论文部分内容阅读
抓取或夹持是工业机器人的重要操作方式，也是实现高精度装配、灵活搬运等应用中必不可少的环节。例如，在大型激光装置光机组件装配过程中，工业机器人需要精确夹持大口径光学元件，减小光学元件的夹持形变，降低光路能量损失。在汽车发动机装配中，工业机器人需要从工作台上快速、稳定的抓取位置不固定的活塞、连杆等部件，并完成高精度的装配任务。 本文在国家自然基金委课题的资助下，主要针对上述两类应用问题开展研究工作，主要工作包括: (1)大部分光学元件夹持方法分别建立夹持应力、热应力与元件表面形变之间的映射模型，只能获得夹持应力条件下或热应力条件下的局部最优元件形变。针对这一问题，本文提出了一种新的多核学习非线性回归模型，根据夹持应力、热应力对形变的权重建立分层多核回归模型。进一步，基于该回归模型构建光学元件表面形变与支持位置、夹持力和环境温度之间的非线性夹持模型，通过计算夹持应力和热应力条件下的全局最优，实现对大口径光学元件的微形变夹持。 (2)已有的工业机器人抓取方法要求工件的位置和姿态固定，当工件位置和姿态存在偏差时会影响抓取的稳定性和抓取精度。针对这一问题，本文提出了一种机械手容错抓取方法。通过构建容错抓取区域，确保在该区域的工件位姿和机械手抓取构型都能够最终收敛到一个该区域内一个确定的、唯一的状态，实现稳定抓取。即，在工件位置和姿态存在偏差时，机械手也能稳定抓取工件。 (3)针对于机器人抓取中抓取规划所涉及的逆运动学、动力学求解难的问题，本文也初步开展了模仿人的上肢运动机理以对多关节冗余机械臂进行运动规划的工作。这个部分的工作主要是为了设计多关节机械手，用于空间环境中的机器人操作提供技术探索。 (4)进一步，我们搭建了夹持和抓取的仿真平台并提出了一种带视力觉的机械手设计方案。通过仿真或实际系统测试，验证了本文提出方法的有效性。