基于仿人机械手的五指力封闭抓取算法

手是人类在长期进化过程中形成的最完美的工具,能够灵活、精细的进行抓取物体等操作。机械手设计初衷是取代人手完成工作,是机器人系统的重要组成部分,因此抓取物体等操作一直是仿人机械手的研究重点。传统的抓取方法是利用机械手三指形成力封闭完成任务。但由于机械手本身结构复杂等原因,易出现控制信号偏差或某自由度未达到要求水平,使得抓取过程中目标物体脱落等问题。为了使机械手达到稳定抓取的效果,本文提出了一种效仿人手抓取的五指力封闭抓取算法,其本质是利用冗余机制解决传统三指抓取过程中可能出现的抓取不平稳或脱落的问题。首先,基于三指力平衡算法的思想上提出了满足五指力封闭抓取算法的条件。然后,对五指力封闭抓取算法进行了充分性和必要性的证明。最后,通过仿真环境下的实验抓取不同目标物体,验证了五指力封闭算法的可行性及必要性。     

多用途欠驱动手爪的自主抓取研究

对欠驱动手爪自主抓取进行了研究,将其分为自主决策和抓取控制两个过程．首先分析了欠驱动手爪的特点、主要的抓取模式,并借鉴人的抓取经验,采用模糊输入方法,综合考虑抓取任务要求和物体本身的特征属性,利用模糊神经网络良好的分类特性选择合适的抓取模式．在此基础上,完成手指姿势调整,采用基于传感器反馈的控制策略,在被抓物体上形成的合适的力分布以获得稳定抓取,并通过抓取实例验证了抓取决策和控制的正确性,提高了欠驱动手爪抓取的自动化水平．     

一种可感知三维力的新型柔性触觉传感器及滑觉识别算法研究

针对智能机器人在软抓取过程中对三维力感知和滑觉识别的需求,以炭黑/石墨烯为敏感材料,硅橡胶为基体,聚酰亚胺为柔性电极,设计了可以实现三维力感知的柔性触觉传感器;同时设计了一种可以实现滑觉识别的基于小波变换-相空间重构-支持向量机(DWT-PSR-SVM)的融合算法.针对机器人软抓取的实验结果表明,该传感器能够有效地检测三维力,通过所设计融合算法能识别在机器人抓取任务中的滑动状态和非滑动状态,可以进一步应用在机器人软抓取的工作中.     

基于肌力信号与电刺激感觉反馈的多自由度机械手人机交互控制

为使操作者能够灵活控制多自由度机械手并能感受到机械手的抓取力,提出了一种具有双向信息传输能力的可穿戴式人机交互系统及控制方法.该系统利用压力传感器(FSR)阵列采集与操作者手部动作对应的前臂肌力信号,基于SVM(支持向量机)多类分类器算法实现对手部动作的识别,通过发送动作模式码控制机械手动作.另外,基于经皮神经电刺激(TENS)原理,将机械手抓取力信号转变为电刺激信号刺激体表皮肤,实现机械手抓握力向人体的感觉反馈.实验表明,基于肌力信号和SVM分类器的动作模式识别方法可实现对10种手部动作的识别,成功率不低于95%;电刺激感觉反馈可向人体准确反馈抓取力感并实现盲抓取.     

基于力矩外环的软物体抓取控制

为减少机械手抓取软物体造成的损害,提出基于关节力矩预测的力矩外环在线抓取控制方案。该方案通过建立灰色预测模型直接预测关节力矩的变化代替预测软物体刚度的变化;并能同时控制机械手抓取过程中关节力矩偏差和角速度关系。在实际关节力矩和灰色预测力矩之间采用线性插值,按采样周期将预测力矩逐渐加到力矩回路中。仿真表明,当抓取具有刚度变化的软物体时,基于关节力矩预测的力矩外环软物体抓取控制系统对机械手和软物体之间的动态接触过程具有一定的自适应性,可以快速跟踪设定值,而且无大的超调和振荡出现,使控制性能和动态品质得到较大改善,具有较强的鲁棒性,是适合软物体抓取的一种控制方法。     

基于柔性三维力触觉传感器的滑觉识别算法研究

针对智能机器人在软抓取过程中对三维力感知和滑觉识别的需求,本文以炭黑/碳纳米管为敏感材料,硅橡胶为基体,聚酰亚胺为柔性电极,设计了可以实现三维力感知的柔性触觉传感器;同时设计了一种可以实现滑觉识别的基于小波变换-相空间重构-支持向量机(DWT-PSR-SVM)的融合算法。针对机器人软抓取的实验结果表明,该传感器能够有效地检测三维力,通过所设计融合算法能识别在机器人抓取任务中的滑动状态和非滑动状态,可以进一步应用在机器人软抓取的工作中。     

机器人滑觉传感器的研究

本文介绍作者研制的机器人握力实现可控“软抓取”的简易又实用的滑觉传感器.1 工作原理、结构和安装1.1 工作原理与结构将滑动位移量转换成角位移量,得到光电脉冲信号,送入控制计算机,其结构见图1.当机械手夹持物体(5)移动时,如果物体下滑,就带动摩擦轮转动,并通过齿轮副增     

平夹自适应欠驱动手的参数优化与稳定性分析

针对欠驱动多模式抓取问题,提出了一种具有平夹自适应复合抓取模式的8自由度机械手(PASA手).为了研究PASA手的抓取性能,提出了抓取姿态与稳定性分析模型.根据被抓取物体的位置、尺寸和大小的不同,PASA手能够执行平夹(PA)用于精确抓取,自适应包络用于力量型抓取,或者像人手那样既能平夹又能自适应抓取(PASA).不同抓取模式之间的切换是自动且自适应的.详细讨论了PASA手的运动、抓取力分布和在不同外力下基于势能的抓取稳定性分析.对各种状态下手指接触力进行了测量,并对不同的物体进行了抓取实验.尽管被抓取对象形状、大小各异,PASA手均能牢固抓取.实验结果表明PASA手具有可靠性和广泛适用性.     

机械手对目标物体抓取的研究

机械手在工业控制自动化中有着广泛的应用,介绍了一种主要由视觉和力觉传感器、电机及单片机和PC构成的四自由度机械手系统。主要讨论了该控制系统图象分析过程,系统硬件的结构和抓取控制的原理,并给出了上位机与下位机的串口通讯。试验结果表明该系统能够完成对形状为立方体的目标物体的抓取。     

机械手触觉技术研究发展综述

如何将复杂的多感知触觉技术融入机械手臂中是目前机器人技术发展中亟待解决的问题.无感官触觉回路的机械手臂并不适用于软体、易碎等物体的抓取,不同的物体需要不同的抓取力规划,抓取力过大往往会造成物体的损坏.从触觉传感器的设计出发,分析国内外机械手臂触觉研究现状,阐述前端执行器机械手触觉传感实现的主要技术,同时包括触觉技术的类型、原理设计、结构实现、传感信号获取与传输、解耦方法、灵敏度等方面的发展,为后期机械手臂实现传感、感知、控制3层执行架构的研究提供了新的思路.     

基于软体手的机器人遥操作人机交互系统研制

为了提升抓取软体物体、易碎物体的完整性,设计制作了一种基于软体手的机器人遥操作人机交互系统。研制了一种嵌入了弯曲传感器的软体主手,获取人手的弯曲电信号,以此判断人手的弯曲程度,实现对软体从手系统的遥操作。并在远端软体从手中嵌入压力传感器,获取软体从手抓取目标时的表面压力电信号,以此来判断软体手抓取目标时的力度,实现力反馈。软体手人机交互系统能够减小传统刚体机械手抓取目标的限制,可有效抓取软体或易碎目标,实验表明了其有效性。     

气动肌肉驱动的柔顺机器人操作手的设计和实现

以气动肌肉为主要驱动器,设计了一个柔顺机器人操作手,在腕部和手部两个不同的关节,使用了两种不同型号的气动肌肉,分别采取了两种不同的传动方式．给出了腕部俯仰关节的位置控制策略．建立了手指的静力学模型,以此为基础,分析了气动肌肉的输入压力与指端夹持力的关系．实验结果表明,该机器人操作手可实现对物体安全、柔顺的抓取操作．     

Pose Planning for a Mobile Manipulator Based on Joint Motions for Posture Adjustment to End-Effector Error

This paper proposes a motion planning method for a mobile manipulator. In general, humans can grasp an object by various ways which depend on object posture, position and so on. The objective of this paper is to present how to detect the pose of a mobile manipulator under the condition that several ways of grasping are given to the robot. Motion errors and object position errors are considered to detect robot pose in our method because these affect the grasp motion of the robot hand. Coping with these errors, we will propose an effective pose searching method for a mobile manipulator from numerous pose candidates. The performance of the proposed method is illustrated by simulation and experiment.     

Detection and prevention of slip using sensors with different properties embedded in elastic artificial skin on the basis of previous experience

In dexterous robotic manipulation, it is essential to control the force exerted by the robot hands while grasping. This paper describes a method by which robot hands can be controlled on the basis of previous experience of slippage of objects held by the hand. We developed an anthropomorphic human scale robot hand equipped with an elastic skin in which two types of sensor are randomly embedded. One of these sensors is a piezoelectric polyvinylidenefluoride (PVDF) film which can be used for the detection of pressure changes. The other is a strain gauge which can measure static pressure. In our system, PVDF films are used to detect slipping, and strain gauges to measure stresses which are caused by normal and shear forces. The stress measured by the strain gauges is used as input data to a neural network which controls the actuators of the robot. Once slip is detected, the neural network is updated to prevent it. We show that this system can control the grasp force of the robot hand and adapt it to the weight of the object. By using this method, it was shown that robots can hold objects safely.     

绳驱动纱筒抓取仿生机械手设计

针对纱筒上下料对人力过度依赖的问题,在研究仿生学手指基础上,构建面向智能制造的纱筒抓取仿生机械手。首先,采取模块化设计思想,设计适合纱筒抓取的仿生机械手结构模型,并选择绳索传动作为驱动方式;其次,详细分析仿生机械手的组成及其抓取原理,运用D-H坐标法,实现机械手指坐标系和手指基座坐标系之间变换,推导机械手末端位置方程,得到最优抓取姿态;最后,利用有限元软件,建立三维欠驱动仿生机械手模型并对其进行虚拟装配与运动仿真分析,以验证机械手抓取纱筒的可行性和稳定性,形成机器人智能抓取仿生机械手的关键技术。     

基于Kinect的机械臂目标抓取

为完成机械臂在非特定环境下的自主抓取,系统采用微软公司研发的Kinect对场景内的信息进行实时检测.通过对Kinect采集的深度信息进行背景相减法和帧差法处理可以获得目标抓取点信息.利用基于工作空间的RRT算法对机械臂末端进行路径规划,并利用梯度投影法进行逆运动学轨迹优化,求解关节轨迹.机械臂按照关节角运动时,可完成目标的抓取.通过设计一套实时桌面清理实验系统,验证了该方法的有效性.     

三维立体视觉机械臂智能抓取分类系统的开发

采用工业相机、工业投影机、普通摄像头、计算机和机械臂开发了一套具有三维立体视觉的机械臂智能抓取分类系统。该系统采用自编软件实现了对工业相机、工业投影机的自动控制和同步，通过前期研究提出的双波长条纹投影三维形貌测量法获取了物体的高度信息，结合opencv技术和普通摄像头获取的物体二维平行面信息，实现了物体的自动识别和分类；利用串口通信协议，将上述处理后的数据传送至机械臂，系统进行几何姿态解算，实现了智能抓取，并能根据抓手上压力反馈自动调节抓手张合程度，实现自适应抓取。经实验证明该系统能通过自带的快速三维形貌获取装置实现准确、快速的抓取工作范围内的任意形状的物体并实现智能分类。     

Demonstration-based learning and control for automatic grasping

We present a method for automatic grasp generation based on object shape primitives in a Programming by Demonstration framework. The system first recognizes the grasp performed by a demonstrator as well as the object it is applied on and then generates a suitable grasping strategy on the robot. We start by presenting how to model and learn grasps and map them to robot hands. We continue by performing dynamic simulation of the grasp execution with a focus on grasping objects whose pose is not perfectly known.     

An overview of 3D object grasp synthesis algorithms

This overview presents computational algorithms for generating 3D object grasps with autonomous multi-fingered robotic hands. Robotic grasping has been an active research subject for decades, and a great deal of effort has been spent on grasp synthesis algorithms. Existing papers focus on reviewing the mechanics of grasping and the finger–object contact interactions Bicchi and Kumar (2000) [12] or robot hand design and their control Al-Gallaf et al. (1993) [70]. Robot grasp synthesis algorithms have been reviewed in Shimoga (1996) [71], but since then an important progress has been made toward applying learning techniques to the grasping problem. This overview focuses on analytical as well as empirical grasp synthesis approaches.     

基于深度神经网络的多指灵巧手抓取手势优化

基于深度神经网络模型,提出了一种适用于多指灵巧手的抓取手势优化方法。首先,在仿真环境下构建了一个抓取数据集,并在此基础上训练了一个卷积神经网络,依据目标物体单目视觉信息和多指灵巧手抓取位形来预测抓取质量函数,由此可以将多指灵巧手的抓取规划问题转化为使抓取质量最大化的优化问题,进一步,基于深度神经网络中的反向传播和梯度上升算法实现多指灵巧手抓取手势的迭代与优化。在仿真环境中,比较该网络和仿真平台对同一抓取位形的抓取质量评估结果,再利用所提出的优化方法对随机搜索到的初始手势进行优化,比较优化前后手势的力封闭指标。最后,在实际机器人平台上验证本文方法的优化效果,结果表明,本文方法对未知物体的抓取成功率在80%以上,对于失败的抓取,优化后成功的比例达到90%。