發(fā)布時(shí)間：2024-12-21 01:25

　　隨著機(jī)器人在制造業(yè)領(lǐng)域的普遍應(yīng)用,工業(yè)機(jī)器人傷害工作人員的事件已屢見(jiàn)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(jī)器人避碰技術(shù)的研究重心。因此,研究工業(yè)機(jī)器人在復(fù)雜環(huán)境中的動(dòng)態(tài)避碰問(wèn)題,對(duì)提高工業(yè)機(jī)器人的安全性具有重要的意義。本課題以YL-R1400工業(yè)機(jī)器人為研究對(duì)象,針對(duì)機(jī)械臂運(yùn)行時(shí)障礙物避碰和目標(biāo)追蹤問(wèn)題,利用深度學(xué)習(xí)算法、雙目視覺(jué)空間定位技術(shù)、人工勢(shì)場(chǎng)法及虛擬樣機(jī)技術(shù)對(duì)六自由度機(jī)械臂障礙物避碰和目標(biāo)追蹤進(jìn)行研究與分析。研究?jī)?nèi)容如下:首先,以YL-R1400工業(yè)機(jī)器人的數(shù)據(jù)為基本參數(shù),對(duì)機(jī)械臂進(jìn)行運(yùn)動(dòng)學(xué)建模與分析。應(yīng)用D-H參數(shù)法建立機(jī)械臂的正運(yùn)動(dòng)學(xué)模型,求解機(jī)械臂末端空間坐標(biāo)系與關(guān)節(jié)空間坐標(biāo)系之間的轉(zhuǎn)換方程式;應(yīng)用代數(shù)法求解機(jī)械臂逆運(yùn)動(dòng)學(xué)方程,在已知末端軌跡的情況下采用逆運(yùn)動(dòng)學(xué)方程求解出機(jī)械臂每個(gè)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(duì)所建模型進(jìn)行驗(yàn)證與分析。其次,采用雙目視覺(jué)系統(tǒng)獲取目標(biāo)的位置信息。本文基于深度學(xué)習(xí)算法對(duì)障礙物及目標(biāo)進(jìn)行檢測(cè)和識(shí)別,然后將獲取的信息傳輸至含空間定位算法的雙目視覺(jué)系統(tǒng)中,并確定目標(biāo)與...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1亞龍智能公司焊接機(jī)器人現(xiàn)場(chǎng)布置示意圖

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

圖1.2機(jī)器

制造重要分支之一機(jī)器視覺(jué)的發(fā)展[14]。在工業(yè)機(jī)器人避碰中，機(jī)器視覺(jué)可以確保精確檢測(cè)出環(huán)境中的障礙物和目標(biāo)，可見(jiàn)深度學(xué)習(xí)算法的發(fā)展促進(jìn)了工業(yè)機(jī)器人避碰技術(shù)的進(jìn)程，使得避碰算法的實(shí)現(xiàn)具有了工程意義。從避碰技術(shù)的提出到琳瑯滿(mǎn)目的各類(lèi)算法，眾多的學(xué)者和工程師把避碰技術(shù)運(yùn)用到了如焊接、裝....

圖2.7YL-R1400機(jī)械臂運(yùn)動(dòng)學(xué)模型

六自由度機(jī)械臂動(dòng)態(tài)避碰研究20圖2.7YL-R1400機(jī)械臂運(yùn)動(dòng)學(xué)模型由上圖可知，以表2.1為已知參數(shù)，以L(fǎng)ink[0，0，0，0，0，0]為初始位姿建立的六自由度機(jī)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(zhǔn)確合理。工具箱中還有正運(yùn)動(dòng)學(xué)仿真分析函數(shù)、逆運(yùn)動(dòng)學(xué)仿真分析函數(shù)....

圖3.2MaskR-CNN網(wǎng)絡(luò)結(jié)構(gòu)示意圖

D、FPN、RetinaNet等。Twostage模型是一種以候選區(qū)域?yàn)榛鶞?zhǔn)的目標(biāo)識(shí)別算法，算法流程主要包括兩個(gè)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(lèi)和位置反饋，最后實(shí)現(xiàn)目標(biāo)的識(shí)別和檢測(cè)。其中MaskR-CNN是Twostage模型的典型代表算法之一。Mask....

本文編號(hào)：4018172