冗余度涂胶机器人关键技术研究

发布时间：2017-04-05 20:09

  本文关键词：冗余度涂胶机器人关键技术研究，，由笔耕文化传播整理发布。

【摘要】：随着汽车工业生产技术的快速发展和生产规模的迅猛增长,汽车生产过程和工艺也日趋复杂与先进。为保证汽车产品质量、提升汽车综合产能,形形色色的工业机器人纷纷在汽车生产线上精彩亮相,并大显身手。时至今日,汽车生产线上的工业机器人不但具有高度的机动性、灵活性,也具有高度的智能性。当前,具有一定冗余自由度的机器人开始得到人们的关注与青睐。由于具有额外的自由度,与普通工业机器人相比,冗余度机器人具有更加宽广的工作空间、更加灵活的运动特性和更加突出的加工质量,在满足执行器末端轨迹跟踪任务的同时可以完成运动避障、避免关节角度超限以及优化工作载荷分配等相关工作。但汽车生产现场往往环境复杂,障碍众多,如何使冗余度机器人能够自动识别复杂多变的环境,并以此为依据对其运动轨迹进行实时规划,保证高标准的完成预定工作任务,是冗余度机器人技术发展的关键所在,也是本文研究的重点所在。为了对上述目标进行系统研究和深入探索,本文以一款经IRB 1410工业机器人改造得到的冗余度涂胶机器人为实例,以该冗余度涂胶机器人在工业化生产现场的具体应用为背景,对影响该冗余度涂胶机器人工作性能与使用效果的核心技术——冗余度机器人正逆运动学分析、运动障碍物避障策略,以及利用机器视觉对环境目标进行重建和识别的方法进行了探讨,具体内容如下:第一,运用相关理论方法对冗余度涂胶机器人的正运动学问题进行推导,并对其逆运动学求解方法进行了讨论,并在此基础上提出了一种全新的虚拟关节法来求解机器人的逆运动学问题。当冗余度涂胶机器人同时满足惟一性要求和解耦条件时,虚拟关节法将其重构成仅具有六个自由度的虚拟机器人,以便对其进行求解。在完成六自由度虚拟机器人逆运动学求解后,再将得到的解转化为冗余度涂胶机器人的解,从而实现了冗余度涂胶机器人的逆运动学求解。由于虚拟关节法考虑了机器人关节运动限制的具体情况及相关指标,构造了机器人的运动规划权重函数,可以在关节运动限制范围内优化冗余度涂胶机器人各关节变量,进而提升机器人的控制水平。仿真结果表明,在涂胶点和法向量已知的条件下,使用该方法可以快速有效的完成机器人关节角度的求解。第二,对冗余度涂胶机器人的轨迹规划方法进行了研究,求解了该机器人的工作空间,同时提出了一种多运动障碍物动态避障的算法,以改进传统避障算法的不足。该算法利用各障碍物的运动状态得到与冗余度涂胶机器人之间的最小预测距离,并利用雅可比转置矩阵将该最小预测距离推导出为机器人上对应杆件的躲避速度。此后,将所得躲避速度引入梯度投影法中求得冗余度涂胶机器人相应的关节角速度,并通过积分得到避障运动中机器人的关节角度值,在完成机器人执行器末端轨迹跟踪的同时实现避障。仿真结果表明,该方法可有效实现冗余度涂胶机器人对多个运动障碍物的动态避障。第三,为了实现冗余度涂胶机器人对特定目标的识别,提高其动态避障能力和加工精度水平,研究了基于模型的图像分割算法和轮廓优化匹配算法。首先分析了传统的基于模型分割算法的特点及不足,并在此基础上提出了一种基于原始图像和差分图像统计信息的局部活动轮廓模型。通过卷积图像与原图像相减,使得目标与背景的对比度加强,进而减少了噪声的影响。其后,又提出了一种轮廓优化匹配算法,在整体上对轮廓的视差进行求解,其好处是可以减少误匹配现象的出现,大大减少了匹配点的数目,从而在提高图像匹配的精度同时减少了图像匹配时间。对具有不同初始轮廓的图形进行的测试结果表明,与其它模型相比,本文提出的方法减弱了对初始轮廓的依赖性,能够正确提取弱边缘、灰度不均匀的图像,这对改善冗余度涂胶机器人对特定目标的识别效果大有助益。最后,对基于仿生机理的特定目标识别方法进行了研究。为了简化使用样本对神经网络进行训练的过程与步骤,采取不变矩方法将一幅图像转化为包含7个数字的一组不变矩,再求取每一幅图像的不变矩,将图像对应的不变矩和图像中目标的代号作为一组训练样本,由此获得的样本大大简化,减少了干扰因素,缩短了训练时间,提高了识别准确率。仿真分析和实验验证的结果均表明,本文所述方法能够有效提高神经网络目标识别的正确率,提升冗余度涂胶机器人的工作质量和作业效率。
【关键词】：冗余度涂胶机器人 正逆运动学 动态避障 虚拟关节法 图像分割 特征匹配 目标识别
【学位授予单位】：北京理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP242
【目录】：

• 摘要5-7
• Abstract7-12
• 第1章 绪论12-29
• 1.1 研究背景与目的12
• 1.2 冗余度机器人的特点与发展12-24
• 1.2.1 冗余度机器人的特点12-13
• 1.2.2 冗余度机器人的国内外发展现状13-19
• 1.2.3 冗余度机器人逆运动学研究现状19-22
• 1.2.4 冗余度机器人控制优化方法22-24
• 1.3 基于仿生机理的机器视觉感知与目标识别24-27
• 1.3.1 机器视觉在工业机器人领域的应用与发展24-26
• 1.3.2 仿生机理在机器视觉中的应用与发展26-27
• 1.4 本文研究内容27-29
• 第2章 冗余度涂胶机器人系统分析29-42
• 2.1 工业涂胶机器人系统组成29-33
• 2.1.1 工业涂胶机器人的国内外发展现状29-30
• 2.1.2 工业涂胶机器人的系统构成与分类30-33
• 2.2 IRB 1410机器人介绍33-36
• 2.2.1 IRB 1410机器人的组成与构型33-34
• 2.2.2 IRB 1410机器人的工作空间与运动性能34-36
• 2.3 冗余度涂胶机器人方案设计与实验平台搭建36-41
• 2.4 本章小结41-42
• 第3章 冗余度涂胶机器人运动控制研究42-85
• 3.1 冗余度机器人运动学基本原理42-45
• 3.1.1 空间坐标系与坐标变换43-44
• 3.1.2 运动学方程建立准则44-45
• 3.2 冗余度涂胶机器人正运动学研究45-51
• 3.2.1 冗余度涂胶机器人运动学方程46-50
• 3.2.2 冗余度涂胶机器人正运动学分析50-51
• 3.3 冗余度涂胶机器人逆运动学研究51-62
• 3.3.1 逆运动学解问题的讨论51-52
• 3.3.2 基于虚拟关节法的冗余度逆解算法52-55
• 3.3.3 冗余度机器人工具坐标系位姿的求解55-56
• 3.3.4 虚拟机器人逆运动学求解56-62
• 3.4 基于Simulink/Adams联合仿真的逆运动学验证实验62-71
• 3.4.1 机器人末端轨迹规划62-63
• 3.4.2 Adams中模型的导入与处理63-66
• 3.4.3 Simulink/Adams联合仿真实验66-69
• 3.4.4 对照实验69-71
• 3.5 冗余度涂胶机器人动力学研究71-84
• 3.5.1 冗余度涂胶机器人动力学建模71-73
• 3.5.2 模糊自适应参数整定PD控制器设计73-81
• 3.5.3 冗余度涂胶机器人动力学仿真81-84
• 3.6 本章小结84-85
• 第4章 冗余度涂胶机器人自主轨迹规划研究85-98
• 4.1 冗余度机器人工作空间求解86-87
• 4.2 冗余度机器人避障策略与算法87-90
• 4.2.1 梯度投影法87-88
• 4.2.2 基于雅可比转置矩阵的避障算法88-90
• 4.3 仿真验证90-96
• 4.4 本章小结96-98
• 第5章 冗余度涂胶机器人机器视觉关键技术研究98-117
• 5.1 基于活动轮廓模型的新型图像分割算法100-102
• 5.1.1 传统基于模型分割的算法的不足100-101
• 5.1.2 局部活动轮廓模型的建立101-102
• 5.2 基于立体视觉的轮廓优化匹配算法102-110
• 5.2.1 立体匹配算法104-107
• 5.2.2 轮廓优化匹配算法研究107-110
• 5.3 基于仿生机理的特定目标识别算法研究110-116
• 5.5 本章小结116-117
• 第6章 冗余度涂胶机器人关键技术的实验与验证117-137
• 6.1 冗余度涂胶机器人验证实验117-121
• 6.1.1 汽车前挡玻璃的涂胶试验118-119
• 6.1.2 汽车大灯涂胶轨迹的对比实验119-121
• 6.2 机器视觉关键技术的验证实验121-136
• 6.2.1 新型图像分割算法实验及结果分析121-122
• 6.2.2 轮廓优化匹配算法实验验证122-128
• 6.2.3 特定目标识别实验结果分析128-130
• 6.2.4 涂胶质量检测130-136
• 6.3 本章小结136-137
• 结论与展望137-140
• 参考文献140-147
• 攻读博士学位期间发表的学术论文147-148
• 致谢148

  本文关键词：冗余度涂胶机器人关键技术研究，由笔耕文化传播整理发布。

本文编号：287613