当前位置:首页 >> 机械/仪表 >>

六自由度机械手运动分析


六自由度机械手毕业论文

专 课

业 题

机械设计制造及其自动化 多自由度机械手机械设计

毕业论文





文中设计了一种六自由度机械手。该机械手主要由底座,腰部,主板,大手 臂,小手臂,手腕,夹爪组成,采用步进电机驱动,单片机

控制。手臂的尺寸与 人手臂的大小相当。 手臂的运动主要包括: 腰部转动, 大手臂摆动, 小手臂摆动, 手腕摆动, 手腕转动, 夹爪夹取。 此手臂的空间活动半径 0.5m, 定位精度为 5mm. 它能够抓取重量较轻的物体,并放到预定位置。该机械手有过载保护以及断电空 间位置的自锁功能.可以用于教学演示, 或者在有放射性的环境中完成特定工作。 文中对机械手进行了正运动学分析, 采用齐次坐标变换法得到了机械手末端位 置和姿态随关节夹角之间的变换关系,并完成了总体机械结计、步进电机选型、 蜗轮蜗杆及带传动比的确定以及部分重要零件的设计。

关键词:机械手 六自由度 步进电机 同步带



-2-

毕业论文

Abstract
A kind of manipulator of six degrees of freedom has been designed in this paper. This manipulator is made up of the foundation, the waist, the big arm, the small arm, the wrist, and the claw; the manipulator is driven by stepper motor, and controlled by single chip. The size of the manipulator is equal in the size to the arms of people. Locomotion of the manipulator includes: waist turning, big arm swung, small arm swung, wrist swung, wrist rotating, claw fetching. The radius of action is 0.5m, and the accuracy is 5 mm. It can pick the light-weight object, and put it to the recalculated position. The manipulator has overload protection function, and space position self-lock function. This arm can be used in teaching, or in radioactive environments. In this paper, robot kinematic analysis is carried out using homogeneous coordinate transformation method was the end manipulator joint position and attitude with the changing relationship between the angle and stepper motor designing, physical construction designing had been completed. Keywords: manipulator, six degrees of freedom, stepper motor, locking band.

-3-

毕业论文

目录
目录????????????????????????????????4 1 绪论???????????????????????????????6 1.1 国内机械手研状????????????????????????6 1.2 机械手的构成?????????????????????????7 1.3 机械手的发展趋势 ??????????????????????9 1.4 本设计课题的背景和意义 ???????????????????9 2 机械手的总体方案设计 ??????????????????????10 2.1 机械手基本形式的选择 ????????????????????10 2.2 机械手的主要部件及运动 ???????????????????11 2.3 驱动机构的选择 ???????????????????????12 2.4 传动机构的选择 ???????????????????????12 3 机械手的数学建模 ????????????????????????12 3.1 机器人数学基础 ???????????????????????12 3.2 机器人的运动学方程 ?????????????????????13 4 机械手的整体设计计算 ??????????????????????15 4.1 手部设计基本要求 ??????????????????????15 4.2 典型的手部结构 ???????????????????????16 4.3 机械手手指的设计计算 ????????????????????16 4.3.1 选择手抓的类型和加紧机构 ????????????????16 4.3.2 手抓加紧力与驱动力的力学分析 ??????????????16

4.4 驱动电机的选择 ???????????????????????17 4.4.1 手指张合电机的选择 ???????????????????17 4.4.2 手腕电机的选择 ?????????????????????19 4.4.3 大手臂摆动电机的选择 ??????????????????19 4.4.4 小手臂摆动电机的选择 ??????????????????20 4.4.5 手腕摆动电机的选择 ???????????????????20 4.4.6 底座转动电机的选择 ???????????????????21

-4-

毕业论文

4.5 涡轮蜗杆、带轮的选择及传动比的确定 ?????????????21 4.5.1 底座电机处涡轮蜗杆的传动的确定 ?????????????21 4.5.2 大手臂电机处涡轮蜗杆及带传动的确定 ???????????22 4.5.3 小手臂电机处涡轮蜗杆及带传动的确定 ???????????23 4.5.4 手腕摆动电机处涡轮蜗杆及带传动的确定 ??????????24 4.6 小手臂摆动处轴的校核 ????????????????????25 5 总结与展望 ???????????????????????????29 谢辞 ???????????????????????????????30 [参考文献] ????????????????????????????31 附录一 科技文献翻译????????????????????????32 附录二 毕业设计任务书与开题报告??????????????????46

-5-

毕业论文

多自由度机械手机械设计
1 绪 论
机械手 (manipulator)是一种能按给定的程序或要求,自动地完成物体(材 料 、工件、零件或工具等)传送或操作作业的机械装置,它能部分地代替人来进 行繁重、 危险、 重复等手工作业。 在工业生产中应用的机械手被称为工业机械手。 工业机械手是近代自动控制领域中出现的一项新技术, 并已成为现代机械制 造生产系统中的一个重要组成部分,这种新技术发展很快,逐渐成为一门新兴的 学科——机械手工程。机械手涉及到力学、机械学、电器液压技术、自动控制技 术、传感器技术和计算机技术等科学领域,是一门跨学科综合技术。 工业机械手是近几十年发展起来的一种高科技自动生产设备。 工业机械手也 是工业机器人的一个重要分支。他的特点是可以通过编程来完成各种预期的作 业,在构造和性能上兼有人和机器各自的优点,尤其体现在人的智能和适应性。 机械手作业的准确性和环境中完成作业的能力, 在国民经济领域有着广泛的发展 空间[3]。

1.1 国内外机械手研究现状
现代机械手的研究开始于二十世纪中期, 其技术背景是计算机和自动化的发 展。80 年代,工业机械手产业得到了巨大的发展,应用范围遍及工业生产的各 个领域。80 年代末期,各国把发展的目标调整到更现实的基础上来。90 年代, 机械手的发展已经不再局限于机械手本身,而成为了新一代整个机器的发展方 向。现在的绝大多数工业机器人是可编程控的机器人。这种系统的主要特点在于 它的通用性和灵活性。目前,机器人的种类也越来越多,呈现了多元化的趋势, 相继出现了水下机器人,爬臂机器人,爬管机器人,二足,四足和六足机器人, 空间机器人以及各种人工假肢等,机器人技术也已深入到工业、农业、军事医学 及公共服务各项事业中,其本身己成为一个非常广阔的研究领域,涉及力学、电 子学、生物学、控制论、计算机科学、人工智能和系统工程等,成为一门综合了 多学科的高技术,并逐渐形成了一个完整的体系— 机器人学 121。近年来,机 器人技术作为机电一体化的最高成就已经成为当代科学技术发展的最活跃的领 域之一,机器人的研究,创造和应用水平也已成为一个国家的科技水平和经济实 力的象征,正受到越来越多国家的广泛重视。
-6-

毕业论文

机械手的控制问题是与其运动学和动力学问题密切相关的。从控制观点上 看,机器人系统代表冗余的,多变量和本质上非线性的控制系统,同时又是复杂 的耦合动态系统。每个控制任务本身就是一个动力学任务。在实际研究中,往往 把机器人控制系统简化为若干个低阶子系统来描述。 机械手的控制器具有多种结构形式,包括非伺服控制,伺服控制,位置和 速度控制,力(力矩)控制,基于传感器的控制,非线性的控制,分解加速度控制 等等。机器人控制器的选择,是由机器人所执行的任务决定的。中级技术水平以 上的机器人,绝大多数采用计算机控制,要求控制器有效而且灵活,能够处理工 作任务指令和传感信息这两种输入。用户与系统间的接口,要求能够迅速地指明 工作任务。技术水平更高的机器人,具有不同程度的“智能” ,其控制系统能 够借助于传感信息与周围环境交互作用,并根据获取的信息,修正系统的状态, 甚至能够自主地控制机器人实现控制任务。 从关节(或连杆)角度看, 可把工业机械手的控制器分为单关节(连杆) 控制 器和多关节(连杆)控制器两种。对于前者,设计时应考虑稳态误差的补偿问题: 对于后者,则应该考虑耦合惯量的补偿问题。 变结构控制是在20世纪50年代被提出来的限于当时的技术条件和控制手段, 这种理论没有得到迅速发展。近年来,计算机技术的进步,使得变结构控制技术 能很方便的实现,并不断充实和发展,成为非线性控制的一种简单而又有效的方 法。 变结构控制系统的特点是,在动态控制过程中,系统的结构根据系统当时的 状态偏差及其各阶导数的变化,以跃变的方式按设定的规律作相应的改变,它是 一类特殊的非线性控制系统[3]。

1 .2 机械手的构成
现代机械手主要由手抓、传动机构、动力部分、控制系统与其它部分构成。 (1)手爪 手爪又称抓取机构,包括手指、传力机构和驱动装置等,作用是直接抓取和 放置工件(或工具)。 (2 )传动机构 传动机构主要是起改变物件方位和位置的作用。 传动机构根据结构和原理的 不同,有机械传动机构,包括:齿轮传动、丝杠传动、带传动、链传动、连杆传

-7-

毕业论文

动和凸轮传动等多种类型,以及液压传动机构、气动传动机构等。近年来,随着 各类伺服系统,尤其是电气伺服系统的性能完善和成本降低,使运动传动机构有 较大的简化。 (3 )动力部分 动力部分是驱动前两部分的动力,因此也称动力源。常用的有:电动驱动、 气动驱动和液压驱动三种基本类型。在电动执行装置中,有直流(DC)电机、交流 (AC)电机、步进电机和直接驱动(DD)电机等实现旋转运动的电动机,以及实现直 线运动的直线电机。电动驱动装置由于其能源容易获得,使用方便,所以得到了 广泛的应用;气动驱动装置有气缸、气动马达等,这些装置具有重量轻、价格便 宜等特点;液压驱动装置有液压油缸、液压马达等,这些装置具有体积小、输出 功率大等特点。 (4 )控制系统 控制系统是机械手的指挥系统,由它来控制动作的顺序(程序)、位置和时间 (甚至速度和加速度)等;通过对动力部分的控制,使执行机构按照规定的要求进 行工作。 (5)其它部分 其它部分包括机体、行走机构、检测装置和传感装置等:①机体(也称机身) 是用于支承和连接其他零件、部件的基础件。②行走机构是为了扩大机械手的使 用空间而设置的。它本身又包括动力源、传动(减速)机构、滚轮或连杆机构。目 前大多数机械手还缺乏行走机构;③检测装置是检测和控制机械手各运动行程 (位置)的装置,主要是对位置、速度和力等各种外部和内部信息进行检测;④传 感装置其中装有某种传感器,使手指具有敏感性和自控性,用以反应手指与物件 是否接触、物体有无滑下或脱落、物件的方位是否正确、手指对物件的握紧力是 否与物件的重量相适应等[11]。

1.3 机械手的发展趋势
(1)工业机器人性能不断提高(高速度、 高精度、 高可靠性、 便于操作和维修), 而单机价格不断下降。 (2)机械结构向模块化、可重构化发展。例如关节模块中的伺服电机、减速 机、检测系统三位一体化:由关节模块、连杆模块用重组方式构造机器人整机; 国外已有模块化装配机器人产品问市。

-8-

毕业论文

(3)工业机器人控制系统向基于PC机的开放型控制器方向发展, 便于标准化、 网络化;器件集成度提高,控制柜日见小巧,且采用模块化结构:大大提高了系统 的可靠性、易操作性和可维修性。 (4)机器人中的传感器作用日益重要,除采用传统的位置、速度、加速度等 传感器外,装配、焊接机器人还应用了视觉、力觉等传感器,而遥控机器人则采 用视觉、声觉、力觉、触觉等多传感器的融合技术来进行环境建模及决策控制多 传感器融合配置技术在产品化系统中已有成熟应用。 (5)虚拟现实技术在机器人中的作用已从仿真、预演发展到用于过程控制如 使遥控机器人操作者产生置身于远端作业环境中的感觉来操纵机器人。 (6)当代遥控机器人系统的发展特点不是追求全自治系统,而是致力于操作 者与机器人的人机交互控制, 即遥控加局部自主系统构成完整的监控遥控操作系 统,使智能机器人走出实验室进入实用化阶段。美国发射到火星上的“索杰纳” 机器人就是这种系统成功应用的最著名实例。 (7)机器人化机械开始兴起。 当前我国的机器人生产都是应用户的要求, “一 客户,一次重新设计”,品种规格多、批量小、零部件通用化程度低、供货周期 长、成本也不低,而且质量、可靠性不稳定。因此迫切需要解决产业化前期的关 键技术,对产品进行全面规划,搞好系列化、通用化、模块化设计,积极推进产 业化进程。

1.4 设计课题的背景和意义
随着科学技术的发展,机械手在我们生活中也扮演着越来越重要的角色。特 别是在现代工业生产领域中,越来越多的机械手被用来代替人的实际劳动,更激 发了我对机器人技术浓厚的兴趣,所以在这次毕业设计中,我选择了六自由度机 机械手设计与制作这个题目。 六自由度机械手设计分为机械部分与控制部分两大模块。 机械部分主要是完 成机构的设计与零件的加工, 而控制部分主要完成的工作的是对六自由度机械手 整个的动作流程进行设计,并通过硬件的连接和对 61 板编写合适的程序,以实 现红外检测,电机驱动等功能。 本次毕业设计负责机械部分的设计与制作。它应当实现的功能是: 1) 大面积快速搜索和定位功能 2) 满足空间定位精度5mm

-9-

毕业论文

3) 自动抓取功能 4) 过载保护功能 5) 掉电保护功能 从结构和功能上来看,这个六自由度机械手确实称不上复杂,但它却具有很 重要的意义。首先它是我第一次将四年所学知识的第一次综合运用,无论最初的 设计,还是最终的全文完成,对我们来说都是极大的挑战,开阔了我的视野,丰 富了我的经验,提高了我的实际动手的能力。其次,它的制作完成一定可以极大 的激发同学们对机器人技术的热爱,提高对机器人技术的浓厚兴趣,并吸引更多 的同学投入到机器人设计与制作行列中来。再次,它主要是用来当作学校的示教 工具,其充分运用和综合了我在大学四年中所学的机械内容,能够让更多的同学 在今后的学习中对机械方面有更加深刻的理解。

2 机械手的总体方案设计
本课题是型回转型机械手的设计.本设计主要任务是完成机械手的结构方面 设计。在本章中对机械手的坐标形式、自由度、驱动机构等进行了确定。因此, 机械手的执行机构、驱动机构是本次设计的主要任务。

2.1 机械手基本形式的选择
常见的工业机械手根据手臂的动作形态,按坐标形式大致可以分为以下4种: (1)直角坐标型机械手;(2)圆柱坐标型机械手; ( 3)球坐标(极坐标)型机械手; (4)多关节型机机械手[1]。其中多关节型机械手结构简单紧凑,定位精度较高,占 地面积小,因此本设计采用多关节型。由于本次是毕业设计考虑到综合运用本科 阶段所学知识固设计如图1.1。 这是本次毕业设计课题六自由度机械手的整体设 计示意图。

- 10 -

毕业论文

图 2.1 机械手整体示意图

2.2 机械手的主要部件及运动
在多关节式机械手的基本方案选定后,根据设计任务,为了满足设计要求, 本设计关于机械手具有6个自由度既:手抓张合;手腕回转;手动腕摆;小手臂 摆动;大手臂摆动;底座回转6个主要运动。 本设计机械手主要由4个大部件和6个电机组成: 1) 手部,采用一个小型步进电机,通过导轨机构运动实现手抓的张合。 2) 腕部,采用一个步进电机实现手部回转180°。 3) 臂部,采用步进电机,通过同步带来实现手臂的上下摆动。 4) 机身,采用一个步进电机和一对蜗轮蜗杆机构来实现底座的回转运动。

2.3 驱动机构的选择
驱动机构是工业机械手的重要组成部分, 工业机械手的性能价格比在很大 程度上取决于驱动方案及其装置。 根据动力源的不同, 工业机械手的驱动机构大 致可分为液压、气动、电动和机械驱动等四类。采用电动机构驱动机械手、结构
- 11 -

毕业论文

简单、尺寸紧凑、设计方便、控制简单与能综合运用本科阶段所学知识等优点。 因此,机械手的驱动方案选择电动驱动。

2.4 传动机构的选择
在现有的机械手系统中,所采用的传动机构主要有蜗轮蜗杆传动、行星轮系 传动、链传动、带传动等。带传动的主要优点是:1)适用于中心距较大的传动; 2)带具有良好的饶性,可缓和冲击、吸收振动;3)过载时带与带轮间出现打滑, 打滑虽使传动失效,但可防止损坏其他零件;4)结构简单、成本低廉。在本次 设计中,鉴于手臂传动中心距较大,传动要求相对高的精度,故相比较后选择同 步带进行传动[1]。

3 机械手的数学模型
3.1 机器人的数学基础
为了描述机器人本身各连杆之间、机器人和环境之间的运动关系,通常将它 们当成刚体,进而研究各刚体之间的运动关系。而通过在刚体上面固连一个坐标 系,再将该固连的坐标系在空间表示出来。由于这个坐标系一直固连在刚体上, 所以这个坐标系如果可以在空间表示出来, 那么这个刚体相对于固定坐标系的位 姿也就已知了。 空间任意一点 P 在不同的坐标系中的描述是不同的, 因此经过不同的坐标变换 P 点的坐标是不同的。坐标变换包括平移变换、旋转变换与复合变换。 用四维向量表示三维空间一点的位置P,即:

P?? ?? Px

? Py

? Pz

?? ?

上式称为点的齐次坐标,式中

? 为非零常数。当n维位置向量用n+l维位置向量

表示时, 称为齐次坐标表示式。 齐次变换矩阵可分解为平移变换和旋转变换, 即:
A B

T ? Trans( APBO ) ? Rot (k ,? )
A A

?I Trans( PBO ) ? ? 3?3 ? 0
A ?B R ? k ,? ? Rot (k ,? ) ? ? 0 ?

PBO ? ? 1 ?

0? ? 1?
- 12 -

毕业论文

? 角的 式中. Trans( P BO ) 为平移变换矩阵, Rot (k , ? ) 为绕过原点的K轴转动
A

旋转变换矩阵。

3.2 机器人的运动学方程
本文研究的机械手是具有6个自由度的空间开链机构, 它由一系列连杆通过转 动关节串联而成,关节的相对转动导致连杆的运动。本论文采用D-H(Denavit和 Harenberg)分析方法来描述机器人相邻两连杆之间的运动学关系即用一个4X4的 齐次变换矩阵来描述相邻两连杆的位置与姿态(简称为位姿),以此推导出“手爪 坐标系”相对于“参考系”的齐次变换矩阵,从而建立操作臂的几何模型和运动 学方程。 对于具有n个连杆的机械手,运动学方程是要确定与末端坐标系 ? n? 固联的手 爪相对于基座 ?0? 的变换。根据齐次变换矩阵的乘法规则有:
0 n 1 T?0 T2 T 1 n?1 n

T

[10] 式中, 0 。 nT 表示末端坐标系 ? n ? 相对于基坐标系 ? 0? 的位姿

(了书写方便,将 sin ?n , cos?n 改写为 Sn , Cn )本课题要研究的六自由度机械手 D.H 模型如图

图3.5六自由度机械手的D-H模型

- 13 -

毕业论文

有以上的坐标系推导法,可得出本课题六自由度机械手的运动参数,如下:
表1.六自由度机械手各关节参数列表

关节i

? i (?)

d i (mm)

ai (mm)
0 a2 a3 a4 0

?i (?)
90 0 0 90 -90

1 θ 1 0 2 θ 2 0 3 θ 3 0 4 θ 4 0 5 0 d5 其中,a2=a3=250mm,a4=90mm,d5=90mm 有上表可求出各连杆之间的齐次变换矩阵,如下

?C1 ?S T1 ? ? 1 ?0 ? ?0

0 0 1 0

S1 ?C1 0 0

0? 0? ? 0? ? 1?

?C2 ?S T2 ? ? 2 ?0 ? ?0 ?C4 ?S T4 ? ? 4 ?0 ? ?0

? S2 C2 0 0 0 0 1 0

0 0 1 0 S4 ?C4 0 0

C2 a2 ? S2 a2 ? ? 0 ? ? 1 ? C4 a4 ? S4 a4 ? ? 0 ? ? 1 ?

?C3 ?S T3 ? ? 3 ?0 ? ?0

? S3 C3 0 0

0 0 1 0

C3a3 ? S3a3 ? ? 0 ? ? 1 ?

?1 ?0 T5 ? ? ?0 ? ?0

0 0 ?1 0

0 1 0 0

0? 0? ? d5 ? ? 1?

根据矩阵乘法法则, 可以得出本课题六自由度机械手末端执行器的位姿的齐次变

? nx ?n 0 ? y 换矩阵是: T5 ? ? n z ? ?0
其中

ox oy oz 0

ax ay az 0

Px ? Py ? ? Pz ? ? 1?

nx ? C1234 ? C14 S23 ? C12 S34 ? C123S4

ny ? S1C234 ? S123C4 ? S134C2 ? S124C3
nz ? S2C34 ? C24 S3 ? S234 ? C23S4 ox ? C1S234 ? C123S4 ? C124 S3 ? C1234
- 14 -

毕业论文

oy ? S1234 ? S14C23 ? S13C24 ? S12C34
oz ? C234 ? S24C3 ? C4 S23 ? S34C2 ax ? S1

a y ? C1
az ? 0

Px ? C123 S4 d5 ? C1S234 d5 ? C124 S3d5 ? C1234 d5 ? C1234 a4 ? C14 S23 a4 ? S134C2 a4 ?S124C3a4 ? S1C23a3 ? S123a3 ? S1C2 a2
Py ? S14C23 d 5 ? S1234 d 5 ? S13C24 d 5 ? S12C34 d 5 ? S1C234 a4 ? S123C4 a4 ? S134C2 a4 ? S124C3 a4 ? S1C23 a3 ? S123 a3 ? S1C2 a2

Pz ? S24C3d5 ? C2 S34 d5 ? S23C4 d5 ? C234d5 ? S2C34a4 ? C24 S3a4 ? S234a4 ?C23 S4 a4 ? S2C3a ? C2 S3a ? S1a

4 机械手的整体设计计算
4.1 手部设计基本要求
(1) 应具有适当的夹紧力和驱动力,应当考虑到在一定的夹紧力下,不 同的传动机构所需的驱动力大小是不同的; (2) 手指应具有一定的张开范围,手指应该具有足够的开闭角度(手指 从张开到闭合绕支点所转过的角度) ? ? ,以便于抓取工件; (3) 要求结构紧凑、重量轻、效率高,在保证本身刚度、强度的前提下, 尽可能使结构紧凑、重量轻,以利于减轻手臂的负载; (4) 应保证手抓的夹持精度。

4.2 典型的手部结构
(1) 回转型 (2) 移动型 包括滑槽杠杆式和连杆杠杆式两种。 移动型即两手指相对支座作往复运动。

(3) 平面平移型[1]

- 15 -

毕业论文

4.3 机械手手指的设计计算
4.3.1 选择手抓的类型和夹紧机构 本设计是设计六自由度机械手的设计,考虑到所要达到的原始参数:手抓张 合角 ?? = 60 ,夹取重量为1Kg。常用的工业机械手手部,按握持工件的原理,分
0

为夹持和吸附两大类。吸附式常用于抓取工件表面平整、面积较大的板状物体, 不适合用于本方案。本设计机械手采用夹持式手指,夹持式机械手按运动形式可 分为回转型和平移型。平移型手指的张开闭合靠手指的平行移动,这种手指结构 简单, 适于夹持平板方料、 棒料等, 且工件径向尺寸的变化不影响其轴心的位置, 其理论夹持误差零。通过采用典型的平移型手指, 驱动力加在手指移动方向上, 这样结构比较简单且体积适中。 通过综合考虑,本设计选择二指平移型手抓,采用滑槽导轨这种结构方式。 夹紧装置选择常开式夹紧装置, 它在电机的驱动力的作用下机械手手抓实现张开 和闭和[5] 。 4.3.2 手抓夹紧力和驱动力的力学分析 手指加在工件上的夹紧力,是设计手部的主要依据。必须对大小、方向和作 用点进行分析计算。一般来说,需要克服工件重力所产生的静载荷以及工件运动 状态变化的惯性力产生的载荷,以便工件保持可靠的夹紧状态。 手指对工件的夹紧力可按公式计算: FN ? K1K2 K3G K1 ——安全系数,通常 1.2--2.0; 式中

k2 — — 工 作 情 况 系 数 , 主 要 考 虑 惯 性 力 的 影 响 。 可 近 似 按 下 式 估

k

2

? 1? b 其 a

中 a,重力方向的最大上升加速度; a ? max

v

t



vmax ——运载时工件最大上升速度

t响 ——系统达到最高速度的时间,一般选取 0.03--0.5s
K3 ——方位系数,根据手指与工件位置不同进行选择
G——被抓取工件所受重力(N)

- 16 -

毕业论文



k =2, K ? 1 ? b a ? 1 ? 0.10.5 k =0.5,G=10N
1
2

9.8 ? 1.02

3

根据公式,将已知条件带入:

?
取 ? =0.85

F

N

? 1.5 ? 1.02 ? 0.5 ? 10 =7.65N

由驱动力公式得:

? =7.65/0.85=9N 设 F 为驱动力,则 F ? F tg?? ? ? ?
?

F

实际

?FN

实际

其中 ? 为螺纹倾斜角=15, ? 为摩擦角=30

?

F= 9 ? tg ?15 ? 30? ? 9 N [6]

4.4 驱动电机的选择
4.4.1 手指张合电机的选择 设前端手指的重量为 0.1Kg,螺纹导程 Ph =1mm, 则空载时,工作台折算到电机轴上的转动惯量为:

? P ? ? 0.1 ? ?5 2 J 1 ? ? h ? mi ? ? ? ? 0.1 ? 2.5 ?10 Kg.cm ? 2 ? 3.14 ? ? 2? ?
最大工作载荷下,工作台折算到电机轴上的转动惯量为:

2

2

? P ? ? 0.1 ? ?4 2 J 2 ? ? h ? .mi ? ? ? ?1.1 ? 2.8 ?10 Kg.cm ? 2 ? 3.14 ? ? 2? ?
(1)快速空载起动时电动机转轴所承受的负载转矩 Teq1 :

2

2

Teq1 ? Tmax ? Tf
式中

Tmax ——快速空载起动时折算到殿动机转轴上的最大加速转矩

Tf

——移动部件运动时折算到电动机转轴上的摩擦转矩

- 17 -

毕业论文

Tmax

2? J1nm 2 ? 3.14 ? 2.5 ?10 ?5 ? 3 ? J1? ? ? ? 1.57 ? 10?5 N .m 60ta 60 ? 0.5

F摩 Ph 0.1? 9.8 ? 0.16 ?10 ?3 Tf ? ? ? 2.5 ? 10 ?5 N .m 2? i 2 ? 3.14 ?1 ? Teq1 ? Tmax ? T f ? 4.1? 10?5 N .m
(2)最大工作负载状态下电动机转轴所承受的负载转矩 Teq 2 :

Teq 2 ? Tt ? Tf

Tt ——折算到电动机转轴上的最大工作负载转矩
1.1? 9.8 ? 10 ?3 ? 1.7 ? 10 ?3 N .m 2? i 2 ? 3.14 ? 1 F摩 .P 0.1? 9.8 ? 10 ?3 h Tf ? ? ? 2.7 ? 10 ?4 N .m 2? i 2 ? 3.14 ? 1 ? Teq 2 ? Tt ? T f ? 2 ? 10 ?3 N .m Tt ? F f .P h ? ? Teq ? ?Teq1 , Teq 2 ? ? 0.002 N .m

?步进电机的最大静转矩:
Tj max ? K.Teq ? 2.5 ? 0.002 ? 0.005N.m
查手册得, 可选用常州宝马集团前杨电机电器有限公司的 36BF003 型电机 其 Tj max =0.078N.m 能够满足机构要求[7]。

4.4.2 手腕电机的选择 (1)空载时折算到电动机转轴上的转动惯量:

mD 2 0.5 ? 0.52 J1 ? ? ? 0.016 Kg.cm2 8 8
快速空载起动时电动机转轴所承受的负载转矩 Teq1

Teq1 ? Tmax ? Tf
- 18 -

毕业论文

Ff .Ph F摩 .Ph 1.5 ? 9.8 ?10?3 ? 1.5 ? 9.8 ? 0.16 ?10?3 ? ? ? ? 0.0027 N .m 2? i 2? i 2 ? 3.14 ?1

? Teq ? max ?Teq1 , Teq 2 ? ? 0.0027 N .m

? Tj max ? K.Teq ? 3? 0.0027 ? 0.008N.m
查手册得,选用常州宝马集团前杨电机电器有限公司的 36BF003 型电机 其最静转矩

Tj max =0.078 能够满足机构的要求[6]。

4.4.3 大手臂摆动电机的选择 初步估计整个手臂重量为 5Kg,设大手臂摆动速度为 3r/min,手臂折算到 外轴上的转动惯量为:
2 ?l? J ? m. ? ? ? 5 ? ? 0.3? ? 0.45Kg.m2 ?2? 2? 2 ? 3.14 2

W ?

T

?

20

? 0.314

?整个手臂折算到外轴上的转动惯量为:
T ? JW ? 0.45 ? 0.314 ? 0.1413N .m

?电动机的转矩 T
T j max ?

j max

为:

K .T

?

?

2.5 ? 0.1413 ? 0.416 N .m 0.85
K .T

?电动机的转矩

T j max ?

?

?

2.5 ? 0.1413 ? 0.416 N .m 0.85

?选用常州宝马集团前杨电机电器有限公司的 55BF003 型电机
其最大静转矩为 Tj max =0.666N.m,能够满足机构要求[7]。

- 19 -

毕业论文

4.4.4 小手臂摆动电机的选择 初步估计小手臂重量为 3Kg,设摆动速度为 3r/min 则小手臂折算到中轴上的转动惯量为

?l ? J ? m. ? ? ? 3 ? 0.182 ? 0.0972 Kg.m2 ?2?

2

?小手臂折算到中轴上的转动惯量为:
T ? JW ? J 2? 2 ? 3.14 ? 0.0972 ? ? 0.03N .m T 20

?小手臂摆动电机的最大静转矩为
T j max ? K .T

?

?

2.5 ? 0.03 ? 0.107 N .m 0.7

? 选用常州宝马集团前杨电机电器有限公司的 45BF003 型电机
其最大静转矩为 Tj max =0.196N.m ,能够满足机构的要求[7]。 4.4.5 手腕摆动电机的选择 初步估计手腕部分重量为 2Kg,设摆动速度为 5r/min。 则手腕部分折算到外轴上的转动惯量为

?l? J ? m. ? ? ? 3 ? 0.052 ? 0.005Kg.m2 ?2?

2

?手腕部分折算到外轴上的转矩为:
T ? JW ? J

?手腕部分摆动电机的最大静转矩为:
T j max ? K .T

2? 2 ? 3.14 ? 0.005 ? ? 0.026 N .m T 12

?

?

2.5 ? 0.0026 ? 0.01N .m 0.6

?选用常州宝马集团前杨电机电器有限公司的 36BF003 型电机
- 20 -

毕业论文

其最大静转矩为 Tj max =0.078N.m,能够满足机构要求[7]。 4.4.6 底座转动电机的选择 初步估计机身重量为 15Kg,转动速度为 3r/min

?折算到电机转轴上的转动惯量为:

J ? 5 ? 0.22 ? 10 ? 0.142 ? 0.396Kg.m2
?折算到电机轴上的转矩为:
T ? JW ? 0.396 ? 2 ? 3.14 ? 0.124 N .m 20

?电机的最大静转矩为:
T j max ? K .T

?

?

2.5 ? 0.124 ? 0.307 N .m 0.98

?选用常州宝马集团前杨电机电器有限公司的 55BF003 型电机
其最大静转矩为 Tj max =0.666N.m[7]

4.5

蜗轮蜗杆、带轮的选择及传动比的确定

4.5.1 底座电机处蜗轮蜗杆传动的确定

由选用电机为 55BF003 可得,运行频率 f=18000HZ 又

? nm =75r/min

ns =3r/min
45-50HRC

? i= n

m

ns =25

蜗杆选用 40Cr, 估计 由式

蜗轮选用 10-3 铝青铜

Vs =5m/s 查表得 ?? H ? =140Mpa

m d1

2

? 500 ? ?? ? Z ?? ? ? ? KT2 ? 2 H ?
2

2

其中 K 为载荷系数,当考虑载荷集中和动载荷影响时,K 取 1.1—1.3
2 ? 500 ? 500 ? ? ? m d1 ? ? ? ?1.2 ? 317 ? 19.4 ? Z ?? ? ? ? KT2 ? ? ? 50 ?140 ? ? 2 H ? 2

- 21 -

毕业论文

查表得

m=1.25

d1 =20

q=16

4.5.2 大手臂电机处蜗轮蜗杆及带传动的确定

由选用 55BF003 电机运行频率 f=18000HZ 由 ns =3r/min 取蜗轮蜗杆传动比为 20 带轮传动比为 1.25 (1)由传动比 i=20 蜗杆 40Cr 估计 由式
2

? nm =75r/min
? i= n
m

ns =25

查表得 Z1 =2

?Z

2

=40

45—50HRC

蜗轮 10-3 铝青铜

Vs =5m/s 查表得 ?? H ? =140Mpa
? ? KT2 可得 ?? ?
2

? 500 m d1 ? ? ? Z ?? H ? 2
2

? 500 ? m2 d1 ? ? ? ?1.2 ? 666 ? 71.36 ? 40 ?140 ?
查表得 m=2

d1 =22.4

q=11.2

?

d2 =80

(2) 由 nm =75r/min

i1 =20

?带轮的主动论转速为 n1 =3.75r/min
由式 V ?

? d1n1
60

V 一般在 5——25m/s

取 V=20m/s

? d1 ?

60 ? 20 ? 26 3.14 ? 3.75

查表得:选带轮为 Y 型带 d1 =28 由式 d2 ? i2 .d1 ?1 ? ? ? 其中 ? 为 V 带传动的滑动率,一般为 0.01—0.02

? d2 ? 1.25 ? 28 ? 0.98 ? 34.3
查表得:取 d2 =35.5
?i ? d 2 35.5 ? ? 1.26 d1 28

0.7 ? d1 ? d2 ? ? a0 ? 2 ? d1 ? d2 ?
- 22 -

毕业论文

? 取 a0 ? 1.5? d1 ? d2 ? ? 95.25

?V 带基准长度 ?a?a ? L
0 d

?d ? d ? ? L0 ? 2a0 ? ? d1 ? d 2 ? ? 2 1 ? 290.5 2 4a0
2

查表得: 取 Ld =280
? L0 ? 87 2

由 ?1 ? 180o ?

? 带轮满足要求

d 2 ? d1 ? 57.3o ? 175o ? 120o a
[8]



4.5.3 小手臂电机处蜗轮蜗杆、带传动比的确定 由小手臂摆动选用电机为 45BF003 型可得,运行频率为 f=27000HZ

? nm =112.5r/min
ns =3r/min



? 总传动比

i=

nm

ns =37.5

由大手臂摆动电机确定的一级带轮传动比为 i1 =1.25 取二级带轮传动比为 i2 =1

?小手臂摆动电机蜗轮蜗杆的传动比为
由传动比为

i' ?

i 37.5 ? ? 30 i1.i2 1.25 ?1

i ' =30

查表得: 蜗杆头数 Z1 =2

?Z
估计 由式

2

? Z1i ' =60
45—50HRC 蜗轮 10-3 铝青铜

蜗杆 40Cr

Vs =5m/s 查表得 ?? H ? =140Mpa
? 500 m d1 ? ? ? Z ?? H ? 2
2

? ? KT2 可得 ?? ?

2

? 500 ? m2 d1 ? ? ? ?1.2 ?196 ? 8.3 ? 60 ?140 ?

2

- 23 -

毕业论文

查表得:

m=1

d1 =18

q=18

?

d2 =60
i ' =30

(1)由 nm =112.5r/min

i1 =1.25

?带轮的主动论转速为 n1 =3r/min
由式 V ?

? d1n1
60

V 一般在 5——25m/s

取 V=20m/s

? d1 ?

60 ? 20 ? 12.7 3.14 ? 3

查表得:选带轮为 Y 型带 d1 =20 又

i2 =1

? d2 ? 20

0.7 ? d1 ? d2 ? ? a0 ? 2 ? d1 ? d2 ?

? 取 a0 ? 1.5? d1 ? d2 ? ? 60

?V 带基准长度 ?a?a ? L
0 d

?d ? d ? ? L0 ? 2a0 ? ? d1 ? d 2 ? ? 2 1 ? 182.8 2 4a0
2

查表得: 取 Ld =200
? L0 ? 68.5 2
[8]

4.5.4 手腕摆动电机处蜗轮蜗杆、带传动比的确定 由手腕摆动处选用电机为 36BF003 型可得,运行频率为 f=27000HZ

? nm =112.5r/min
ns =5r/min

又 又

? 总传动比

i=

nm

ns =22.5

大手臂摆动电机确定的一级带轮传动比为 i1 =1.25

小手臂摆动电机确定的二级带轮传动比为 i2 =1 取三级传动比为 i3 =1

?蜗轮蜗杆的传动比为

i' ?

i 22.5 ? ? 18 i1.i2 .i3 1.25 ?1?1
- 24 -

毕业论文

由传动比为

i ' =18

查表得: 蜗杆头数 Z1 =2

?Z
估计 由式

2

? Z1i ' =36
45—50HRC 蜗轮 10-3 铝青铜

蜗杆 40Cr

Vs =5m/s 查表得 ?? H ? =140Mpa
? 500 m d1 ? ? ? Z ?? H ? 2
2

? ? KT2 可得 ?? ?

2

? 500 ? m d1 ? ? ? ?1.2 ? 78 ? 9.2 ? 36 ?140 ?
2

2

查表得:

m=1

d1 =18

q=18

?

d2 =36[8]

4.6 小手臂摆动处轴的强度较核
(1)小手臂摆动轴的受力分析图如下:

图 4.1 小手臂摆动轴的受力分析图

[9]

其中:

G ? mg ? 3 ? 9.8 ? 30 N
F1 ? T1 196 N .mm ? ? 19.6 N d 10mm 2
F2 ? T2 78 N .mm ? ? 7.8 N d 10mm 2

??

FV 1 ? FV 2 ? G ? 15 N 2
- 25 -

毕业论文

FH 1 ?

57 ?19.6 ? 7.8 ?19 ? 12.75 N 76

FH 2 ?

7.8 ? 57 ? 19.6 ?19 ? 0.95 N 76

(1)绘制垂直面内的弯矩图 由式

M av ? Fv1 ? L ? 15 ? 38 ? 570 N .m 2

? 垂直面内弯矩图如下所示:

图 4.2 垂直面内弯矩图

[9]

(1) 绘制水平面内的弯矩图

由式

M aH 1 ? FH 1. L ? 242.25 N .mm 4 M aH 2 ? FH 2 . L ? 18.05 N .mm 可得 4

水平面内的弯矩图如下所示:

- 26 -

毕业论文

图 4.3 水平面内的弯矩图

[9]

(2) 绘制合成弯矩图 在C和D处 在E处

M av ? 15 ?19 ? 285N.mm

M aH ? 12.75? 38 ?19.6 ?19 ? 112.1N.mm
M a ? 2852 ? 242.252 ? 374 N .mm

?

在C处 在E处 在D处

M a ? 5702 ? 112.12 ? 581N .mm
Ma ? 2852 ? 18.052 ? 286 N .mm

?

轴的合成弯矩图如下所示:

图 4.4 轴的合成弯矩图

[9]

轴的扭矩图如下所示:

- 27 -

毕业论文

图 4.5 轴的扭矩图

[9]

?轴的危险截面为中心 E 点
当量弯矩为

M e ? M a 2 ? ? ?T ?

2

? 5812 ? ? 0.6 ?196? ? 593N.mm
2

轴的材料选用 45 钢,调质处理 查表得:

? B ? 650Mpa
3

?? ?1b ? ? 60Mpa
3

?d ?

Me ? 0.1?? ?1b ?

593 ? 4.6 ? 5 0.1? 60

? 轴的直径取 d=5 能够满足强度要求。

- 28 -

毕业论文

5 总结与展望
历经一个学期的努力,六自由度机械手终于设计成功。在这段时间内,我温 习和巩固了大学四年所学的专业知识,综合运用了所学的机械和电子方面的知 识,极大的提高了我分析问题,解决问题的能力。回顾过去的两个多月,感觉收 获颇丰: 1) 通过对机械手的整体方案设计,典型结构设计,使我对大学四年所学的 机械方面的知识以及专业方面的知识有了更深一步的了解和认识, 而不像以前一 样仅仅停留在书本的概念上。 2) 掌握了机械结构整体方案设计的原则和要求,在设计过程中熟练的查取 了相关的设计手册,为以后工作上的需要打下了坚实的基础。 3) 通过对各个典型机构的设计, 充分的理解和掌握了机械设计方面的知识, 并且也对专业上的智能控制和误差控制方面有了更加深刻的认识。 由于论文的研究时间、本人的能力和知识范围有限,本论文的研究工作还存 在着一些不足之处,存在一些需要完善和改进的地方: 1) 因为六自由度机械手控制系统是一个开环控制系统,所以机器手工作过 程中存在着丢步、失态问题,所以在时间和条件允许的情况下,希望能做成闭环 系统,以提高系统精度。 2) 系统几个主要模块尚未进行过实际考核,在工作可靠性、抗干扰性能等 方面有待进一步完善和提高。 此外系统在总体布局和结构设计上离实际应用还有 一些待完善之处。 随着科技和社会的进步, 智能机器人在人们生活的各个领域发挥着越来越大 的作用。因此,了解机器人、研究机器人、并最终设计制造更先进、更科学、更 人性化的机器人就成为我们机电专业最为重要的任务之一。

- 29 -

毕业论文

谢 辞
经过半年的忙碌和工作,本次毕业设计已经接近尾声,作为一个本科生的毕 业设计,由于所学知识有限,经验的匮乏,难免有许多考虑不周全的地方,如果 没有导师的督促指导,以及同学们的支持,想要完成这个设计是难以想象的。 在这里首先要感谢我的导师黄老师。黄老师平日里工作繁多,但在我做毕业 设计的每个阶段,从查阅资料,设计草案的确定和修改,中期检查答辩,后期详 细设计, 装配草图等整个过程中都给予了我悉心的指导。 我的设计较为复杂烦琐, 但是黄老师仍然细心地纠正图纸中的错误与论文中的误点。 除了敬佩黄老师的专 业水平外,他的治学严谨和科学研究的精神也是我永远学习的榜样,并将积极影 响我今后的学习和工作。 其次要感谢和我一组作毕业设计的其他同学,我们在本次设计中相互学习, 相互鼓励。如果我们之间的相互帮助,此次设计的完成将变得非常困难。 然后还要感谢大学四年来所有的老师,指导我们打下专业知识的基础;同时 还要感谢所有的同学们,正是因为有了你们的支持和鼓励。此次毕业设计才会顺 利完成。感谢父母对我的关爱和教诲。 最后感谢机械与电气工程学院和我的母校—安徽建筑工业学院四年来对我 的大力栽培。

- 30 -

毕业论文

[ 参考文献 ]
[1] 《 工 业 机 械 手 》 编 写 组 . 工 业 机 械 手 [M]. 上 海 : 上 海 科 学 技 术 出 版 社,1978.P38-89 [2] 高军.多自由度机械手的气动控制[D].哈尔滨工业大学: 机械电子工程学院, 2005 [3] 天津大学编.工业机械手设计基础[M].天津:天津科技出版社,1998.P53-72 [4] 杨 柯 桢 , 程 光 蕴 . 机 械 设 计 基 础 ( 第 四 版 )[M]. 北 京 : 高 等 教 育 出 版 社,1999.P194-235 [5] 张 善 锺 主 编 . 精 密 仪 器 结 构 设 计 手 册 [M]. 北 京 : 机 械 工 业 出 版 社 , 2001.P86-93 [6] 成大先 . 机械设计手册 ( 第三版 第 5 卷 )[M]. 北京:化学工业出版社, 1994.P607-644 [7] 尹志强.机电一体化系统设计课程设计指导书[M].北京: 机械工业大学出版, 2007.P55-67 [8] 庞振基,黄其圣.精密机械设计[M].北京:机械工业出版社,2000.P182-200 [9] 杨伯源.材料力学(Ⅰ)[M]. 北京:机械工业出版社,2002.P51-84 [10] (美)尼库(Niku,S.B)著;孙富春等译.机器人学导论[M].北京:电子工业出 版社,2004.P26-74 [11] 秦卫贞.四自由度教学机器人控制系统的研究与设计.东北大学.2007

- 31 -

毕业论文

附录一
英文原文

英文科技文献翻译

Automated Tracking and Grasping of a Moving Object with a Robotic Hand-Eye System Abstract Most robotic grasping tasks assume a stationary or fixed object. In this paper, we explore the requirements for tracking and grasping a moving object. The focus of our work is to achieve a high level of interaction between a real-time vision system capable of tracking moving objects in 3-D and a robot arm with gripper that can be used to pick up a moving object. There is an interest in exploring the interplay of hand-eye coordination for dynamic grasping tasks such as grasping of parts on a moving conveyor system, assembly of articulated parts, or for grasping from a mobile robotic system. Coordination between an organism's sensing modalities and motor control system is a hallmark of intelligent behavior, and we are pursuing the goal of building an integrated sensing and actuation system that can operate in dynamic as opposed to static environments. The system we have built addresses three distinct problems in robotic hand-eye coordination for grasping moving objects: fast computation of 3-D motion parameters from vision, predictive control of a moving robotic arm to track a moving object, and interception and grasping. The system is able to operate at approximately human arm movement rates, and experimental results in which a moving model train is tracked is presented, stably grasped, and picked up by the system. The algorithms we have developed that relate sensing to actuation are quite general and applicable to a variety of complex robotic tasks that require visual feedback for arm and hand control. I. INTRODUCTION The focus of our work is to achieve a high level of interaction between real-time vision systems capable of tracking moving objects in 3-D and a robot arm equipped with a dexterous hand that can be used to intercept, grasp, and pick up a moving object. We are interested in exploring the interplay of hand-eye coordination for dynamic grasping tasks such as grasping of parts on a moving conveyor system,
- 32 -

毕业论文

assembly of articulated parts, or for grasping from a mobile robotic system. Coordination between an organism's sensing modalities and motor control system is a hallmark of intelligent behavior, and we are pursuing the goal of building an integrated sensing and actuation system that can operate in dynamic as opposed to static environments. There has been much research in robotics over the last few years that address either visual tracking of moving objects or generalized grasping problems. However, there have been few efforts that try to link the two problems. It is quite clear that complex robotic tasks such as automated assembly will need to have integrated systems that use visual feedback to plan, execute, and monitor grasping. The system we have built addresses three distinct problems in robotic hand-eye coordination for grasping moving objects: fast computation of 3-D motion parameters from vision, predictive control of a moving robotic arm to track a moving object, and interception and grasping. The system is able to operate at approximately human arm movement rates, using visual feedback to track, intercept, stably grasp, and pick up a moving object. The algorithms we have developed that relate sensing to actuation are quite general and applicable to a variety of complex robotic tasks that require visual feedback for arm and hand control. Our work also addresses a very fundamental and limiting problem that is inherent in building integrated sensing actuation systems; integration of systems with different sampling and processing rates. Most complex robotic systems are actually amalgams of different processing devices, connected by a variety of methods. For example, our system consists of three separate computation systems: a parallel image processing computer; a host computer that filters, triangulates, and predicts 3-D position from the raw vision data; and a separate arm control system computer that performs inverse kinematic transformations and joint-level servicing. Each of these systems has its own sampling rate, noise characteristics, and processing delays, which need to be integrated to achieve smooth and stable real-time performance. In our case, this involves overcoming visual processing noise and delays with a predictive filter based upon a probabilistic analysis of the system noise characteristics. In addition, real-time arm control needs to be able to operate at fast servo rates regardless of whether new

- 33 -

毕业论文

predictions of object position are available. The system consists of two fixed cameras that can image a scene containing a moving object (Fig. 1). A PUMA-560 with a parallel jaw gripper attached is used to track and pick up the object as it moves (Fig. 2). The system operates as follows: 1) The imaging system performs a stereoscopic optic-flow calculation at each pixel in the image. From these optic-flow fields, a motion energy profile is obtained that forms the basis for a triangulation that can recover the 3-D position of a moving object at video rates. 2) The 3-D position of the moving object computed by step 1 is initially smoothed to remove sensor noise, and a nonlinear filter is used to recover the correct trajectory parameters which can be used for forward prediction, and the updated position is sent to the trajectory-planner/arm-control system. 3) The trajectory planner updates the joint-level servos of the arm via kinematic transform equations. An additional fixed-gain filter is used to provide servo-level control in case of missed or delayed communication from the vision and filtering system. 4) Once tracking is stable, the system commands the arm to intercept the moving object and the hand is used to grasp the object stably and pick it up. The following sections of the paper describe each of these subsystems in detail along with experimental results. П. PREVIOUS WORK Previous efforts in the areas of motion tracking and real-time control are too numerous to exhaustively list here. We instead list some notable efforts that have inspired us to use similar approaches. Burt et al. [9] have focused on high-speed feature detection and hierarchical scaling of images in order to meet the real-time demands of surveillance and other robotic applications. Related work has been reported by. Lee and Wohn [29] and Wiklund and Granlund [43] who uses image differencing methods to track motion. Corke, Paul, and Wohn [13] report a feature-based tracking method that uses special-purpose hardware to drive a servo controller of an arm-mounted camera. Goldenberg et al. [16] have developed a method that uses temporal filtering with vision hardware similar to our own. Luo,

- 34 -

毕业论文

Mullen, and Wessel [30] report a real-time implementation of motion tracking in 1-D based on Horn and Schunk’s method. Vergheseetul. [41] Report real-time short-range visual tracking of objects using a pipelined system similar to our own. Safadi [37] uses a tracking filter similar to our own and a pyramid-based vision system, but few results are reported with this system. Rao and Durrant-Whyte [36] have implemented a Kalman filter-based decentralized tracking system that tracks moving objects with multiple cameras. Miller [31] has integrated a camera and arm for a tracking task where the emphasis is on learning kinematic and control parameters of the system. Weiss et al. [42] also use visual feedback to develop control laws for manipulation. Brown [8] has implemented a gaze control system that links a robotic “head” containing binocular cameras with a servo controller that allows one to maintain a fixed gaze on a moving object. Clark and Ferrier [12] also have implemented a gaze control system for a mobile robot. A variation of the tracking problems is the case of moving cameras. Some of the papers addressing this interesting problem are [9], [15], [44], and [18]. The majority of literature on the control problems encountered in motion tracking experiments is concerned with the problem of generating smooth, up-to-date trajectories from noisy and delayed outputs from different vision algorithms. Our previous work [4] coped with that problem in a similar way as in [38], using an cy - p - y filter, which is a form of steady-state Kalman filter. Other approaches can be found in papers by [33], [34], [28], [6]. In the work of Papanikolopoulos et al. [33], [34], visual sensors are used in the feedback loop to perform adaptive robotic visual tracking. Sophisticated control schemes are described which combine a Kalman filter’s estimation and filtering power with an optimal (LQG) controller which computes the robot’s motion. The vision system uses an optic-flow computation based on the SSD (sum of squared differences) method which, while time consuming, appears to be accurate enough for the tracking task. Efficient use of windows in the image can improve the performance of this method. The authors have presented good tracking results, as well as stated that the controller is robust enough so the use of more complex (time-varying LQG) methods is not justified. Experimental results with the CMU Direct Drive Arm П show that the methods are quite accurate, robust, and

- 35 -

毕业论文

promising. The work of Lee and Kay [28] addresses the problem of uncertainty of cameras in the robot’s coordinate frame. The fact that cameras have to be strictly fixed in robot’s frame might be quite annoying since each time they are (most often incidentally) displaced; one has to undertake a tedious job of their recalibration. Again, the estimation of the moving object’s position and orientation is done in the Cartesian space and a simple error model is assumed. Andersen et al. [6] adopt a 3rd-order Kalman filter in order to allow a robotic system (consisting of two degrees of freedom) to play the labyrinth game. A somewhat different approach has been explored in the work of Houshangi [24] and Koivo et al. [27]. In these works, the autoregressive (AR) and auto grassier moving-average with exogenous input (ARMAX) models are investigated for visual tracking. Ш. VISION SYSTEM In a visual tracking problem, motion in the imaging system has to be translated into 3-D scene motion. Our approach is to initially compute local optic-flow fields that measure image velocity at each pixel in the image. A variety of techniques for computing optic-flow fields have been used with varying results including matching-based techniques [5], [ 10], [39], gradient-based techniques [23], [32], [ 113, and patio-temporal, energy methods [20], [2]. Optic-flow was chosen as the primitive upon which to base the tracking algorithm for the following reasons. · The ability to track an object in three dimensions implies that there will be motion across the retinas (image planes) that are imaging the scene. By identifying this motion in each camera, we can begin to find the actual 3-D motion. · The principal constraint in the imaging process is high computational speed to satisfy the update process for the robotic arm parameters. Hence, we needed to be able to compute image motion quickly and robustly. The Hom-Schunck optic-flow algorithm (described below) is well suited for real-time computation on our PIPE image processing engine. · We have developed a new framework for computing optic-flow robustly using an estimation-theoretic framework [40]. While this work does not specifically use these ideas, we have future plans to try to adapt this algorithm to such a framework.

- 36 -

毕业论文

Our method begins with an implementation of the Horn-Schunck method of computing optic-flow [22]. The underlying assumption of this method is the optic-flow constraint equation, which assumes image irradiance at time t and t+σt will be the same:

If we expand this constraint via a Taylor series expansion, and drop second- and higher-order terms, we obtain the form of the constraint we need to compute normal velocity: Where u and U are the velocities in image space, and Ix, Iy, and It are the spatial and temporal derivatives in the image. This constraint limits the velocity field in an image to lie on a straight line in velocity space. The actual velocity cannot be determined directly from this constraint due to the aperture problem, but one can recover the component of velocity normal to this constraint line A second, iterative process is usually employed to propagate velocities in image neighborhoods, based upon a variety of smoothness and heuristic constraints. These added neighborhood constraints allow for recovery of the actual velocities u, v in the image. While computationally appealing, this method of determining optic-flow has some inherent problems. First, the computation is done on a pixel-by-pixel basis, creating a large computational demand. Second, the information on optic flow is only available in areas where the gradients defined above exist. We have overcome the first of these problems by using the PIPE image processor [26], [7]. The PIPE is a pipelined parallel image processing computer capable of processing 256 x 256 x 8 bit images at frame rate speeds, and it supports the operations necessary for optic-flow computation in a pixel parallel method (a typical image operation such as convolution, warping, addition subtraction of images can be done in one cycle-l/60 s). The second problem is alleviated by our not needing to know the actual velocities in the image. What we need is the ability to locate and quantify gross image motion robustly. This rules out simple differencing methods which are too prone to noise and will make location of image movement difficult. Hence, a set of normal velocities at strong gradients is adequate for our task,
- 37 -

毕业论文

precluding the need to iteratively propagate velocities in the image. A. Computing Normal Optic-Flow in Real-Time Our goal is to track a single moving object in real time. We are using two fixed cameras that image the scene and need to report motion in 3-D to a robotic arm control program. Each camera is calibrated with the 3-D scene, but there is no explicit need to use registered (i.e., scan-line coherence) cameras. Our method computes the normal component of optic-flow for each pixel in each camera image, finds a centurion of motion energy for each image, and then uses triangulation to intersect the back-projected centurions of image motion in each camera. Four processors are used in parallel on the PIPE. The processors are assigned as four per camera-two each for the calculation of X and Y motion energy centurions in each image. We also use a special processor board (ISMAP) to perform real-time histogram. The steps below correspond to the numbers in Fig. 3. 1) The camera images the scene and the image is sent to processing stages in the PIPE. 2) The image is smoothed by convolution with a Gaussian mask. The convolution operator is a built-in operation in the PIPE and it can be performed in one frame cycle. 3-4) In the next two cycles, two more images are read in, smoothed and buffered, yielding smoothed images Io and I1 and I2. The ability to buffer and pipeline images allows temporal operations on images, albeit at the cost of processing delays (lags) on output. There are now three smoothed images in the PIPE, with the oldest image lagging by 3/60 s. 5) Images Io and I2, are subtracted yielding the temporal derivative It. 6) In parallel with step 5, image I1 is convolved with a 3 x 3 horizontal spatial gradient operator, returning the discrete form of I,. In parallel, the vertical spatial gradient is calculated yielding I, (not shown). 7-8)The results from steps 5 and 6 are held in buffers and then are input to a look-up table that divides the temporal gradient at each pixel by the absolute value of the summed horizontal and vertical spatial gradients [which approximates the denominator in (3)]. This yields the normal velocity in the image at each pixel. These velocities are then threshold and any isolated (i.e., single pixel motion energy) blobs

- 38 -

毕业论文

are morphologically eroded. The above threshold velocities are then encoded as gray value 255. In our experiments, we threshold all velocities below 10 pixels per 60 ms to zero velocity. 9-10) In order to get the centurion of the motion information, we need the X and Y coordinates of the motion energy. For simplicity, we show only the situation for the X coordinate. The gray-value ramp in Fig. 3 is an image that encodes the horizontal coordinate value (0-255) for each point in the image as a gray value. Thus, it is an image that is black (0) at horizontal pixel 0 and white (255) at horizontal pixel 255. If we logically and each pixel of the above threshold velocity image with the ramp image, we have an image which encodes high velocity pixels with their positional coordinates in the image, and leaves pixels with no motion at zero. 11) By taking this result and histogram it, via a special stage of the PIPE which performs histograms at frame rate speeds, we can find the centurion of the moving object by finding the mean of the resulting histogram. Histogram the high-velocity position encoded images yields 256 16-bit values (a result for each intensity in the image). These 256 values can be read off the PIPE via a parallel interface in about 10 ms. This operation is performed in parallel to find the moving object’s Y censored (and in parallel for X and Y centurions for camera 2). The total associated delay time for finding the censored of a moving object becomes 15 cycles or 0.25 s. The same algorithm is run in parallel on the PIPE for the second camera. Once the motion centurions are known for each camera, they are back-projected into the scene using the camera calibration matrices and triangulated to find the actual 3-D location of the movement. Because of the pipelined nature of the PIPE, a new X or Y coordinate is produced every 1/60 s with this delay. While we are able to derive 3-D position from motion stereo at real-time rates, there are a number of sources of noise and error inherent in the vision system. These include stereo triangulation error, moving shadow s which are interpreted as object motion (we use no special lighting in the scene), and small shifts in censored alignments due to the different viewing angles of the cameras, which have a large baseline. The net effect of this is to create a 3-D position signal that is accurate enough for gross-level object tracking, but is not sufficient for the smooth and highly accurate tracking required for grasping the object.

- 39 -

毕业论文

英文翻译

自动跟踪和捕捉系统中的机械手系统
摘要——许多机器人抓捕任务都被假设在了一个固定的物体上进行。 在这篇 文章中,我们探究了要对一个运动物体进行跟踪和抓捕所需要的必要条件。我们 这次工作的重点是如何在一个能够在三维上跟踪一个运动的物体的实时视觉系 统和一个能够用钳子来捡起运动的物体的机械手臂之间达到一种高水平的交互 作用。这是对动态捕捉中手眼相互影响的深入研究,这样的动态捕捉在现实中例 如: 搬运系统中的捕捉、 装配中的铰接部分、 还有遥控机器人系统中的捕捉部分。 一个有机的感觉系统和电动机控制之间的协调是一个智能系统的最大的特点。 我 们的目标是要建立完整的感觉反应系统——它能够在动态而不是静态环境下运 作。我们所建立的机器人手-眼协同系统在捕捉动态物体的过程中有三个显著的 特点:对视觉系统采集的三维参数的快速计算、对移动机械手臂跟踪动态物体的 预先控制以及对运动的火车的动态跟踪的实验演示。 我们所运用的关于感觉和反 应方面的运算法则是很全面的以及能够应用到要求对手臂控制有视觉反馈的变 化多样的复杂任务中。

1

绪论

我们这次研究的焦点是如何在一个能够在三维上跟踪一个运动的物体的实 时视觉系统和一个装配了灵巧的手能够进行截取、 捕捉和捡取运动物体的机械手 臂之间建立一种高水平的交互作用。 我们的兴趣是对动态捕捉中手眼相互影响的 深入研究,这样的动态捕捉在现实中例如:搬运系统中的捕捉、装配中的铰接部 分、还有遥控机器人系统中的捕捉部分。一个有机的感觉系统和电动机控制之间 的协调是一个智能系统的最大的特点。 我们的目标是要建立完整的感觉反应系统 ——它能够在动态而不是静态环境下运作。 在过去的几年里有许多对机器人的研 究,他们有的是研究对动态物体的视觉捕捉,有的是研究不能适应特殊环境的捕 捉问题,但是很少有文章把两个问题结合起来考虑。很明显一个复杂的机器人系 统如自动装配系统要求具有用视觉反馈来进行计划、执行和监视捕捉的完整系 统。

- 40 -

毕业论文

我们所建立的机器人手-眼协同系统在捕捉动态物体的过程中有三个显著的 特点:对视觉系统采集的三维参数的快速计算、对移动机械手臂跟踪、截取、捕 捉动态物体的预先控制。这个系统能够以近似于人类手臂运动的速度来操纵,运 用视觉反馈来跟踪、截取、稳定的捕捉和拾取动态的物体。我们所运用的关于感 觉和反应方面的运算法则是很全面的以及能够应用到要求对手臂控制有视觉反 馈的变化多样的复杂任务中。 我们的工作也忙于所有的完整的感觉-反应系统以及有不同取样和处理速率 的综合系统所固有的最基本和限制问题。 许多复杂的机器人系统事实上都有不同 的处理设备和方法。例如,我们设计的系统包括三个独立的计算系统,一个图象 处理系统,一个主机来对原始的视觉数据进行过滤、三角计算和预测物体的空间 位置,一个独立的手臂控制系统来执行反转运动和连接水平上的伺服系统。任何 一个系统都有它们独立的取样频率、噪声特性和光滑稳定的处理延迟。在我们的 案例里, 我们主要专注于通过依靠对系统噪声特性的概略分析来进行预先过滤从 而来克服视觉处理噪音和延迟。另外,实时的手臂控制系统要求无论对物体位置 新的预测是否有用都能够有很快的伺服速率。 这个系统有两个可以拍摄移动物体的固定相机, 还有一个平口虎钳可以用来 拾取运动的物体。系统的运行过程如下: (1)系统的影射对图象的每个相素进行光学流动计算。通过这些光学流动 区域, 我们通过对每个动作的能线图进行三角测量后可以以确定每个运动物体的 空间位置。 (2)对第一步获得的初始空间位置进行稍微的传感器噪音滤处,然后对轨 道参数进行非线性的滤波使其能够用来进行迅速的预测, 最后再把较正后的轨道 参数送给机械手系统。 (3)轨道设计者通过动态平衡方程式来更新手臂伺服系统的接合标准。为 了避免对光学和滤波系统信息的遗漏和延迟,又附加了一个固定的滤波器。 (4)一旦跟踪稳定了,系统将命令手臂去截取运动的物体,同时机械手将 进行稳定的捕捉和拾取。 接下来的部分将结合实验结果对每个子系统进行详细的介绍。

2

前期工作

由于前期工作太多而无法一一列举, 我们只列举了一些对我们工作有提示作
- 41 -

毕业论文

用的让我们采用了相似系统的文献。Burt et al. 专注与研究高速容貌探测和对 图象的不同缩放比例来满足监视的实时性和其他机器人系统的应用。 相关的工作 已经被Lee 、Wohn 、Wiklund 和 Granlund所报道了,他们用不同的图象处理方 法来跟踪物体。Corke,、Paul和 Wohn发表了一种重要的跟踪方法,它用一种有 特殊用途的硬件来驱动安装在手臂系统上的相机的伺服系统。Goldenberg et al 也发明了一种方法, 它用的是和我们有相似视觉硬件的时间滤波器。 Luo、 Mullen 和Wessel 在Horn Schun的基础上发明了一种在一维上跟踪运动物体的方法。 Verghese et ul. 发明了一种和我们有相似传递途径的实时的短距离视觉跟踪运 动物体的方法。Safadi 研发了一种以棱镜为基础的光学系统,该方法和我们有 相似的跟踪滤波系统。 Rao 和Durrant-Whyte研发了一种基于分散跟踪的 Kalman 滤波系统,该系统是用若干个相机来跟踪物体的。Miller采用了一种综合运用相 机和手臂来跟踪物体,该系统的重点是研究系统的运动控制参数。Weiss et al. 也通过视觉反馈足进了系统控制理论上的飞跃。 Brown研发了一固定的控制系统, 他在运动的控制系统上安装了有两个监视孔的相机从而实现了对运动物体的固 定监视。Clark and Ferrier也研发了一种对移动机器人进行固定控制的系统。 在跟踪上的新突破就是出现了用移动相机来进行跟踪。 在动态跟踪的控制方面的主要著作大都是关于稳定性的、 日益更新的对不同视觉 运算法则的噪声轨迹和输出延迟。我们前期也用了同样的方法来处理这个问题, 用了一个 滤波器,它是一个稳态Kalman滤波器。在Papanikolopoulos

et al. 的著作中视觉感受器被用在反馈循环中来适应机器人的视觉跟踪。经典
控制系统由一个Kalman滤波预算和一个用理想控制来估计机器人的运动。 当实时 性比较高以及要求精确跟踪时,视觉系统经常用SSD来进行光学估计。有效的利 用图象中的窗口能够更好的发挥这种方法的作用。 作者已经介绍了更好的跟踪方 法,并且要求控制器要有足够的能量,因此复杂的系统被证明是不适合的。CMU Direct Drive Arm I1的实验结果证明这种方法还是很精确、还是很有前途的。 Lee和Kay主要致力于由于机器人结构调整而引起的不确定性问题。事实上 要把机器人结构上每个相机都准确的固定是见很烦人的事, 因此每次在枯燥的环 境下工作时它都要被移动。其次,要在笛卡尔坐标系中确定运动物体的位置和移 动方向和假设一个简单的误差模拟。 安徒生采用了一个Kalman滤波器来让机器人 完成迷宫游戏。在Houshangi 和 Koivo et al. 工作中采用了一种稍微有点不同 的逼近方法。在这些工作中AR和ARMAX被用来研究视觉跟踪系统。

- 42 -

毕业论文



视觉系统

在视觉跟踪问题上,系统的映射中的动作需要转化为三维空间上的动作。 我们的方法是通过最初估计局部的光学流场来测量图像中的每个相素的转换速 率。在处理光学流场时我们用了许多技术,这些技术包括匹配技术、坡度技术以 及时空能量法。光学流场选择以古老的跟踪运算法则为基础的原因如下: (1)在空间上跟踪一个物体意味着将在那个能够成像的视网膜形成一个动 作图像。通过对每个相机上图像的鉴别,我们就能够确定物体的真实空间位置。 (2)成像过程中主要的限制就是必须要有很高的计算速度来满足机械手臂 参数的更新。因此,我们要能够快速地粗略地估计物体的移动。Hom-Schunck的 光学流场运算法则就很适合我们PIPE成像过程中的运算估计。 (3)我们发明了一种新的框架通过理论上的框架来粗略地处理光学流。虽 然这个项目还不能够明确的使用这种方法, 但是我们打算在将来的运算法则中采 用这中框架。 我们的方法是以用Hom-Schunck的运算法则来处理光学流场为开头的。这 种方法潜在的假设是光学流场方程式, 它认为在时间T和T+t两个时刻图像的亮度 是一样的: 如果我们用泰勒公式对方程式展开,并且忽略掉二阶及高阶项后,我们将 获得如下的式子: 其中u和v是象空间的速率,Ix、Iy和It是空间和时间上的坐标,这个约束 条件限制了速度在速率场上为线性变化。 由于相机的孔径问题我们不能够直接通 过约束条件来确定实际速率, 但可以由这个线性公式重新获取一些正常速率的参 数。基于一种光滑而有启发性的约束条件,重复的过程经常被用来加快图像的速 率。 这些附加的约束条件被用来恢复图像中的实际速度u、 v。 尽管计算的很逼真, 但这种确定光学流速率的方法仍有其固有的缺点。首先,这种估计是建立在单独 相素的基础上的,要求进行大量的计算。其次,光学流的所有信息都只适用于坡 度存在的条件下。 我们通过运用PIPE图像处理机已经克服了第一个问题。 PIPE图象处理机是 一个可以以桢频的速率来平行处理多重256*256*8比特图像的计算机,并且它支 持以桢频的速率来平行处理图像要必需的操作。 由于我们不需要知道图像中的实 际速率,因此也降低了第二个问题的难度。因此,一些很大坡度的正常速度就可 以满足我们的要求了,从而减少了对图像重复加速的要求。
- 43 -

毕业论文

A、 实时的处理正常的光学流速度 我们的目的是实时的跟踪一个单独的运动物体。 我们用两个固定的摄像机进 行摄像并将物体的空间位置汇报给机械手控制系统。 每个相机都通过三维图像进 行校正,但这并不要求必须是标准的相机。我们通过计算每个相机中的每个图像 的常规构成,找到每个图像中每个动作的质心,然后用三角测量法来确定每个图 像背面的质心。四个处理机被平行的用在PIPE上。处理机被分配到两个相机上, 其中的两个被用来计算图像在X和Y方向上的质心坐标。 我们也用了一个特殊的处 理机来完成实时的柱状图,以下的步骤与图3的数字相对应: 1)照相机进行摄像并将图像传输给PIPE的处理系统。 2)通过高斯公式来圆滑图像,盘形的执行元件被内置在PIPE内部,并且可以在 一桢的循环中运行。 3-4)在接下来的两个循环中,更多的图像被平稳的、光滑的读入。对图像的缓 冲和传递实现虽然引起了对输出的延迟但它能够实现对图像的通俗操作。在 PIPE中运用了三个流畅的摄像系统。 5)映像Io和I1相减以后获得了暂时的It。 6)与步骤五相比,图像I1周围缠了一圈3 x 3水平的梯度算子,反馈回来Ix方向 上的离散信号,同时垂直方向上的梯度也可以通过Iy来算出。 7-8)步骤5和6的结果被保存到了磁盘中,然后再输入一个查询表格,它通过对 水平方向和垂直方向的综合估计把时间轴分成了每个像素。 这就使得每个图 像的各个像素都有了一个正常的播放速度。这些速度都已经得到了极限,并 且图像上的任何一个孤立的斑点都是由形态学上的饿腐蚀引起的。 以上的极 限速率被翻译成了灰度为255的编码。在我们的实验中,我们以每60秒10桢 的速率来播放。 9-10)为了确定运动物体的质心,我们需要综合X和Y方向上的信息。简而言之, 我们只能够知道X方向的坐标。在图三的灰度值中把水平方向的坐标分成了 0-255。因此,图像在水平坐标为0时是黑色,在水平坐标为255时是白色。 11)借助于这个结果并将他们用柱状图表示出来,我们通过了PIPE的一个特殊阶 段,这个阶段以桢频的速率展现了柱状图,我们通过对柱状图的分析能够得 到运动物体的质心。柱状图以很高的速率复显了图像,这些分为256阶段的信 息能够在10秒内通过并行接口输入到PIPE内。 并且同时也就获得了Y方向上的 坐标了。要确定一个运动物体的位置所延迟的时间是15个循环周期也就是

- 44 -

毕业论文

0.25秒。 第二个相机也运用同样的运算法则在PIPE的并行接口上工作。一旦任何一个 相机找到了运动物体的质心,它们将通过相机的校准反馈到屏幕上,并且通过三 角测量来确定运动物体的空间位置。由于PIPE传递管道的自然特性,每1/60秒将 产生一个新的X和Y坐标。尽管我们能够以实时的速率来确定物体的空间位置,但 在视觉系统中仍然有大量的噪声和固定误差以及由于有不同的监视系统所带来 的微小偏移。 接下来带来的影响就是创造了新的空间位置坐标使我们在大体上确 定了物体的位置但却不能够精确的跟踪物体,从而也就不能够对物体进行捕捉。 在接下来的部分我们论说了一种概然的模型, 它能够滤掉更多的噪音从而能够更 加稳定的、精确的确定物体的空间位置。

- 45 -

毕业论文

- 46 -


相关文章:
六自由度机械手运动分析
六自由度机械手运动分析_机械/仪表_工程科技_专业资料。六自由度机械手毕业论文 专课 业题 机械设计制造及其自动化 多自由度机械手机械设计 毕业论文 摘 要 文中...
六自由度机械手实验报告 (2)
六自由度机械手实验报告 (2)_机械/仪表_工程科技_...控制每 个电动机旋转,就可以实现机械手臂的空间运动...经 P8X32A-M44对信号的分析, 然后产生6个舵机控制...
六自由度机械手运动控制
本文从运动分析的基础上着手研究轨迹控制的问题,利用运动学逆解的方式分析复杂轨迹运动 的可行性和实用性。目前,六自由度机械手的复杂运动控制已经有了比较好的...
六自由度机械手的坐标建立及运动学分析
** *** No.* 2 0 ** DOI:10.3901/JME.20**.**.*** 六自由度机械手的坐标建立及运动分析摘要:从运动分析的基础上着手研究轨迹控制的问题,利用...
六自由度机械手
六自由度机械手运动控制”等对 6 自由度机械手臂的运 动设计主要进行了 1、位姿与指尖的空间位置之间的关系的研究,2、目标位姿的预测分析,3、受限目 标到达...
六自由度机械手
六自由度机械手运动控制”等对 6 自由度机械手臂的运 动设计主要进行了 1、位姿与指尖的空间位置之间的关系的研究,2、目标位姿的预测分析,3、受限目 标到达...
六自由度机械手设计说明书
二、结构设计气动控制运动结构图如下图所示: 电气...9.81 ? 6619.98N ?根据 UG 距离分析,前四个...设计特色该机构是一个六自由度的工业机械手, 能...
六自由度机械手
长和机器特长的一种拟人的电子机械装置, 既有人堆环境状态的快速 反应和分析...六自由度机械手运动控制 52页 免费 六自由度机械手设计 31页 免费 六自由度机械...
六自由度机械手动力学仿真
基于proe和adams的动力学分析。隐藏>> 机电工程学院 机械动力学课程设计 学专 ...六自由度机械手运动仿真本文利用 PRO/E 软件对所设计六自由度机械手进行三维...
更多相关标签:
六自由度机械手 | 三自由度机械手 | 四自由度机械手 | 二自由度机械手 | 五自由度机械手 | 多自由度机械手 | 机械手自由度 | 三自由度机械手设计 |