文摘

作为一种典型的特殊机器人具有较高的灵活性和可操作性,hyperredundant操纵者(人力资源管理),可以在狭窄的和复杂的空间出现了很多相关的研究工作。由于环境的特殊性和机械手的结构复杂,有许多问题在具体的人力资源管理应用程序。本文总结了一些代表性的研究为人力资源管理工作,包括机械设计、环境感知、机器人导航和轨迹控制。为了使人力资源管理系统的设计更适合应用,当前研究的技术问题进行了分析解决关键问题的改进。最后,空间可达性的前景,结构紧凑,操作的准确性和交互友好的hyperredundant操纵者。

1。介绍

在机器人技术的发展,一些种类的机器人已经被应用于许多工业领域代替手工操作,减少工人的劳动强度,提高作业的质量。然而,在一些复杂和危险的操作环境,特别是那些狭窄的空间和有限的运动,是很困难的甚至是不可能进入运营商和传统机器人的操作空间。此外,使用简单的辅助工具的操作模式不能满足操作需求的范围和质量。因此,它是一个重要的方式来解决这种实际应用问题研究机器人技术适用于密闭空间操作。

非结构化狭窄工作空间广泛存在于很多领域如航空航天(1- - - - - -4],核能[5,6)、设备制造和灾后救援。图1列出了一些常见的使用场景hyperredundant操纵者。在航空制造业、粘合、绘画、铆接、研磨、维护、和其他操作所需的装配等狭窄的内腔的机翼盒段和进口目前只能手动来实现。工人们很难,无法保证产品的质量,严重的损害了飞机的安全。在装备制造业、焊接和维护客舱隔间,矿山液压支架、阴极电解细胞汇流,等等要求工人工作持续高温,污染,和狭窄的空间。对工人的环境是很困难的,很难保证焊接的质量。在核电行业,核电反应堆的身体,燃料棒控制管道,和其他关键设备相互交叉,创建一个复杂的环境。没有有效的维护手段由于高温、强辐射,和狭窄的空间,使核电安全的严重隐患。在电力能源行业,复杂的和紧凑的封闭开关设备和集成配电控制柜的变电站需要修复由于内部故障,通常情况下,一个大范围的部分需要拆卸定位故障,这大大降低了维护的效率。灾后搜救任务的,狭窄的环境由倒塌的建筑和设备搜索和救援人员很难直接进入救援,捕捉人们获取信息和周围的环境,及实施抢救。经过上面的分析,我们需要分析场景特点和任务复杂而狭窄的空间和开发一个机器人系统能够主动和灵活避免障碍; thus, there is an actual demand in lots of fields.

狭窄和关闭操作空间,复杂的障碍分布,和光线不足的情况下,一个特殊的操作点,位于深腔,这种操作现场的共同特征是上面了。解决狭小空间操作的问题,迫切需要开发一个机器人系统能够主动和灵活避免障碍,这不仅可以精确传输操作工具来操作点,不断沿着指定的轨迹,还可以适应狭窄复杂非结构化环境。机器人在机器人系统通常需要一个整体结构紧凑,使机器人能够避免在空间不同的障碍,从而实现灵活的操作在小和密闭空间。

2。总结相关的研究工作

作为一种典型的特殊应用程序的机器人,机器人可以在狭窄的空间已经被国内外广泛关注。很多领域的研究已经进行了联合材料、机制设计、控制方法、遥感技术、应用系统,因此在研究机构在美国、德国、英国、日本、中国、挪威和其他国家。和许多卓有成效的理论方法和原型。

2.1。机械手机构设计

环境适应性和traversability在密闭空间机器人系统设计的关键点。然而,在不同的狭窄空间,机器人的操作条件和工作环境是不同的。所以机器人机制基于不同操作模式已经发展为国内外不同的操作场景。图2列出了一些常见的传动形式、结构形式、和推进snake-shaped操纵者的方法。其中,常见的驱动形式和结构形式的hyperredundant机械手将与具体的研究实例,介绍了在这一节中,推进设备将在“机器人操作系统”部分主要介绍了。

由于狭小空间的限制,机器人的运动机制通常使用蛇机制或软的机器。机器人的运动学关节主要采用刚性关节(关节球关节或钩),空心风箱,弹性岭骨架。如图2,机器人的主要驱动模式是微型电动机直接驱动,钢丝绳传动,人工肌肉驱动器,气驱,等等。例如,气动柔性机器人在日本东北大学开发的移动的管道内的压力容器核电站的紧张和驱动气动执行机构(7]。在东京中央大学开发了一个管检测机器人基于人工肌肉,拉伸可以实现蠕动爬行的人造肌肉(8]。卡内基梅隆大学开发了一种蛇形机器人由多个模块化机电关节串联实现操作控制在狭小的空间9]。人力资源管理具有不同驾驶方法会有不同的特点和技术困难。一般来说,机械手由纳米马达提供了有限的驱动力。推动天然气需要更多考虑的气密性和控制精度和灵活性。目前,大多数high-redundancy操纵者喜欢用绳索间接控制,减少了机械臂的重量,但带来了许多问题,如模型解决和控制解耦控制。中国沈阳科学技术研究所、北京理工学院、上海交通大学、国防科技大学、北京航空航天大学等在这方面也取得了丰硕的研究成果(14- - - - - -19]。例如,发表的论文的中国科学院沈阳自动化研究所于2009年建立了一个蛇形机器人的三维模型组成的模块化通用单元,可实现蜿蜒运动,扭转运动,和扭曲爬山运动15]。在2012年晚些时候,他们开发了一个两栖蛇形机器人(16]。机器人由9普遍运动与密封的设计单位。的陆地和水下移动两栖蛇形机器人步态测试验证。2008年,上海交通大学机器人研究所开发了一种攀爬蛇形机器人,由许多P-R模块(两个关节连接pitch-roll方式作为执行单元)(17]。人力资源管理需要的不同结构形式通常与特定任务。在一些检测任务,不需要提供工作力量,一个软件机制可以用来实现更高的灵活性(11- - - - - -13]。在一些工业场景中,刚性关节需要提供足够的稳定性和劳动力(1]。High-redundancy机器人仿生形态往往更加注重形状和仿生运动的实现。

尽管蛇形机器人和软机器人有更好的空间适应性和灵活性可以帮助通过狭窄的管道和不同形状的空间,他们只能进行部分检测任务和没有能力执行实际操作通常由于其重量轻和驾驶取决于粘附在管壁。

为了满足狭小空间操作的需要,学者对蛇形机械手进行了研究与细长结构。蛇形high-redundancy之间有很多的相似之处和蛇形机器人机械臂也不同。前者是multijoint机械手与固定的基础操作,而后者是一个移动仿生系统发达的模仿蛇的运动机制。在狭小空间操作,蜿蜒的机械手可以避免空间障碍的干扰达到经营目标点和可以提供足够的作用力和定位精度,以满足需求的操作任务。

学者们进行了大量探索性研究典型的蛇形机械手,尤其是手术机器人领域,形成了良好的技术成就。2009年,CardioARM心脏手术机器人开发的卡内基梅隆大学是由50个球关节。内部和外部管结构实现严格的和灵活的交替和相对运动的控制下绳索(20.]。伦敦帝国理工学院开发了一种显微镜结肠手术机器人在2017年,这是连接在系列7关节在不同的方向,并能积极改变姿势的操作工具,实现手术的细长和结肠狭窄21]。IREP,哥伦比亚大学开发的一个介入操作机器人单孔输入的手术,是由两个灵活的武器和一个平行四边形结构,21个自由度。混合柔性臂的机械结构提高了定位精度,达到一个更大的工作空间22]。单孔手术机器人开发的三星先进技术研究所(我们)主要由6自由度(自由度)蛇形指导部门,配备两个工具和一个辅助部门,可以达到不同的外科站点通过切口在腹腔(23]。哈尔滨工业大学开发了一个结肠镜检查手术机器人组成的5-segment连续由钢丝,可实现multidegree-of-freedom旋转和变形(24]。图3显示了一个物理图像的一些hyperredundant操纵者。

在工业应用的狭窄空间,不同的轻量级和灵活性要求的医疗机器人,机器人需要更长的臂展,负载大、精度高、空间避障等特点,能够执行任务,如深腔检测和操作。目前,最具影响力的机器人工程的高度冗余机械臂的蛇臂机器人OC-Robotics在英国。他们进行了研究十多年和发展各种各样的蛇臂应用系统在核电设备维修、航空制造、等行业。这些高度冗余的蛇形机器人手臂穿过刚性关节由钢丝,由钩铰链连接在系列(25]。近年来,中国的研究机构也对蛇形机械手进行了研究工作在狭窄空间的应用程序。根据航空装配的要求,中航工业625研究所开发的由5部分组成的机器人原型和20部分通过引用OC-Robotics的结构特点10]。了深圳大学的技术开发出一种superredundant机器人钢丝牵引由10个关节,具有良好的弯曲特性和灵活的空间运动能力(26]。清华大学设计了一个空间冗余机械手由五段,每一段六段。每一段的角度通过连接绳(基本上是相同的27]。北京航空航天大学的研究人员设计了一个snake-arm机器人。机器人由三个中空细长段组成的钢cable-driven球铰链。钻进了一个笼形的装置结构设计驱动钢丝绳,和一个特殊的电机驱动的控制系统提出了控制机器人(28]。京上海交通大学和他的团队提出了一个基于一个蛇形臂八面体变几何桁架(29日- - - - - -34]。上海交通大学开发了一个rope-driven superredundant与12关节和24自由度机械手,可以实现负载能力的0.5公斤最后通过36个马达的驱动控制(35,36]。图4显示了一个物理图像的一些hyperredundant操纵者。

在上面的研究中,为了减少机械手的大小,提高深空腔的可访问性,钢丝主要是用作驱动方式以满足操作需求的狭窄空间。医疗手术机器人有一个小的负载能力和有限的操作范围。通常是由一个弹性骨架和空心螺纹管通过几个钢丝,和自由是远远低于内在控制的机械臂的自由。然而,对于工业场景如清洗和组装的狭窄空间,臂展操作所需范围大,刚性需求很高。刚性关节需要满足操作要求。然而,对于工业场景如清洗和组装在狭窄的空间里,机器人需要一个大的工作范围和高刚性。因此,僵硬的关节需要满足操作要求。high-redundancy机械手由模块化关节僵硬的关节或分段与multijoint链接需要调整关节的相对位置来适应曲率变化的空间。同时,操纵器必须有一个足够长的臂展达到空间易访问性需求。因此,关节和关节僵硬的长度的数量直接影响到空间机械手避障能力。 The number of independently controllable joints cannot be infinitely increased, so how to design a reasonable joint mechanism of the robot arm, so as to solve the contradiction between spatial obstacle avoidance ability and reachabilities through the limited number of controllable joints, is an important problem in the design of robot motion mechanism.

我们总结了一些典型hyperredundant机械手的特点,把比较结果表1。如表所示1我们列举一些点,如景深,机械手的结构类型和领域应用机械手。考虑一些机械手与其他机械设备组合在一起形成一个机器人系统,我们也给机器人系统的景深的总量”的形式 ,”,代表人力资源管理的总自由度,其他机械设备的总自由度。

2.2。机器人操作系统

虽然高冗余机械臂可以实现避障能力强通过改变其配置和姿势,它必须被推到狭窄工作空间中相应的工作推进机制,狭小的工作空间。因此,机械手和推进机制共同构成一个机器人操作系统,在狭小的空间工作。高冗余机械臂通常是由钢丝,驱动电机和其他执行部分是安装在底部的根,使底部有一个大的尺寸和重量。需要一个移动平台向外推动基础和机械臂实现相应的运动。共同推动平台包括线性导轨,multidegree-of-freedom工业机器人、履带式机器人,等等。OC-Robotics采用龙门结构梁作为推动机制,形成一个机器人系统与蛇机械手臂进行核设施的检查和维护(24]。在航空制造现场,工业机器人作为推动平台的机械手1]。蛇形机器人机械手操作系统开发的Siasun和中航工业625研究所将机械手通过线性滑动推动机制。整机尺寸大于机械手本身,并不能适应狭小空间的紧凑的要求和外围网站(10]。霍普金斯大学使用UR5机器人作为有效载荷平台和携带有线驱动手术机器人构成了外科手术机器人系统(37]。三星研究所的先进技术开发了一个外科手术机器人系统组成的6自由度蛇形导杆和自由度的辅助部门。macroarm意识到广泛的推进运动,和导杆实现手术的态度调整手臂(23]。图5显示了一个物理图像的一些hyperredundant操纵者。

在上面的研究中,机器人系统主要使用一般或特别设计的移动平台高度冗余机械臂。通过复合运动的机械手和移动平台实现运动和操作在狭窄的空间中,这种方法比较容易设计和实现。推动平台和机械手的运动控制可以实现通过运动分解,这样机器人系统可以运行在一个狭小的空间在一定程度上。然而,由于所需的大运动范围推动平台,移动平台的大型安装网站经常需要在实际使用。例如,机器人的移动幻灯片的大小 ,和它的重量达到1.4吨,这是难以满足在许多工作环境(特别是灾后搜救,核电管道维护,等等)。结果,尽管ultraredundant机械手本身具有良好的灵活性和可实现狭小空间的检测,在实际中的应用场景是有限的大尺寸推动平台和整机的重量。此外,分别将平台和机械手的设计,因此,机械手通常是在扩展状态时不工作,这不仅占据了一个大空间,也很容易被破坏。因此,high-redundancy操纵者的集成设计,推动平台是一个重要的问题来提高机器人操作系统的可行性。

2.3。计划和控制方法

与传统机械手相比,high-redundancy操纵者控制要求更高和更大的困难,因为移动关节的数目远远超过工作空间的自由度。在这个领域的研究涉及运动学建模、机械优化,避障规划、定位控制,和其他方面的问题。

2.3.1。运动学建模和逆运动学方法

在运动学建模方面,对于传统的操纵者,DH [38)方法或坡(39)方法可以用于建立正运动学模型。一个简单的刚性multijoint hyperredundant操纵者,这两种方法也可以用来建立一个正运动学模型。然而,对于hyperredundant机械手灵活或大量的关节,其他运动建模方法需要被发现。提出了一个有效的1994年,Chirikjian和布尔迪克hyperredundant机械手运动学建模方法,使用“骨干曲线”以适应macrogeometric功能的机器人40]。2012年,意大利理工Godage等人建立了运动学模型multijoint hyperredundant机械手使用连续模态函数的方法(41]。最近2022年,杨等人建立了一个多节的水下机械手的运动学模型基于分段常曲率(PCC)的假设42]。的rope-driven hyperredundant机械手研究人员近年来,受到了人们的广泛关注,大量的研究结果已经产生的运动学建模rope-driven hyperredundant操纵者。赵和哈尔滨工业大学高之间的关系推导出绳子的长度和关节角rope-pull冗余机器人,建立了运动学模型,并分析了它的运动空间(43]。张等人分析了牵引线的长度之间的关系,最后详细构成,研究了控制器的PID参数的调整过程控制模型的基础上,建立了运动学静力学模型,分析了张力和刚度44]。2018年,徐et al。45]分析了多级汽车之间的映射关系,电缆,关节和末端效应器。他们建立了相应的rope-driven运动学模型使用分析和数值方法的组合,提出了一个解耦方法弥补绳索之间的耦合运动。

一般来说,机械手的逆运动学方法可分为以下几类:分析方法、数值方法、几何方法和智能算法。然而,hyperredundant机械手的自由度的增加极大地提高了分析方法的计算困难,这里我们主要介绍过去的三种方法:数值方法,几何方法和智能算法。数值方法通常使用雅可比矩阵的伪逆解的微分运动学方程(46]。然而,hyperredundant机械手,解决方案的结果可能会使机械手达到一个奇怪的异构,使解决方案无效。利用阻尼最小二乘法(47)或奇异值分解法(48)可以缓解这个问题,但这将导致降低解决方案的准确性。对于几何方法,[Chirikjian和布尔迪克40)提出了“分水岭”功能的概念,通过它的宏观结构hyperredundant机械手。在此基础上,他们提出了模函数法(49),把“脊线”分为分段连续曲线,由一系列的模态函数,最后,用一个合适的算法来获取关节角。μet al。50)使用分段几何方法将所有hyperredundant机械手的关节变量划分为三个部分,肩、肘、手腕,复杂hyperredundancy问题变成一个low-redundancy问题。随着人工智能算法的发展,一些新的解决方案的解决方案提供了逆运动学hyperredundant操纵者。2014年,巴黎综合理工学院的Melingui等人采用定性的基于RBF神经网络的建模方法解决其线性和不确定的问题和选择特定的逆运动学模型从冗余的管汇通过远程监督学习框架(51]。2021年,能harb科技大学提出了一种自适应遗传算法搜索空间(52),它可以有效地、准确地解决hyperredundant机械手逆运动学。2022年,杨等人实现的逆运动学解一个水下multijoint机械手使用深层神经网络(款)和六个隐藏层(42]。

2.3.2。动态建模

的动态建模、Chirikjian [49)提出了一个基于无限自由度的连续体建模方法在1993年发表的一篇文章,和连续“Cosserat”方法调用此方法。2014年,太平洋et al。11)建立了一个动态模型的cable-driven连续软机械手臂基于严格的几何精确的方法,充分考虑动态交互和张力重介质的耦合条件。在2018年晚些时候,仁达等。53)提出了一个动态模型基于离散Cosserat法multisection软机械手。与之前的模型相比,该模型考虑剪切变形和扭转变形。最近2021年,杨等人提出一个模块一个cable-driven连续体机器人的动力学建模方法,考虑连续变形,包括扩展或收缩,弯曲,扭转,通过静态和动态实验验证(54]。刘等人提出了一个实时的动态模型cable-driven连续体机器人,用协变公式来描述cable-driven连续体机器人的运动和使用虚拟权力原则建立动态模型(55]。

2.3.3。定位控制

方面的定位控制,钢丝牵引模式有一定的弹性形变,其控制精度低于刚性驱动模式。因此,变形补偿导线应考虑提高控制精度。Alambeigi三星研究所等人使用模型分析和离线测量系统测量间隙,以减少错误的问题蛇臂套管连接,实现线的间隙补偿控制过程(37]。线的backgap牵引模式是影响控制精度的一个重要因素蛇形臂。Agrawal等人的普渡大学专门研究了系统建模的致动器的线牵引线长度的问题,设计了backgap补偿器控制通过使用光滑backgap的逆模型作为前馈(56]。

2.3.4。避障规划

在避障规划方面,一般分为两个步骤,首先是计划的避障路径,然后根据计划控制机械臂移动路径。

避障路径规划的第一步是要找到一个无碰撞路径的机械手从起点到目标操作点。在机器人技术领域,通常的做法是将栅格化的空间,然后使用一个合适的搜索算法等算法及其改进(57,58找到一个合适的路径。然而,至于hyperredundant机械手而言,需要一些特殊的路径规划算法设计的高自由度和连续性特征。2010年,马科斯et al。59]提出了轨迹规划方法,闭环伪逆法与遗传算法相结合,提出一种优化标准可重复的冗余机械手的控制,避免关节角漂移的问题。Ananthanarayanan和德60)提出了一种多通道连续2017年hyperredundant操纵者的本地搜索技术。方法解决维数问题的详尽的搜索技术,通过多通道连续的本地搜索和解决敏感问题的贪婪的方法通过回溯技术局部最小值。2021年,Bulut和Conkur [61年)提出了一个简单,有效,鲁棒几何方法hyperredundant机器人实时路径规划的一个有限的空间里充满了障碍。

避障路径规划的第二步是根据计划控制机械手的移动路径。传统方法是获得机械手的关节角的一群通过逆运动学方法根据目标路径。hyperredundant机械手的逆运动学解法已经详细介绍了“运动学建模和逆运动学方法”部分。

然而,在实际应用中,在大多数情况下,在狭窄的空间环境的特点是未知的,所以很难建立一个精确的三维空间模型对机器人运动规划。在大多数情况下,现场过程中逐渐建立机器人运动。模仿的模式(62年)是基于头部运动,和随后的关节空间的跑道头移动,可确保机械臂可以避免障碍,到达目标点在移动过程中,并没有必要再计划期间各关节运动的姿势。Conkur [63年)提出了一个hyperredundant机械手路径规划算法基于模仿的模型是在2003年。该算法将机械手关节之间的耦合,并使用数值方法建立各关节的位置相对于曲线。最后,高度冗余机械手的运动曲线的实现。

然而,在实际的运动控制,有很大区别的可及空间的其他关节机械手的关节可活动范围,有一个张力奇点问题,线张力在不同关节位置,这可能会导致一些关节的情况,没有解决方案,因此,不能实现避障功能。同时,任务也有一定的要求的刚度和业力操纵国。因此,有必要研究合理的避障规划和控制策略和解决最佳姿势适合整个机械臂模型根据障碍。同时,机械臂的刚度控制根据任务的要求实现定点操作任务。

2.4。环境感知和导航技术

在一个狭窄的空间机器人操作之前,他们通常缺乏精确的先验模型对环境空间。因此,有必要利用各种传感器感知环境在一个狭小的空间和控制机器人的导航过程。环境感知技术的关键是提取有效的特征信息环境中通过算法和过程和分析它。然后,一个环境重建模型,机器人是可以被理解的形成来表达机器人的周围环境的信息。环境中的特征信息主要是空间信息,也就是说,点的位置和大小,线,和飞机构成环境的空间。机器人在未知的环境中,需要知道它的准确位置,然后不断正确立场通过使用相对位置的环境特性,以便进行定位和地图建设(大满贯)。

不同的观念和传统的移动机器人导航技术的场景,在狭小的空间机器人操作很难携带大尺寸和多种类型的传感器感知环境由于自身体积和负载能力的局限性。在蛇机器人传感技术方面,相关研究在国内外已经开展工作。田中等人的东京大学电气和通信实现机器人的避障运动在有限的空间里通过小相机和激光测距模块安装在机器蛇的头,结合红外测距传感器安装在每个关节(64年]。田等人的立命馆大学提出了一项大满贯算法使用单线激光雷达,这是固定在机器人关节可以生成一个二维环境地图导航(65年]。Chavan等人使用超声波传感器和被动红外传感器来创建和蛇机器人导航地图,实现无线控制通过无线个域网(66年]。莫尔斯和卡内基梅隆大学的Choset rgb-d相机用来建立稀疏态度地图和三维彩色点云地图(67年),但地图的质量密切相关的道路质量,和运营商需要减少机器人的速度在一个特定的步态改善图像采集质量。

激光雷达、超声波等传感器可以测量环境的深度信息,但他们不适合在狭窄空间机器人系统,因为它们的体积比较大,能耗高。中外学者进行相关研究紧凑的传感器配置和传感技术。卡内基梅隆大学的桥等人设计了一个三角传感器适应的规模和权力约束蛇机器人使用激光传感器和照相机。当机器人提出了它的头,它的三维点云扫描环境结合彩色摄像机的信息68年]。Girerd ubfc大学的法国和其他国家进行工作导航单眼相机固定在头部的气管手术机器人,提出了一个基于dso-slam[自动结束指导方法69年]。Sareh等人使用的伦敦大学光纤压力元素形成触觉传感器为柔性臂提供触觉反馈(70年]。图6显示该触觉传感器的框图。北京信息科技大学使用十字激光结合双目立体视觉形成的环境感知系统的视觉避障蛇机械手在狭小的空间71年]。目前,移动机器人的大满贯方法仍然是用于狭小空间遥感技术的研究。一些中已经作了一些改进传感器的配置和导航方法。因此,有必要开展有针对性的研究根据现场的特点。表2总结和比较了环境感知和导航方法的性能在上述文件。

在狭窄空间环境感知场景具有以下特点。首先,光通常是在狭窄的不足和关闭场景,对比度较低,目标特征并不明显。传统的视觉处理方法很难从收集到的图像,提取有效的特征信息,为环境感知和目标识别带来了巨大困难。其次,由于狭窄的腔通道,传统传感器很容易进入他们的感知盲区和被障碍,视野是极其有限的,导致有效的传感器输出信息不足。因此,自适应光填充和图像增强是需要在狭小的空间。然后,图像数据可以现场特性的识别和解决。近年来,随着人工智能的发展和深度学习,许多有效的方法生成的图像增强。2017年,Ignatov等人使用GAN模型为基本框架,提出一个photoenhancement解决方案,能有效地将普通智能手机摄像头转换成高质量的单反相机(72年]。2018年,黄等人提出了一个规模全球U-Net(范围扩展全球U-Net RSGUNet)图像增强在移动设备上,赢得了ECCV-PIRM2018(智能手机上感知图像增强的挑战),首先在图像增强的任务挑战[73年]。最近2020年,郭等人提出了一种零基准深度曲线估计(Zero-DCE)方法,使用一个轻量级的深层网络DCE-Net估计进行像素级和高阶曲线。这种方法达到增强效果在低亮度图像74年]。同时,使用多传感器数据与时空连续性深深融合场景中收集的数据,消除阻塞造成的错误数据和其他问题。最后,现场采用离线地图信息机器人导航控制提供依据。

3所示。关键技术问题分析

灵活的高冗余机械手是一种有效的技术来解决的问题在狭窄的空间和工作有明确的应用需求在许多行业。十分重要的现实意义发展高度冗余机器人操作系统适应环境的实际,研究了环境感知和导航和定位方法在复杂的场景,并提出控制方法来提高机器人的性能和效率的操作在狭窄的空间。

在国内外现有的研究工作,研究更多的关注于关节材料、机制设计、环境感知、机器人应用系统,和其他方面。机器人主要是面向检测任务的应用程序,但好面向感知和精确定位控制的研究工作的任务是更少。为了提高机器人系统的运动灵活性和操作性能,需要解决以下关键技术问题:

3.1。机制设计刚度与平滑避障和操作

基于高冗余机械手机器人系统最适合在狭小的空间工作。其显著特点在于其良好的避障能力,因为独立可控的关节的数目是影响避障能力的直接因素。在电线驱动机械手的设计,通常是一个矛盾的关节和关节的直径。由于机械手的直径的限制,关节的数量可以通过有限数量的电线,和关节的数量直接影响到臂展和避障能力。在现有的研究中,每个关节的基本设计1 - 2自由度的旋转。每一个旋转角度范围是有限的,由于钢丝牵引效率的影响。因此,有一个限制的最小弯曲半径的操纵者,这使得它难以适应大小不同的障碍。然而,在自然界中,除了联合偏转的蛇形运动,蛇也灵活地改变身体的弯曲形状通过节间伸缩运动,以更好地适应环境的特点。

因此,通过引用蛇的运动特点和其他动物在自然界中,这是一个关键问题,实现避障和操作机械臂设计更加灵活multidegree-of-freedom关节和机器人机制条件下的有限数量的关节和牵引线通过仿生学原理。

3.2。空间环境感知技术在狭窄和关闭场景

在非结构化的和未知的狭窄的应用场景,机器人的导航控制必须基于准确的环境感知信息。然而,在实际的操作场景,不仅对比度较低,目标特征并不明显,但也存在问题,如照明和反射腔壁的不足,环境感知带来巨大困难。同时,由于窄腔通道,传统的传感器很容易进入其感知盲区,阻塞的问题是严重的,视野极其有限,导致传感器的有效输出信息是不够的。

因此,在一个狭窄和关闭非结构化环境,如何使用各种测量方法建立一个环境感知系统,集成微型空间有限的前提下,并改善环境知觉的准确性的有效融合异构机器人操作感知数据是重要的先决条件。图7总结了常用方法环境感知和地图构建使用多个传感器数据。

3.3。避障规划多个约束条件下的驾驶空间

高冗余机械手的运动计划可以采取向前后脊上拟合方法或方法。每个联合计划的预期构成从运动学的角度,然后,每个线的伸长是通过逆运动学分析,实现柔性臂的运动控制。然而,在实际的系统中,由于各关节的负荷和重力的影响,每个线不仅需要实现的控制伸长但还需要让张力满足的安全阈值线;只有这样才能操作所需的精度。

因此,如何把线张力极限high-redundancy机械手的运动规划的一个重要因素,如何构建多个约束相结合三维空间障碍,操作目标姿态和interjoint构成关系约束,等等,以及如何获得关节空间运动轨迹通过轨迹插补和张力优化是必须解决的问题的精确的操作控制机械手。图8总结了一些关键问题避障规划机械臂,如运动学模型、路径规划方法、轨迹方法后,和一些常见的约束。

3.4。灵活的最终精确定位控制问题驱动模式

钢丝牵引high-redundancy机械手的主要驱动方式。每个关节的姿态控制可以实现通过改变每个线的长度。但导线的张力状态直接影响控制精度,因此,导线张力通常是由弹簧连接。然而,不同姿势下的钢丝张力变化很大,和弹簧的伸长也变化,使大型控制错误。同时,钢丝和灵活的手臂有一定的弹性变形特征,从而导致整个系统中的某些弹性形变量在不同张力和不同的姿势,影响控制精度。

因此,我们需要找出的张力影响因素和变形错误机械臂运动,建立一个动态误差补偿模型在不同的操作条件下,和消除或减少最终定位偏差通过轨迹跟踪补偿和同步控制方法。这些都是重要的问题精确的操作高度冗余机械手的控制。

4所示。前景

在典型的工业应用场景中,全面精确操作复杂、狭窄空间的共同特征。它是机器人技术的发展的一个必然趋势形成一个实用系统解决问题的有限空间操作通过集成的新材料、新结构、新方法、新技术,紧密结合实际应用的要求。机器人技术发展的操作在狭窄和有限空间主要反映在以下几个方面。

4.1。空间可达性

在狭小的空间工作任务要求机器人能够穿过狭窄和长腔通道,绕过障碍大小不同的空腔,并达到操作点位于深空。然而,许多场景(如GIS改革和进口喷涂)还要求机器人之间保持一定的安全距离整个身体和腔壁和障碍。根据这些要求,运动的灵活性和高空间可达性是杰出的实际应用中存在的问题。因此,hyperredundant机器人基于新的rigid-soft-soft耦合机制是一个重要的发展趋势为解决复杂的任务在有限空间。

4.2。结构紧凑

机器人的总体规模影响其实用性操作系统是一个重要的问题,特别是在灾后搜救,核电管道维护和其他应用程序场景。这些场景是复杂的,空间受限,需要机器人系统能够将机械手臂推向深腔结构紧凑。因此,集成系统和综合设计等各个部分的移动运营商平台,机械手推动平台,high-redundancy机械手是一个重要的技术方向满足密闭空间的应用程序需求。

4.3。操作的准确性

目前,机器人用于狭小空间主要用于检测任务,但是很少有操作能力。与检测任务相比,操作任务具有更高的定位精度要求,轨迹连续性,和实时运动。因此,有必要开展对终端精确定位控制技术的研究和工作的ultraredundant机器人路径跟踪控制技术具体应用场景,提供精确的操作过程,即技术前提密闭空间机器人操作任务的实现。

4.4。友好的控制

操作过程中复杂的场景是很难依靠机器人系统完成完全自主,常常需要运营商的遥操作来完成操作。然而,在一些复杂的场景,灯光通常是暗,有许多不确定和特别的障碍。内容由单摄像机视觉图像反馈通常难以识别和缺乏定量预测。在这种情况下,运营商带来的控制效果的遥控操作很难满足要求。因此,有必要加强人机交互的过程,提高机器人操作过程的控制效率。有很多技术问题在场景知觉的封闭和狭窄的空间。照明不足、低对比度和模糊特性检测和识别所有带来巨大困难。有必要解决场景知觉和重建的问题在一个狭小的空间里通过多传感器融合和建立人机交互系统存在狭窄操作场景。这些都是重要的技术方法来解决机器人的机动性。

作为一个典型的特殊操作机器人,high-redundancy机器人是一个重要的技术方法来解决有限空间作业的要求。深入研究有一个更大的操作范围,控制精度高、灵活性强,high-redundancy和机械手臂机器人操作系统及其关键技术,不仅可以解决问题特定密闭空间的作业还可以为制造技术和人机协作提供一个新的解决方案,从而为许多行业特殊任务提供重要的技术支持。

的利益冲突

无利益冲突存在于提交的手稿,手稿和批准所有作者出版。

确认

支持的工作是国家电网辽宁电力科技工程有限公司有限公司(2022 yf - 101)。