工业机器人功率等效模型与参数辨识

针对工业机器人能耗复杂,动态性强,实时功率难以预测的问题,在对机器人系统中永磁同步电机、伺服驱动器等功能部件能耗分析的基础上,提出了工业机器人功率等效模型.该模型通过高阶多项式建立起机器人损耗功率与电机扭矩、电机角速度的映射关系,其系数通过最小二乘法求解,可以在机器人电机参数未知的条件下进行功率预测.结果表明,基于功率模型的理论计算值和实验测量值的均方根相对误差为8.11％,证明了功率模型和辨识参数的正确性.     

一种新型螺旋变形软体驱动器建模方法及应用

软体驱动器的变形方式主要为弯曲、伸缩变形,限制了软体驱动器的灵活性。为了提高软体驱动器的操作灵活性,提出一种新型的螺旋扭转变形软体驱动器。通过拉线驱动软体变形,骨架限制驱动器产生螺旋变形,实现驱动器末端在三维空间中的可控运动。基于常曲率连续软体运动学理论及螺旋扭转变形的几何关系,建立了一种适用于常曲率螺旋变形运动学模型,获取在全局坐标系下驱动器末端的坐标变换矩阵,实现对驱动器位姿的描述。通过仿真和实验数据验证,模型精度大于98%。为螺旋扭转变形驱动器的控制建立精确的运动学模型,为未来基于此软体驱动器的超高灵活性抓手的搭建提供了理论模型基础。     

基于随机森林算法的气动软体机械臂视觉伺服

软体机械臂具有灵活性和柔顺性的特点，可在实现对位姿跟踪的同时确保与环境交互的安全性，近年成为研究的热点。但由于软体机械臂材料变形是非线性的，其运动学建模的参数众多且难以获得准确值，使软体机械臂实现运动学控制较为困难。为了补偿软体机械臂的不确定性，在现在视觉伺服的基础上，提出一种基于历史数据驱动的手眼视觉伺服新方法。该方法结合基于随机森林算法的控制器来完成机械臂控制任务，通过对历史数据聚类，基于随机森林回归模型建立软体机械臂驱动状态和末端图像特征的逆映射，无须求解机械臂和摄像机的任何参数，即可快速获取系统输入变量。实验结果表明，所提出的方法可以较好地实现预期控制目标。