9篇关于运动规划的计算机毕业论文

今天分享的是关于运动规划的9篇计算机毕业论文范文, 如果你的论文涉及到运动规划等主题,本文能够帮助到你

开放式铣削加工机器人控制系统开发

这是一篇关于控制系统,ROS2,工业机器人,运动规划的论文, 主要内容为工业机器人作为面向工业领域的机器人,常用于执行工业自动化领域中搬运、喷漆等工作。鉴于工业机器人有灵活性强、加工范围广的优点,其在加工制造业中也逐渐普及,可用于大型复杂曲面的铣削加工。由于工业机器人控制系统在开发方面尚且存在不足,主要包括系统实时性差、软件复用率低等。随着工业机器人不断发展,基于ROS平台的机器人控制系统开发备受关注,目前ROS2在实时性方面较ROS有了较大提升。本课题以新松SR7CL型机器人为研究对象,基于机器人操作系统第二代ROS2平台设计了一种开源实时控制系统。主要研究内容和结果如下:(1)通过对相关方向的调研与了解,设计了控制系统的整体框架,对整体控制流程进行分析。详细说明硬件设计方案,研究软件开发框架ROS2的基本架构,并对控制系统的ROS2功能包框架进行整体设计,用示例来体现ROS2常见的通信方式。(2)建立机器人连杆坐标系,求解机器人D-H参数。完成机器人正逆运动学模型的建立及求解,用MATLAB工具箱完成对机器人工作空间的求解。使用五次多项式插值实现机器人关节空间的轨迹规划。(3)基于ROS2平台实现各功能包的设计与配置,建立开发平台支持的机器人URDF模型,利用Rviz2工具实现机器人的可视化。使用第三方工具库Move It2实现机器人运动规划功能,通过可视化界面实时反馈机器人运动情况。(4)对Move It2规划得出的机器人运动轨迹进行插值处理。搭建实验平台,实现关节转角到电机转角的映射,通过Ether CAT总线实现控制系统的通信。通过对比电机的目标位置与实际位置数据可以看出误差较小,验证了控制系统的可靠性。

面向仓储自动化的机器人运动规划

这是一篇关于手眼标定,抓取规划,运动规划,仓储自动化,机器人的论文, 主要内容为随着国内电商与物流行业的蓬勃发展,仓储自动化已成为当前机器人领域的一个热门研究方向。电商巨头亚马逊通过采用Kiva机器人,将传统的仓储系统转换成了货柜自动搬运和人工分拣货柜中物品两个部分。而人工分拣目前已成为仓储自动化的瓶颈,如何实现机器人替代人工进行自动分拣,已然成为一个亟待解决的问题。为此亚马逊从2015年开始,已连续举办多届抓取挑战赛以期解决该问题。货柜物品自动分拣需要解决机械臂的实时运动规划、机器人系统现场快速标定、机械爪的抓取规划等问题,本文围绕以上几个问题展开研究,主要研究成果有以下几点:1.设计了一套由单轴、Kinova机械臂、KG-3机械手共同组成的用于自动化仓储的机器人系统,提出了一种多目标规划加速的轨迹规划算法。该算法通过将货柜中不同目标位姿或者预抓取位姿附近的不同位姿同时规划来实现多目标规划加速。通过在机械臂安装构型设计阶段应用该算法,货柜单格子所有位姿规划的耗时从3小时缩减到了半个小时左右,从而大大提高了机械臂安装构型设计的效率。2.针对现有手眼标定算法在z轴上具有较大误差的问题,提出了一种融合深度信息的手眼标定算法。该算法利用标定板棋盘格上RGB角点对应的点云信息,仅通过平面旋转、平移等几何变换来估计标定板三维位姿。该算法不仅使标定结果在x、y、z三个轴上都有较髙的精度,而且大大提高了手眼自动标定算法的收敛速度。3.针对现有基于解析的抓取规划算法给出的最优抓取位姿不准确,现有基于学习的抓取规划算法规划时间过长、受光照影响大等问题,提出了一种新的基于学习的抓取规划算法。通过利用点云包络的法向量作为候选抓取位姿的z轴实现抓取合成;通过投影场景点云到候选抓取位姿上生成深度投影,进而训练深度神经网络以完成抓取选择。该算法无须对待抓取物体进行建模,而且具有光照无关性。同时,该算法不仅在理论上快于现有基于学习的抓取规划算法,而且通过CPU和GPU加速后,规划效率快于康奈尔规划算法5倍。

基于视觉反馈的双臂服务机器人系统的设计与实现

这是一篇关于视觉反馈,点云分割,双臂服务机器人,运动规划,双臂协同的论文, 主要内容为随着机器视觉、控制理论、传感器等技术的发展,双臂服务机器人行业得到快速的发展,相比于单臂机器人,双臂机器人具有仿人式结构,能够自主、快速实现复杂繁琐的任务。双臂服务机器人主要用于日常生活、家庭服务、交通运输、医疗等方面。对于普遍应用的工业机器人,简单的重复性运动不再适用复杂任务的需求,服务机器人需要通过视觉反馈对工作环境的变化进行感知,并规划出相应的运动轨迹以完成任务。视觉反馈系统是服务机器人系统中至关重要的组成部分,通过将点云数据、目标识别算法、机械臂模型参数、运动学参数等信息进行融合,实现服务机器人的运动规划,提升机器人的自主运动能力。为在餐厅、食堂等场景下实现智能打菜服务,本文对基于视觉反馈的双臂服务机器人系统进行研究,该系统自动预测出合适的打菜点,利用双臂协作完成打菜、取碗和倒菜任务。具体来说,首先,本文提出双臂服务机器人系统的设计方案以及对各个子模块进行设计,对双臂模块加持移动平台,大大增强机器人的工作空间和灵活性,同时对系统开发平台进行介绍。其次,本文设计了一个基于点云几何特征的动态图卷积网络,根据菜品表面的点云数据对打菜点进行预测,完成系统对环境的感知。此外,系统基于点云分割结果以及环境信息,结合运动规划算法实现对菜品、餐具的抓取和搬运等任务。本文对机械臂的正逆运动学进行分析,并对其路径规划算法与轨迹规划算法进行分析和推导,为双臂实现快速、平稳的运动。最后对于双臂协同倒菜任务,通过对倒菜过程中双臂末端位姿之间约束关系进行分析,结合机械臂模型参数并采用主从式运动控制实现双臂之间的协同运动。为验证本文提出的相关算法的有效性以及机器人系统的可行性,对点云分割、运动规划、双臂协同控制以及机器人系统整体功能进行实验。结果表明本文设计的模型可以根据当前菜品的点云数据为系统预测出合适的舀菜区域。系统通过运动规划算法为机械臂提供实时的运动轨迹,实现智能打菜服务并达到平均91.3%的成功率,因此充分验证本文提出的算法与双臂服务机器人系统的可靠性。

双轮差分机器人自主导航系统设计与实现

这是一篇关于双轮差分机器人,自主跟随,自主巡线,运动规划,自主导航的论文, 主要内容为随着计算机性能的提升和传感器技术的完善,机器人导航技术在各行各业得到了广泛的应用。尽管机器人导航技术在日常环境中已经得到初步的应用,但是仍然存在一些问题难以解决,离真正商用落地还有一定距离。例如,机器人运动学和动力学约束会使机器人运动规划问题维度上升,难以求解。虽然高速公路上无人驾驶系统将车辆状态变换到车道线为中心的frenet坐标系已将规划问题变为简单的数学形式,然而,在非结构化环境中,曲率较小的平滑车道线通常难以获得,高速路无人驾驶框架并不适用。为达到导航系统实时性,非结构化环境通常采用基于反应式的路径规划方法来控制机器人,但是反应式规划器容易陷入局部最优中。针对机器人导航系统实时性和避障灵活性两个问题,本文以双轮差分机器人为研究载体,设计了一种集自主跟随和自主巡线两种功能的机器人导航系统。本文主要内容如下:(1)介绍了机器人跟随导航和巡线导航两种导航方式的流程结构,以及所需要的软件平台和硬件载体。(2)设计并实现了一套面向动态环境的机器人跟随导航系统,其中包括目标人员的检测跟踪和机器人跟随导航两部分。针对有遮挡环境中目标人员难以识别的问题,提出了一种采用激光传感器和AOA(Angle of Arrival)定位标签作为传感器的目标跟踪算法,实验结果表明该方法能够解决有遮挡情况下目标识别的问题,且目标跟踪结果比采用单一传感器的方法更加稳定。针对DWA(动态窗口算法)算法中评价函数存在局部最优的问题,提出了一种考虑机器人航向角的FMM＿DWA算法,实验结果表明FMM＿DWA算法在狭窄区域也能够灵活避障,跟随控制效果较现有方法更加平滑。(3)设计并实现了一套面向非结构化环境的机器人巡线导航系统,其中包括路径平滑、路径跟踪和绕障规划三部分。路径平滑将离散路径点转换为贝塞尔曲线,限制了全局路径的最大曲率。路径跟踪结合前瞻速度规划算法和Pure Pursuit算法,以保证导航的安全性能;此外,通过计算曲率对速度和加速度的约束,在满足机器人运动学和动力学条件下跟踪路径,可以避免机器人打滑。针对现有机器人导航系统实时性较难满足的问题,绕障规划将路径规划问题表达为凸二次规划,快速求解以满足导航实时性要求。

面向砂带式钢轨打磨的控制系统设计与研究

这是一篇关于钢轨打磨,控制系统,界面开发,运动规划的论文, 主要内容为钢轨打磨技术已被公认为清除钢轨累积伤损、延长钢轨服役寿命、降低营运成本的有效手段,并已由初期的手动打磨发展至装备化作业。目前道岔区域打磨养护主要采用大机为主、小机为辅的作业方式,现用道岔打磨车与打磨机皆采用砂轮磨削方式,打磨养护的效率低,不能高效利用天窗时间,且打磨机施工作业高度依赖人工经验,砂轮打磨位置调整都依赖手动实现,打磨角度、打磨量、作业速度等参数都由操作人员凭打磨养护经验以及对机器熟悉程度确定,其自动化程度低,为解决道岔区域钢轨打磨养护存在的问题,亟需研发一款高效率、高质量、高智能化的道岔区域专用打磨养护设备。基于此,本文以砂带式钢轨打磨装置为研究对象,以设计一种合适的控制系统为目的,同时在Linux系统中开发打磨控制软件,使加入控制系统的打磨装置具有高精度、高效率打磨的优点。具体研究工作如下:首先,对钢轨打磨任务需求进行了分析,划分了控制系统的功能模块,本文所设计的控制系统主要分为硬件和软件系统,采用了上位机与下位机结合的控制系统结构,并对上位机软件和下位机方案选择进行了分析,在上述基础上,提出了“上层—中层—下层”三层控制架构的钢轨打磨装置控制系统方案。其次,设计了钢轨打磨装置硬件系统框架,基于砂带式钢轨打磨装置的功能需求,完成了对关键元器件的选型,设计了各元器件的配电方案;搭建了砂带打磨单元硬件平台,利用编程软件完成了控制程序的编写,建立了下位机PLC控制器与各硬件之间的通讯,实现了PLC控制器对砂带打磨单元运动和打磨的控制及状态监测。再次,搭建了上位机软件开发平台,分析了软件设计路线及Qt Creator的运行机制,设计了人机交互控制软件框架,在上述基础上开发了钢轨打磨装置的界面控制软件;建立了上位机界面控制软件和下位机PLC控制器之间的通讯,在已有的砂带打磨单元硬件平台的基础上,实现了使用人机交互界面对砂带打磨单元运动和打磨的控制及打磨数据的采集。最后,基于砂带打磨单元物理模型,构建了ADAMS和SIMULINK联合仿真控制模型,开展了在不同运动规划算法下砂带打磨单元运动规划的研究,对比分析了三次多项式、五次多项式插值法和S形加减速曲线的仿真结果并选取合适的运动规划方法,使得砂带打磨单元三个方向的运动部件联合运动,平稳、无冲击并同时到达预打磨位置。

基于ROS的水处理罐搬运机器人控制系统设计

这是一篇关于搬运机器人,控制系统,ROS,运动规划的论文, 主要内容为随着科技领域的深刻变革与产业转变时期的到来,加工制造领域的发展也必将向着与更高级的自动化技术融合的方向发展。在这样的大环境中,水处理缠绕罐生产也应当顺应行业发展趋势,逐步摆脱传统制造业过度依赖人工的困境,利用先进的机器人技术来逐步提高生产线的自动化水平,实现生产流程的优化升级。本课题以水处理罐缠绕生产线中完成水处理罐芯模搬运任务的机器人为研究对象,基于开源平台ROS设计一款控制系统,借助ROS提供的开发工具实现对水处理罐搬运机器人的运动控制。论文的主要研究内容有以下几点:1、对水处理罐搬运机器人控制系统的整体功能进行分析并对功能模块进行划分,进而搭建控制系统的总体框架。然后分别对控制系统的硬件构成和软件开发平台进行介绍,并依据生产线实际应用需求对机器人末端执行器结构进行设计。2、通过改进D-H参数法构建水处理罐搬运机器人运动学模型,并对正逆运动学问题进行求解与验证。然后利用多项式插值方法对机器人在一个工作周期内的运动轨迹进行拟合。最后,引入粒子群算法结合多项式插值方法对运动轨迹进行时间最优条件下的优化。在算法改进中,使用自适应变化的学习因子和惯性权重代替算法中原有的固定参数,改善算法原有的缺陷,将算法迭代速度提高了近30%。优化后的非关键轨迹运行用时减少了近43%,大大提高了机器人的整体工作效率,对于优化生产线的各工序节拍有着重要意义。3、基于ROS平台对控制系统软件层面进行设计。首先基于URDF文件建立机器人三维模型并加载到ROS环境;再利用Move It平台实现运动控制节点的设计与实现,包括:1)对运动学求解器进行比较与选择;2)对运动规划算法进行原理分析、对比实验与选择;然后基于ros＿control底层控制框架进行硬件接口和底层通信模块的设计;最后基于跨平台应用程序开发平台Qt进行人机交互界面的设计。4、通过仿真平台Gazebo模拟水处理罐搬运机器人工作场景、搭建水处理罐搬运机器人仿真控制框架,对机器人运动轨迹的合理性以及控制系统各功能节点间的正常通讯进行验证。

未知环境下四旋翼无人机自主飞行系统设计与实现

这是一篇关于四旋翼无人机,组合导航,环境感知,自主避障,运动规划的论文, 主要内容为四旋翼无人机凭借其结构简单、造价低廉、使用灵活等特点,被广泛应用于航测、植保、管线巡查与抗震救灾等多个领域。随着无人机行业发展与应用领域扩大,诸如集群飞行、智慧物流、三维测绘等新型任务对无人机的自动化程度提出了较高要求,传统的人工操作或半人工操作模式已无法胜任大规模、复杂环境下的飞行任务。为使无人机能够更好的完成上述任务,需要其在飞行过程中自主处理环境信息,实现自主定位、主动观测环境、动态规划航迹与主动规避障碍等功能,并最终实现全自主飞行,研究无人机自主飞行系统成为拓展其应用场景,推动行业发展的关键。文章以无人机自主飞行系统为研究对象,首先分析了系统实现所需的关键技术,从自主导航、环境感知与运动规划三方面入手对国内外发展现状进行了系统调研,确定了无人机的软件系统总体架构与分系统任务。在此基础上,给出了硬件在环仿真系统设计方案,完成了自主无人机系统的总体设计。针对无人机在未知环境中的定位问题,文章设计实现了一套基于位姿图优化的组合导航系统。系统使用视觉-惯性里程计(Visual-Inertial Odometry,VIO)获取运动状态估计值,将其对齐到位姿图后输出实时运动状态;之后将运动状态与视觉特征、GPS数据一起添加到位姿图模型中,使用非线性优化方法对历史位姿进行优化,消除VIO的累计误差。考虑到运动规划与环境模型关系紧密,文章将环境感知方法作为运动规划方法的一部分同时设计。环境感知方法以Octo树结构为基础,使用点云与当前位姿构建全局地图,并通过改进碰撞检测逻辑优化了其在高动态环境下的表现。运动规划使用运动基元方法实现,通过求解最优控制问题构建状态转移函数与评价函数,并使用A*方法求解,最终实现无人机运动规划。