本文關鍵詞：基于視覺的6R工業(yè)機械臂運動規(guī)劃，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著工業(yè)技術的不斷發(fā)展以及生產(chǎn)的需要,機器人技術已經(jīng)不僅僅局限于完成簡單的作業(yè)任務,同時還需要具有更強的適應性、靈活性、穩(wěn)定性、安全性等特性。本文對機械臂的研究的目標主要有兩個:其一是運動學方面的研究,對于機械臂的逆運動問題一直沒有一種固定的解決算法,如果找到一種可以快速處理機械臂逆運動問題的科學算法,就可以提高機械臂的工作效率,改善機械臂的實時性。其二是視覺算法方面的研究,如果要提高工業(yè)機器人自身的靈活性就需要與環(huán)境進行交互,對環(huán)境與目標進行高精度的檢測和識別,一種合理的圖像處理方法可以極大提高視覺系統(tǒng)的圖像識別匹配能力與目標定位能力。本文的內容也就是圍繞以上兩點進行研究:首先對機械臂的運動學進行了研究,運用DH方法建立機械臂的數(shù)學模型,推導正運動學方程,接著通過運用人工蜂群算法對機械臂逆運動進行求解。該算法通過優(yōu)化BP算法的閾值加快神經(jīng)網(wǎng)絡收斂速度,將機械臂逆運動問題轉化為一類非線性多輸入多輸出問題。最后通過MATLAB軟件對機械臂的關鍵關節(jié)進行動態(tài)仿真模擬,計算末端執(zhí)行器在到達指定空間坐標時各個關節(jié)的位移,結果表明機械臂仿真模型可以在合理的誤差范圍內到達目標位置完成任務。接下來在運動學建立的基坐標系基礎上,本文進行了視覺方面的研究。首先介紹了對單、雙目視覺定位原理,依據(jù)目標點在采集圖像上的像素坐標,通過運用坐標變換方法最終得到目標點的空間坐標位置。接著研究了SIFT算法在圖像處理中的應用,介紹了SIFT算法的各個相關概念,最后實驗性的將SIFT算法與神經(jīng)網(wǎng)絡結合,通過將SIFT算法中的尺度參數(shù)與攝像機的焦距作為輸入?yún)?shù),將目標的距離作為輸出參數(shù),建立神經(jīng)網(wǎng)絡進行目標距離的測量。結果表明SIFT-BP算法可以準確的尋找到與圖像相匹配的特征點并且可以在誤差范圍內對目標點進行測距定位。
【關鍵詞】：6R機械臂 運動規(guī)劃 人工蜂群算法 視覺處理 SIFT算法
【學位授予單位】：蘭州理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP241
【目錄】：

• 摘要8-9
• Abstract9-14
• 第1章 緒論14-19
• 1.1 課題的研究意義和背景14-15
• 1.2 國內外軌跡規(guī)劃研究現(xiàn)狀15-17
• 1.2.1 逆運動學分析國內外研究現(xiàn)狀15-16
• 1.2.2 機器人視覺系統(tǒng)國內外研究現(xiàn)狀16-17
• 1.3 課題研究目標及研究內容17-18
• 1.3.1 課題研究目標17
• 1.3.2 課題研究內容17-18
• 1.4 本章小結18-19
• 第2章 機械臂的運動學分析19-30
• 2.1 機械臂的位置及姿態(tài)描述19-23
• 2.1.1 位置的描述19
• 2.1.2 姿態(tài)的描述19-21
• 2.1.3 位姿的描述21
• 2.1.4 坐標變換21-23
• 2.1.5 齊次坐標變換23
• 2.2 機械臂的運動學分析23-29
• 2.2.1 D-H描述23-24
• 2.2.2 正運動學分析24-25
• 2.2.3 機械臂的正運動學計算25-28
• 2.2.4 機械臂的逆運動學分析28-29
• 2.3 本章小結29-30
• 第3章 基于ABC-BP算法的機械臂逆運動學求解30-48
• 3.1 人工神經(jīng)網(wǎng)絡基本概念30
• 3.2 BP神經(jīng)網(wǎng)絡30-34
• 3.2.1 BP神經(jīng)網(wǎng)絡模型31
• 3.2.2 BP神經(jīng)網(wǎng)絡的結構與算法步驟31-34
• 3.2.3 BP算法的優(yōu)缺點34
• 3.3 ABC算法34-36
• 3.3.1 ABC算法基本原理34-35
• 3.3.2 人工蜂群的算法步驟35-36
• 3.4 ABC算法與神經(jīng)網(wǎng)絡結合36-38
• 3.5 求取逆解方法的比較38-42
• 3.6 仿真測試算例42-47
• 3.7 本章小結47-48
• 第4章 機械臂的剛體模型動力學分析48-70
• 4.1 Lagrange動力學方法48
• 4.2 機械臂動力學方程48-52
• 4.2.1 機械臂的慣性矩陣計算48-49
• 4.2.2 機械臂動力學方程的推導49-52
• 4.3 串聯(lián)多關節(jié)機械臂剛體模型動力學方程建立52-69
• 4.3.1 推導坐標變換矩陣52-66
• 4.3.2 機械臂的偽慣性矩陣計算66-67
• 4.3.3 機械臂系統(tǒng)慣量矩陣計算67
• 4.3.4 機械臂系統(tǒng)向心力與哥氏力計算67
• 4.3.5 機械臂系統(tǒng)系統(tǒng)重力項計算67-68
• 4.3.6 6R機械臂的動力學方程68-69
• 4.4 本章小結69-70
• 第5章 基于SIFT算法的視覺目標定位70-84
• 5.1 視覺測距原理70-74
• 5.1.1 攝像機小孔成像模型71-73
• 5.1.2 雙目視覺測距原理73-74
• 5.1.3 視覺信息的特征值提取74
• 5.2 SIFT算法視覺定位原理74-80
• 5.2.1 SIFT算法理論74
• 5.2.2 尺度空間74-75
• 5.2.3 構建高斯金字塔75-77
• 5.2.4 特征點位置的確定77-78
• 5.2.5 生成特征描述子78-80
• 5.3 基于BP-SIFT算法的目標測距80-83
• 5.3.1 BP-SIFT算法理論80-81
• 5.3.2 目標定位與逆運動仿真測試算例81-83
• 5.4 本章小結83-84
• 總結與展望84-86
• 總結84-85
• 展望85-86
• 參考文獻86-91
• 致謝91-92
• 附錄A 攻讀學位期間所發(fā)表的學術論文92

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高建設;李明祥;侯伯杰;王保糖;;新型四足步行機器人串并混聯(lián)腿的運動學分析[J];光學精密工程;2015年11期

2 陳聰;姚大志;;高靈敏度CCD和圖像特征在車牌識別中的應用[J];計算機仿真;2015年11期

3 曲道奎;;中國機器人產(chǎn)業(yè)發(fā)展現(xiàn)狀與展望[J];中國科學院院刊;2015年03期

4 林義閩;呂乃光;婁小平;董明利;;用于弱紋理場景三維重建的機器人視覺系統(tǒng)[J];光學精密工程;2015年02期

5 張學峰;陳渤;王鵬輝;劉宏偉;;一種基于Dirichelt過程隱變量支撐向量機模型的目標識別方法[J];電子與信息學報;2015年01期

6 陳桂;陳耀忠;林健;溫秀蘭;;機器人逆運動學的微分進化與粒子群優(yōu)化BP神經(jīng)網(wǎng)絡求解[J];南京理工大學學報;2014年06期

7 宮赤坤;余國鷹;熊吉光;黃成林;;六自由度機器人設計分析與實現(xiàn)[J];現(xiàn)代制造工程;2014年11期

8 王生生;楊娟娟;柴勝;;基于混沌鯰魚效應的人工蜂群算法及應用[J];電子學報;2014年09期

9 高云峰;呂明睿;周倫;李瑞峰;;一種五自由度混聯(lián)機器人運動學分析[J];哈爾濱工業(yè)大學學報;2014年07期

10 王田苗;陶永;;我國工業(yè)機器人技術現(xiàn)狀與產(chǎn)業(yè)化發(fā)展戰(zhàn)略[J];機械工程學報;2014年09期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 盧宏琴;基于旋量理論的機器人運動學和動力學研究及其應用[D];南京航空航天大學;2007年

  本文關鍵詞：基于視覺的6R工業(yè)機械臂運動規(guī)劃，由筆耕文化傳播整理發(fā)布。

，

本文編號：473190