一种用于绳索牵引灵巧手的手指结构总成

    公开(公告)号:CN118163133A

    公开(公告)日:2024-06-11

    申请号:CN202410581195.7

    申请日:2024-05-11

    Abstract: 本发明公开一种用于绳索牵引灵巧手的手指结构总成,包括由远端到近端依次铰接连接的9个连杆与关节;远节指骨连杆、中节指骨连杆、近节指骨连杆与侧展指骨连杆、与手指支座的两侧相邻端板间通过齿轮啮合实现滚动运动连接的滚动关节;滚动关节沿滚动方向的两侧分别对称设有张力放大装置;8条绳索一端分别固定于相对近端的连杆内,另一端缠绕张力放大装置后延伸至近端由手指支座引出,再连接操控机构,具有人手相同的自由度和高于人手的工作空间,同时实现了接近人手的指尖力和关节刚度水平。同时结构简单,使用便捷,安装容易,具有良好的实用性。

    一种用于绳索牵引灵巧手的操控装置

    公开(公告)号:CN118143923A

    公开(公告)日:2024-06-07

    申请号:CN202410581222.0

    申请日:2024-05-11

    Abstract: 本发明公开一种用于绳索牵引灵巧手的操控装置,包括一个绳索牵引装置、两个绳索张紧装置与支架;所述的绳索牵引装置包括卷筒(11)与卷筒驱动机构,卷筒(11)安装于支架内,卷筒驱动机构安装于支架上,连接并驱动卷筒(11)回转;两根绳索(2)的一端固定于卷筒(11)且相互方向相反缠绕于卷筒(11)上,另一端分别绕过绳索张紧装置连接手关节;所述的卷筒(11)回转牵引绳索(2)中一根绳索(2)收卷,另一根绳索(2)同步释放伸张,分别操控手关节的弯曲与伸展。能够改变绳索在卷筒上的引出方向并且提供足够的张力,同时可调节的绳索张紧功能,结构简单,使用便捷,安装容易,具有良好的实用性。

    一种采用自适应摩擦力补偿的绳索牵引并联机器人混合阻抗控制方法

    公开(公告)号:CN118061166A

    公开(公告)日:2024-05-24

    申请号:CN202410215230.3

    申请日:2024-02-27

    Abstract: 本发明公开了一种采用自适应摩擦力补偿的绳索牵引并联机器人混合阻抗控制方法,包括:步骤1,建立绳索牵引并联机器人的运动学模型与动力学模型;步骤2,分析绳索引出机构中的摩擦力,确定影响摩擦力的因素;步骤3,建立并联机器人的期望阻抗模型,根据期望阻抗模型设定描述绳索牵引并联机器人阻抗控制误差的增广滑模面;步骤4,基于影响摩擦力的因素,设定补偿摩擦力的径向基神经网络,并且根据设定的增广滑模面,设定径向基神经网络的自适应律;步骤5,根据设定的增广滑模面和自适应径向基神经网络,以及建立的动力学模型确定采用自适应摩擦力补偿的混合阻抗控制律;步骤6,根据混合阻抗控制律对绳索牵引并联机器人进行阻抗控制。

    基于模板多级匹配的化学仪器位姿估计方法、设备及介质

    公开(公告)号:CN117495970B

    公开(公告)日:2024-05-14

    申请号:CN202410005717.9

    申请日:2024-01-03

    Abstract: 本发明公开一种基于模板多级匹配的化学仪器位姿估计方法、设备及介质,方法包括:步骤1,数据采集标注:用彩色相机采集各化学仪器的图像为模板图像,建立模板图像数据库,标注关键点并与化学仪器CAD模型三维点对应;步骤2,识别裁剪出化学仪器部分图像为输入图像;步骤3,模板级匹配:从输入图像和模板图像数据库所有模板图像中选相似度误差最小模板图像为最佳匹配模板图像;步骤4,图像级匹配:配准输入图像和最佳匹配模板图像得变换后模板图像关键点;步骤5,像素级匹配:对变换后模板图像关键点稠密光流估计出关键点坐标;步骤6,位姿计算:由关键点坐标和与模型对应关系,用n点透视计算出化学仪器位姿。该方法能准确估计化学仪器位姿。

    绳索机器人的电机与关节角度转换修正及运动学标定方法

    公开(公告)号:CN116810798A

    公开(公告)日:2023-09-29

    申请号:CN202311007095.5

    申请日:2023-08-10

    Abstract: 本发明公开了一种绳索机器人的电机与关节角度转换修正及运动学标定方法,旨在获得绳索牵引柔性机器人的准确运动学模型。该方法包括:基于数值拟合方法与时序神经网络进行误差补偿的方法获取准确电机与关节角度转换关系;基于最少运动学参数误差模型并结合人工神经网络,提出了一种考虑运动学参数误差与绳索弹性等非几何因素影响的运动学标定方法。该方法针对绳索牵引柔性机器人由于绳索所带来的模型不确定性,在基于机器人实际物理模型的同时,结合了数据驱动的神经网络方法。相比机器人名义运动学模型以及常规刚性机器人运动学标定方法,本发明能够获取更加准确和符合实际的机器人运动学模型。

Patent Agency Ranking