机械臂运行过程中,机械臂之间及机械臂与外部环境中的人和物易发生碰撞,造成财产损失或人员受伤甚至死亡。针对此,在对比分析目前主流的路径规划算法后,将卷积神经网络与RRT Connect算法进行融合,弥补了原始算法随机性强、算法执行效率慢等缺点;同时将数字孪生引入到碰撞检测过程中,建立起虚实系统之间的数据交互,实现对抓取系统的实时监测。最后,基于CoppeliaSim软件搭建了机械臂孪生仿真平台并开展了仿真实验。结果表明提出的检测方法具有抓取精度高、稳定性强及可靠性高的优势。

随着铁路货车状态检修项目的深入推进,迫切需要一种应用于铁路货车检测领域的智能机器人系统,代替人工完成部分货车检测工作,提高检修效率。针对铁路货车检修问题,设计了一种智能机器人系统,详细阐述了关键技术,实现了铁路货车的自动巡检。该机器人可监控货车各个部件外观技术状态,确保货车行车安全,最大程度避免了人为失误造成的误判,对列车安全形成“双保险”。

为了解决工业生产过程中无序上下料机械臂与料筐的碰撞预测和轨迹规划问题,设计了基于数字孪生技术的机械臂无序抓取系统。系统虚拟仿真层负责模型构建和动态显示;控制层完成工件的识别和定位,利用基于空间投影的快速碰撞检测算法进行碰撞检测,采用关节空间双向搜索算法实现机械臂轨迹规划,利用模糊推理优化工艺参数;实体物理层实现场景扫描和运动数据实时上传。实际抓取实验验证了系统的有效性,机械臂避障准确率达到98%。

为了克服工业机械臂的未知负载力矩和摩擦等干扰因素的影响,采用迭代学习算法设计了滑模控制律。首先建立了工业机械臂数学模型,然后设计了二阶非奇异快速终端滑模面,同时提出了滑模控制律,最后利用迭代学习方法来改善滑模控制律的抖振现象,并进行了收敛性分析。仿真结果表明设计的基于迭代学习的滑模控制律能够有效消除各种干扰因素的影响,实现对工业机械臂运动轨迹的精确控制,最大跟踪误差仅为0.3mm,在实测验证中的最大跟踪误差也仅为0.17mm,平均运行时长仅为1.73s,大幅提升了对工业机械臂的控制精准度。

针对工业机械臂进行动力学分析的常用方法是利用Lagrange方程进行动力学建模后再实行仿真计算。利用Pieper准则,将五自由度工业机械臂动力学方程展开式简化,即将腕部与手抓部的关节视为外部干扰,只针对前三关节进行动力学分析;提出一种针对简化后的模型利用开源引擎ODE完成机械臂动力学计算;在建立的机械臂三维仿真平台上利用ODE进行仿真的方法。仿真结果表明:该仿真方法不仅可实现机械臂的实时控制,还能得到机械臂动力学参数曲线图。为解决机械臂动力学仿真中效率低和实时性差的问题提供了理论依据。