CN113319850A - 一种机械手、配合多机械手的夹持套件、控制系统 - Google Patents
一种机械手、配合多机械手的夹持套件、控制系统 Download PDFInfo
- Publication number
- CN113319850A CN113319850A CN202110321946.8A CN202110321946A CN113319850A CN 113319850 A CN113319850 A CN 113319850A CN 202110321946 A CN202110321946 A CN 202110321946A CN 113319850 A CN113319850 A CN 113319850A
- Authority
- CN
- China
- Prior art keywords
- clamped
- manipulator
- module
- macro block
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010191 image analysis Methods 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 23
- 230000002068 genetic effect Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 14
- 230000006835 compression Effects 0.000 claims description 11
- 238000007906 compression Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000002087 whitening effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 241000170545 Iago Species 0.000 claims description 3
- 210000000349 chromosome Anatomy 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 238000011158 quantitative evaluation Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 235000013599 spices Nutrition 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
Abstract
本发明属于机械控制技术领域,公开了一种机械手、配合多机械手的夹持套件、控制系统,夹持控制系统包括:机械手参数获取模块、待夹持物翻转模块、待夹持物固定模块、待夹持物图像采集模块、图像传输模块、中央控制模块、图像分析模块、待夹持物质量测定模块、待夹持物信息汇总模块、机械手选择模块、待夹持物夹持模块。本发明通过进行机械手信息及待夹持物信息实现对机械手的选择,选择的机械手更符合待夹持物的形态和重量需求,实现对待夹持物更稳定、方便的夹持,减少对待夹持物带来的损坏。本发明的机械手夹持系统结构简单,能够依据不同需求进行机械手的针对性选择,实现机械手合理利用,延长机械手使用寿命和减少对待夹持物的损坏。
Description
技术领域
本发明属于机械控制技术领域,尤其涉及一种机械手、配合多机械手的夹持套件、控制系统。
背景技术
目前,机械手能模仿人手和臂的某些动作功能,用以按固定程序抓取、搬运物件或操作工具的自动操作装置。机械手是最早出现的工业机器人,也是最早出现的现代机器人,它可代替人的繁重劳动以实现生产的机械化和自动化,能在有害环境下操作以保护人身安全,因而广泛应用于机械制造、冶金、电子、轻工和原子能等部门。
随着网络技巧的发展,机械手的联网操作问题也是以后发展的方向。工业机器人是近几十年发展起来的一种高科技自动化生产设备。工业机械手的是工业机器人的一个重要分支。它的特点是可通过编程来完成各种预期的作业任务,在构造和性能上兼有人和机器各自的优点,尤其体现了人的智能和适应性。机械手作业的准确性和各种环境中完成作业的能力,在国民经济各领域有着广阔的发展前景。但是现有的工业机械手在夹持前无法进行待夹持物的信息获取,进行夹持效果差。
通过上述分析,现有技术存在的问题及缺陷为:现有的工业机械手在夹持前无法进行待夹持物的信息获取,进行夹持效果差。
发明内容
针对现有技术存在的问题,本发明提供了一种机械手、配合多机械手的夹持套件、控制系统。
本发明是这样实现的,一种配合多机械手的夹持控制系统,所述配合多机械手的夹持控制系统包括:
机械手参数获取模块,与中央控制模块连接,用于通过机械手参数获取程序进行各机械手参数的获取;所述机械手参数包括机械手规格参数与机械手运行参数;
所述通过机械手参数获取程序进行各机械手参数的获取,包括:
根据带有未知负载的双关节机械手臂的动力学特性,得到机械手的动力学方程;所述机械手的动力学方程为:
其中,q1、分别是机械手臂相对于水平坐标轴的角度、角速度和角加速度,q2、分别是机械手臂2相对于机械手臂1的角度、角速度和角加速度,τ1、τ2分别是关节1和关节2的输入力矩, ε=mel1lce cos(δe),η=mel1lce sin(δe),e2=g/l1; m1是机械手臂1的质量,l1是机械手臂1的长度,lc1是机械手臂1质心相对于关节1的距离,I1是机械手臂1相对于质心的转动惯量,g是重力加速度,机械手臂2连同负载视为一个整体,me是质量,lce是质心相对于关节2的距离,Ie是相对于质心的转动惯量,δe是质心与机械手臂2的夹角;
根据带有未知负载的双关节机械手臂动力学方程,将其中未知物理参数的函数进行变量分离,得到未知物理参数的函数被分离后的表达式;所述未知物理参数的函数被分离后的表达式为:Ya=τ,其中a是包含未知参数函数的矩阵,是一个2×4矩阵,a=[α β ε η]T,τ=[τ1 τ2]T;
其中,α、β、ε、η为未知参数,τ是输入力矩
根据未知物理参数的函数被分离后的表达式,设计遗传算法,对带有未知负载的双关节机械手臂参数进行辨识;
将通过MATLAB仿真得到的辨识值与测量值进行比较,实现对双关节机械手臂在带有未知负载时的物理参数的辨识;
待夹持物翻转模块,与中央控制模块连接,用于通过待夹持物翻转程序进行待夹持物多个方向的翻转,得到翻转后的待夹持物;
待夹持物固定模块,与中央控制模块连接,用于通过待夹持物固定装置进行翻转后的待夹持物的固定,得到固定好的待夹持物;
待夹持物图像采集模块,与中央控制模块连接,用于通过设置在待夹持物上方的摄像头在对待夹持物进行翻转固定后采集待夹持物不同角度的图像,得到待夹持物图像;
图像传输模块,与中央控制模块连接,用于通过图像传输程序进行获取的机械手参数与待夹持物图像的传输;
中央控制模块,与机械手参数获取模块、待夹持物翻转模块、待夹持物固定模块、待夹持物图像采集模块、图像传输模块连接,用于通过主控机对各连接模块的运行进行控制,保证各个模块正常运行。
进一步,所述配合多机械手的夹持控制系统还包括:
图像分析模块,与中央控制模块连接,用于通过图像分析程序进行待夹持物图像的分析,得到图像分析结果;所述图像分析结果包括待夹持物性状、待夹持物规格;
待夹持物质量测定模块,与中央控制模块连接,用于通过设置在待夹持物固定装置上的压力传感器进行待夹持物质量的测定,得到待夹持物质量;
待夹持物信息汇总模块,与中央控制模块连接,用于通过待夹持物信息汇总程序进行待夹持物图像、图像分析结果、待夹持物质量的汇总,得到待夹持物汇总信息;
机械手选择模块,与中央控制模块连接,用于通过机械手选择程序依据获取的机械手参数以及待夹持物汇总信息进行机械手的选择,得到选定的机械手;
待夹持物夹持模块,与中央控制模块连接,用于通过选定的机械手进行待夹持物的夹持。
进一步,所述设计遗传算法包括:
确定决策变量及各种约束条件,即确定出个体的表现型X和问题的解空间;
建立优化模型,即确定出目标函数的类型及数学描述形式或量化方法;
确定表示可行解的染色体编码方法,即确定出个体的基因型x及遗传算法的搜索空间;
确定个体适应度的量化评价方法,即确定出由目标函数值到个体适应度函数的转换规则;
设计遗传算子,即确定选择运算、交叉运算、变异运算遗传算子的具体操作方法;
确定遗传算法的有关运行参数以及确定出由个体表现型X到个体基因型x 的对应关系或转换方法。
进一步,所述通过图像传输程序进行获取的机械手参数与待夹持物图像的传输,包括:在接收到服务器基于SPICE协议发送的当前帧图像与上一帧图像的变化图像时,将所述变化图像与所述上一帧图像进行合成,以获得当前帧图像;将获得的所述当前帧图像划分为多个宏块,分别对每个宏块执行相应的编码压缩处理;将所述多个宏块执行编码压缩处理后的编码压缩图像传输至所述服务器,以供所述服务器将所述编码压缩数据发送至终端,供所述终端在接收到所述编码压缩数据时,对所述编码压缩数据进行解码后获得所述当前帧图像。
进一步,所述将获得的所述当前帧图像划分为多个宏块,分别对每个宏块执行相应的编码压缩处理,包括:将获得的所述当前帧图像划分为多个宏块,分别判断每个宏块是否为P-SKIP前向预测宏块;当宏块为P-SKIP宏块时,对所述宏块执行P-SKIP宏块编码压缩处理;当宏块不为P-SKIP宏块时,对所述宏块执行P宏块编码压缩处理。
进一步,所述将获得的所述当前帧图像划分为多个宏块,包括:
确定所述变化图像对应的宏块坐标范围;
将获得的所述当前帧图像划分为多个宏块,确定每个宏块的参考坐标;
依次判断每个宏块的参考坐标是否处于所述变化图像对应的宏块坐标范围内;
在宏块的参考坐标处于所述变化图像对应的宏块坐标范围内时,判断所述宏块为P-SKIP宏块;
在宏块的参考坐标不处于所述变化图像对应的宏块坐标范围内时,判断所述宏块不为P-SKIP宏块。
进一步,所述通过主控机对各连接模块的运行进行控制,包括:进行灰色预测控制。
进一步,所述进行灰色预测控制,包括:通过灰色模型进行控制;
所述灰色模型是由一组灰色微分方程组成的动态模型,建立所述灰色模型GM(1,1)模型,所述建模包括:
X(0)为原始非负数据序列:X(0)=[x(0)(1),x(0)(2),...,x(0)(n)],对X(0)进行一次累加生成操作,得到X(0)的1-AGO序列,X(1)=[x(1)(1),x(1)(2),...,x(1)(n)],其中,
对序列X(1)进行紧邻均值生成操作,得到X(1)的紧邻均值生成序列Z(1),其中z(1)(k)=0.5[x(1)(k)+x(1)(k-1)],k=1,2,...,n;
本发明的另一目的在于提供一种配合多机械手的夹持套件,所述配合多机械手的夹持套件搭载所述配合多机械手的夹持控制系统。
本发明的另一目的在于提供一种机械手,所述机械手搭载所述配合多机械手的夹持套件,并实施所述配合多机械手的夹持控制系统的功能。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述配合多机械手的夹持控制系统的功能。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明提供的配合多机械手的夹持控制系统通过进行机械手信息以及待夹持物信息实现对机械手的选择,选择的机械手更符合待夹持物的形态和重量需求,实现对待夹持物更稳定、方便的夹持,减少对待夹持物带来的损坏。本发明的机械手夹持系统结构简单,能够依据不同需求进行机械手的针对性选择,实现机械手合理利用,延长机械手使用寿命和减少对待夹持物的损坏。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的配合多机械手的夹持控制系统结构框图。
图2是本发明实施例提供的配合多机械手的夹持控制方法流程图。
图3是本发明实施例提供的通过机械手参数获取程序进行各机械手参数的获取流程图。
图4是本发明实施例提供的设计遗传算法流程图。
图5是本发明实施例提供的将获得的所述当前帧图像划分为多个宏块流程图。
图中:1、机械手参数获取模块;2、待夹持物翻转模块;3、待夹持物固定模块;4、待夹持物图像采集模块;5、图像传输模块;6、中央控制模块;7、图像分析模块;8、待夹持物质量测定模块;9、待夹持物信息汇总模块;10、机械手选择模块;11、待夹持物夹持模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种配合多机械手的夹持控制系统,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的配合多机械手的夹持控制系统包括:
机械手参数获取模块1,与中央控制模块6连接,用于通过机械手参数获取程序进行各机械手参数的获取;所述机械手参数包括机械手规格参数与机械手运行参数;
待夹持物翻转模块2,与中央控制模块6连接,用于通过待夹持物翻转程序进行待夹持物多个方向的翻转,得到翻转后的待夹持物;
待夹持物固定模块3,与中央控制模块6连接,用于通过待夹持物固定装置进行翻转后的待夹持物的固定,得到固定好的待夹持物;
待夹持物图像采集模块4,与中央控制模块6连接,用于通过设置在待夹持物上方的摄像头在对待夹持物进行翻转固定后采集待夹持物不同角度的图像,得到待夹持物图像;
图像传输模块5,与中央控制模块6连接,用于通过图像传输程序进行获取的机械手参数与待夹持物图像的传输;
中央控制模块6,与机械手参数获取模块1、待夹持物翻转模块2、待夹持物固定模块3、待夹持物图像采集模块4、图像传输模块5、图像分析模块7、待夹持物质量测定模块8、待夹持物信息汇总模块9、机械手选择模块10、待夹持物夹持模块11连接,用于通过主控机对各连接模块的运行进行控制,保证各个模块正常运行;
图像分析模块7,与中央控制模块6连接,用于通过图像分析程序进行待夹持物图像的分析,得到图像分析结果;所述图像分析结果包括待夹持物性状、待夹持物规格;
待夹持物质量测定模块8,与中央控制模块6连接,用于通过设置在待夹持物固定装置上的压力传感器进行待夹持物质量的测定,得到待夹持物质量;
待夹持物信息汇总模块9,与中央控制模块6连接,用于通过待夹持物信息汇总程序进行待夹持物图像、图像分析结果、待夹持物质量的汇总,得到待夹持物汇总信息;
机械手选择模块10,与中央控制模块6连接,用于通过机械手选择程序依据获取的机械手参数以及待夹持物汇总信息进行机械手的选择,得到选定的机械手;
待夹持物夹持模块11,与中央控制模块6连接,用于通过选定的机械手进行待夹持物的夹持。
如图2所示,本发明实施例提供的配合多机械手的夹持控制方法包括以下步骤:
S101,通过机械手参数获取模块利用机械手参数获取程序进行各机械手参数的获取;所述机械手参数包括机械手规格参数与机械手运行参数;通过待夹持物翻转模块利用待夹持物翻转程序进行待夹持物多个方向的翻转,得到翻转后的待夹持物;
S102,通过待夹持物固定模块利用待夹持物固定装置进行翻转后的待夹持物的固定,得到固定好的待夹持物;通过待夹持物图像采集模块利用设置在待夹持物上方的摄像头在对待夹持物进行翻转固定后采集待夹持物不同角度的图像,得到待夹持物图像;
S103,通过图像传输模块利用图像传输程序进行获取的机械手参数与待夹持物图像的传输;通过中央控制模块利用主控机对各连接模块的运行进行控制,保证各个模块正常运行;
S104,通过图像分析模块利用图像分析程序进行待夹持物图像的分析,得到图像分析结果;所述图像分析结果包括待夹持物性状、待夹持物规格;通过待夹持物质量测定模块利用设置在待夹持物固定装置上的压力传感器进行待夹持物质量的测定,得到待夹持物质量;
S105,通过待夹持物信息汇总模块利用待夹持物信息汇总程序进行待夹持物图像、图像分析结果、待夹持物质量的汇总,得到待夹持物汇总信息;
S106,通过机械手选择模块利用机械手选择程序依据获取的机械手参数以及待夹持物汇总信息进行机械手的选择,得到选定的机械手;通过待夹持物夹持模块利用选定的机械手进行待夹持物的夹持。
如图3所示,本发明实施例提供的通过机械手参数获取程序进行各机械手参数的获取,包括:
S201,根据带有未知负载的双关节机械手臂的动力学特性,得到机械手的动力学方程;
S202,根据带有未知负载的双关节机械手臂动力学方程,将其中未知物理参数的函数进行变量分离,得到未知物理参数的函数被分离后的表达式;
S203,根据未知物理参数的函数被分离后的表达式,设计遗传算法,对带有未知负载的双关节机械手臂参数进行辨识;
S204,将通过MATLAB仿真得到的辨识值与测量值进行比较,实现对双关节机械手臂在带有未知负载时的物理参数的辨识。
本发明实施例提供的机械手的动力学方程为:
其中,q1、分别是机械手臂相对于水平坐标轴的角度、角速度和角加速度,q2、分别是机械手臂2相对于机械手臂1的角度、角速度和角加速度,τ1、τ2分别是关节1和关节2的输入力矩, ε=mel1lce cos(δe),η=mel1lce sin(δe),e2=g/l1; m1是机械手臂1的质量,l1是机械手臂1的长度,lc1是机械手臂1质心相对于关节1的距离,I1是机械手臂1相对于质心的转动惯量,g是重力加速度,机械手臂2连同负载视为一个整体,me是质量,lce是质心相对于关节2的距离,Ie是相对于质心的转动惯量,δe是质心与机械手臂2的夹角。
其中,α、β、ε、η为未知参数,τ是输入力矩。
如图4所示,本发明实施例提供的设计遗传算法包括:
S301,确定决策变量及各种约束条件,即确定出个体的表现型X和问题的解空间;
S302,建立优化模型,即确定出目标函数的类型及数学描述形式或量化方法;
S303,确定表示可行解的染色体编码方法,即确定出个体的基因型x及遗传算法的搜索空间;
S304,确定个体适应度的量化评价方法,即确定出由目标函数值到个体适应度函数的转换规则;
S305,设计遗传算子,即确定选择运算、交叉运算、变异运算遗传算子的具体操作方法;
S306,确定遗传算法的有关运行参数以及确定出由个体表现型X到个体基因型x的对应关系或转换方法。
本发明实施例提供的通过图像传输程序进行获取的机械手参数与待夹持物图像的传输,包括:在接收到服务器基于SPICE协议发送的当前帧图像与上一帧图像的变化图像时,将所述变化图像与所述上一帧图像进行合成,以获得当前帧图像;将获得的所述当前帧图像划分为多个宏块,分别对每个宏块执行相应的编码压缩处理;将所述多个宏块执行编码压缩处理后的编码压缩图像传输至所述服务器,以供所述服务器将所述编码压缩数据发送至终端,供所述终端在接收到所述编码压缩数据时,对所述编码压缩数据进行解码后获得所述当前帧图像。
本发明实施例提供的将获得的所述当前帧图像划分为多个宏块,分别对每个宏块执行相应的编码压缩处理,包括:将获得的所述当前帧图像划分为多个宏块,分别判断每个宏块是否为P-SKIP前向预测宏块;当宏块为P-SKIP宏块时,对所述宏块执行P-SKIP宏块编码压缩处理;当宏块不为P-SKIP宏块时,对所述宏块执行P宏块编码压缩处理。
如图5所示,本发明实施例提供的将获得的所述当前帧图像划分为多个宏块,包括:
S401,确定所述变化图像对应的宏块坐标范围;
S402,将获得的所述当前帧图像划分为多个宏块,确定每个宏块的参考坐标;
S403,依次判断每个宏块的参考坐标是否处于所述变化图像对应的宏块坐标范围内;
S404,在宏块的参考坐标处于所述变化图像对应的宏块坐标范围内时,判断所述宏块为P-SKIP宏块;
S405,在宏块的参考坐标不处于所述变化图像对应的宏块坐标范围内时,判断所述宏块不为P-SKIP宏块。
本发明实施例提供的通过主控机对各连接模块的运行进行控制,包括:进行灰色预测控制。
本发明实施例提供的进行灰色预测控制,包括:通过灰色模型进行控制;
所述灰色模型是由一组灰色微分方程组成的动态模型,建立所述灰色模型 GM(1,1)模型,所述建模包括:
X(0)为原始非负数据序列:X(0)=[x(0)(1),x(0)(2),...,x(0)(n)],对X(0)进行一次累加生成操作,得到X(0)的1-AGO序列,X(1)=[x(1)(1),x(1)(2),...,x(1)(n)],其中,
对序列X(1)进行紧邻均值生成操作,得到X(1)的紧邻均值生成序列Z(1),其中z(1)(k)=0.5[x(1)(k)+x(1)(k-1)],k=1,2,...,n;
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种配合多机械手的夹持控制系统,其特征在于,所述配合多机械手的夹持控制系统包括:
机械手参数获取模块,与中央控制模块连接,用于通过机械手参数获取程序进行各机械手参数的获取;所述机械手参数包括机械手规格参数与机械手运行参数;
所述通过机械手参数获取程序进行各机械手参数的获取,包括:
根据带有未知负载的双关节机械手臂的动力学特性,得到机械手的动力学方程;所述机械手的动力学方程为:
其中,q1、分别是机械手臂相对于水平坐标轴的角度、角速度和角加速度,q2、分别是机械手臂2相对于机械手臂1的角度、角速度和角加速度,τ1、τ2分别是关节1和关节2的输入力矩, ε=mel1lcecos(δe),η=mel1lcesin(δe),e2=g/l1;m1是机械手臂1的质量,l1是机械手臂1的长度,lc1是机械手臂1质心相对于关节1的距离,I1是机械手臂1相对于质心的转动惯量,g是重力加速度,机械手臂2连同负载视为一个整体,me是质量,lce是质心相对于关节2的距离,Ie是相对于质心的转动惯量,δe是质心与机械手臂2的夹角;
根据带有未知负载的双关节机械手臂动力学方程,将其中未知物理参数的函数进行变量分离,得到未知物理参数的函数被分离后的表达式;所述未知物理参数的函数被分离后的表达式为:Ya=τ,其中a是包含未知参数函数的矩阵,是一个2×4矩阵,a=[α β ε η]T,τ=[τ1 τ2]T;
其中,α、β、ε、η为未知参数,τ是输入力矩
根据未知物理参数的函数被分离后的表达式,设计遗传算法,对带有未知负载的双关节机械手臂参数进行辨识;
将通过MATLAB仿真得到的辨识值与测量值进行比较,实现对双关节机械手臂在带有未知负载时的物理参数的辨识;
待夹持物翻转模块,与中央控制模块连接,用于通过待夹持物翻转程序进行待夹持物多个方向的翻转,得到翻转后的待夹持物;
待夹持物固定模块,与中央控制模块连接,用于通过待夹持物固定装置进行翻转后的待夹持物的固定,得到固定好的待夹持物;
待夹持物图像采集模块,与中央控制模块连接,用于通过设置在待夹持物上方的摄像头在对待夹持物进行翻转固定后采集待夹持物不同角度的图像,得到待夹持物图像;
图像传输模块,与中央控制模块连接,用于通过图像传输程序进行获取的机械手参数与待夹持物图像的传输;
中央控制模块,与机械手参数获取模块、待夹持物翻转模块、待夹持物固定模块、待夹持物图像采集模块、图像传输模块连接,用于通过主控机对各连接模块的运行进行控制,保证各个模块正常运行。
2.如权利要求1所述配合多机械手的夹持控制系统,其特征在于,所述配合多机械手的夹持控制系统还包括:
图像分析模块,与中央控制模块连接,用于通过图像分析程序进行待夹持物图像的分析,得到图像分析结果;所述图像分析结果包括待夹持物性状、待夹持物规格;
待夹持物质量测定模块,与中央控制模块连接,用于通过设置在待夹持物固定装置上的压力传感器进行待夹持物质量的测定,得到待夹持物质量;
待夹持物信息汇总模块,与中央控制模块连接,用于通过待夹持物信息汇总程序进行待夹持物图像、图像分析结果、待夹持物质量的汇总,得到待夹持物汇总信息;
机械手选择模块,与中央控制模块连接,用于通过机械手选择程序依据获取的机械手参数以及待夹持物汇总信息进行机械手的选择,得到选定的机械手;
待夹持物夹持模块,与中央控制模块连接,用于通过选定的机械手进行待夹持物的夹持。
3.如权利要求1所述配合多机械手的夹持控制系统,其特征在于,所述设计遗传算法包括:
确定决策变量及各种约束条件,即确定出个体的表现型X和问题的解空间;
建立优化模型,即确定出目标函数的类型及数学描述形式或量化方法;
确定表示可行解的染色体编码方法,即确定出个体的基因型x及遗传算法的搜索空间;
确定个体适应度的量化评价方法,即确定出由目标函数值到个体适应度函数的转换规则;
设计遗传算子,即确定选择运算、交叉运算、变异运算遗传算子的具体操作方法;
确定遗传算法的有关运行参数以及确定出由个体表现型X到个体基因型x的对应关系或转换方法。
4.如权利要求1所述配合多机械手的夹持控制系统,其特征在于,所述通过图像传输程序进行获取的机械手参数与待夹持物图像的传输,包括:在接收到服务器基于SPICE协议发送的当前帧图像与上一帧图像的变化图像时,将所述变化图像与所述上一帧图像进行合成,以获得当前帧图像;将获得的所述当前帧图像划分为多个宏块,分别对每个宏块执行相应的编码压缩处理;将所述多个宏块执行编码压缩处理后的编码压缩图像传输至所述服务器,以供所述服务器将所述编码压缩数据发送至终端,供所述终端在接收到所述编码压缩数据时,对所述编码压缩数据进行解码后获得所述当前帧图像。
5.如权利要求4所述配合多机械手的夹持控制系统,其特征在于,所述将获得的所述当前帧图像划分为多个宏块,分别对每个宏块执行相应的编码压缩处理,包括:将获得的所述当前帧图像划分为多个宏块,分别判断每个宏块是否为P-SKIP前向预测宏块;当宏块为P-SKIP宏块时,对所述宏块执行P-SKIP宏块编码压缩处理;当宏块不为P-SKIP宏块时,对所述宏块执行P宏块编码压缩处理。
6.如权利要求5所述配合多机械手的夹持控制系统,其特征在于,所述将获得的所述当前帧图像划分为多个宏块,包括:
确定所述变化图像对应的宏块坐标范围;
将获得的所述当前帧图像划分为多个宏块,确定每个宏块的参考坐标;
依次判断每个宏块的参考坐标是否处于所述变化图像对应的宏块坐标范围内;
在宏块的参考坐标处于所述变化图像对应的宏块坐标范围内时,判断所述宏块为P-SKIP宏块;
在宏块的参考坐标不处于所述变化图像对应的宏块坐标范围内时,判断所述宏块不为P-SKIP宏块。
7.如权利要求1所述配合多机械手的夹持控制系统,其特征在于,所述通过主控机对各连接模块的运行进行控制,包括:进行灰色预测控制;
所述进行灰色预测控制,包括:通过灰色模型进行控制;
所述灰色模型是由一组灰色微分方程组成的动态模型,建立所述灰色模型GM(1,1)模型,所述建模包括:
X(0)为原始非负数据序列:X(0)=[x(0)(1),x(0)(2),...,x(0)(n)],对X(0)进行一次累加生成操作,得到X(0)的1-AGO序列,X(1)=[x(1)(1),x(1)(2),...,x(1)(n)],其中,
对序列X(1)进行紧邻均值生成操作,得到X(1)的紧邻均值生成序列Z(1),其中z(1)(k)=0.5[x(1)(k)+x(1)(k-1)],k=1,2,...,n;
8.一种配合多机械手的夹持套件,其特征在于,所述配合多机械手的夹持套件搭载权利要求1~7任意一项所述配合多机械手的夹持控制系统。
9.一种机械手,其特征在于,所述机械手搭载权利要求8所述配合多机械手的夹持套件,并实施权利要求1~7任意一项所述配合多机械手的夹持控制系统的功能。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机运行如权利要求1~7任意一项所述配合多机械手的夹持控制系统的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321946.8A CN113319850A (zh) | 2021-03-25 | 2021-03-25 | 一种机械手、配合多机械手的夹持套件、控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321946.8A CN113319850A (zh) | 2021-03-25 | 2021-03-25 | 一种机械手、配合多机械手的夹持套件、控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113319850A true CN113319850A (zh) | 2021-08-31 |
Family
ID=77414573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110321946.8A Pending CN113319850A (zh) | 2021-03-25 | 2021-03-25 | 一种机械手、配合多机械手的夹持套件、控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113319850A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540894A (zh) * | 2012-02-17 | 2012-07-04 | 南京电力设备质量性能检验中心 | 一种基于遗传算法的带有未知负载的机械手参数辨识方法 |
CN106534859A (zh) * | 2015-09-11 | 2017-03-22 | 中兴通讯股份有限公司 | 基于spice协议的图像传输方法及装置 |
CN110569794A (zh) * | 2019-09-06 | 2019-12-13 | 深圳市梵高控股有限公司 | 物品的信息存储方法、装置和计算机可读存储介质 |
CN110817231A (zh) * | 2019-11-04 | 2020-02-21 | 深圳市鲸仓科技有限公司 | 一种面向物流场景订单拣选方法、设备和系统 |
CN112512754A (zh) * | 2018-08-13 | 2021-03-16 | Abb瑞士股份有限公司 | 对工业机器人编程的方法 |
-
2021
- 2021-03-25 CN CN202110321946.8A patent/CN113319850A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540894A (zh) * | 2012-02-17 | 2012-07-04 | 南京电力设备质量性能检验中心 | 一种基于遗传算法的带有未知负载的机械手参数辨识方法 |
CN106534859A (zh) * | 2015-09-11 | 2017-03-22 | 中兴通讯股份有限公司 | 基于spice协议的图像传输方法及装置 |
CN112512754A (zh) * | 2018-08-13 | 2021-03-16 | Abb瑞士股份有限公司 | 对工业机器人编程的方法 |
CN110569794A (zh) * | 2019-09-06 | 2019-12-13 | 深圳市梵高控股有限公司 | 物品的信息存储方法、装置和计算机可读存储介质 |
CN110817231A (zh) * | 2019-11-04 | 2020-02-21 | 深圳市鲸仓科技有限公司 | 一种面向物流场景订单拣选方法、设备和系统 |
Non-Patent Citations (1)
Title |
---|
刘威等: "基于改进灰色预测模型的自适应PID控制算法", 《科学技术与工程》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112297013B (zh) | 一种基于数字孪生和深度神经网络的机器人智能抓取方法 | |
CN112765768B (zh) | 基于物联网的离散型车间数字溯源方法 | |
CN110909762B (zh) | 基于多传感器融合的机器人姿态识别方法及装置 | |
Barenji et al. | A digital twin-driven approach towards smart manufacturing: reduced energy consumption for a robotic cellular | |
CN113254382B (zh) | 基于超级计算机构建数字数值融合装置的数据处理系统 | |
CN110722560B (zh) | 一种基于重力势能的模块化机械臂构型优化方法 | |
CN112969058B (zh) | 一种具有云储存功能的工业视频实时监管平台及方法 | |
Damgrave et al. | Smart industry testbed | |
Akhmetzyanov et al. | Deep Learning with Transfer Learning Method for Error Compensation of Cable-driven Robot. | |
WO2023020103A1 (zh) | 目标检测模型的更新方法及装置 | |
CN114722686B (zh) | 一种基于有限元分析的大型设备吊耳设计及优化方法 | |
CN113319850A (zh) | 一种机械手、配合多机械手的夹持套件、控制系统 | |
CN113868803A (zh) | 机理模型和动态数据联合驱动的“云-边”结合数字孪生方法 | |
CN111331598A (zh) | 基于遗传算法优化神经网络结构的机器人姿态控制方法 | |
CN116224791A (zh) | 智能制造协作机器人边缘系统的协作训练控制方法 | |
CN116150253A (zh) | 一种基于多模态信号的生产设备预测性维护方法和系统 | |
CN111002292B (zh) | 基于相似性度量的机械臂仿人运动示教方法 | |
CN114118543A (zh) | 基于联合学习的烟气含氧量负荷预测方法及装置 | |
KR102153360B1 (ko) | 클라우드 컴퓨팅 기반 로봇의 상황 인지 시스템 및 그 처리 방법 | |
CN113723499A (zh) | 一种锂电池极耳焊接异常检测方法及系统 | |
CN112531679A (zh) | 一种测负荷特征大数据监测设备及监测方法 | |
Martinez et al. | Screw sorting application with 6 DoF UR5e robot arm | |
CN108920517B (zh) | 一种带电更换隔离刀闸作业场景的快速重构方法 | |
CN117557095A (zh) | 带火工作业车间预警决策方法和装置 | |
CN117798975A (zh) | 一种机械臂数字孪生构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210831 |
|
RJ01 | Rejection of invention patent application after publication |