0025-水果采摘机械手结构设计【CAD图+SW三维模型+文献翻译+说明书】
0025-水果采摘机械手结构设计【CAD图+SW三维模型+文献翻译+说明书】,CAD图+SW三维模型+文献翻译+说明书,水果,生果,瓜果,采摘,机械手,结构设计,cad,sw,三维,模型,文献,翻译,说明书,仿单
开题报告题目名称 水果采摘机器手结构设计学生姓名专 业班 级1、 选题的目的意义随着电子技术和计算机技术的发展,智能机器人已经在许多领域得到日益广泛的应用。在农业生产中,由于作业对象的复杂、多样,使得新概念农业机械一一农业机器人的开发具有了巨大经济效益和广阔的市场前景,符合社会发展的需求。目前,在我国农业增长中农业科技进步对农业增长的贡献率已达到45%以上,超过了土地、劳动力以及物资投入要素的贡献份额。新阶段“科教兴农的目标是力求通过5-8年的不懈努力,农业科技进步贡献率达到55%以上,科学技术成为农业和农业经济发展的主要推动力。但是,我国农业机械化对农业生产的贡献率仅为17%,与发达国家存在很大的差距,加速农业现代化进程,实施“精确”农业,广泛应用农业机器人,以提高资源利用率和农业产出率,降低劳动强度,提高经济效率将是现代农业发展的必然趋势。同时,国内的水果采摘作业基本上都是手工进行的。而21世纪,农业劳动力将逐渐向社会其它产业转移,世界各国面临着人口老龄问题,劳动力不足将逐渐变为现实。随着老龄化和劳动力的减少,农业生产成本也相应的提高,更重要的是温室作业环境下劳动舒适度较差,收获作业劳动强度大,研究农业机器人特别是果实收获机器人具有重要意义。番茄内含有糖、有机酸、矿物质和多种维生素等营养成分,属于营养丰富的“水果蔬菜”,是广泛栽培的重要果菜种类。据20世纪90年代中期统计,世界番茄的总产量为4900万吨/年,其中美国750万吨/年,中国680万吨/年。随着设施农业的发展和作业机械化的要求,对番茄种植模式要求也越来越高,尤其是在可控环境的温室中种植面积迅速增长,因此种植、管理和收获的劳动量也越大,研究开发果实收获机器人,实现机械化、自动化与智能化收获是现代农业工程的重要课题。据统计,番茄的机械化采收与人工采收相比,具有很强的优越性。表1.1列举了机械化采收与人工采收在费用,速度,损失等方面的对比情况。表1.1番茄机械化采收与人工采收对比表中我们可以明显的看到番茄机械化采收与人工采收在各方面对比的优势,我们只要设计合理的末端执行器,尽量降低采收损失,番茄采收机械化必将具有广阔的发展前景。二、国内外研究综述1.国外研究状况 从1983年第一台番茄采摘机器人在美国诞生以来,采摘机器人的研究和开发已经历经了近20年。日本和欧美等发达国家相继立项研究用于采摘苹果、番茄、葡萄等水果的智能机器人。到1997年,国外开发的一系列果品蔬菜收摘机器人均研制出了样机。在农业机器人的研究方面,法国是最早研究水果收获机器人的国家之一。荷兰收获机器人的研究工作也走在很多国家的前面,但研究的果蔬种类并不多。日本于20世纪80年代初期已开始农业领域的机器人研究,1984年Kyoto大学研究番茄收获机械手以来,日本在农业机器人研究方面一直居各国之首。农业机器人在日本、美国、荷兰等发达国家己经应用于农业生产过程,其中嫁接机器人已在日本一些公司商品化,以动物为作业对象的机器人都已分别在澳大利亚和荷兰一些公司商品化,机械手类型的机器人在日本的几个农机公司和电气公司进入到商品化生产前的最后研发阶段。表1.2为部分国家果蔬收获机器人的研究进展统计情况。番茄收获机器人属于机械手系列。番茄收获机器人是多用途机器人,通过改变末端执行器与控制程序,不仅可以采摘普通番茄,还可以采摘樱桃番茄。表1.2 国内外果蔬收获机器人研究进展统计如图1.1是日本的N.Kondo等人研制的番茄收获机器人,由机械手、末端执行器、视觉传感器、移动机构和控制部分组成。用彩色摄像机作为传感器寻找和识别成熟果实。利用自由度的工业机器人。为了不损伤果实,机械手的末端执行器是带有软衬垫的吸引器,中间有压力传感器,把果实吸住后,利用机械手的腕关节把果实拧下。行走机构有4个车轮,能在田间自动行走,利用机器人的光传感器和设置在地头土埂的反射板,可检测是否到达土埂,到达后自动停止,转动后再继续前进。图1.2所示为番茄采摘机械手。 图1.1番茄采摘机器人 图1.2番茄采摘机器手 图1.3为日本的N.Kondo等人研制的黄瓜收获机器人,采用三菱六自由度工业机器人,利用CCD摄像机,根据黄瓜比其叶茎对红外光的反射率高的原理来识别黄瓜和叶茎。收获时,先把黄瓜抓住,用接触传感器找出柄,然后剪断。图1.4为西瓜采摘机器人,日本Kyoto大学研制出一个5自由度液压驱动的机器人用于收获西瓜,它包括机器手、末端执行器、视觉传感器和行走装置。图1.3 黄瓜采摘机器人图1.4西瓜采摘机器人2.国内研究状况在中国,农业机器人研究也逐渐起步。中国农业大学率先在我国研制出自动嫁接机器人,并先后研制成功了自动嫁接法、自动旋切贴合法等嫁接技术。并获得发明专利,填补了我国自动化嫁接技术的空白,形成了我国具有自主知识产权的自动化嫁接技术。嫁接机器人能够完成砧木、穗木取苗、接合、固定、排苗等嫁接过程的自动化作业,大大提高了作业效率和质量,减轻了劳动强度,可用于黄瓜、西瓜、甜瓜苗的自动嫁接。 吉林工业大学与吉林农业研究所研制的锄草机器人,装有摄像机和图像处理计算机。能快速准确地分辨出蔬菜苗、杂草和土壤之间的差别,还能在种植行间自动行走。上海交通大学的曹其新等人研发了草莓拣选机器人样机。该样机具有学习功能,作业时可根据示教拣选对象的标准样本,改变或调整机器人拣选草莓的种类,并可一机多用,即使是没有专业知识的操作人员,也能很容易地掌握其操作方法门。东北林业大学的陆怀民研制了林木球果采摘机器人如图1.2,主要由5自由度机械手、行走机构、液压驱动系统和单片机控制系统组成,如图1.3所示。采摘时,机器人停在距离母树35m处操纵机械手回转马达对准母树。然后,单片机控制系统控制机械手大、小臂同时柔性升起达到一定高度,采摘爪张开并摆动,对准要采集的树枝。大小臂同时运动,使采摘爪沿着树枝生长方向趋近1.52m,然后采摘爪的梳齿央拢果枝,大小臂带动采集爪按原路向后返回,梳下枝上球果,完成一次采摘。这种机器人效率是500kg/天,是人工的3050倍。而且,采摘时对母树的破坏较小,净采率高。另外,我国一些科研院所也正在对移动机器人定位、导航等方面进行研究。但均处于研究开发阶段。 图1.2 实物图 图1.3示意图分析国内外农业机器人研究进展与应用现状可知,国外已经研制了各种农业机器人,技术比较成熟,部分农业机器人己有初步应用,但我国农业机器人技术研究处于起步阶段。与日本、美国等发达国家差距较大。开发各类农业机器人,适应农业生产过程智能化发展的趋势,是当代农业工程领域的重要研究课题。三、毕业设计(论文)所用的方法1. 参考国内外机械手专利或文献进行参考设计;2. 学习机器人知识,模仿人类采摘水果动作进行类比设计;3. 运用机械原理机械设计中结构设计的方法对机械手的结构进行设计和选型;4. 利用三维建模的方式对机械手零件进行建模与装配;设计步骤: 搜索相关资料熟悉机械设计方法整体结构粗略构思与设计整合资料精确设计绘制三维零件图完成零件三维装配撰写说明书、打印图纸毕业设计论文答辩;四、主要参考文献与资料获得情况参考文献:1曹杰,张静。番茄机械化采收的发展J中国农机化,20031:45-472丁国文2001年我国蔬菜生产与市场分析中国温室20029:5-83 方建军移动式采摘机器人研究现状与进展J农业工程学报20042:273-3784梁喜风苗香雯崔纠荣于永维,番茄收获机器人技术研究进展J,农机化研究,2003(4),1-45赵匀武传宁胡旭尔等,农业机器人的研究进展及存在的问题J,农业工程科学报,2003,19(1),20-246张铁中徐丽明,人有前景的蔬菜白动嫁接机器人技术机器人技术与应用,2001(2),14-157曹其新吕恬生永田雅辉干红永,草莓拣选机器人的开发,上海交通大学学报,1999,33(7),880-8838陆怀氏,林木球果采摘机器人设计与试验J,农业机械学报,2001,32(6),52-58五、指导教师审批意见 指导教师签名 年 月 日 毕业设计(论文)任务书学生姓名学 号教师姓名职 称题目水果采摘机器手结构设计主要研究内容1. 查阅资料;2. 了解机械手采摘水果时的工作情况;3. 机械手手指、手臂及传动机构设计与选型;4. 画出相应的零件图,并制作机械手的三维装配模型;5. 编写设计说明书;研究与设计方法1.机械设计方法;2.设计内容分析和相关知识的整理;3.三维软件模型建立及零件干涉检查;主要技术指标(或研究目标)1理解掌握机械设计相关知识及步骤;2运用三维软件建立三维模型;主要参考文献1. 张锡山.机械工程手册.北京:机械工业出版社,1997. 2. 郑德明等.机床电气控制.上海:复旦大学出版社,2009.3. 詹迪维.SolidWorks快速入门教程.北京:机械工业出版社,2010. 4. 濮良贵,纪名刚.机械设计.北京:高等教育出版社,2006.5. 孙恒,陈作模.机械原理.北京:高等教育出版社,2001.6. 哈尔滨工业大学理论力教研室.理论力学.北京:高等教育出版社,2010.J. Cent. South Univ. Technol. (2011) 18: 11051114DOI: 10.1007/s1177101108107集成气动机器人灵巧手指的设计与控制王志恒,张立彬,鲍官军,钱少明,杨庆华特种装备制造与先进加工技术重点实验室,教育部和浙江省,浙江工业大学,杭州310032中南大学出版社和施普林格出版社2011年柏林海德堡摘要:基于气动柔性驱动器(FPA),关节弯曲和侧摆关节,开发了一种新型的气动机器人灵巧手指。手指配备一个五分量力传感器和四个非接触磁性旋转编码器。机械部件和FPA整合,从而减少了手指的整体尺寸。通过FPA的直接驱动,其关节输出扭矩更为准确,同时能有效地减少摩擦力和振动。一种改进型遗传算法(IAGA)被用于解决冗余手指的逆运动学问题。进行手指静力学分析和建立指尖力与关节力矩之间的关系。最后,对手指的力/位置控制原理进行介绍,并进行指尖力/位置跟踪实验。实验结果表明,指尖位置跟踪误差在1mm以内,指尖力跟踪误差在4N以内。从其理论和实验结果得知,机器人手指控制是可行的,其具有良好应用前景。关键词:气动灵巧手指;气动柔性驱动器(FPA);机器人多指灵巧手;弯曲关节;侧摆关节;1 引言:机器人与环境互动的最终执行操纵者机器手(通常称为机器人末端执行器)在提高其灵活性和智能化水平中起着重要作用 1 。早期的传统工业机器人末端执行器结构简单,仅限于一个自由度(DOF),限制了机器人的发展和应用 2 。因此,具有多关节和多自由度的机器人多指灵巧手,为许多研究者所追求。自20世纪70年代以来,各种类型的多指灵巧手被研究出来。代表性的多指手有36:由日本电子技术实验室1974年开发的冈田手,由斯坦福大学研发的斯坦福大学/ JPL手,由麻省理工学院和犹他大学1980年提出的发展犹他/ MIT手,由德国航空航天中心开发出的DLR手,由美国国家航空宇航局NASA1990年研制的Robonaut手和基于气动人工肌肉在第二十一世纪由影子机器人公司开发的灵巧机器手。由北京航天航空大学机器人研究所研制成功的BH灵巧手。由哈尔滨工业大学开发的HIT手。上面提到的大多数多指机器手都是由电动机驱动的,有很少一部分是由气动活塞或气动肌肉驱动器(PMAs)驱动的。由电机驱动的多指机器手可以实现高精度的位置控制。为了使机器手在较小的整体尺寸下拥有较大的指尖力,多指机器手的驱动电机大多安装在机器人的前臂或者手腕,同时手指关节由电缆管道机构驱动7。但这种电机电缆驱动的设计方案却会导致很多缺点,如:1)机器手基金项目:项目(2009AA04Z209)由国家高技术研究发展计划资助;项目(R1090674)由浙江省自然 科学基金会,中国;项目(51075363)由中国国家自然科学基金会资助手稿日期:2010-03-03;接受日期:2010-08-20作者简介:杨青华,教授,博士生;电话:+ 8657188320819;电子邮件:robotzjut.edu.cn的结构复杂,尺寸一般比较大;2)需要增加额外的电缆张力传感机构,同时难以实现的实时控制和精确控制;3)当电能通过电缆传输,在伺服回路中难以避免地附加了摩阻,导致机器手的效率降低。由PMA(影手)或气动活塞(犹他/ MIT手)驱动的多指手的结构是简单的,但它们也有一些缺点如下:1)执行器和机器手是分开的,所有的关节都是由电缆驱动,摩擦弛豫和能量损失难以避免。2)MPAs没有统一的数学模型,因此指尖输出力和关节的位置是很难控制的。3)许多PMA或气动活塞,使得机器人手臂尺寸更大。近年,机器人手项目还在中国的浙江工业大学实施。这个项目的目的是开发一个基于柔性气动驱动器的集成多感官的气动多指灵巧机器手,并可以弥补现有机器人手的不足,其被命名为浙江工业大学手810。如图1所示,浙江工业大学手有五个手指,总共有20个自由度,它的大小是约人手的1.5倍。每个手指有四个自由度和四个关节。这个机器手的特点如下:1)机械部件和关节的FPAs是集成一体的。通过FPA直接驱动,没有额外的功率传输设备(如电缆,齿轮和人工肌腱),因此,摩擦小,同时振动可以避免。2)关节的力矩由输出端直接输出,所以指尖输出力可以很容易地控制。3)FPA有更好的功率特性。除了上述优点,浙江工业大学还具有结构简单,适应性好,良好的被动柔顺性和足够的握力等特点。图1:浙江工业大学手的三维模型机器人多指灵活手通常有35根手指。每个手指可以看作一个可以独立控制的小机器人。因此,对手指进行运动学、动力学和轨迹分析设计是多指机器手研究的基础。研究工作通过介绍浙江工业大学手的手指,分析手指的运动学及静力学原理,以及用实验来测试样本手指来说明各驱动关节和传感系统的特殊结构。2 浙江工业大学手的结构2.1 总述 图2展示的是手指的结构和图片,手指是根据下列概念设计的:1)每一个手指设计成一个模块;2)手指整体外观和性能尽可能与人的手指相像。手指安装了力/位移传感器,同时具有四个自由度和四个关节:两个掌指骨(MCP)关节、一个近侧指间关节(PIP)和一个远端指间(DIP)关节。图2:浙江工业大学手的灵巧手指:(一)结构(1-五构件力/力矩传感器;2,3,4-弯曲关节I, II, III;5-侧摆关节; 6-非接触角度传感器);(b)手指的照片2.2手指的驱动系统 该气动手指的驱动系统由三个弯曲和一个侧摆的关节构成。见图三,一个弯曲关节包括一个FPA,一个转轴,两个连杆,四个连接部件以及一个管道接头,而FPA是由一个嵌有螺旋钢丝的橡胶管和两个盖子组成的。盖子可密封橡胶管两端,固定于连接部件上,连接部件则通过螺钉与连接杆相接。图3:基于FPA的关节弯曲图:(a)弯曲关节结构(1-连接部分;2,8-管盖;3-连杆;4-FPA; 5-转轴;6- FPA的橡胶管;7- FPA的螺旋钢丝;9-管连接器);(b)弯曲关节的照片弯曲关节的工作原理如下:压缩的空气通过管道接头进入FPA内,管内空气的高压使橡胶管扩大。由于螺旋钢丝约束了其在径向上的形变,FPA向轴向扩张,进而通过连接部件推动连接杆,使连接杆以转轴为中心旋转。当FPA放气时则通过塑胶管的弹塑性恢复其原来的形状,同时拉动连接部件使关节恢复初始状态。通过调节PFA管内的气压从而控制关节弯曲的角度。现深度分析弯角和内FPA的气压之间的关系,建立静态模型,并对动态和静态特性进行实验测试 11 。关于角和弯曲关节的静态模型,t0是FPA的橡胶管壳厚度;是关节的弯曲角度;L为FPA的橡胶管的原始长度;E是橡胶的弹性模量;r0是FPA的橡胶管的平均半径;H是轴中心和橡胶管轴线之间的距离;p是FPA内部的空气压力;PATM是大气压;P是压力增量;F和out是在P下弯曲关节的输出力和输出力矩。p= 2Et0r0l2cot2+H-ll2cot2+H+patm (1)F=r0-t022P (2)out=FH=r0-t022HP (3)基于FPA的侧摆关节被提出,图4显示了侧摆关节的结构和图片。它基本是由两个FPA、两种T型连接杆,两个管道接头和一个旋转轴构成。两个FPA通过其管盖对称地固定于T型杆上。如图5所示,一个T型连接杆的底部有一个圆形的孔,而另一个则有两个腰形孔,两个T型连接杆和一个转轴通过增益结构组成了一个轴向拉伸转动副。图4:基于FPA的侧摆关节:(a)侧摆关节结构(1,8-T型连杆;2,7-FPA盖;3- FPA的螺旋钢丝;4-FPA的橡胶管;5-转轴;6-FPA; 9-管连接器);(b)照片侧摆关节图5两种T型连接杆侧摆关节的工作原理如下:在弯曲运动之前,两个FPA注入相同的压力压缩空气,因此他们是拉伸长度相同的。由于上文提到的连接杆上的腰形孔,侧摆关节只沿轴向伸展,而不向其他方向的弯曲。从而通过改变管内的气压,两个FPA可拉伸不同的长度。如果左侧FPA的拉伸长度大于右侧,关节则弯向右侧,反之亦然。当两个FPA放气时,由于橡胶管的弹塑性,侧摆关节将恢复其初始状态。侧摆关节弯曲角度可以通过调节两个内FPA的气压来控制。弯曲旋转角度和两个FPA里的空气压力的关系是可得到的,同时用实验来检验他们的静态和动态特性 12 。侧摆关节力的静态模型类似于弯曲关节。侧摆关节角度的静态模型数据有:在pl和ps分别是两个FPA的内空气压力;a是两个FPA的轴线间距离;l是两个FPA在预拉伸下的长度;其他的符号与弯曲关节的静态模型具有相同的含义。关节设计是开发机器人手的关键问题之一。关节的结构和灵活性直接决定机器手的工作空间和功能。上述关节的特征可以概括如下:1)这两个关节由FPA直接驱动,其优点有适应性强,结构简单,能量损失小。力臂的长度是固定的,因此可以很容易的控制输出力矩。2)由于空气的可压缩性和橡胶的柔韧性,FPA的刚度较低,因此关节转动副的灵活性较好。除了FPA以外,关节的其他结构均为刚性部件,其可以提高关节的刚度。一个人的手不是僵直的,而是在放松时非常灵活,并在紧张时还有一定的灵活性,该机器人手能很好地满足人手的这一特点。这些刚/柔度特性使该关节能很好地模拟人类的手。2.3手指的传感系统一个机器人多指手应配备一套良好的位置和力传感器,使机器人手可以握紧和操作物体。这些传感器应具有体积小的特点,同时应尽可能的减少对机器手的影响。这个项目的手指的每一个关节都配备有由奥地利微电子公司制造的非接触磁性旋转编码器AS5045。结合集成霍尔元件, AS5045能准确计算测量出360旋转的角度,分辨率达到0.0879。它的好处参考以下 13 :1)完整的芯片系统,2)由于有非接触式位置传感器,其适合在恶劣环境下的应用,3)无需校准,和4)无铅封装:SSOP 16(5.3mm6.2mm)。如图6所示,该工作开发的角位置的传感系统由一个基于DSP(数字信号处理器)的嵌入式微处理器,一条数据线和一个小的带有AS5045的PCB板(电路板)组成。AS5045可借助小PCB板上固定在关节上。如图7所示,只要固定在关节轴端的一个简单的两极磁体,转过AS5045的中心,就可测出关节的角度。因为角度传感器不与关节相接触,所以它对关节没有任何影响。除了关节的角度外,当机器人手抓住或操纵某物体时,还可得到物体和手指之间的压力大小。我们可以根据关节角/指尖力度的信息,从而判断机器手抓握或操纵物体是否稳定。图8所示为一个小型的带有数字化输出的五元力/力矩传感器固定于指尖。带有双金属片E-Film(E型膜)结构的压力传感器的技术参数列于表1。图6:关节角度传感器系统图7:关节角度测量示意图:1 -弯曲关节;2-FPA;3-转轴;4-两极磁铁;5-AS5045 6-pcb板;图8:五元力/力矩传感器3浙江工业大学手手指的运动学分析3.1直接运动学手指一个手指的运动学定义如图所示。该基平面的原点是建立在侧摆关节的旋转轴上。手指的D-H参数列于表2。表1:力传感器的技术参数技术指标 参数外部尺寸/mm 24(直径),20(高)分量 5 (Fx, Fy, Fz, Mx, My) 测量范围 20 NF20 N,20 NcmM20 Ncm精度/% 1-3(满刻度)重复性误差 2(满刻度)采样时间/ms 1过载能力/% 200(满刻度)电源电压/V 5(DC)工作温度/C 0-50工作相对湿度/% 85输出形式 控制器局域网总线(CAN BUS)图9:手指连接模型表2:手指D-H参数关节i杆长, ai/mm关节角度范围, i/()14315, 152650, 903590, 904450, 90根据图9,得到变换矩阵:A40=A10A21A32A43= (6)为方便起见,我定义:ci=cosi; si=sini; cij= cos(i+j); sij=sin(i+j); cijk=cos(i+ j+k); sijk=sin(i+j+k); i, j, k=1, 2, 3, 4。从式(6),指尖相对基座坐标为:x = c1(a4c234 +a3c23 + a2c2 + a1) (7)y = s1(a4c234 + a3c23 + a2c2 + a1) (8)z = a4 s234 + a3s23 + a2 s2 (9)根据以上分析,手指的直运动学是容易和直观的,并有一个唯一的解。3.2 手指的工作空间指尖指在执行器和手指结构的限制下达到空间范围称为工作空间。如图10所示,把用表2中的数据直接代入运动学方程,运用MATLAB模拟软件,可以得到手指的三维工作空间及其基础框架的二维坐标平面的工程图,通过分析工作空间,手指的结构参数可以进一步优化。3.3手指逆运动学逆解运动规划和控制通常是机器人手指逆运动学求解的一种常用方法。逆运动学求解是一个非线性问题,它涉及解的存在性、唯一性和最优性等等。是否存在解或解是否完全,回答了手指工作空间的问题。给出的指尖相对基面的坐标值(PTx,PTy,PTz),代入式(7)代入式(8),弯曲角度1侧摆关节可以在15-15范围的获得唯一解:1=arctan PTyPTx (10)这项工作中手指的四个关节不是机械性地相互耦合的。利用代数理论计算可以看出,除了1有唯一的解以外,其他三个关节角度尚且无解,因而存在冗余的问题。目前,通常用四种方法去解决冗余度机器人手指的逆运动学问题。他们是几何方法,代数方法,数值迭代方法和人工智能方法 15 。几何法缺乏通用性;代数法仅适用于具有少数关节的机器人手指;数值迭代法可以从各种迭代的解决方案得到一个解决方案,但很难保证解的正确性;而人工智能法则以其独特的优势成为的研究的趋势1618。图10:模拟手指的工作空间(a)在x0y0平面投影图;(b)在x0z0平面投影图;(c)在y0z0平面投影视图;(d)在三维空间x0y0z0工作空间图一种改进型自适应遗传算法(IAGA)应用于解决这项工作中手指的逆运动学问题。改进型自适应遗传算法采用二进制编码的模式选择,适者生存,增加了新的个体动态,同时介绍一种基于人口集中分散的自适应遗传算子。它可以避免种群早熟收敛,提高算法的收敛速度和获得全局最优解的有效性。实施IAGA,存在的主要问题如下:1)适应度函数是GA和优化问题之间的连接。每个个体(解)的适应度值会通过适应度函数计算,我们可以根据适应度值判断个体的好坏。个体的适应度值越小,就越接近于最优解的计算,反之亦然。结合直接运动学的分析,从而建立适应度函数:f ()= a1 |a4c234 +a3 c23 + a2c2 + a1| pTx +|s1(a4c234+a3c23+a2c2+a1)-pTy|+ |a4c234+a3c23+a2c2-pTz| (11)zwhere =(1, 2, 3, 4).2)约束根据关节的结构和性能,建立了适用于该指相应的约束:1=arctanPTyPTx,1-15,150j90,j=2,3,4 (12)3)自适应遗传算子为了避免发散或得到一个局部最小值,IAGA运行时,对交叉概率Pc和变异概率Pm进行自适应调整是必要的。该项工作采用了基于人群集中分散的自适应遗传算子。自适应交叉概率Pm和变异概率 Pc反映max为人群最大的适应值;min是人口最低适应值;avg是种群的平均适应值;是两个交叉个体中较大的适应值。是基因突变的个体适应值;Pc,max和Pc,min分别为最大和最小交叉概率;Pm,max,Pm,min分别为最大和最小的变异概率;是人群集散系数(0.5a1)。 图11是从式(13)和式(14)得到的,它显示无论人口处于什么状态,Pc与Pm随着适应值的增大而减小。有较大适应值的个体,其Pc和Pm较小,因此优秀的个体得到保护而不被破坏,反之亦然。当人口集中时,交叉操作不会改变人口状态,为了提高种群的多样性和避免早产,应该增加Pm而降低Pc。而当人口分散时,为了保护优秀个体,Pc应该增加而Pm应该减少。图11:Pc和Pm的分布图:(a)交叉概率Pc;(b)变异概率Pm表3改进型自适应遗传算法的模拟参数:人群数量,N变量,Nvar代,GgapPc,max5040.89Pc,minPm,maxPm,min0.10.150.0010.85借助Matlab和Sheffield遗传算法工具箱,运用自适应遗传算法进行模拟实验,分析手指的逆运动学。模拟参数列于表3,给定指尖的坐标值为(120,20,75),当适应度值小于107时,可以得到模拟的结果,如图12所示。可以看出自适应遗传算法在第一百四十七代停止了运行。从而可得到最适应值为4.551 110-8和最优解的集合。从模拟结果可得出,该项工作提出的改进型自适应遗传算法可以有效地解决了冗余手指的逆运动学问题。图12:手指逆运动学仿真曲线4浙江工业大学手的静力学分析4.1绘制指尖力等效节点力矩根据机器人,有: =JT0F (15)=1 1 1 1T,是41转矩向量。0F=0x 0y 0z 0mx 0my 0mz,是指尖力矩向量。0F是指向基座的总力。JT是相对于基座的雅克比转矩。在这项工作中,手指的雅可比矩阵J是相对于基座的:为方便起见,需定义:P=a4c234+a3c23+a2c2+a1,Q=a4s234+a3s23+a2s2,R=a4s234+a3s234.2指尖力变换指尖的输出力4F = 4x 4y 4z 4mx 4my 4mz 相对于指尖框架(刀架)是一个61力矩矢量,如图9所示。由于手指关节只能实现弯曲运动并没有扭转运动,4F的子矩4mx在x4轴的数值很小,可以忽略不计。因此,选择五分量力/力矩传感器。公式(15)中相对于基座的0F和同是相对于基座的指尖力传感器输出力4F是可得到:5实验系统和实验结果5.1手指的力/位置控制原理有两种控制机器人手指的方案:关节空间控制方案和笛卡尔空间方案。关节空间控制方案特点是算法简单,实时计算量小,控制精度高,因此目前大多数的机器人多指灵活手都采用该方案。这项工作提出的手指力/位置闭环控制系统框图示于图13。控制原理是:给定的目标位置的笛卡尔坐标中给定指尖的目标位置和方向PT,通过逆运动学可以算出与目标位置和方向相符的关节角度集合T。关节控制器可以利用来自角度传感器的关节反馈使实际的关节角趋于所需的角度T。从而,可运用直接动力学计算指尖的实际位置和方向PA,使其与所需指尖运动轨迹相符。当关节角度一定时,可用方程(15)来计算与给定指尖目标压力FT相对应的关节力矩T,该控制系统可根据力传感器的反馈,输出与目标指尖压力相符的实际指尖压力FA。图13:指尖力/位置控制系统框图5.2手指实验图14为以上述分析为基础建立的手指的实验平台。工业计算机(IPC)通过D / A转换器发送五路模拟电压信号,可以使(SMC:ITV0050-3BS)五元电子气动调节器输出的空气压力与关节FPA相适应。关节在气压下弯曲一定角度,该角度用AS5045测得并通过发送CAN总线发送到IPC。同时,电子气动调节器内的压力传感器把FPA管内压力反馈到IPC,然后指端力由五分量力/力矩传感器测得并通过CAN总线发送到IPV。结合了Delphi和Matlab的PC控制和图形显示软件是先进的。图14:试验系统原理图手指的静态力/位置跟踪实验已经开展。图15所示为当给定指尖输出力F = 0,指尖轨迹为z0=30 sin(/40)x0+100时,在x0z0平面上的跟踪轨迹。从图15可得出,静态的指尖位置跟踪效果良好,跟踪误差在1毫米内。由于输出压力F0,指尖位置跟踪精度主要取决于关节的控制精度。 当指尖安装后,所需的指尖输出力迹线是一个三角形的波形描述为:0z=-2 0x,-4 0x02 0x+16,-8 0x14 (18)图15:指尖位置跟踪线图16为所得到的跟踪结果。从图可知,跟踪曲线和目标曲线之间存在0.4N的误差,此误差的原因是:1)FPA橡胶管内的空腔小,因此FPA管内气压对电子气动调节更敏感,从而造成指尖的输出力波动;2)在气压下,FPA形成不规则变形;3)指端力传感器的噪声影响。图16:指尖输出力跟踪曲线6 总结1)在一种新型气动器PFA的基础上,创造了一个具备刚度及柔度的机器人手,它带有位置和力传感器,具有四个自由度。它可以很好地模拟人的手指,每个关节都可以独立活动。通过FPA直接驱动的独特的机制,具有以下特性,如摩擦小,无振动,结构简单,适应性强,极大的被动柔韧性,整体尺寸小,足够的握持刚度。2)提出了一种改进型自适应遗传算法。它可以有效地解决了冗余手指的逆运动学问题。3)对手指进行了静态力/位置跟踪实验。结果表明,手指的位置跟踪误差在1毫米以内,同时指尖输出力跟踪误差在0.4N以内。根据实验结果,得出的结论是:基于闭环控制系统的角度和力传感器,可以很好地控制机器人手指。参考文献:1 江黎,蔡他高,刘洪。新型集成化仿人手指及其动力学分析J.。中国机械工程学报,2004,40(4):143149。(中文)2 刘洁茹,张宇。机器人灵巧手的抓取识别系统的设计和制作J.。机器人,2003,25(3):259263。(中文)3 OKADA T. Computer control of multijointed finger system for precise handling C/ Proceeding of the IEEE Conference on Systems, Man, and Cybernetics. San Diego: IEEE Press, 1982: 289299.4 JACOBSEN S, WOOD J, KNUTTI D, BIGGERS K B. Utah/MIT dexterous hand: Work in progress J. The International Journal of Robotics Research, 1984, 3(4): 2150.5 HIRZINGER G, FISCHER M, BRUNNER B, KOEPPE R, OTTER M, GREBENSTEIN M, SCHFER I. Advances in robotics: The DLR experience J. The International Journal of Robotics Research, 1999, 18(11): 10641087.6 LIU H, MEUSEL P, SEITZ N, WILLBERG B, HIRZINGER G. The modular multisensory DLR-HIT-Hand J. Mechanism and Machine Theory, 2007, 42(5): 612625.7 YANG J Z, PITARCH E P, KARIM A M, PATRICK A, LINDKVIST L. A multi-fingered hand prosthesis J. Mechanism and Machine Theory, 2004, 39(6): 555581.8 ZHANG Li-bin, BAO Guan-jun, YANG Qing-hua, RUAN Jian, QI Li -yong. Static model of flexible pneumatic bending joint C/ Proceeding of the 2006 9th Int Conf Control, Automation, Robotics and Vision. Singapore, 2006: 174917539 ZHANG Li-bin, WANG Zhi-heng, YANG Qing-hua, SHAO Tie-feng, BAO Guan-jun. Kinematics model and simulation of 5-DOF finger based on flexible pneumatic actuator J. Computer and Computing Technologies in Agriculture, 2008, 2(259): 777790.10 WANG Zhi-heng, BAO Guan-jun, ZHANG Li-bin, YANG Qing-hua. Development and control of flexible pneumatic wall-climbing robot J.Journal of Central South University of Technology, 2009, 16(6):961970.11 钱少明,杨青华,宝冠军,王志恒,张黎。基于气动柔性驱动器FPA J 弯曲关节的基本特性的研究。中国机械工程,2009,20(24):29032907。(中文)12 张黎本,王志恒,宝冠军,钱少明华,杨青。基于气动柔性执行器J 侧移的共同特点。农业工程学报,2009,25(8):交易,7177。(中文)13 uatria Microsystems. AS5045 12 bit programmable magnetic rotary encoder data sheet R. 2005: 124.14 CRAIG J J. Introduction to robotics: mechanics and control M. 3rd edition. New Jersey: Pearson Hall, 2005: 548.15 MANSEUR R, DOTY K L. Structural kinematics of 6-revolute-axis robot manipulators J. Mechanism and Machine Theory, 1996, 31(5): 647657.16 SHAO H, NONAMIB K, WOJTARAA T, YUASAA R, AMANOA S.Neuro-fuzzy position control of demining tele-operation system based on RNN modeling J. Robotics and Computer-Integrated Manufacturing, 2006, 22(1): 2532.17 KALRA P, MAHAPATRA P B, AGGARWAI D K. An evolutionary approach for solving the multimodal inverse kinematics problem of industrial robots J. Mechanism and Machine Theory, 2006, 41(10): 12131229.18 SHEN X N, LI S, GUO Y, CHEN Q W, HU W L. Multi-objective genetic algorithm for inverse kinematics problem of redundant manipulator J. Journal of System Simulation, 2008, 20(2): 399403.(杨兵编辑)
收藏