裝配圖叉形件工藝及銑床夾具設計

裝配圖叉形件工藝及銑床夾具設計,裝配,叉形,工藝,銑床,夾具,設計 本科畢業(yè)設計 英文翻譯 題目 智能移動機器人平臺 專業(yè)名稱 機械設計制造及其自動化 學生姓名 程龍飛 指導教師 鄧修瑾 畢業(yè)時間 2014-06 西北工業(yè)大學明德學院畢業(yè)設計論文 智能移動機器人平臺 作者JC wolf 一個完成機器人和自動化系統(tǒng)學位的報告提交給普利茅斯大學 2003 - 2004 序言 這篇報告介紹了智能移動機器人的理論和關注的焦點是相關問題的解決并對不同方法做了具體補充。在為了完成自主移動機器人設計、建造和測試這個項目。設計的機器人和輪椅大小差不多,使它能繞著建筑物行走。它為未來導航系統(tǒng)的發(fā)展提供了一個平臺。它有能力成為一個完善的服務機器人。它在未來領域的發(fā)展已經被確定。一個避障系統(tǒng)已成功應用是為了證明這些。它的最大速度為1.5米/秒。 在不同領域的一個研究領域,例如快速傳感技術超音波測距,軌跡生成的快速運動和避障,被執(zhí)行了。測試完成之后,為了確認軌跡生成的理論。 該報告深入了解電路設計的細節(jié)。并且完成了現(xiàn)代微控制器模塊設計。由于靈活的設計、模塊提供了另一個學生項目基地,包括這一個。電力電子設計提供的直流電機的電流上升到30安培每頻道。這個線路的最大電力不需要昂貴專門的組件。 該項目順利完成。這是部分的最后一年,在本科學位課程和換向機器人自動化系統(tǒng)。 致謝 作者特別感謝為這項工作默默付出的他的許多同學。 同時感謝我的主管的圭多Bugmann博士，保羅·羅賓遜博士。潘根華博士和講師艾倫·辛普森，的曼塞爾戴維斯博士，菲爾博士Culverhouse，近3年來支持我。此外，我從大衛(wèi)和羅杰·鮑爾斯，鮑勃·布雷，工學碩士，ING，彼得·路德，菲爾霍爾和菲爾·布朗得到了良好的技術支持。 最后筆者希望向他的家人致敬。我的父母（本和瑪麗亞狼),在經濟上支持我并且用很多方法鼓勵我。特別要感謝我美麗的妻子Soo-mi楊, 她在許多方面支持和寬恕。沒有她的道義支持這個項目可能不會完成。 J.C.亞狼 普利茅斯大學 2004年4月 目錄 序言 2 致謝 3 目錄 4 第1章 概述 7 第2章 智能移動機器人原理 8 第1節(jié) 數(shù)字控制器 8 2.1.1 取樣和量化 8 2.1.2 AD轉換 9 2.1.3 DA轉換 9 2.1.4 采樣頻率 9 2.1.5 延遲 10 第2節(jié) 軌跡生成 10 2.2.1 弧 11 2.2.2 貝塞爾曲線 13 2.2.3 直線指引 14 2.2.4 視線指引線 14 2.2.5 向量場 15 2.2.5.1 勢場 15 2.2.5.2 基于矢量場極限環(huán) 16 2.2.5.3 矢量場融合 17 2.2.5.4 啟動款匹配的動力動機器 20 第3節(jié) 造型移動機器人 20 第3章 設計與實現(xiàn) 22 第1節(jié) 規(guī)格 22 第2節(jié) 機械設計 22 3.2.1 框架 22 3.2.2 轉向 23 3.2.3 變速箱 24 3.2.4 精度 25 第4章 電子硬件設 25 4.1.1 供電電路 25 4.1.2 單片機模塊 26 4.1.3 超音波傳感器 28 4.1.4 軸編碼器 31 4.1.5 初步設計 31 4.1.6 最后軸角編碼器及其特點設計 31 4.1.7 伺服控制器 32 4.1.8 電力電子 35 4.1.9 電路輸入 37 4.1.10 電路功能 37 4.1.11 故障電流限制器設計 38 第2節(jié) 溝通機載 40 4.2.1 串行通信 40 4.2.2 I2C通訊 42 第5章 智能控制 44 第1節(jié) 運動學模型 44 5.1.1 矢量逆解系統(tǒng) 44 5.1.2 逆運動學算法 45 第6章 用于指導的傳感器 46 第1節(jié) 位置 46 第2節(jié) 遙感調查的速度和反應時間 46 第3節(jié) 導航和制導系統(tǒng)造型 49 6.3.1 演示制導系統(tǒng) 49 第7章 三維監(jiān)測界面 51 第1節(jié) VRML 51 第2節(jié) 信息交換的遠程監(jiān)控 51 第8章 項目管理 52 第9章 結論 53 關鍵詞 54 參考文獻 55 附件 56 附錄1:ATMega UoP手冊》(征求意見稿 ) 56 附錄2 :系統(tǒng)綜述框圖 63 附錄3:源代碼 69 第1章 概述 服務機器人還沒有現(xiàn)成的產品。為什么?因為需要研究有改善的課程,直到第一個真正的服務型機器人可以去投入生產。 一個服務機器人的需求是將融入到人類的環(huán)境中并與人類相同的速度來移動和運行。當前智能移動機器人通常緩慢移動甚至停止來測量。這將是其他人傳遞的障礙。緩慢的機器人是低效甚至沒用的,因為用戶可能寧愿自己作,都比它快。這個項目是關于給機器人提供快速運行的平臺,這樣使移動機器人對現(xiàn)實生活中更有用。 作者在許多不同的項目中獲得移動機器人的經驗和知識,包括:機器人足球,Melexis獎杯和其它。更多的相關項目的信息可以在JC亞狼網頁上找到(2004):www.swrtec.de。在適當?shù)臅r候,這些項目的知識有助于這份報告。尤其是機器人足球,在快速移動是必不可少的,理可開發(fā)和測試并轉移到自然環(huán)境問題。 第2章 智能移動機器人原理 在本章將移動機器人的基本理論和原則進行解釋。當該理論應用于快速的機器人時，一定要特別注意其優(yōu)點和缺點。 2.1數(shù)字控制器 大多數(shù)機器人應用使用數(shù)字控制器,因此基本的數(shù)字控制應給予及其優(yōu)勢的影響進行討論。 一些數(shù)字控制的最重要的優(yōu)點：括公元前（1992） ·數(shù)字元件不易老化和隨環(huán)境變化。 ·他們對噪聲和干擾不敏感。 ·數(shù)字處理器是更緊湊，重量輕。（適用于內移動機器人） ·他們更加靈活和強大。 ·微處理器和數(shù)字信號處理器成本持續(xù)下降。 然而它也有缺點： ·由于有限的運算速度和信號的分辨率的限制字長的數(shù)字處理器。（相比之下，當模擬控制器在實時操作時，而該解決方案在理論上是無限的。） ·有限字長往往轉換成系統(tǒng)不穩(wěn)定。 ·對運算速度的限制，導致控制回路中的時間延遲這可能會導致閉環(huán)系統(tǒng)不穩(wěn)定。 2.1.1取樣和量化 大多數(shù)控制系統(tǒng)包含數(shù)字以及模擬信號。因此模擬到數(shù)字轉換（AD），反之亦然（DA），發(fā)揮了重要作用。機器人可能有A至D轉換器或車輪的軸角編碼器的伺服系統(tǒng)。在這種情況下的采樣和量化是必需的。 2.1.2 AD轉換 一個模擬值發(fā)生在瞬間。由于數(shù)字號碼的長度是有限的，模擬值四舍五入。這個過程被稱為量化。最低的值或最接近的值，它可以圓整（1位），被稱為量化水平。一個輸出A至D轉換器的停留時間T不變，直到一個新的元素已被轉換和控制器。時間T被稱為采樣周期。處理器通常計算內通過控制算法輸出采樣周期。這意味著輸出至少比輸入遲T。 2.1.3 DA轉換 數(shù)字字轉換成相應比例的模擬水平?！白钚〉囊徊?，同一個量化級別限制的準確性。幸運數(shù)字模擬轉換可以幾乎同時發(fā)生。然而，直到一個新的值被轉換DA轉換器的輸出才會改變。這是分析零階保持和框圖建模過程的步驟。 圖1 .在瞬間采樣數(shù)據(jù)的kT 2.1.4采樣頻率 采樣頻率ωs必須選擇一種方式，該控制器能應對改變輸入值ωv，干擾ωw和控制器植物功能帶寬ωb。奈奎斯特 —— 香農采樣定理指出，采樣頻率必須至少兩次信號的頻率。事實上，這不會得到平穩(wěn)的控制器響應。因此，一般情況下，ωs應當選擇滿足下列公式： （1） （2） 當停留時間TSE設定時，該系統(tǒng)的采樣周期為ωs和固有頻率為ωn。 通?？刂破魇怯脕砜刂埔苿訖C器人的發(fā)動機。機械運動時間常數(shù)與ωn和幾百毫秒有關。因此實際的采樣頻率不是很高。 （比如50HZ - 1000Hz）。如果機器人通過視覺控制，這將成為一個問題，因為電腦（目前）沒有強大到足以提供一個視覺系統(tǒng)與50-1000Hz的頻率相比。其他傳感器，如軸角編碼器，但不采取太大的CPU功率和采樣頻率可以很容易地實現(xiàn)。 2.1.5延遲 在信號傳輸和傳感器處理信息期間發(fā)生延遲，在數(shù)字控制系統(tǒng)中。延遲可能導致不穩(wěn)定，必須保持在最低限度。如果延遲無法通過提高CPU的功率或其他硬件來減少的話，預測控制方法可以在一定程度彌補延遲。預測控制方法往往需要一個控制過程的模型。這使控制器更復雜，正因為如此,它并非常見的。在快速機器人的情況下，延誤是至關重要的。減少的延遲增加了控制器的收益，因此可以改善瞬態(tài)響應。 2.2軌跡生成 有許多方法來生成一個機器人的運動軌跡（路徑）。通常軌跡發(fā)生器的輸入數(shù)據(jù)是一個初始值，目標位置，可能是中間的航點或障礙。軌跡發(fā)生器是一個指導系統(tǒng)。導引系統(tǒng)通常是導航系統(tǒng)的一個子系統(tǒng)指導機器人向目標點而言，給它的導航系統(tǒng)。 快速的移動機器人必須以盡可能快的速度移動。因此，車輛速度和控制器收益達到了極限。如果所要求的軌跡超出系統(tǒng)能力可能出現(xiàn)下列問題： 在這個巨大的需求中輸入非線性關系，如滑移和飽和度，可以使系統(tǒng)不穩(wěn)定和機器人旋轉失控。 機器人不能按照所需的路徑，可能會碰到一個障礙。 因此，有必要生成相匹配的車輛動態(tài)軌跡。 這里有一個已被調查過他們的基本軌跡功能概述的簡介并討論其優(yōu)點和缺點。 2.2.1弧 弧是圓的一部分。通過計算一個圓圈，可以產生一個路徑，起點和終點是圓的切點。計算半徑與車輪速度 和機器人的轉向有直接的關系。由此產生的每個車輪的速度有固定的比例，這是一個優(yōu) 勢，因為它簡化計算。 切向加速度at可以很容易地被軌跡生成算法限制，否則就會發(fā)生在之后的機器人控制器里。這增加路徑下面的準確性。 (3) (4) 結合: 半徑R是已知的軌跡發(fā)生器。加速度| at|≤K僅限于K和機器人v的前進速度，通常是一個機器人控制器輸入，可以根據(jù)需要設置。如果機器人需要在一條直線上移動半徑是無限的。在這種情況下，算法必須算作一個例外。 圖2 這里是一個例子，作者采用了一圈接近目標點從0度水平的軌跡后才能繼續(xù)。這個例子取自機器人足球。機器人旨在視線指導的的i1。合格后，I1的機器人是計算圓相切，并可以進入在I2圈。它將退出圓與球碰撞時，并繼續(xù)直線運動和輕微的加速對運球向目標。 圖3：圓直線移動的軌跡應用于機器人足球 這一戰(zhàn)略已實施于一體的世界上最成功的機器人足球戰(zhàn)略：韓國大學和KAIST，看到北京李等人（1999）。它有筆者也進行了測試。圖3顯示了從MAPLE包含文件的數(shù)據(jù)數(shù)據(jù)從一個真正的游戲情況。這種方法的主要缺點是：避障和在動態(tài)環(huán)境變化的其他因素難以和直圓直剛性結構相結合。優(yōu)勢是簡單，匹配容易和預測的軌跡機器人動力學動作準確。 2.2.2 貝塞爾曲線 貝塞爾曲線可以被定義為與兩條直線相切的一條曲線。選擇第一條直線時要通過機器人的初始位置并且第二條直線要通過終點。第一直線確定機器人的方向。第二條線的方向決定機器人從哪一方接近目標（最后的姿勢）。這是形成這種軌跡的非常好的一個性質。主要缺點是貝塞爾曲線數(shù)學的復雜性曲線,使得它難以創(chuàng)造的軌跡一個機器人能跟隨在高速狀態(tài)下。當要求機器人沿目標曲線運動時作者進行了貝塞爾曲線實驗。一旦機器人靠近目標點,下一個目標點將被確定路。 當機器人開始運動時，需要轉90度。它從（X，Y）=（57,15）點開始運動。線上的點確定了產生的軌跡。當改變機器人方向和速度這兩者之間的關系不平衡時，會使機器人離目標很遠。 實際上機器人的路徑是小三角形。 圖四:貝塞爾曲線軌跡 與第一個實驗相比這個實驗起點和終點的 方向比較小，起點(x,y)=(77,12) 并且速度減小了。 機器人沿被要求和相當精確的軌跡運動是沒問題的。 圖5:貝塞爾曲線軌跡 2.2.3.直線導引 通過旋轉機器人可以沿直線移動到目標點。對輪式機器人而言，沒有切向速度只有微分 轉動的可能。該系統(tǒng)的主要優(yōu)點是，它是簡單，準確。主要缺點是速度，因為機器人必須停止轉動。 2.2.4 視線指導線 也被稱為導彈制導與直線的指導有關，但這個時候機器人移動比目標方向稍高。如果向量從機器人指向目標點，那么它的角度θ∠ = 表明機器人應該沿仰角方向運動。 2.2.5向量場 一個向量場實質是由一個2-維向量組成的區(qū)域。一個向量由大小和方向組成，向量對于速度和航向角而言相當重要。 大小被認為是向量場中很重要的問題，大小對于通過每個向量組合成為向量場是很有用的。越重要的向量越長，航向角貼近的是更加重要的向量。 一些向量場產生器，像是基礎的勢場產生法，是不考慮大小的。這種情況下大小經常被忽略。 2.2.5.1勢場 勢場的一些理論像是軌跡的概念是從物理領域中的電學部分中分化而出的。 引力場公式如下： 這里 是一個沖起始到目標位置的向量 是一個從起始指向機器人的向量 是一個表征機器人當前位置的單位化的長度和預計的角度。 結果是指向目標的。引力場是關聯(lián)其中的可視的指引。 斥力場產生背向目標的向量。等式是 表格6：引力場 表格6展示了一個引力場指向目標點（0.0）。在當前應用的機器人僅有當前位置的向量才加入計算 ，對于多為圖表像表格6這樣，機器人可以在場中任何可能的地方，同時也可以在任何點長生向量。 2.2.5.2基于極限環(huán)的向量場 極限環(huán)是非線性控制理論的一部分。但是一個表格能夠表現(xiàn)極限環(huán)的屬性，像是表格7，那么這個表格便可以適應路徑生成。此問題更深入的解讀請閱讀D-H Kim（2000）。極限環(huán)的非線性功能的第二位表現(xiàn)為一個向量場包含一個單位環(huán)。單位環(huán)外的向量將產生于單位環(huán)相切的方向。這可以看成是一個圓弧/圓軌跡生成率可以引導機器人自動從任何方向進入該圓。最終生成的向量場可以用來產生圓弧軌跡或者是用于避障。 圖表7：極限環(huán) 極限環(huán)的缺點在于一旦機器恩跨過了單位元，向量場將指向中心。所以，具體實現(xiàn)極限環(huán)控制并不容易，因為機器人在接近單位圓時可能會稍稍的越過邊界。 對這種場在單位環(huán)內進行修改時一個解決此種問題的可行的措施。 2.2.5.3矢量場的融合 所有的可提供向量場都可以在同一時間進行討論。作者開發(fā)了一種可供合并向量場合并的方法，該方法在Robinson P(2004)中論述。 約束和要求： -兩個或者更多的向量場。 -這些向量場包含標準化的向量。 這種方法最好用一個例子來描述。一個典型的需要向量場合并的地方在于當一個機器人R需要避免和機器人O在路上相遇去目標T時。看下面圖表8。 在融合向量場過程中，需要一個加權函數(shù)。經驗已經證明，高斯正態(tài)分布函數(shù)在合并兩個場域是很合適的方式。（一個圓柱體或是一個椎體都可能產生一個突然的沖擊以使航向角發(fā)生變化并產生激發(fā)不穩(wěn)定現(xiàn)象。） 圖表8：回避方案 a 角和當前的機器人航向角q是不同的，ro向量是指向機器人回避方向。 那個a角是表征機器人和障礙物碰撞程度的量。這個角度越小，碰撞事件發(fā)生的情況就越小，同時避開障礙物的可能性越高。 這個機器人的任務是走到T點。為了將攔在它和目標點之間的障礙物也納入考慮，那個機器人就必須計算障礙物和自己的距離。這個距離在式子中是以矢量ro定義的。和障礙物的距離越短就意味著避開障礙物的重要性越大。 一個回避向量場應該被定義的和任務向量場rt場一樣。標準化后的目標向量是。 提供的兩個向量和是用高斯加權方程加在一起的-融合。 這里： 是結果典型的目標向量 M是一個固定的加權因素 G()是高斯方程。 m是對高斯方程的安全系數(shù) s是高斯方程的分布 我們可以知道要回避一個障礙，本質上有兩個因素。 a和ro。 作者按對于在場域內特定點完成這個任務的重要程度關聯(lián)每個向量的長度來作為向量融合的基礎原則。 呢個a和ro可以作為限制藍本來影響 的長度。 表示所能帶來的最大的安全度。 t是溝槽的陡峭斜坡的斜度。 一個更大的t將會到這更高的角度。這已經是被認為很重要的。機器人距離障礙ro的路程在高斯方程中被認為是位置參數(shù)的藍本。 最終，結果向量場為機器人表征了新的瞬時航向角。 在不同速度的足球機器人上實驗，最大速度為3米每秒。坐標系統(tǒng)已英寸為單位。 表格9：在0.36米每秒速度下的避障路徑 表格10:0.51米每秒速度下的避障路徑 表格11:0.84米每秒速度下的避障路線。 2.2.6設置軌跡舍棄匹配移動機器人的動態(tài)模型。 作者當前的嘗試是將勢力場的路徑和機器人的動態(tài)模型進行對比以決定是否機器人會按路徑移動。這可以在頻域進行，通過在需要按路徑行動時對機器人頻寬加上模型頻寬和輸入信號作比較來進行研究。這種方法可以進一步研究。這可以為根據(jù)機器人頻寬定制向量場提供基礎。 2.3模型化移動機器人 這一章研究的是開發(fā)和理解分析運動機器人的運動學模型和致力于控制運動模型上運動鏈的每個馬達。此理論更深入的閱讀請參閱McKerrow P J (1991)章節(jié)8.1此書參考Muir P F和Neuman C P (1986)。Muir和Neuman介紹了一個模型化輪動移動機器人的方法。這和機器人手臂的模型化很有用（機械手運動學）。 差動驅動機器人 差動驅動是模型化一個移動機器人的一種簡單方法。這也是為什么這種方法如此的普遍。這種機器人是由2個對角線發(fā)轉車輪組成，具體見表格12.如果兩個輪子都有同樣的向量，機器人將會走直線。如果一個輪子比另一個輪子比另一個快，機器人將會轉圈。如果一個輪子開向反方向同速度，機器人將會在原地打轉，“在一點上”。 雅克比輪的矩陣如下： 這里V是指向機器人中心的向量。是繞機器人中心的角度向量，具體看圖表12.p通過雅克比輪和P進行聯(lián)系。P表示機器人姿態(tài)。機器人姿態(tài)可以表征機器人運動相對地板的運動程度。 指示機器人的瞬時航向角。 假設沒有摩擦，輪子的方向會指向正前，瞬時和速度方向一直。這種現(xiàn)象的優(yōu)點是計算簡單。缺點是不能向側移動。 圖表12:差動驅動機器人 第 17 頁 共 17 頁