基于运动学参数标定方法的机械臂 误差分析与仿真研究

针对工作任务复杂或环境多变,且对机械臂精度要求较高的工业生产需求等问题,基于运动学参数标定方法进行了机械臂的误差分析与Matlab仿真。介绍了定位精度以及定位误差的来源,针对机械臂运动学标定的方法步骤,采用矩阵法对运动学参数标定误差模型进行了建模分析,推导出了运动学参数误差模型的通用形式,并添加一个微小的增量进行了误差补偿;采用Matlab对机械臂运动学参数误差模型进行了仿真分析,验证了所建立的误差模型的正确性。研究结果表明:基于运动学参数标定方法的机械臂误差分析能很好地提高机械臂的精度,使机械臂能够准确完成预期的位姿要求,对于进一步提高机械臂的精度有较好的指导作用。     

基于图像语义分割的物体位姿估计

为提高机器人在复杂场景中对物体的辨识与定位能力,提出一种基于图像语义分割技术的物体位姿估计方法。将RGBD传感器拍摄的RGB图像放入语义分割网络中,完成对图像的分割与物体分类;将分割出来的目标物体与深度图配准,得到目标物体点云图;将点云图与模型库中的模型运用ICP算法完成对物体的位姿估计。研究结果表明,该方法分割准确率可达82.26%,完成一次位姿估计时间1.35 s。     

基于GA优化RBF神经网络的机器人轨迹规划

针对机器人在不确定环境下末端执行器运动轨迹的准确性及平稳性问题,采用基于遗传算法(GA)优化径向基函数(RBF)神经网络的轨迹规划方法对Kinova Mico2机器人进行轨迹规划研究。介绍了机器人的相关参数及坐标系、建立了D-H矩阵和运动学模型。提取机器人实际抓取物品的直线轨迹并等分插补,用GA优化并实时在线更新RBF神经网络的权值,以更优的权值参数建立新的RBF网络。研究结果表明:相比优化前,基于GA优化RBF的规划轨迹逼近误差小且平滑稳定,仿真结果较为稳定,轨迹规划的可行性满足机器人实际抓取工作的需要。     

四轮转向系统控制稳定性研究

基于车辆模型,针对四轮转向系统提出一种定前后轮比例控制策略,对四轮转向系统的控制稳定性进行研究。研究结果表明,相比传统前轮转向系统,横摆角速度反馈的四轮转向系统波动较小,超调量较小,达到稳定的时间较短。同时,定前后轮比例控制的四轮转向系统在车辆横摆角速度与质心侧偏角响应方面表现出更强的稳定性。采用定前后轮比例控制的四轮转向系统,可以有效改善车辆的动态稳定性,提高车辆的操纵稳定性。