基于并联机构的刚柔混合机器人灵巧手的设计与性能研究

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:dr_rush
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
21世纪开始,工业生产中工业机器人占比不断增加,对其性能的要求也不断提高。工业机器人的普通末端执行器由于其专门性,只能完成单一简单的抓取动作,已经很难满足日益复杂的操作要求。多指灵巧手作为新型的末端执行器,因其在抓取上具有良好的通用性和适应性,可以完成复杂和多样的操作任务,有重要的研究意义和应用前景。目前绝大多数的多指灵巧手为串联结构,采用的驱动方式为欠驱动,使灵巧手存在稳定性差和精度低等缺点,同时力-位混合控制设计复杂困难。根据以上的分析,利用并联机构在运动精度、承载能力和稳定性上的优点,本文提出了一种具有并联手指机构的机器人灵巧手,同时设计了一种恒力指尖机构,来提供稳定可靠的力环境,并简化控制算法。首先,对人手手指的抓取动作进行分析,确定了手指完成抓取所需要的运动类型。根据李群理论分析设计了一种仿人并联手指机构,提出了一种基于仿人并联手指机构的三指灵巧手,并进行了3D建模设计。然后,对并联手指机构进行自由度验证了,进行了运动学分析,包括位置正逆解、雅可比矩阵和加速度矩阵。其次,对并联手指机构的性能进行研究分析,利用手指机构结构参数和驱动范围确定了手指机构的工作空间,根据建立的雅可比矩阵分析了奇异位姿、灵巧性和静力学。接着,研究了灵巧手的抓取模式,对精细操作的协调操作自由度、运动学和空间进行了分析,通过对满足力封闭条件的分析,得到了求解满足力封闭初始抓取位置的数学模型,并基于稳定性指标对抓取位置进行了优化。再次,根据正负刚度机构组合设计了一种恒力指尖机构,对灵巧手强力抓取圆柱进行了受力分析,得到了满足稳定抓取的最小驱力矩和计算模型。最后,建立灵巧手虚拟样机,对运动学、恒力指尖和强力抓取进行了仿真分析,并制作了并联灵巧手物理样机,进行了相关的运动和抓取实验分析。通过对灵巧手的理论分析与实验研究,验证了本文所设计的多指灵巧手具有良好的灵巧性、适应性和承载能力,有多种抓取模式,可以对抓取物体的进行操作,同时恒力指尖可以提供一个稳定的力输出环境,可以满足工业生产制造中的要求。
其他文献
空间机械臂在太空中要完成许多复杂的任务,而且真空、失重、温差大的恶劣运行环境也为空间机械臂带来了很强的外扰,因此为空间机械臂设计精度高、抗扰能力强的位置控制策略是很有意义的。关节作为空间机械臂的核心组件,对空间机械臂的平稳运行起着至关重要的作用。关节的柔性、驱动电机的输出平稳性均影响空间机械臂的控制精度,因此本文考虑以上因素,对柔性关节机械臂系统的高精度位置控制开展研究。首先采用了基于端口受控哈密
在无人驾驶领域,驾驶决策是当前研究的热点和难点问题。深度强化学习(Deep Reinforcement Learning,DRL)算法寻求以端到端的方式解决问题,但一般需要大量的样本数据,同时面临输入数据复杂性高、模型复杂的问题,导致驾驶策略学习算法收敛速度慢,无法快速学习到有效策略。驾驶策略与多种因素相关,目前采用DRL的方法大多采用简单的约束奖励函数,仅能适应简单交通场景。由于实际交通场景复杂
随着深度学习的发展,全监督学习在计算机视觉、自然语言处理和语音识别等多个领域取得了巨大的进步。全监督学习依赖大量的数据标注,而大规模精细化标注需要很高的成本,影响了全监督学习进一步发展。弱监督学习只需利用不完整、不确切或不准确的数据标注,便可以完成与全监督学习相同的机器学习任务。因此,基于弱监督学习方法的研究具有重要现实应用意义。本文聚焦于以图像级类别标签为弱监督标注的目标定位研究。针对现有弱监督
随着计算机技术与人工智能的飞速发展,利用数字化智能化手段实现非物质文化资源的保护与传承已成为重要的研究课题。拉班舞谱是一种科学的人体动作分析记录体系,在全世界范围内被广泛应用和传播。作为一种便于存储的书面记录形式,拉班舞谱在记录和保存传统舞蹈方面发挥了巨大作用。由于手工记谱繁琐复杂,运用计算机技术的舞谱自动生成方法应运而生。然而,传统舞谱生成框架下的算法依赖于预先的动作分割,无法进行全局优化;普遍
二氧化碳排放所导致的全球变暖问题给生态环境带来了不可逆的破坏,实现“碳达峰、碳中和”目标已成为世界各国共同努力的方向。努力提升可再生能源发电占比则是持续推进碳减排,助力碳中和最终目标实现的重要手段。风电作为可再生能源发电的主要形式,也必将迎来大规模的发展。然而由于风电自身所固有的间歇性、随机性及波动性特点,其大规模并网会给电力系统带来较大的随机波动功率,对系统频率带来不利影响。自动发电控制(Aut
无人驾驶汽车是传感器、网络通信和信息安全等多种先进技术融合下的产物,包含感知、决策规划和动作执行三大模块。其中决策规划模块等同于人类的大脑,是无人驾驶系统中最核心的部分。近些年随着AI技术的飞速发展,强化学习逐渐崭露头角并成为了通往智慧型未来的主流方法之一。本文将以强化学习为手段设计面向无人驾驶汽车车道保持的决策方案,并在虚拟仿真环境下验证方案的可行性和有效性。首先,本文研究了典型的无人驾驶系统,
舵面负载模拟系统是一种地面条件下飞行器伺服控制机构的半实物仿真试验设备,主要用于复现飞行器舵面所受的各种空气动力载荷,以实现对伺服控制机构的检测和验证,从而确保飞行器的飞行控制精度。因此,舵面负载模拟系统对空气动力载荷谱的复现精度,将直接影响飞行器伺服控制机构检测结果的可信度和可靠性,并最终会关系到飞行器的飞控性能。然而,舵面负载模拟系统属于典型的被动式加载系统,将会受到多余力矩以及其它因素的干扰
无人驾驶列车系统是随着时代发展应运而生的产物,安全性、高效性和舒适性是其发展的核心要素和重要的设计指标。列车从人工驾驶到无人驾驶的转变对控制系统提出了更高的设计要求。同时,现代通信硬件设施和技术手段的发展,以及移动闭塞技术的广泛应用,保证了列车之间的信息交互,也促进了多列车协同控制的发展。随着人们对于出行的需求提升,乘客的乘车舒适性被列入列车控制系统的设计指标中,这是在列车保证安全高效运行的基础上
随着计算机立体视觉技术研究的深入,三维扫描技术得以不断发展,与其相关的点云数据处理技术也逐渐成为研究热点。点云边缘是用来描述目标物体轮廓边界的测量点集合,是理解和表达三维物体几何特征的基础,而对点云边缘的高精度提取也是实现点云目标物体参数高精度测量的前提条件。从点云边缘的完整提取和精确定位出发,本文提出一种基于法向量夹角均值与加权法线迭代的点云边缘提取算法,同时使用基于非边缘结构信息的点云优化方法
振动在生活中十分常见,如大型旋转机械的振动、车辆行驶引发的振动、铁路、桥梁和建筑物的自振等,这类振动的频率较低,一般在10 Hz以下。磁电式振动传感器是一种具有较低使用频段的测振传感器,而现有的磁电式振动传感器自然频率较高,其低频测量下限难以满足低频测量的要求,因此,需对其低频特性进行补偿。同时,对磁电式振动传感器工作性能的评估需要分析其自身的噪声水平,自噪声水平也是实时判定测振传感器是否劣化以及