一、六轴并联机器人系统辨识(论文文献综述)
管坡[1](2021)在《基于6-DOF并联机器人主动减摆设计》文中提出主动减摆系统通过机电手段,控制运动平台主动运动对抗外界扰动,降低运动平台摆动,增强平台稳定性,在科研科考、特种货物运输等领域具有重要价值。典型的主动减摆系统通常采用三自由度云台,或多关节机械臂实现,前者仅能抑制外界对于姿态角度的扰动,后者则具有承载力低的缺点,难以对大型重载设备实现主动减摆。6-DOF并联机器人具有六个自由度,能够同时控制位置和姿态,且具有负载能力大、动态响应快、无累积误差等优点,在诸多工程应用领域获得广泛使用。6-DOF并联机器人的这些优点,也使其非常适合应用于主动减摆系统。因此,论文研究了基于6-DOF并联机器人的主动减摆系统设计,对该系统设计的一系列相关问题展开深入研究。首先介绍了 6-DOF并联机器人的运动学控制算法,在此基础上研究了并联机器人机械结构参数与运动空间之间的关系,设计了运动空间优化算法,从而在不违背机械结构约束的前提下,最大化可使用运动空间。基于以上研究成果,设计了 6-DOF并联机器人运动空间搜索及优化程序,为并联机器人机械结构参数设计提供有效指导。本文进一步研究了 6-DOF并联机器人误差标定算法,用于辨识机器人生产加工中存在的误差,在实际控制中加以修正,提高运动控制精度,从而提高减摆控制性能。论文总结了并联机器人的误差来源,提出了基于正向运动学和逆向运动学的误差辨识方法,在此基础上设计了机器人误差标定程序,并通过数值仿真试验,研究了机械误差对于机器人运动控制的影响,误差标定辨识的计算精度,验证了误差标定对于机器人运动控制精度的提高。接下来本文研究了单自由度主动减摆,由于六个自由度相互独立,故先从一个自由度做起,先在仿真环境下测试不同情况下可靠性,然后在单自由度主动减摆实物上测试抑制扰动的能力;最后,在仿真环境下搭建并联机器人的模型,验证并联机器人主动减摆算法的可靠性,然后在并联机器人实物上进一步测试,验证主动减摆算法的性能。
彭高磊[2](2021)在《XYZ-3RPS六轴混联加工装备运动学标定方法研究》文中研究指明舰船行业的迅速发展,对螺旋桨的加工水平提出了高精度、高效率的要求。采用两套相同的XYZ-3RPS六轴混联加工装备对称布置在待加工螺旋桨两侧,对其进行双刀双面加工,可有效解决大型螺旋桨在加工过程中存在的振颤、干涉、二次装夹等问题,提高螺旋桨的加工精度和效率。混联机构的末端精度问题是制约其在复杂曲面零件加工领域广泛应用的瓶颈,而运动学标定作为改善机构末端精度的经济有效手段,受到了国内外学者的广泛研究。对XYZ-3RPS六轴混联加工装备进行了运动学分析。分析了混联装备的结构特点;在少自由度3RPS并联机构运动参数解耦的基础上,建立了混联装备的运动学正、逆解模型;利用ADAMS的虚拟样机技术,仿真验证了并联机构运动学模型的正确性。采用分离标定的思想,分别建立串、并联机构的误差模型。建立了装备末端实际位移与串联机构X、Y、Z三向平台实际移动方向间的映射模型;基于空间闭环矢量法和摄动理论,构建了3RPS并联机构末端6维位姿误差与其30项几何误差源间的映射模型,并实现了误差源分离;数值仿真验证了并联机构误差模型的有效性;末端位姿误差的分析结果表明,末端6维位姿误差的极值均分布于工作空间的边缘。研究了混联装备的参数辨识模型和误差补偿策略。基于末端位置信息,分别建立了串、并联机构的参数辨识模型;通过添加约束条件实现并联机构参数辨识矩阵满秩;以辨识矩阵条件数的倒数作为观测性指数O,使用局部收敛和禁忌搜索的方法对并联机构观测位形进行优选;采用Tikhonov正则化方法对并联机构参数辨识进行了鲁棒性优化;采用修正并联机构输入的方式对其末端可控自由度方向误差进行补偿,采用修正串联机构几何参数的方式对末端残余位置误差进行补偿;数值仿真验证了参数辨识方法和误差补偿策略的有效性。对混联加工装备样机进行了标定实验和补偿效果检验。构建了双目视觉三维测量系统,完成了双目视觉立体标定;基于末端位置测量信息,完成了装备初始位形零点标定;通过单轴运动,实现XYZ串联机构的参数辨识;利用标定完成的串联机构反向调整标定位形时末端名义位移,完成了3RPS并联机构的标定实验;检验结果表明,补偿后装备样机末端绝对位姿误差得到有效降低。
温强[3](2021)在《基于深度神经网络的机器人运动控制技术研究》文中指出机器人正运动学、逆运动学模型的计算,动力学模型的推导,结构参数的标定,误差的补偿,运动规划,感知与决策控制构成了机器人应用与研究的主题,针对这些主题,有着传统且久经考验的理论与方法支撑,并成功地应用到了如今成熟的工业机器人中。随着机器人技术的不断发展,各行各业对机器人的要求也越来越高,相比于传统的在封闭空间做简单重复工作的机器人,更多智能机器人例如柔性机器人、视觉伺服机器人、协作机器人、服务机器人陆续出现,并有效地解决了更加复杂的问题。智能化是机器人未来的发展趋势,因此,本文针对机器人正、逆运动学模型的计算、结构参数的标定、误差补偿、感知与决策控制提出了一套基于神经网络与强化学习的理论方法。针对串联机器人逆运动学问题以及并联机器人正运动学问题,本文采用神经网络对串联机器人正运动学数据以及并联机器人逆运动学数据进行建模,从而得到可以代替串联机器人逆运动学模型以及并联机器人正运动学模型的神经网络模型,并对神经网络模型的求解精度进行了评估,对其中存在的隐患进行了探讨,分析了原因,给出了一种基于强化学习与神经网络相融合的解决方案。为了补偿机器人工作误差,本文建立了串/并联机器人关节驱动量与关节补偿量的神经网络模型,并对补偿效果进行了评估,经过补偿,机器人精度得到了提高。本文同时还采用了基于强化学习的方法对机器人的实际结构参数进行了标定,提出了分别针对串/并联机器人的标定方法,对经过标定的机器人精度进行了评估。最后本文介绍了基于卷积神经网络的目标检测与机器人的视觉伺服控制,并成功应用在了作物管理工作中。本文中针对各个问题的理论与方法都经过了理论分析和实验验证,实验结果证明了这些方法的有效性及实用性,也证明了在机器人传统算法的基础上,辅以数据科学为核心的智能算法,可以给机器人技术带来新的突破口。
邓朋[4](2021)在《3-UPU并联机构的运动学标定研究》文中提出随着工业经济的不断发展,世界各国之间的竞争任然是制造业的竞争,《中国制造2025》的提出,促进了传统制造业向智能化、高精密方向的发展。其中并联机构作为核心单元被用在并联机床上展现了其卓越的性能。本文研究对象为一类无伴随两转一移3-UPU并联机构,其能够绕定点转动,在机床上应用前景巨大。主要对其进行运动标定研究提高末端运动精度,研究内容如下:首先根据机构本身的结构特点,确立了运动学反解关系式,构建n组位姿下的残差矩阵,基于闭环矢量链建立机构的精度模型,分析了影响并联机构运动精度的误差来源。基于精度模型,分析了影响机构末端执行器运动精度的因素主要包括23项误差,并分别建立其对应误差存在对末端运动影响的映射关系式,得到单一误差源对末端执行器的影响变化图和三条支链在同样误差范围内变化时对末端误差的映射关系。根据误差实际情况,得出三个自由度误差分布直方图。之后对机构误差影响进行了一般化仿真,最后对机构的动态误差进行分类分析。提出一种改进量子粒子群优化算法的运动学标定方法,并通过四种测试函数验证了改进后的量子粒子群优化算法相较差分算法、粒子群算法、量子粒子群算法有更高的计算精度及收敛速度,又对并联机器人的运动学标定流程做出说明,设计出待标定的目标函数,再次采用传统智能算法遗传算法、模拟退火算法,和改进后的算法得到三种优化算法的参数辨识值,再次论证了优化后的量子粒子群优化算法有更高的辨识精度。利用激光跟踪仪、通过运动学标定试验,对3-UPU进行全参数标定,证实了3-UPU并联机构其移动自由度对误差的敏感性最高,标定后末端执行器运动精度提高了一个数量级以上,实验数据及标定后的运动效果验证了改进后算法的有效性及实验方法的正确性。
夏纯[5](2021)在《基于GCA的机器人运动学标定研究》文中进行了进一步梳理机器人在制造业、航空航天、生物工程、医疗器械等领域已得到广泛应用。机器人完成复杂工作的前提是精准的定位,需要机器人有较高的定位精度。运动学标定是提高机器人定位精度的重要手段。本文以Grassmann-Cayley代数(GCA)为数学工具,对机器人运动学标定方法进行研究,主要内容如下:(1)提出基于GCA的串联机器人误差建模方法。利用GCA的并集算子建立串联机器人末端的运动空间解析表达式,再根据运动空间得到的运动学模型直接构建误差模型。标定时采用最小二乘法进行参数辨识,最后用辨识的误差参数来修正运动学参数。(2)以四自由度SCARA串联机器人和六自由度JAKA串联机器人为例,构建SCARA和JAKA串联机器人的运动学模型和误差模型,并对SCARA和JAKA串联机器人进行了运动学标定验证。标定仿真和实验测量数据计算结果均验证了误差模型的正确性,标定后,SCARA机器人精度从0.4698mm提高到0.1076mm,JAKA机器人精度从6.6827mm、0.0422rad提高到0.0812mm、0.0009rad。(3)提出基于GCA的并联机器人误差方法。首先使用并集算子建立各个分支运动链末端的运动空间,再通过混序积对分支运动链末端的运动空间进行交集运算得到动平台上的运动空间解析表达式,该运动空间可等效于一个虚拟串联支链运动空间。然后对等效运动链构建误差模型,直接得到动平台末端与误差源之间映射的解析表达式。最后根据辨识出的误差参数计算末端误差并将其补偿到并联机器人的末端位姿中。基于GCA的并联机器人误差建模方法,可以避开并联机器人运动学正解,直接建立动平台末端与误差源之间映射的解析表达式,具有计算简单的优点。(4)以2-UPR-RPU并联机器人为例,构建2-UPR-RPU并联机器人的运动学模型和误差模型,并对2-UPR-RPU并联机器人进行了运动学标定仿真和运动学标定实验。标定仿真和标定实验结果均验证了误差模型的正确性,标定后,2-UPR-RPU并联机器人精度从3.5683mm、0.0022rad提高到0.1399mm、0.0022rad。(5)以2-UPR-2-RPU冗余驱动并联机器人为例,构建2-UPR-2-RPU冗余并联机器人的运动学模型和误差模型,并对2-UPR-2-RPU冗余并联机器人进行了运动学标定实验。标定实验结果验证了误差模型的正确性和标定方法的可行性,标定后,2-UPR-2-RPU冗余并联机器人精度从4.1828mm、0.0005rad提高到0.2183mm、0.0005rad。在冗余并联机器人的标定中,其约束方程冗余,无法求得精确且物理意义明确的运动学正解,此时本文提出的误差建模方法更能凸显其优势。本文提出了基于GCA的误差建模方法,并验证了该方法的有效性,丰富了运动学标定的理论研究。
王强[6](2021)在《机器人运动学标定与误差补偿技术研究》文中指出工业机器人作为先进工业的智能化代表,绝对定位精度成为高精密设备生产制造中的关键指标。本课题以六轴工业机器人为研究本体,基于机器人运动学分析模型,完成了机器人运动学标定及误差补偿技术研究。研究内容如下:首先以六轴工业机器人为研究对象,采用标准D-H建模方法建立运动学分析模型,得到正向运动学方程与逆向求解公式。在此基础上,采用微分法建立机器人末端几何误差模型。其次,选择API Radian Pro激光跟踪仪、STS六维传感器和API RMS软件作为测量系统,为机器人运动学参数辨识以及误差补偿方法研究提供可靠数据。再次,基于机器人末端几何误差模型,以末端实际位置数据和理想位置数据为样本,采用最小二乘法和遗传算法完成参数辨识。在控制器内修正D-H参数,完成运动学参数标定任务。最后,考虑到机器人定位误差是由多因素共同影响的复合误差,利用BP神经网络的非线性拟合能力,完成六轴工业机器人关节变量误差预测,通过补偿关节变量误差的方式达到提高机器人定位精度的目的。同时引入遗传算法(GA算法)和微分算法(DE算法)解决了BP神经网络中权值和阈值初始值难以选择的问题,提高了传统BP神经网络的收敛速度和全局最优搜索能力,使机器人定位误差补偿效果更佳。
郭博辉[7](2021)在《鸡腿菇采摘机器人轨迹跟踪控制研究》文中进行了进一步梳理传统鸡腿菇的采摘和加工主要靠人工劳作,其中不可食用的根部切削是整个加工流程最费时费力的一道流程,实现根部自动化切削是目前急需解决的关键问题,机器人的应用给解决这一问题提供了契机。因鸡腿菇自身较脆,采摘加工过程对机器人的核心-“控制器”要求较高;基于运动学位置误差控制对伺服驱动器要求较高,且机器人发生意外,不能及时做出响应,造成机器人损坏甚至对工作人员的生命安全产生威胁。基于动力学模型力矩误差控制,可以保证机器人关节高精度轨迹跟踪控制,同时也改善了机器人的动态特性,提高了误差收敛速度。本文在鸡腿菇采摘加工流程设计的基础上,对夹取机构的机器人展开基于动力学模型力矩误差控制研究,实现机器人高效、平稳、快速的抓取鸡腿菇。本文主要研究内容有:首先设计了整套鸡腿菇采摘加工的工艺流程。将整个采摘流程的机械系统分为采摘机构、传送机构、夹取机构、切削机构。通过对目前市面上主要机器人的应用分析决定利用SCARA机器人作为夹取机构的机器人。其次建立了夹取机构机器人的运动模型和动力学模型;利用机器人的D-H参数变换解出机器人的正运动学和逆运动学模型,求出机器人的雅可比矩阵实现机器人工作空间和任务空间的坐标转换;以拉格朗日法建立夹取机构的机器人动力学模型,对于机器人关节存在摩擦,利用线性函数逼近Stribeck摩擦模型。通过线性变换消去一些线性相关的动力学参数,求出了机器人动力学最小参数集。然后由于夹取机构的机器人动力学参数未知,采用理论辨识法对其动力学参数辨识。为了提高参数辨识精度,重点对辨识算法进行了优化改进,采用改进优化后的遗传算法替代传统最小二乘法。然后按照动力学参数辨识基本流程对夹取机构的机器人的参数辨识。最后通过实验验证了优化改进的遗传参数辨识的精度比最小二乘法高,可以替代最小二乘法作为参数辨识的算法,对抓取机构机器人轨迹跟踪控制提供了动力学模型。最后对夹取机构的机器人的轨迹跟踪控制展开研究。辨识的动力学参数无法与实际值完全相等,影响动力学模型精度的因素主要为建模时摩擦模型不精确和外界干扰。因此以计算力矩控制作为主控制器,然后对未建模(外界干扰和摩擦建模不精确)非线性部分采用模糊RBF神经网络自适应补偿控制策略。设计的模糊RBF神经网络是一个具有五层结构的Mamdani型,动态调整径向基函数的中心和宽度。利用模糊RBF神经网络逼近动力学未建模部分非线性部分进行反馈控制,引入滑模面抑制机器人抖动。仿真实验表明,采用了模糊RBF神经网络补偿控制策略比单纯的计算力矩控制降低了关节跟踪误差和时滞性。实现了机器人高精度轨迹跟踪控制和平面定位,为机器人抓取鸡腿菇提供了高效、平稳、快速的控制策略。
赵丹丹[8](2021)在《基于数字孪生的机械加工智能生产线研究》文中认为随着“中国制造2025”的实施,以及我国人口红利的消失,机械加工产业智能转型升级已迫在眉睫。鉴于目前机械加工生产线现场调试困难、生产信息孤岛和市场响应慢等问题,本文提出了基于数字孪生的机械加工智能生产线解决方案。基于数字孪生的理论,以机械加工生产线为研究对象,完成机械加工智能生产线在物理层的生产线设计、数字孪生模型构建和生产线虚拟仿真验证。首先,基于模块化方法完成了机械加工智能生产线的整体方案设计,并对生产线的各模块进行了详细设计。其中,主要包括仓储模块、AGV运送模块、RFID识别模块、工业机器人模块、加工模块、传送模块、视觉检测模块和并联机器人模块,利用主控PLC实现对现场层控制,传感器实时采集生产过程数据。其次,构建了各模块的几何模型、物理模型和行为模型,根据生产工艺流程融合三维模型,研发了生产线各模块的数字孪生模型。依据物理模型的形状、尺寸、位置等几何参数和装配关系等构建几何模型,在此基础上,借助于改进后的Moore有限状态机的建模方法创建了生产线系统的行为模型。再次,利用OPC UA技术建立了生产线系统数据通信网络,利用OPC UA技术,实现了孪生数据的虚实交互与数字空间的映射。同时实现了对孪生数据的存储与复现功能,为模型调试、数据分析、数据挖掘等后续工作提供了数据支持。最后,基于改进后的Moore有限状态机的模型,建立了生产线系统的行为模型。根据各模块的实际功能搭建逻辑树结构,完成其内部的运行机制。根据物理设备的传感信息利用Lua语言编制的脚本控制仿真模型,实现基于实时数据驱动的仿真模型同步映射。
郑祥谱[9](2021)在《基于Stewart结构的并联平台及其在姿态稳定中的应用研究》文中指出Stewart平台是一种并联结构的六自由度平台,具有载荷能力强,运动精度高等优点,在运动模拟器,并联机床,航空航天等多个领域都有广泛应用,是并联机器人的一个研究热点。本文以Stewart并联结构平台为研究对象,研究了Stewart平台的特性并探讨该并联机构在颠簸环境下作为姿态稳定平台的应用。运动学建模是并联机器人研究的重要环节。本文研究了Stewart平台的运动学模型,其中包括了以电缸作为支杆特有的回转误差,并基于该运动学模型实现了一套Simulink环境下完整的Stewart并联结构平台的仿真系统,完成了仿真模型的线性系统辨识并基于LQR(线性二次调节器)原理设计了最优控制器。最后通过轨迹跟踪仿真实验验证了本文讨论的运动学模型和最优控制器的正确性和有效性。运动学参数的精确标定对提高Stewart平台的控制精度有重要意义,现有的标定方法往往需要借助于激光跟踪仪等昂贵的仪器设备进行测量。本文提出了一种采用普通光学相机和标定模板的基于计算机视觉方法的Stewart运动学参数的在线标定方法。该方法可以在相机坐标系和Stewart上平台坐标系变换关系未知情况下,仅通过棋盘格标定模板和Stewart平台自身相对位姿变化完成参数的标定。通过实验证明该方法可以有效并且快速地消除物理样机中初始杆长误差。本文以抗颠簸的稳定平台作为应用,构建了基于Stewart并联结构的稳定平台。该系统以IMU(惯性测量单元)作为系统感知输入,无刷直流电机作为作动器,完成了基于EtherCAT总线的嵌入式系统,实现了一套Stewart并联结构的姿态稳定平台,并在室内环境下以Stewart平台运动作为激励和在室外环境下以真实颠簸道路作为激励实施了实验,给出了实验测试数据。其中,针对多轴伺服系统的时延问题,本文讨论了EtherCAT总线下通信时延测定。同时对轨迹规划实现、IMU姿态合成方法做了研究。讨论了电缸回转误差的软件补偿方法。最后讨论了控制器的前馈设计,并验证了前馈的有效性。
范帅[10](2020)在《一类空间并联机器人刚度建模与刚度缺陷辨识、修复研究》文中提出由于具有刚度大、积累误差小及精度高等优点,并联机器人从被提出至今已广泛应用于各种特定的加工场合。与传统加工机床相比,使用并联机器人作为加工工具头可在不同位置和姿态下进行加工作业,增加了加工系统的柔性并弥补了传统机床加工的应用局限性。自并联机器人作为加工设备被提出以来,有各种新异的并联机器人被设计制造出来,但并联机器人作为加工机床在实际的应用中却寥寥无几,并联机器人的理论刚度优势并未被发挥出来是造成这种现象的重要的因素之一。为了探究制约并联机器人在实际应用中刚度性能不足的原因,本文聚焦于一类驱动支链为铰链-移动副(驱动副)-铰链形式且用于材料加工的空间并联机器人的刚度建模、刚度设计缺陷辨识模型及刚度设计缺陷修复方法的研究。本文的主要研究内容与创新有:作为刚度若干问题分析的基础,借助旋量理论的通用性,研究了并联机器人运动学、动力学和静力学分析方法:为了在旋量系统中表达末端平台的运动规律,研究了从广义坐标系中求解刚体速度旋量和加速度旋量的方法;根据速度旋量幅值的物理含义,研究了在旋量系统中求解运动学雅克比矩阵的方法;基于提出的虚拟速度旋量概念和Jourdain虚功率原理,提出了一种通用型的动力学建模方法。并联机器人全局静刚度建模方法研究:为了在静刚度模型中尽可能多地考虑影响刚度的各种因素,提出了一种综合考虑驱动刚度、铰链间隙、铰链接触变形和杆件变形的全局静刚度模型;考虑铰链在各个方向上的装配间隙大小,提出了常见铰链的间隙模型;通过赫兹精确接触原理,提出了常见铰链的接触变形模型;在所搭建的铰链间隙模型和接触变形模型上,基于虚功原理研究了受铰链间隙和铰链接触变形影响的并联机器人静刚度模型;分析了以变截面悬臂梁为支链的杆件变形模型,通过虚功原理和卡式第二定理给出了受杆件变形影响下的并联机器人静刚度模型。并联机器人全局动刚度建模方法研究:为了搭建并联机器人的动刚度模型,提出了一种基于旋量理论和凯恩方程且满足驱动力、外部负载、末端平台速率一次项、末端平台速率二次型项和末端平台加速度各自相互独立的动力学建模方法;在提出的动力学模型基础上,研究了考虑各支链刚度和阻尼、铰链间隙、铰链接触变形、外部激励和重力影响的并联机器人标准振动模型建模方法。并联机器人刚度设计缺陷辨识模型与方法研究:为了研究与刚度设计密切相关的各项分析中存在的不足,提出了一种全局刚度设计缺陷辨识模型;为了评判并联机器人全域刚度性能,研究了万向铰的区域约束,得到了并联机器人的全域工作空间;为了区分不同任务类型的并联机器人,研究了并联机器人的任务区分图,为特定任务下忽略并联机器人分析模型中的次要因素提供了依据;研究了能代表实际加工中不同方向刚度性能的刚度指数;结合统计模拟方法并综合考虑影响刚度的不确定性因素,提出了一种辨识并联机器人是否具有刚度设计缺陷及度量刚度设计缺陷严重程度的刚度设计缺陷辨识方法。并联机器人刚度设计缺陷修复方法研究:根据刚度缺陷的严重程度,研究了基于部件综合、尺度综合和构型综合的三种刚度设计缺陷修复方法;针对较小的刚度设计缺陷,提出了一种基于部件综合的去特征化修复方法;针对部件综合不能修复的刚度设计缺陷,提出了一种基于尺度综合和参数图谱理论的修复方法;针对较大刚度设计缺陷,提出了一种基于构型综合及刚度性能对比的修复方法。本文对一类驱动支链为铰链-移动副(驱动副)-铰链形式且用于材料加工的空间并联机器人刚度建模、刚度设计缺陷辨识及刚度设计缺陷修复等问题进行了较为深入系统的研究,解决了并联机器人刚度设计过程中建模方法不通用、模型不准确、辨识结果不可靠、修复方法单一等问题,揭示了机床类并联机器人理论刚度性能和实际刚度性能差异大的部分原因,充实了机床类并联机器人的刚度设计理论体系。
二、六轴并联机器人系统辨识(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、六轴并联机器人系统辨识(论文提纲范文)
(1)基于6-DOF并联机器人主动减摆设计(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 选题背景与研究意义 |
1.2 并联机器人的特点与应用 |
1.3 并联机器人国内外研究现状 |
1.4 并联机器人主动减摆理论研究现状 |
1.4.1 主动减摆技术的发展 |
1.4.2 并联机构减摆的研究现状 |
1.5 主要研究内容和章节安排 |
2 并联机器人运动学计算及运动空间优化 |
2.1 并联机器人的运动学 |
2.1.1 坐标系定义 |
2.1.2 并联机器人运动控制概述 |
2.1.3 欧拉角和旋转变换 |
2.1.4 并联机器人逆向运动学计算 |
2.1.5 并联机器人正向运动学计算 |
2.2 并联机器人运动空间的计算方法 |
2.2.1 运动空间的定义和搜索 |
2.2.2 下降单纯形法 |
2.3 并联机器人运动空间的优化 |
2.4 并联机器人运动空间搜索与优化程序设计 |
2.5 不同的机械结构对机器人运动空间的影响 |
2.6 本章小结 |
3 并联机器人标定算法 |
3.1 并联机器人误差来源与定义 |
3.2 并联机器人标定算法的原理 |
3.3 使用观测仪器检测机器人位姿 |
3.4 观测器与机器人坐标转换 |
3.5 并联机器人标定算法过程 |
3.5.1 并联机器人标定控制程序 |
3.5.2 误差与标定仿真计算 |
3.5.3 机器人本体误差对于位姿精度的影响 |
3.5.4 误差项数量对于标定的影响 |
3.5.5 标定对于机器人位姿误差的影响 |
3.6 本章小结 |
4 单自由度主动减摆设计 |
4.1 单自由度主动减摆的硬件结构 |
4.1.1 加速度参数设置及计算 |
4.1.2 单自由度直线减摆接线原理图 |
4.2 基于前馈控制的主动减摆理论基础 |
4.2.1 不考虑直线导轨长度时的前馈控制 |
4.2.2 位移和速度双闭环结构 |
4.2.3 考虑直线导轨转速上限和长度上限时的前馈控制 |
4.3 基于反馈控制的主动减摆理论基础 |
4.3.1 PID控制理论基础 |
4.3.2 不考虑直线导轨长度时的反馈控制 |
4.3.3 考虑直线导轨长度时的反馈控制 |
4.4 同时包含前馈与反馈的减摆控制 |
4.5 单自由度主动减摆实验 |
4.5.1 不考虑直线导轨长度时的前馈控制 |
4.5.2 考虑直线导轨长度时的前馈控制 |
4.5.3 不考虑直线导轨长度时的反馈控制 |
4.5.4 考虑直线导轨长度时的反馈控制 |
4.5.5 同时包含前馈和反馈的主动减摆控制 |
4.5.6 单自由度主动减摆实物测试 |
4.6 本章小结 |
5 并联机器人主动减摆设计 |
5.1 并联机器人主动减摆控制算法 |
5.1.1 仅考虑平移运动的减摆控制 |
5.1.2 仅考虑姿态变化的减摆控制 |
5.1.3 同时考虑位移和姿态变化的减摆控制 |
5.2 并联机器人减摆控制的软件结构 |
5.2.1 机器人复位控制流程 |
5.2.2 机器人正常工作控制流程 |
5.3 并联机器人减摆控制的硬件结构 |
5.3.1 6-DOF并联机器人介绍 |
5.3.2 加速度传感器信号处理 |
5.4 并联机器人主动减摆实物测试 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
(2)XYZ-3RPS六轴混联加工装备运动学标定方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源及研究的目的与意义 |
1.1.1 课题来源 |
1.1.2 课题研究目的与意义 |
1.2 国内外研究现状及分析 |
1.2.1 螺旋桨加工装备研究现状 |
1.2.2 标定方法的研究现状 |
1.3 主要研究内容 |
第2章 混联装备的运动学分析 |
2.1 引言 |
2.2 装备的结构分析 |
2.3 装备的运动参数解耦 |
2.3.1 相关坐标系的定义 |
2.3.2 并联机构参数解耦 |
2.3.3 整体运动参数解耦 |
2.4 装备末端位置分析 |
2.4.1 末端位置逆解分析 |
2.4.2 末端位置正解分析 |
2.5 运动学模型仿真验证 |
2.5.1 逆解模型的仿真验证 |
2.5.2 正解模型的仿真验证 |
2.6 本章小结 |
第3章 混联装备的几何误差建模 |
3.1 引言 |
3.2 标定相关坐标系的建立 |
3.3 串联机构的误差建模 |
3.4 并联机构的误差建模 |
3.4.1 并联机构的误差分析 |
3.4.2 并联机构的误差模型 |
3.4.3 并联机构误差源分离 |
3.5 误差模型仿真验证 |
3.6 末端位姿误差分析 |
3.7 本章小结 |
第4章 混联装备的参数辨识与补偿策略 |
4.1 引言 |
4.2 双目视觉的三维测量原理 |
4.3 串联机构的参数辨识 |
4.4 并联机构的参数辨识 |
4.4.1 参数辨识的基本原理 |
4.4.2 基于位置信息的参数辨识 |
4.4.3 并联机构的观测位形优选 |
4.5 参数辨识的仿真分析 |
4.5.1 串联机构的辨识仿真 |
4.5.2 并联机构的辨识仿真 |
4.5.3 参数辨识的鲁棒性优化 |
4.6 误差补偿策略及其验证 |
4.6.1 末端误差补偿策略 |
4.6.2 误差补偿效果验证 |
4.7 本章小结 |
第5章 混联加工装备样机的标定实验 |
5.1 引言 |
5.2 双目视觉测量系统构建 |
5.2.1 双目视觉测量装置简介 |
5.2.2 双目视觉测量系统配置 |
5.2.3 双目相机的标定实验 |
5.3 装备初始位形零点标定 |
5.3.1 初始位形零点粗标定 |
5.3.2 初始位形零点精确标定 |
5.4 混联加工装备的标定实验 |
5.4.1 串联机构的标定实验 |
5.4.2 并联机构的标定实验 |
5.5 装备末端补偿效果检验 |
5.5.1 串联机构定位精度检验 |
5.5.2 装备末端姿态精度检验 |
5.5.3 整体末端定位精度检验 |
5.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(3)基于深度神经网络的机器人运动控制技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 基于神经网络的机器人运动控制国内外研究现状 |
1.3 本文的主要研究内容 |
第2章 基于神经网络的机器人运动学 |
2.1 引言 |
2.2 机器人运动学建模 |
2.3 机器人运动学神经网络建模 |
2.4 机器人运动学神经网络模型评估 |
2.4.1 神经网络模型精度评估 |
2.4.2 神经网络模型速度评估 |
2.5 机器人运动学神经网络模型的风险与改进 |
2.5.1 运动学神经网络模型的风险 |
2.5.2 运动学神经网络模型改进方法 |
2.6 本章小结 |
第3章 基于神经网络的机器人误差补偿 |
3.1 引言 |
3.2 基于神经网络的并联机器人误差补偿 |
3.3 基于神经网络的串联机器人误差补偿 |
3.4 本章小结 |
第4章 基于神经网络的机器人参数标定 |
4.1 引言 |
4.2 基于神经网络的并联机器人参数标定 |
4.2.1 基于神经网络的并联机器人参数标定流程 |
4.2.2 单步DDPG算法 |
4.2.3 3-RRS并联机器人结构参数标定 |
4.2.4 标定结果评估 |
4.3 基于神经网络的串联机器人参数标定 |
4.3.1 基于神经网络的串联机器人参数标定流程 |
4.3.2 2R平面串联机器人结构参数标定 |
4.3.3 改进的2R平面串联机器人结构参数标定 |
4.4 本章小结 |
第5章 基于神经网络的机器人感知与控制 |
5.1 引言 |
5.2 Isaac sim仿真平台简介 |
5.3 Yolo v4 卷积神经网络 |
5.3.1 Yolo v4 简介 |
5.3.2 基于Yolo v4 的目标检测与识别 |
5.4 Delta机器人建模 |
5.4.1 Delta机器人运动学建模 |
5.4.2 Delta机器人工作空间分析 |
5.5 Delta机器人视觉伺服控制 |
5.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(4)3-UPU并联机构的运动学标定研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究意义 |
1.2 智能优化算法概述 |
1.3 机器人末端误差来源 |
1.4 标定的研究方法介绍 |
1.4.1 自标定法 |
1.4.2 外标定法 |
1.4.3 约束标定法 |
1.5 本文的主要研究内容 |
第2章 3-UPU并联机构的运动学标定优化建模 |
2.1 引言 |
2.2 研究对象简介 |
2.2.1 机构自由度分析 |
2.2.2 运动学反解 |
2.3 3-UPU机构精度建模 |
2.3.1 运动模型残差函数 |
2.3.2 精度模型的建立 |
2.4 机构误差形式分类及表示 |
2.4.1 静态误差 |
2.4.2 动态误差 |
2.5 本章小结 |
第3章 3-UPU并联机构精度分析 |
3.1 引言 |
3.2 单一误差源作用下的精度分析 |
3.3.1 支链杆长误差 |
3.3.2 机构的U副位置误差 |
3.3.3 平台尺寸误差 |
3.3 同种类型误差源中多因素误差作用下精度分析 |
3.4 误差实例分析 |
3.5 误差存在的一般化仿真 |
3.5.1 误差情形一 |
3.5.2 误差情形二 |
3.5.3 误差情形三 |
3.6 机构动态误差分析 |
3.7 本章小结 |
第4章 机构的标定辨识算法研究 |
4.1 引言 |
4.2 量子粒子群优化算法的改进 |
4.2.1 量子粒子群优化算法运行流程 |
4.2.2 量子粒子群优化算法的优化步骤 |
4.2.3 量子粒子群优化算法的改进 |
4.3 仿真实验 |
4.3.1 测试函数 |
4.3.2 参数设置及评价指标 |
4.3.3 实验结果分析 |
4.4 并联机器人的运动学标定流程 |
4.4.1 并联机器人的标定流程 |
4.4.2 确定优化变量 |
4.4.3 设计适应度函数 |
4.4.4 并联机器人标定仿真分析 |
4.5 本章小结 |
第5章 平台标定实验设计与分析 |
5.1 引言 |
5.2 控制系统 |
5.3 标定实验 |
5.3.1 测量设备 |
5.3.2 机构标定实验 |
5.3.3 结果讨论 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(5)基于GCA的机器人运动学标定研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 课题的研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 误差建模 |
1.2.2 误差测量 |
1.2.3 参数辨识 |
1.2.4 误差补偿 |
1.3 Grassmann-Cayley代数 |
1.4 本文主要研究内容 |
第2章 基于GCA的串联机器人运动学标定方法 |
2.1 引言 |
2.2 GCA基础 |
2.2.1 Extensors |
2.2.2 并集算子 |
2.2.3 交集算子 |
2.3 串联机器人运动学标定方法 |
2.3.1 串联机器人运动学模型 |
2.3.2 串联机器人误差模型 |
2.3.3 串联机器人运动学标定 |
2.5 本章小结 |
第3章 串联机器人运动学标定验证 |
3.1 引言 |
3.2 四自由度SCARA串联机器人运动学标定验证 |
3.2.1 四自由度SCARA串联机器人运动学模型 |
3.2.2 四自由度SCARA串联机器人误差建模 |
3.2.3 四自由度SCARA串联机器人运动学标定仿真 |
3.2.4 四自由度SCARA串联机器人运动学标定实验 |
3.3 六自由度JAKA串联机器人运动学标定验证 |
3.3.1 六自由度JAKA串联机器人运动学模型 |
3.3.2 六自由度JAKA串联机器人误差建模 |
3.3.3 六自由度JAKA串联机器人运动学标定仿真 |
3.3.4 六自由度JAKA串联机器人运动学标定实验 |
3.4 本章小结 |
第4章 基于GCA的并联机器人运动学标定方法 |
4.1 引言 |
4.2 并联机器人运动学模型 |
4.3 并联机器人的等效运动链的误差建模 |
4.4 等效运动链的运动学标定方法 |
4.5 本章小结 |
第5章 并联机器人运动学标定验证 |
5.1 引言 |
5.2 2-UPR-RPU并联机器人运动学标定验证 |
5.2.1 2-UPR-RPU并联机器人的等效运动链 |
5.2.2 等效运动链的误差建模 |
5.2.3 等效运动链的标定仿真 |
5.2.4 等效运动链的标定实验 |
5.3 2-UPR-2-RPU冗余驱动并联机器人运动学标定验证 |
5.3.1 2-UPR-2-RPU冗余驱动并联机器人的等效运动链 |
5.3.2 等效运动链的运动学标定实验 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简历 |
(6)机器人运动学标定与误差补偿技术研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 选题背景及意义 |
1.1.1 课题来源 |
1.1.2 研究背景 |
1.1.3 研究意义 |
1.2 国内外研究现状 |
1.2.1 建模 |
1.2.2 数据测量 |
1.2.3 参数辨识 |
1.2.4 误差补偿 |
1.3 本文研究内容及章节安排 |
2 六轴机器人运动学分析及误差建模 |
2.1 机器人运动学概述 |
2.2 机器人主要参数 |
2.3 机器人运动学分析 |
2.3.1 机器人坐标系及坐标变换 |
2.3.2 机器人末端位姿表示 |
2.3.3 机器人正向运动学分析 |
2.3.4 机器人逆运动学求解分析 |
2.4 机器人运动学仿真 |
2.5 基于D-H模型的机器人末端误差模型 |
2.5.1 相邻坐标系之间的误差模型 |
2.5.2 机器人末端误差模型 |
2.6 本章小结 |
3 基于激光跟踪仪的机器人末端位姿测量 |
3.1 位姿测量与测量装备概述 |
3.2 激光跟踪仪组成和原理 |
3.3 机器人末端位姿测量 |
3.3.1 安装测量系统 |
3.3.2 预热系统 |
3.3.3 测量坐标系与基坐标系的坐标变换 |
3.3.4 工具坐标系校准 |
3.3.5 数据测量及处理 |
3.4 本章小结 |
4 机器人运动学参数误差辨识 |
4.1 运动学参数辨识概述 |
4.2 基于最小二乘法参数误差辨识 |
4.2.1 最小二乘法 |
4.2.2 参数辨识 |
4.2.3 参数辨识结果及误差补偿实验 |
4.3 基于遗传算法的参数误差辨识 |
4.3.1 遗传算法概述 |
4.3.2 遗传算法关键概念 |
4.3.3 参数辨识 |
4.3.4 参数辨识结果及误差补偿实验 |
4.4 本章小结 |
5 基于神经网络算法的定位误差补偿方法 |
5.1 工业机器人定位误差补偿概述 |
5.2 神经网络误差补偿方法 |
5.2.1 神经网络概述及定位误差补偿思路 |
5.2.2 基于BP神经网络的机器人定位误差补偿 |
5.2.3 仿真分析 |
5.3 进化算法优化BP神经网络补偿误差方法 |
5.3.1 优化的必要性和进化算法的介绍 |
5.3.2 基于GA-BP网络的误差补偿方法 |
5.3.3 基于DE-BP网络的误差补偿方法 |
5.3.4 仿真分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简历 |
学位论文数据集 |
(7)鸡腿菇采摘机器人轨迹跟踪控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景意义 |
1.2 机器人动力学研究现状 |
1.2.1 动力学建模研究现状 |
1.2.2 动力学参数辨识研究现状 |
1.3 基于动力学模型轨迹控制研究现状 |
1.4 本文研究内容 |
第2章 鸡腿菇采摘加工流程及控制方案设计 |
2.1 引言 |
2.2 鸡腿菇采摘加工整体流程设计 |
2.3 夹取机构机器人选型 |
2.4 总体控制方案的设计 |
2.4.1 动力学参数辨识步骤 |
2.4.2 影响动力学参数辨识精度的因素分析 |
2.4.3 鸡腿菇控制总体方案 |
2.5 本章小结 |
第3章 机器人运动学与动力学 |
3.1 引言 |
3.2 运动学分析 |
3.2.1 运动学建模 |
3.2.2 机器人正运动学 |
3.2.3 机器人逆运动学 |
3.2.4 雅克比矩阵 |
3.3 动力学分析 |
3.3.1 拉格朗日动力学方程推导 |
3.3.2 摩擦模型 |
3.3.3 机器人动力学建模 |
3.3.4 动力学最小参数集 |
3.4 本章小结 |
第4章 动力学参数辨识设计 |
4.1 引言 |
4.2 激励轨迹设计 |
4.2.1 激励轨迹优化 |
4.2.2 激励轨迹参数求解 |
4.3 算法改进 |
4.3.1 遗传算法 |
4.3.2 遗传算法的改进 |
4.4 数据的处理方式 |
4.5 实验验证 |
4.6 本章小结 |
第5章 基于动力学参数辨识模型轨迹控制研究 |
5.1 引言 |
5.2 计算力矩控制 |
5.3 模糊RBF神经网络控制优化设计 |
5.3.1 机器人模糊控制系统结构设计 |
5.3.2 模糊控制简述 |
5.3.3 模糊控制器设计 |
5.3.4 RBF神经网络 |
5.3.5 模糊RBF神经网络结构设计 |
5.3.6 模糊RBF神经网络控制器设计 |
5.4 仿真验证 |
5.4.1 计算力矩控制仿真 |
5.4.2 模糊RBF神经网络控制 |
5.4.3 仿真结果对比 |
5.5 本章小结 |
第6章 总结与展望 |
总结 |
展望 |
参考文献 |
致谢 |
(8)基于数字孪生的机械加工智能生产线研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 数字孪生的研究现状 |
1.2.2 生产线建模技术的研究现状 |
1.2.3 虚拟仿真的研究现状 |
1.3 主要研究内容 |
第2章 机械加工智能生产线的设计 |
2.1 生产线设计方案 |
2.1.1 生产线设计目标 |
2.1.2 生产线方案设计 |
2.2 机械加工智能生产线机械系统的设计 |
2.2.1 立体仓储模块 |
2.2.2 AGV运送模块 |
2.2.3 RFID识别模块 |
2.2.4 工业机器人模块 |
2.2.5 加工模块 |
2.2.6 传输模块 |
2.2.7 视觉模块 |
2.2.8 并联机器人模块 |
2.3 机械加工智能生产线控制系统的设计 |
2.3.1 立体仓储模块控制系统 |
2.3.2 AGV模块控制系统 |
2.3.3 RFID模块控制系统 |
2.3.4 工业机器人模块控制系统 |
2.3.5 加工模块控制系统 |
2.3.6 传输模块控制系统 |
2.3.7 视觉模块控制系统 |
2.3.8 并联机器人模块控制系统 |
2.4 本章小结 |
第3章 生产线数字孪生模型的研究 |
3.1 数字孪生模型需求 |
3.2 数字孪生模型研究 |
3.2.1 基于Solid Works的几何模型 |
3.2.2 基于有限状态机的行为模型 |
3.2.3 数字孪生模型融合 |
3.3 生产线数字孪生模型的构建 |
3.3.1 生产线工艺流程 |
3.3.2 生产系统的数字孪生模型 |
3.4 本章小结 |
第4章 基于OPC通信的多元异构数据处理方法的研究 |
4.1 智能加工生产线数据信息分析 |
4.2 通信的设计与实现 |
4.2.1 服务器搭建 |
4.2.2 服务器数据模型构建 |
4.2.3 数字空间的数据通信 |
4.2.4 实时映射 |
4.3 本章小结 |
第5章 生产线虚拟调试系统的设计 |
5.1 场景设计 |
5.1.1 模型导入 |
5.1.2 模型渲染 |
5.1.3 预制物件 |
5.1.4 刚体属性 |
5.1.5 碰撞检测 |
5.2 行为模型构建 |
5.2.1 产品和托盘模型设计 |
5.2.2 立体仓储模块设计 |
5.2.3 AGV模块设计 |
5.2.4 RFID模块设计 |
5.2.5 工业机器人模块设计 |
5.2.6 加工单元模块设计 |
5.2.7 传送模块设计 |
5.2.8 并联机器人模块设计 |
5.3 实验验证 |
5.3.1 数字孪生系统实现过程 |
5.3.2 应用结果展示 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
申请学位期间的研究成果及发表的学术论文 |
(9)基于Stewart结构的并联平台及其在姿态稳定中的应用研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2.国内外研究现状 |
1.2.1 Stewart平台发展概况 |
1.2.2 Stewart平台运动学研究概况 |
1.2.3 Stewart平台标定方法发展概况 |
1.3 本文主要研究工作和组织结构 |
2 Stewart平台运动学分析 |
2.1 引言 |
2.2 Stewart平台的旋转矩阵 |
2.3 Stewart平台运动学反解模型 |
2.4 Stewart平台运动学正解模型 |
2.5 电缸的回转误差 |
2.6 本章小结 |
3 Stewart平台仿真模型设计 |
3.1 引言 |
3.2 仿真模型设计 |
3.3 仿真结果与分析 |
3.4 回转误差的验证 |
3.5 本章小结 |
4 Stewart平台运动学参数的在线标定方法 |
4.1 引言 |
4.2 Eye-in-Hand手眼标定 |
4.3 PnP问题 |
4.4 基于视觉的运动学参数在线标定方法 |
4.4.1 Stewart误差标定模型 |
4.4.2 Stewart误差标定模型解法 |
4.5 实验结果分析 |
4.5.1 仿真实验分析 |
4.5.2 实物实验分析 |
4.6 本章小节 |
5 Stewart稳定平台系统设计 |
5.1 引言 |
5.2 通讯总线的实时性测试 |
5.2.1 同步性校验 |
5.2.2 SDO和PDO通讯效率对比 |
5.3 平台轨迹规划算法设计 |
5.3.1 实时轨迹规划方法 |
5.3.2 轨迹规划结果 |
5.4 IMU姿态估计方案 |
5.4.1 IMU硬件设计 |
5.4.2 基于互补滤波的姿态估计 |
5.4.3 基于ErrorStateKalmanFilter的姿态估计 |
5.4.4 姿态估计的仿真结果 |
5.5 基于IMU的姿态稳定系统控制器设计 |
5.5.1 回转误差补偿 |
5.5.2 位置环控制目标 |
5.5.3 速度环控制目标 |
5.6 本章小结 |
6 Stewart稳定平台系统实验结果 |
6.1 引言 |
6.2 以Stewart平台运动作为激励的稳定平台实验 |
6.2.1 实验设置 |
6.2.2 实验结果分析 |
6.3 以真实颠簸道路为激励的稳定平台实验 |
6.3.1 实验设置 |
6.3.2 实验结果分析 |
6.4 本章小结 |
7 总结与展望 |
7.1 本文主要工作总结 |
7.2 未来工作展望 |
8 参考文献 |
作者简历 |
攻读硕士期间所取得科研成果 |
(10)一类空间并联机器人刚度建模与刚度缺陷辨识、修复研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题来源 |
1.2 研究背景与研究意义 |
1.3 国内外研究历史与现状 |
1.3.1 机床类并联机器人国内外发展历史与研究现状 |
1.3.2 设计缺陷辨识及修复理论研究现状 |
1.3.3 并联机器人设计缺陷辨识及修复理论研究现状 |
1.3.4 并联机器人刚度建模与刚度设计缺陷研究现状 |
1.4 本论文的主要贡献与创新 |
1.5 本论文的结构安排 |
第二章 基于旋量理论的运动及力学分析方法研究 |
2.1 运动学分析研究 |
2.1.1 速度旋量求解 |
2.1.2 并联机器人雅克比矩阵的求解 |
2.2 静力学分析研究 |
2.3 动力学分析研究 |
2.3.1 加速度旋量求解 |
2.3.2 杆件加速度旋量分析 |
2.3.3 虚拟速度旋量 |
2.3.4 并联机器人动力学方程 |
2.4 实例分析 |
2.4.1 6UPS型6 自由度并联机器人 |
2.4.2 2RPS+2UPS型4 自由度并联机器人 |
2.4.3 1PU+3UPS型3 自由度并联机器人 |
2.5 数值算例:1PU+3UPS型并联钻床调姿机构 |
2.6 本章小结 |
第三章 全局静刚度建模方法研究 |
3.1 并联机器人的全局静刚度模型 |
3.2 驱动元件刚度引起的末端平台微小变形量 |
3.3 铰链间隙引起的末端平台微小变形量 |
3.3.1 转动副间隙模型 |
3.3.2 万向铰间隙模型 |
3.3.3 球铰间隙模型 |
3.3.4 移动副间隙模型 |
3.4 铰链接触变形引起的末端平台微小变量 |
3.4.1 转动副接触变形模型 |
3.4.2 万向铰接触变形模型 |
3.4.3 球铰接触变形模型 |
3.4.4 移动副接触变形模型 |
3.5 杆件变形引起的末端平台微小变形量 |
3.5.1 基于虚功原理的求解方法 |
3.5.2 基于卡式第二定理的求解方法 |
3.6 实例分析 |
3.7 数值算例 |
3.8 本章小结 |
第四章 全局动刚度建模方法研究 |
4.1 基于凯恩方程的动力学建模方法研究 |
4.1.1 偏速度 |
4.1.2 加速度分析 |
4.1.3 并联机器人动力学模型 |
4.2 并联机器人振动模型 |
4.2.1 理想少自由度标准振动模型 |
4.2.2 全局标准振动模型 |
4.3 并联机器人振动系统响应分析 |
4.3.1 固有频率及模态矩阵 |
4.3.2 自由振动系统的响应分析 |
4.3.3 简谐激励下强迫振动系统的响应分析 |
4.4 实例分析 |
4.5 数值算例 |
4.6 本章小结 |
第五章 刚度设计缺陷辨识模型及辨识方法研究 |
5.1 全局刚度设计缺陷辨识模型 |
5.2 全局工作空间 |
5.2.1 一类万向铰工作空间分析 |
5.2.2 万向铰组成的复合球铰工作空间分析 |
5.2.3 工作空间数值搜寻法 |
5.2.4 数值实例 |
5.3 并联机器人任务区分图 |
5.3.1 外部负载制约因素 |
5.3.2 末端平台速率制约因素 |
5.3.3 功率制约因素 |
5.3.4 数值实例 |
5.4 刚度性能评价指数 |
5.4.1 绝对坐标系中6 个方向上的静刚度指数 |
5.4.2 绝对坐标系中6 个方向上的动刚度指数 |
5.4.3 相对坐标系中6 个方向上的刚度指数 |
5.4.4 数值实例 |
5.5 基于统计模拟的刚度设计缺陷辨识方法 |
5.5.1 伪随机数与随机物理变量 |
5.5.2 数据统计与分析 |
5.5.3 刚度设计缺陷辨识 |
5.5.4 数值实例 |
5.6 本章小结 |
第六章 刚度设计缺陷修复方法研究 |
6.1 基于部件综合的刚度设计缺陷修复方法 |
6.1.1 缺陷特征模型的建立 |
6.1.2 参数的灵敏度分析 |
6.1.3 特征目标分析 |
6.1.4 修复成效验证 |
6.2 基于尺度综合的刚度设计缺陷修复方法 |
6.2.1 无约束参数图谱空间 |
6.2.2 约束型参数图谱空间 |
6.2.3 特征参数求解 |
6.3 基于构型综合的刚度设计缺陷修复方法研究 |
6.3.1 一类支链刚度性能研究 |
6.3.2 构型综合中刚度性能判别准则 |
6.4 实例分析 |
6.4.1 基于部件综合的刚度设计缺陷修复实例 |
6.4.2 基于尺度综合的刚度设计缺陷修复实例 |
6.4.3 基于构型综合的刚度设计缺陷修复实例 |
6.4.4 三种刚度设计缺陷修复方法的成效比较 |
6.5 本章小结 |
第七章 全文总结与展望 |
7.1 全文总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
四、六轴并联机器人系统辨识(论文参考文献)
- [1]基于6-DOF并联机器人主动减摆设计[D]. 管坡. 西安理工大学, 2021(01)
- [2]XYZ-3RPS六轴混联加工装备运动学标定方法研究[D]. 彭高磊. 哈尔滨工业大学, 2021
- [3]基于深度神经网络的机器人运动控制技术研究[D]. 温强. 燕山大学, 2021(01)
- [4]3-UPU并联机构的运动学标定研究[D]. 邓朋. 燕山大学, 2021(01)
- [5]基于GCA的机器人运动学标定研究[D]. 夏纯. 浙江理工大学, 2021
- [6]机器人运动学标定与误差补偿技术研究[D]. 王强. 煤炭科学研究总院, 2021(01)
- [7]鸡腿菇采摘机器人轨迹跟踪控制研究[D]. 郭博辉. 兰州理工大学, 2021(01)
- [8]基于数字孪生的机械加工智能生产线研究[D]. 赵丹丹. 天津职业技术师范大学, 2021(06)
- [9]基于Stewart结构的并联平台及其在姿态稳定中的应用研究[D]. 郑祥谱. 浙江大学, 2021(01)
- [10]一类空间并联机器人刚度建模与刚度缺陷辨识、修复研究[D]. 范帅. 电子科技大学, 2020(07)