仿真验证了标定的可行性以及最优测点选择的合理性。完成了基于激光跟踪仪器测量的机器人外部标定实验,实验结果表明了标定的可行性和基于条件数最优选择标定测点的有效性。本文研究结果对于提高平行索并联机器人的精度,推动相关机器人在生产线上的应用具有工程实用价值。
其他文献
硬件特洛伊木马(Hardware Trojans,简写HTs)是指在芯片设计或制造过程中,在非授权情况下对原始电路进行有目的的修改或篡改,以达到在无条件或者在某种特定触发条件下实现改变系统功能,泄露机密情报或摧毁电路的目的。在Moore定律和Dennard缩放比例定律的指导下,芯片的集成度越来越高。在超大规模集成电路中,单个芯片可以容纳上亿个晶体管。随着IC(Integrated Circuit,
神经网络是人工智能算法的一个重要分支,这种算法具有统一的结构,更换权值即可实现不同的任务,同时权值还可以通过自动的训练获得。这些特性使神经网络可以广泛应用在很多领域,如机器视觉、自然语言处理、加密解密等。但是神经网络具有运算消耗算力大的特点,因此构造一种可以高效处理神经网络算法的推理任务的加速器非常有必要。本文首先分析了卷积神经网络和神经网络加速器的基本理论,在此基础上对神经网络计算模型进行分析,
柔性可穿戴传感器可实现各种情况下的实时人体信号采集,在物联网发展迅速的现代社会起到至关重要的作用。基于石墨烯的新型柔性力学传感器具有良好的生物相容性和优异的电化学性能,且容易通过结构工程进行各种优化设计,但针对各种应用场景的性能优化方案和制备方法还需要更深入的研究。为了探究具有更高敏感度、稳定性和可拉伸范围的柔性石墨烯应力传感器的制备方法,本文利用H2-N2等离子体处理氧化石墨烯(GO),同时实现
雨是现实生活中十分常见的天气,它严重影响能见度,特别是下暴雨的时候。无论是依附在镜头上的雨滴,还是来自各个方向的雨,不断累积,最终使背景场景模糊,严重影响计算机视觉任务的准确性,例如:视频监控、目标检测、自动驾驶中的物体跟踪等。去除图像中的雨线或雨滴不仅可以提高图像的视觉质量,而且对这些计算机视觉任务十分有帮助。如何从下雨场景拍摄的视频和单一图像中恢复出无雨的视频或者背景图像一直是计算机视觉和模式
随着时代的发展,现代战场对于武器装备的要求也越来越高,其中认知能力是必不可少的关键能力之一。通过人工智能技术的使用,使装备系统能够智能地发现、确定、跟踪、瞄准和攻击威胁目标,并对攻击后的效果进行评估。辐射源的识别是认知侦察的关键环节之一,引起了国内外学者们的普遍关注。本文以辐射源识别为核心,重点针对辐射源数据分布存在偏差而识别率低的问题,展开基于迁移学习的辐射源识别技术的研究。具体而言,本文运用迁
随着当今物质生活水平的提高,制造业的标准也在逐步提高,工业制造的元件越来越精密,产品要求越来越高,常用的工厂检测已经不能适应现今大规模的生产进程,并且会束缚生产进度。比如人工检测主要通过工人肉眼识别元器件缺陷,但要求操作工有着丰富的经验以及大量的时间与耐心,且对微小缺陷的检测准确率低。传感器检测能够有效检测部分缺陷,但不同的缺陷需要不同的传感器来检测,有些精密传感器的价格极其昂贵,大大增加了成本。
智能制造的发展驱动了质量检测技术的高速演进,而芯片作为电子信息产业的关键产品,对智能化质量检测技术的工程需求迫切。其中,芯片表面标识的识别技术就具备较高的需求和应用价值。随着光学字符识别技术(Optical Character Recognition,OCR)逐渐深入工业领域,设计和实现适用于芯片相关制造场景的OCR方法,成为解决芯片标识识别问题的关键途径。当前,应用于产业中的芯片标识识别技术主要
神经形态计算凭借脉冲神经网络优良的生物可解释性和高能效比的优势而倍受关注,目前已有多款数字神经形态计算芯片问世。现阶段的数字神经形态计算硬件多采用一维神经元模型,一维神经元模型的生物细节表达能力却显不足。另有少数的神经形态计算硬件采用了二维神经元模型,但这些芯片所实现的二维神经元模型的硬件资源开销大且神经形态计算系统的可扩展性欠缺。本文在前人研究工作的基础上,针对以上问题,对数字神经形态计算硬件中
当今社会机器人变得越来越智能,相比人类具备更高的生产效率。因此,越来越多的行业开始启用机器人代替人工进行作业,所以机器人的智能化应用研究具备良好的前景。监所环境机器人是一种特殊的安防机器人,其可具备自主巡逻、自助充电、人数识别、异常报警等功能。理论上能够实现全天不间断巡逻,相比于人工具有情感等影响因素,机器人具备更高的可靠性。监所环境机器人运行于环境特征相似度大、特征较少的环境,其必须具备无人看管
移动机器人系统为了安全完成工作要求,最重要的任务之一,是通过传感器测量获取工作环境的知识,然后从这些测量中提取有意义的信息,这些信息是建立环境模型、明确自身位置的基础。传统的移动机器人观测模型基于理想的假设,如在基于视觉的感知方式中,通常假设环境噪声和测量噪声是各向同性、独立同分布的高斯噪声,无法全面地反映环境变化和传感器噪声等多源不确定性信息对感知过程的影响。为保证移动机器人在多源不确定性因素干