發(fā)布時間：2024-12-21 01:25

　　隨著機器人在制造業(yè)領(lǐng)域的普遍應用,工業(yè)機器人傷害工作人員的事件已屢見不鮮。如何在共享有限空間的前提下保證工作人員的安全成為了機器人避碰技術(shù)的研究重心。因此,研究工業(yè)機器人在復雜環(huán)境中的動態(tài)避碰問題,對提高工業(yè)機器人的安全性具有重要的意義。本課題以YL-R1400工業(yè)機器人為研究對象,針對機械臂運行時障礙物避碰和目標追蹤問題,利用深度學習算法、雙目視覺空間定位技術(shù)、人工勢場法及虛擬樣機技術(shù)對六自由度機械臂障礙物避碰和目標追蹤進行研究與分析。研究內(nèi)容如下:首先,以YL-R1400工業(yè)機器人的數(shù)據(jù)為基本參數(shù),對機械臂進行運動學建模與分析。應用D-H參數(shù)法建立機械臂的正運動學模型,求解機械臂末端空間坐標系與關(guān)節(jié)空間坐標系之間的轉(zhuǎn)換方程式;應用代數(shù)法求解機械臂逆運動學方程,在已知末端軌跡的情況下采用逆運動學方程求解出機械臂每個關(guān)節(jié)的轉(zhuǎn)角軌跡,為控制系統(tǒng)提供控制變量,并使用MATLAB Robotics Toolbox對所建模型進行驗證與分析。其次,采用雙目視覺系統(tǒng)獲取目標的位置信息。本文基于深度學習算法對障礙物及目標進行檢測和識別,然后將獲取的信息傳輸至含空間定位算法的雙目視覺系統(tǒng)中,并確定目標與...

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

圖1.1亞龍智能公司焊接機器人現(xiàn)場布置示意圖

工程碩士學位論文1第1章緒論1.1課題背景及意義隨著機器人在制造業(yè)領(lǐng)域的普遍應用，工業(yè)機器人傷害工作人員的事件已屢見不鮮[1]。例如：上世紀70年代末，日本廣島某企業(yè)的工業(yè)機器人在正常作業(yè)時，出現(xiàn)故障，將操作人員重傷致死，成為了世界上首例機器人傷人事故。再如，2015年6月，在德....

圖1.2機器

制造重要分支之一機器視覺的發(fā)展[14]。在工業(yè)機器人避碰中，機器視覺可以確保精確檢測出環(huán)境中的障礙物和目標，可見深度學習算法的發(fā)展促進了工業(yè)機器人避碰技術(shù)的進程，使得避碰算法的實現(xiàn)具有了工程意義。從避碰技術(shù)的提出到琳瑯滿目的各類算法，眾多的學者和工程師把避碰技術(shù)運用到了如焊接、裝....

圖2.7YL-R1400機械臂運動學模型

六自由度機械臂動態(tài)避碰研究20圖2.7YL-R1400機械臂運動學模型由上圖可知，以表2.1為已知參數(shù)，以Link[0，0，0，0，0，0]為初始位姿建立的六自由度機械臂和本章第二節(jié)中建立的數(shù)值模型相符，因此所建模型準確合理。工具箱中還有正運動學仿真分析函數(shù)、逆運動學仿真分析函數(shù)....

圖3.2MaskR-CNN網(wǎng)絡結(jié)構(gòu)示意圖

D、FPN、RetinaNet等。Twostage模型是一種以候選區(qū)域為基準的目標識別算法，算法流程主要包括兩個階段：首先從樣本數(shù)據(jù)中提取候選區(qū)域，然后在該區(qū)域中執(zhí)行分類和位置反饋，最后實現(xiàn)目標的識別和檢測。其中MaskR-CNN是Twostage模型的典型代表算法之一。Mask....

本文編號：4018172