微装配机器人关键技术研究

摘要

微装配机器人是协助人类在微纳米空间进行精密作业的有效工具。显微视觉伺服是目前微装配机器人的主要控制手段，对提高装配效率、保证装配精度、实现全自动微装配有重要意义。本文以基于微装配机器人的微靶自动装配为研究对象，在实验室原有成果的基础上，对微装配机器人微夹持器系统，微夹持器和微小零件的多目标快速识别与分类，视觉跟踪及显微视觉伺服等若干关键技术进行了深入研究。
　　微夹持器是微装配机器人系统的末端执行机构，研究结构合理、功能完善的微夹持器是实现微装配的基础。本文针对微装配系统对末端执行器的要求，研究了两种不同类型的微夹持器：压电双晶片微夹持器和真空吸附微夹持器。为了实现微力检测，分别采用基于电阻应变计和基于聚偏二氟乙烯的两种传感器对微夹持器进行受力检测。实验结果表明，在显微视觉下，微夹持器可以安全可靠工作，为后续的微装配提供了保障。
　　多目标的识别是实现微装配机器人显微视觉伺服的基础。本文提出了一种改进的Zernike不变矩特征提取方法，将传统的笛卡尔坐标系下的Zernike不变矩映射到极坐标系下运算，从而大大提高了Zernike不变矩的计算准确性和旋转不变性。针对Zernike不变矩计算效率低下的问题，本文提出了Zernike不变矩的快速算法，将Zernike不变矩映射到十六分之一圆中进行计算，使所需计算像素点为原有极坐标Zernike矩方法的6.25％，新算法大大减少了Zernike不变矩的计算时间。同时，基于支持向量机的微装配机器人多目标识别实验结果表明，基于极坐标Zernike不变矩的分类正确率比基于笛卡尔坐标Zernike不变矩的分类正确率有明显提高。
　　对于微装配机器人显微视觉伺服系统，实时性一直是一个难以解决的重要问题。当前时刻的控制信号实际上是在上一时刻采集到的图像的图像特征信息，这样的控制信号会使机器人在开始运动时就产生偏差。提高位置预测精度和对目标运动变化的自适应性是解决上述问题的重要途径，本文基于当前统计模型，运用改进的模糊自适应卡尔曼滤波器来估计协方差矩阵Q(k)和R(k)，通过去除历史数据对系统的影响，从而准确预测出运动物体下一时刻的运动状态。实验数据表明改进的模糊自适应卡尔曼滤波器可以减少预测误差，同时可以快速检测出运动物体运动状态的改变。
　　为了建立基于微装配机器人显微视觉系统的精确预测模型，本文建立了精确的视觉伺服分时模型，从而得到了精确的视觉伺服延迟时间，从而利用改进的模糊自适应卡尔曼滤波算法对机械手和目标运动轨迹进行预测。同时，本文分析了微装配机器人显微视觉伺服运动路径，建立了基于模糊自适应卡尔曼滤波的控制结构，根据模糊自适应卡尔曼滤波的预测结果设计微装配机器人变结构视觉控制器，最终实现了微装配机器人显微视觉伺服下的精确轨迹跟踪。
　　最后，本文对微装配机器人的硬件结构以及各个组成部分的主要功能做了简要介绍，同时对微装配机器人系统的软件结构和软件控制流程进行了阐述。通过一系列实验验证了微夹持器系统，多目标识别系统和基于模糊自适应卡尔曼滤波的视觉伺服系统的可靠性。最终给出了微零件装配实验结果。