Logo GenDocs.ru

Поиск по сайту:  


Загрузка...

Контрольная работа - Автоматизация средств механизации и робототехника - файл Контрольная Готовая.doc


Контрольная работа - Автоматизация средств механизации и робототехника
скачать (1778 kb.)

Доступные файлы (1):

Контрольная Готовая.doc2112kb.27.09.2009 04:04скачать

содержание
Загрузка...

Контрольная Готовая.doc

Реклама MarketGid:
Загрузка...
МИНИСТЕРСТВО ОБРАЗОВАНИЯ РЕСПУБЛИКИ БЕЛАРУСЬ

УО «Витебский государственный технологический университет»

кафедра АТПП


КОНТРОЛЬНАЯ РАБОТА


по предмету: «Автоматизация средств механизации и робототехника»


Выполнил:

студент 5 курса

гр. ЗА-17

шифр 051424

Тюлюкин С.В.


Проверил:

доц., к.т.н Смелков Д. В.


г. Витебск

2009 г.


Содержание


1.Теоретическое задание.


Вопрос №1. Поколения роботов.

Вопрос №2. Техническое зрение роботов. Основы обработки изображения.


^ 2. Расчетное задание.


Задание №1


3. Графическое задание.


Задание №1

Задание №2

Задание №3


Литература



  1. Теоретическое задание.


Вопрос №1. Поколения роботов.


Человечество стремилось создать механическое подобие себя задолго до того, как были начаты первые работы в этом направлении, которые в конце концов привели в начале 60-х годов к успешному применению промышленных роботов.

В течение всей истории человечество в своем воображении создавало машины, наделенные способностью чувствовать (по крайней мере частично). В древних греческих мифах бога огня Гефеста сопровождали, помогая ему, две живые статуи из чистого золота. Позднее он построил бронзового гиганта Талуса для охраны острова Крит от вражеского нашествия. Более двух тысяч лет назад Герои Александрийский в «Трактате о пневматике» описал множество автоматов, таких, как движущиеся фигуры и поющие птицы,— прямо древнегреческий «Диснейленд». Интересно, что эти замечательные игрушки оставались единственным реальным применением пневматики.

Примерно в 1500 г. Леонардо да Винчи построил для Людовика XII механического льва, который при въезде короля в Милан выдвигался, раздирал когтями грудь и показывал герб Франции. Такие постоянно усложняющиеся механические автоматы оставались модными и на протяжении последующих четырех столетий. Но слово «робот» вошло в английский язык лишь в начале двадцатого века. Сам термин был образован от чешского слова “работа”, означающего принудительный труд, и от слова «работник», означающего раб. Слово «роботикс» (робототехника) придумано мастером научной фантастики писателем Айзиком Азимовым. В рассказе «Скиталец», появившемся в марте 1942 г. в сборнике «Поразительная научная фантастика», А. Азимов впервые выдвинул три знаменитых закона робототехники:

1. Робот не может причинить вред человеку или своим бездействием позволить причинить вред человеку.

2. Робот должен исполнять приказы, отданные человеком, за исключением тех случаев, когда эти приказы нарушили бы первый закон.

3. Робот должен защищать себя, если это не нарушает первого или второго законов.

Хотя А. Азимов в то время и не осознавал, но именно тогда впервые появилось в печати слово «робототехника». Джо Энгельбергер, основательфирмы «Юни-мейшн», считающийся отцом современной промышленной робототехники, отметил, что три закона А. Азимова до сегодняшнего дня остаются теми стандартами, которым при проектировании должны следовать

специалисты по робототехнике.

Существует следующая классификация роботов:

1. Роботы с жесткой и изменяемой последовательностью перемещений. Устройства такого типа, действующие по принципу «взять-положить», хотя, строго говоря, не относятся к роботам, тем не менее часто называются роботами с жесткой последовательностью перемещений. Ход в каждом направлении движения по оси определен установкой механических жестких упоров, а датчики, как правило, представлены конечными выключателями, которые могут воспринимать только конечные точки, а не промежуточные. Такие устройства нельзя перепрограммировать на выполнение новой задачи. Они должны быть заново переналажены и отлажены, как традиционные автоматические механизмы.

2. Роботы с изменяемой последовательностью перемещений могут выполнять различные задачи или последовательности операций по новой программе. Однако в настоящее время созданы устройства типа «взять-положить», которые включают различные жесткие упоры по соответствующей программе. Например, у робота «МХУ Сеньер» фирмы «АСЕА» установлены на каждой оси семь упоров, каждый из которых может управляться по своей программе, что позволяет выполнять сложные последовательности.

. 3. Роботы со следящей системой и без нее. Роботы с изменяемой последовательностью перемещений должны обладать способностью останавливать отдельный узел руки в любой точке траектории. Существуют два подхода к решению этой задачи. При простейшем техническом решении контроллер просто посылает энергию к узлу, как только получен сигнал,

что руке требуется занять нужную позицию. При использовании некоторых специальных электрических моторов (шаговых двигателей и т. д.). такой подход приемлем, но в целом управление с открытым контуром без обратной связи относительно информации о действительном положении того или иного узла весьма неточно — рука робота может где-нибудь застрять и совсем перестать двигаться. Поэтому во всех роботах, кроме учебных, используют другое решение задачи, которое предполагает размещение на каждом узле сервомеханизма, эффективно контролирующего фактическое положение узла и положение, которое контроллер «хочет», чтобы узел занял, а затем перемещающего руку до тех пор, пока положения не совпадают. Роботы, использующие управление с замкнутым контуром, называются роботами со следящей системой или просто сервороботами.

4. Роботы с позиционными и контурными системами (действующие от точки к точке и по сплошной траектории управления). Два типа контроллеров, используемых в промышленных роботах, обладают следующей особенностью. У многих роботов первых поколений компьютерной памяти хватало для запоминания лишь дискретных точек в пространстве, по которым должна двигаться рука. Траектория движения руки между этими точками не задавалась, и ее нередко трудно было предсказать. Такие роботы с позиционным управлением еще широко распространены и вполне пригодны для таких работ, например, как точечная сварка. С уменьшением стоимости запоминающих устройств появилась возможность увеличить число запоминаемых точек. Многие изготовители используют термин многоточечное управление, если в компьютерной памяти можно хранить очень большое число дискретных точек. Для некоторых видов работ (покраска распылением и дуговая сварка) необходимо, чтобы рука робота, следуя по траектории, управлялась непрерывно. Такие роботы с контурным управлением в действительности разбивают сплошную траекторию на большое число отдельных близко расположенных друг от друга точек. Положения точек записывают во время

программирования или вычисляют при фактическом движении путем интерполяции, например между двумя точками для образования прямой линии. Эти роботы можно рассматривать как естественное развитие систем с позиционным управлением. Фактически существует «серая зона», в которой системы многоточечного управления могут аппроксимировать сплошную траекторию системы, если рука робота не останавливается в каждой дискретной точке, а плавно проходит через них.


Несмотря на то, что история создания и развития современных роботов насчитывает немногим более четверти века, они претерпели значительную эволюцию, как в смысле элементной базы, так и в смысле изменения их структуры, появления новых возможностей и функций, расширения областей применения, характера использования. Поэтому сложилась традиция делить историю развития и уровень совершенства роботов на поколения. Следует оговориться, что деление это весьма условно и понимать его следует в специфическом смысле. Так, некоторые специалисты полагают более правильным слово "поколение" заменить термином "вид". Каждому поколению роботов присущи как определенные характерные показатели, так и определенные сферы применения. Каждое последующее поколение роботов обладает большими возможностями и совершенством, но не исключает предыдущего; они взаимно дополняют друг друга и находят применение соответственно своим функциональным возможностям и условиям экономической целесообразности. К настоящему времени сформировалось три поколения роботов.


^ Роботы первого поколения.


Роботы первого поколения - это роботы с программным управлением (ПР - программные роботы), предназначенные для выполнения определенной, жестоко запрограммированной последовательности операций, диктуемой соответствующим технологическим процессом. Управление такими роботами осуществляется по заранее заданной программе, а значит, при строго определенных и неизменяемых условиях эксплуатации. Простота формирования и изменения программы, т.е. возможность переобучения, сделала таких роботов достаточно универсальными и гибко перестраиваемыми.
Однако функциональные возможности роботов первого поколения существенно ограничены малыми возможностями информационно-измерительной и недостаточным совершенством управляющей систем, в результате чего способность к восприятию внешнего мира и формированию его модели у программных роботов практически отсутствует. Такие роботы не могут функционировать самостоятельно: любое отклонение от заранее определенных и заданных программой условий ведет к сбою и остановке, а в наиболее тяжелых случаях - к аварии и выходу робота из строя. В последние годы в этой группе стали выделять более развитой вариант, называемый полтора поколения, оснащенный некоторым набором элементов очувствления.

К роботам первого поколения относится подавляющее большинство современных эксплуатируемых промышленных роботов, с помощью которых осуществляется установка, снятие, транспортировка изделий, механическая и термическая обработка, простейшие сборочные операции, сварка, штамповка, прессование, ковка, литье под давлением, окраска и отделка и т.п. Они хорошо справляются с обслуживанием металлорежущего оборудования (в частности,- станков с ЧПУ и обрабатывающих центров), печей, прессов, технологических линий, литейных машин и др., однако затрудняются выполнять более сложные производственные операции (например, сборочные, монтажные), не поддающиеся жесткой регламентации процесса, так как роботы первого поколения принципиально не могут функционировать автономно в недетерминированной обстановке.

Успешное функционирование роботов с программным управлением возможно лишь при четко определенных условиях, создание которых требует введения специального технологического оборудования, стоимость которого часто превышает стоимость самого робота. Это усложняет и удорожает роботизацию производства и иных сфер деятельности человека, делает ее менее гибкой, поэтому необходимы более совершенные роботы, обладающие значительно более развитым аппаратом очувствления, большей информационной мощностью, способностью к адаптации и самообучению, т.е. роботы второго поколения. Ниже на рисунке 1 показаны роботы-футболисты первого поколения, созданные в Шанхайском Университете ДжиаоТонг (ШДжТУ) в 2002 году.




Рисунок 1. - Роботы-футболисты (ШДжТУ) первого поколения, до 2002.


^ Роботы второго поколения.


Роботы второго поколения - это очувствленные роботы (ОР), предназначенные для работы с неориентированными объектами произвольной формы, осуществления сборочных и монтажных операций, сбора информации о внешней среде. Они отличаются, во-первых, существенно большим набором и совершенством как внешних сенсорных датчиков (телевизионные, оптические, тактильные, локационные и т.п.), так и внутренних (датчики положений "руки" или "ноги" относительно "тела" робота, датчики усилий и моментов и т.п.) и, во-вторых, более сложной системой управления, требующей для своей реализации управляющей ЭВМ. Неотъемлемой частью роботов второго поколения является их алгоритмичное и программное обеспечение, предназначенное для обработки сенсорной информации и выработки управляющих воздействий.

Технические органы чувств, входящие в информационно-измерительную систему роботов второго поколения, служат источником обратных связей для управляющей системы; последняя, обрабатывая полученную информацию, формирует закон управления исполнительными механизмами с учетом фактической обстановки. Таким образом, очувствленные роботы при соответствующем аппаратном, алгоритмическом и программном обеспечении способны распознавать "ситуации" и автоматически приспосабливаться (адаптироваться) к заранее не определенным и изменяющимся условиям эксплуатации, т.е. становиться адаптивными роботами, при этом их функциональные возможности могут быть существенно расширены путем наращивания программ обработки сенсорной информации и адаптивного управления.

Возможности роботов второго поколения, оснащенных значительным числом датчиков внешней и внутренней информации и мощной управляющей ЭВМ с развитым программным обеспечением, значительно превосходят возможности роботов первого поколения. Благодаря способности "распознавать" внешнюю обстановку, анализировать сенсорную информацию и приспосабливаться к изменяющимся условиям эксплуатации, очувствленные роботы могут взаимодействовать с неориентированными объектами в неупорядоченной обстановке, а значит, выполнять исследовательские работы, сборочные и монтажные операции, собирать информацию об окружающей обстановке и т.п.

В настоящее время в лабораториях и научных центрах мира ведутся интенсивные исследования по разработке технического, программного и алгоритмического обеспечения перспективных моделей очувствленных роботов. Особое внимание при этом уделяется системам технического зрения, тактильному и силомоментному очувствлению роботов, а также микропроцессорной реализации алгоритмов обработки информации и управления. На рисунках 2-6 показано второе поколение роботов, разработанное в 2003 году.








Рисунки 2-6. - Роботы-футболисты команды из ШДжТУ, после 2002 г.


^ Роботы третьего поколения.


Роботы третьего поколения - это так называемые интеллектуальные (ИР), или разумные, роботы, предназначенные не только и не столько для воспроизведения физических и двигательных функций человека, сколько для автоматизации его интеллектуальной деятельности, т.е. для решения интеллектуальных задач. Они принципиально отличаются от роботов второго поколения сложностью функций и совершенством управляющей системы, включающей в себя элементы искусственного интеллекта. Здесь уместно обратиться к понятию искусственного интеллекта. По определению известного ученого-кибернетика профессора А.В. Тимофеева, под интеллектом понимается способность мозга решать (интеллектуальные) задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам. При этом под интеллектуальными понимаются задачи, связанные с отысканием алгоритма решения целого класса задач определенного типа. Деятельность же мозга, обладающего интеллектом, направленную на решение интеллектуальных задач, будем называть мышлением, или интеллектуальной деятельностью. В процессе решения интеллектуальных задач проявляются такие характерные особенности интеллекта, как способность к анализу и обобщению, обучению и накоплению опыта (знаний и навыков), адаптации к изменяющимся условиям в процессе интеллектуальной деятельности. Благодаря этим качествам интеллекта, "мозг" может решать разнообразные задачи, а также легко перестраиваться с одной задачи на другую, являясь универсальным средством решения широкого круга задач (в том числе неформализованных), для которых нет стандартных, заранее определенных методов решений.
В процессе интеллектуальной деятельности человек постоянно ищет пути и средства к достижению той или иной цели, пытается выработать план действий, или алгоритм, следуя которому можно достичь этой пока недоступной цели, и, благодаря обучению и опыту, использовать в дальнейшем выработанный алгоритм, распространив его для эффективного решения уже целого класса подобных задач. Именно способность к преодолению трудностей и препятствий, нахождению обходных путей последовательного приближения к цели методом проб и ошибок там, где нет прямого и однозначного пути, отличает интеллектуальную деятельность от неинтеллектуальной.

Возникает принципиальный вопрос: можно ли моделировать интеллектуальную деятельность, или, иными словами, создать искусственный интеллект? Современная наука утвердительно отвечает на этот вопрос. Несомненно, что вычислительные машины и роботы в принципе могут обладать основными чертами интеллекта. Более того, современные наиболее совершенные ЭВМ и роботы в совокупности с их алгоритмическим и программным обеспечением уже обладают, по крайней мере, частично, этими чертами. О подобных системах говорят, что они содержат элементы искусственного интеллекта. В самом общем виде искусственный интеллект - это совокупность машинных автоматических методов и средств целенаправленной переработки информации (знаний) в соответствии с приобретенным в процессе обучения и адаптации опытом при решении разнообразных интеллектуальных задач.
Искусственный интеллект робота можно трактовать как алгоритмическое и программное обеспечение его информационно-управляющей системы, обладающее способностью моделировать (отображать) окружающую среду и решать широкий класс интеллектуальных задач посредством обучения на собственном опыте и адаптации к изменяющимся условиям функционирования. В общем виде интеллектуальный робот способен понимать естественный язык и вести диалог с человеком, создавать в себе модель внешней среды, распознавать и анализировать образы и ситуации, формировать понятия, планировать поведение, на основании чего строить программные движения исполнительной системы и осуществлять их отработку в условиях неполной информированности.

Потребность в интеллектуальных роботах появилась лишь в последние годы. Если роботы второго поколения уже используются для ряда научно-технических разработок (например, для космических и глубоководных исследований) и их начинают применять в промышленности, то роботы третьего поколения пока еще в процессе разработки. Однако во всем мире ведутся интенсивные научные исследования по созданию и совершенствованию различных систем интеллектуальных роботов: распознавания объектов, образов и ситуаций; формирования модели внешней среды; выработки целесообразного поведения в условиях неопределенности; надежной отработки движений исполнительными органами; самообучения в процессе взаимодействия с внешней средой и т. д.

Попытки создания роботов, способных "видеть", оценивать и анализировать окружающую обстановку, соответственно планируя и осуществляя свои действия, т.е. обладающих признаками искусственного интеллекта, начаты еще в 1960-х гг. Одним из первых успехов на этом пути было создание в 1960 г. экспериментального робота "Шейки" в Станфордском научно-исследовательском институте (США). Оснащенный органами технического зрения и управляемый оригинальной программой робот STRIPS (Stanford Research Institute Problem Solver - станфордский "решатель задач") продемонстрировал умение самостоятельно вырабатывать алгоритмы для выполнения задач перемещения в неорганизованном пространстве помещения, поиска заданных объектов - блоков и их сталкивания с возвышенности с помощью клиновидного предмета. И хотя робот действовал очень медленно, длительно "обдумывая" свои действия, а выполняемые операции отличались примитивностью, даже такой уровень эксперимента потребовал применения сложнейшей компьютерной программы STRIPS и позволил убедиться в принципиальной возможности создания "мыслящей машины".

На рисунке 7 показан робот-футболист третьего поколения, который был разработан в 2004 г.



Рисунок 7. – Робот–футболист третьего поколения.


Роботы будущего (четвертого) поколения.


Далее приведены примеры роботов которые разрабатываются сейчас.





Рисунок 8. – Робот QRIO

QRIO («Quest for cuRIOsity», изначально назывался, как Sony Dream Robot или SDR) — разработанный компанией Sony двуногий робот-гуманоид. Рост робота составляет 58 сантиметров, вес — 8 килограмм. Встроенные 38 сервомоторов наделяют QRIO достаточной свободой движений и хорошей координацией. Например, робот может быстро передвигаться, брать предметы, подниматься по лестнице, танцевать и держать равновесие, стоя на одной ноге. Робот знает 60000 слов на разных языках мира, умеет распознавать лица, слушаться команд и, как утверждают разработчики, задавать «умные» вопросы в зависимости от ситуации. За движения и интеллект QRIO отвечают три встроенных компьютера на базе RISC R5000 с 64 Мб оперативной памяти. В качестве операционной системы используется Aperios. Также робот оснащён стереообъективами, семью микрофонами и 36 датчиками движения, семь из которых отвечают за безопасность. В 2005 году QRIO был внесён в Книгу рекордов Гиннесса как наиболее быстро передвигающийся робот-гуманоид. Он позиционируется как первый двуногий робот, умеющий бегать (под бегом подразумевается возможность перемещения, когда обе ноги робота не соприкасаются с землёй). QRIO умеет бегать со скоростью 23 сантиметра в секунду. Неизвестно, сколько сейчас существует прототипов QRIO, однако когда-то были замечены 10 роботов, танцующих одновременно. Эта информация была подтверждена представителями Sony 22 января 2006 года в Музее науки в Бостоне. Также представители Sony рассказали о том, что существуют прототипы четвёртого поколения (без третьей камеры на лбу, и с улучшенной координацией движений). QRIO — это следующий шаг компании Sony в области развлекательных роботов после созданного ей AIBO. На данный момент роботы находятся на стадии тестирования и речи об их продаже пока не идёт. Внутренней батареи QRIO четвёртого поколения хватает примерно на 1 час непрерывной работы. Аналогичный робот Asimo был разработан компанией Honda.




Рисунок 9. – Робот Asimo.


ASIMO – это робот-гуманоид, созданный компанией Honda. Ростом в 130 сантиметров и весом в 54 килограмма, робот похож на маленького астронавта, который несет рюкзак. Он умеет ходить на двух ногах, копируя человеческую походку скоростью в 6 км/ч. ASIMO был создан в Японии в «Центре исследований и развития» Хонды. Эта последняя модель в серии, а всего их одиннадцать, первый робот был создан в 1986 году. Официально имя робота – это сокращение от "Advanced Step in Innovative MObility", то есть буквально «Продвинутый шаг в передовой мобильности». В 2002 году существовало 20 роботов ASIMO. Каждый стоит миллион долларов за производство, и некоторые экземпляры можно взять напрокат за 150 тысяч долларов в месяц. В модель ASIMO 2000 года Хонда добавила множество дополнительных возможностей, названных «Умные технологии», которые научили роботов лучше взаимодействовать с людьми. Эти технологии разделены на пять категорий:

- Распознавание движущихся объектов.

Используя зрительную информацию, которую собирает вмонтированная в голову робота видеокамера, ASIMO распознает движения множества объектов, а также оценивает расстояние от них и их направление. С помощью комплекса этих технологий робот может следить за перемещениями людей камерой, следовать за человеком или поприветствовать его, когда он приближается.

- Распознавание поз и жестов.

ASIMO умеет интерпретировать позиции и движения руки, распознавать позы и жесты. Благодаря чему робот может реагировать не только на голосовые команды, но и на естественные телодвижения людей. Таким образом он, например, понимает, когда ему предлагают рукопожатие или когда человек ему машет, и отвечает взаимностью. Кроме того, он понимает, когда ему указывают направление движения.

- Распознавание окружающей среды.

ASIMO умеет анализировать окружающие объекты и ландшафт и действовать так, чтобы это было безопасно для него и находящихся рядом людей. Например, он узнает потенциально рискованные объекты, такие, как лестницы, а также останавливается или обходит людей и другие движущиеся объекты, чтобы не столкнуться с ними.

- Распознавание звуков.

Возможности робота распознавать род звуков углубились, и теперь он знает разницу между голосами и прочими звуками. Он отвечает на свое имя, поворачивается лицом к человеку, с которым разговаривает, реагирует на внезапные необычные звуки вроде упавшего предмета или столкновения, и поворачивает голову в этом направлении.

-Распознавание лиц.

ASIMO может узнавать человеческие лица, даже когда человек двигается. Он может отдельно различать 10 человеческих лиц. Когда их зарегистрируют в его памяти, он будет обращаться к ним по имени.




Рисунок 10. – Робот Albert HUBO


Робот Альберт Хубо (Albert HUBO) – андроидный робот. Его внешний вид составляет голова, которая копирует голову ученого Альберта Эйнштейна, и туловище довольно известного гуманоидного робота Хубо. Период разработки составил три месяца и завершился в ноябре 2005 года. Голова была разработана компанией Hanson-Robotics. Тело сделано из специфического материала, Frubber, который частенько используют в Голливуде. Голова имеет 35 суставов, благодаря чему может выражать различные эмоции на лице, пользуясь независимыми движениями глаз и губ. Также в голове есть две CCD камеры для визуального распознавания. Кроме того, Альберт умеет вытворять все присущие Хубо представления, поэтому возможно выражать еще больше естественных человеческих движений и манер поведения. В теле спрятаны полимерные литиевые батареи, которые обеспечивают около двух с половиной часов автономной работы робота. С помощью удаленной сети роботом Альбертом можно управлять из внешнего компьютера. Впервые Альберт Хумо был представлен в 2005 году на саммите АПЕК в Пусане (Корея).




Рисунок 11. – BigDog робот-мул


БогДог (BigDog, буквально – Большой Пес) – это четвероногий робот, созданный компанией Boston Dynamics в 2005 году. Проект БигДог финансировало Агентство защиты передовых исследований в надежде, что это создание сможет служить роботом-мулом для солдат на слишком грубой для транспорта местности. БигДог весит 75 килограммов, он метровый в длину, а в высоты – 0, 7 метра. На данный момент он может путешествовать по тяжелой для передвижения местности со скоростью 5,3 км/ч, нести вес в 54 килограмма и карабкаться по склонам наклоном в 35 градусов.


Рисунок 12. – BigDog робот-мул





Рисунок 13. – RiSE робот-скалолаз.


Райз (RiSE) – это маленький шестилапый робот, который забирается по вертикальным поверхностям: стенам, деревьям, заборам. На пятках Райза имеются когти, микрокогти или липкий материал, в зависимости от поверхности, по которой надо лазать. Робот меняет позы, чтобы приспособиться к наклону поверхности, а зафиксированный хвост помогает балансировать на крутых поверхностях. Малыш весит всего 2 килограмма, в длину составляет 0,25 метра, бегает со скоростью 0,3 м/с. Каждая из шести лап робота оснащена двумя электромоторами. Бортовой компьютер управляет лапами, определяет способ коммуникации с землей и обсуживает разнообразные сенсоры. В том числе сенсор, рассчитывающий инертность, сенсор позиции сустава для каждой лапы, сенсор натяжения лап и датчик контакта ступней. Будущие версии Райза будут использовать сухое прилипание, чтобы карабкаться по совершенно гладким отвесным поверхностям, таким как стекло и металл. Райз разработали совместно исследователи Пенсильванского университета, университетов Карнеги Меллон, Беркли, Стэнфорда, а также университета Льюиса и Кларка.



Рисунок 14. - RHex робот-таракан

Хекс (Hex) – это переносной робот с необычайно широкими возможностями передвижения по грубой местности. Р-Хекс пробирается по каменным полям, грязи, песку, зарослям, рельсам, а также преодолевает склоны и лестницы. У Р-Хекса герметичное тело, так что он полностью функционален во время дождя, в грязи и топи, а еще он умеет плавать на поверхности и нырять под воду. Неординарные способности в проходимости этого робота были отмечены на независимых тестах Государственных лабораторий США. Робот управляется оператором с дистанции в 600 метров. Видеосвязь предоставляет виды происходящего перед роботом и по сторонам, спасибо встроенным камерам. Кроме того, Хекс передает навигационную информацию с компаса, GPS и сенсоров. Данные помогают оператору контролировать передвижения робота и выполнять задачи.



Рисунок 14. - RHex робот-таракан

В лаборатории реактивного движения NASA (Jet Propulsion Laboratory) создан шестиногий робот для самостоятельного передвижения по внешней обшивке космической станции, для ремонта, осмотра и проведения монтажных работ, также способный помогать обитателям космического дома и внутри него. Новое поколение робота серии LEMUR получило существенные новшества в конструкции, поэтому представляет собой серьёзный практический интерес. Для придания гибкости, устойчивости и функциональности, по решению руководителя проекта инженера Бретта Кеннеди (Brett Kennedy) и его коллег, было решено совместить в возможностях этого технического "чуда" особенности движений осьминога, краба, приматов и складного ножа. Каждая из конечностей предусматривает крепление аппаратуры, которая позволит диагностировать неполадки и совершать иные необходимые операции. Максимальная гибкость робота обеспечивается и за счёт свободного поворота его корпуса вокруг оси, при конечностях, закреплённых на месте; а благодаря тому, что в космосе нет гравитации, LEMUR может удерживаться на поверхности станции всего одной конечностью. В экспериментах, проведённых в земных условиях, робот показал впечатляющие трюки: закручивал болт в темноте, подсвечивая себе фонариком, и даже писал чернильной ручкой. А во время космических полётов LEMUR мог бы не только ассистировать космонавтам (как вне станции, так и внутри неё), но в дальнейшем и карабкаться по скалам на других планетах.



Рисунок 15. - Робот iCub.

Его зовут iCub, учёные надеются, что этот робот с огромными глазами научится адаптировать своё поведение к изменчивой обстановке, привнося новое измерение в исследование человеческого разума. Шесть версий iCub находятся в лабораториях по всей Европе, где учёные кропотливо совершенствуют их электронный мозг с целью наделить его возможностью обучаться так же, как это делают дети. Высота iCub – 0,98 м, у него есть руки и ноги, сделанные с применением сложных электронных схем, а глаза выполняют практическую роль – в них встроены камеры, отслеживающие двигающиеся объекты. Немного отходя от такого высокоинтеллектуального интереса к машине, одна из целей разработки iCub – практические задачи. В краткосрочной перспективе это означает применение гуманоида в медицинских учреждениях для помощи пациентам в физиотерапии благодаря играм с ними. "У людей есть обязанности: загрузить стиральную машину, помыть посуду… Робот может стать помощником. Любой, кто желает избавиться от рутинной работы, может стать клиентом. Но учёный предостерегает: "Этого не будет завтра. Возможно, в следующем десятилетии мы увидим нечто подобное".

На конференции International Electron Devices Meeting (IEDM) Тсугио Макимото (Tsugio Makimoto) из компании Sony высказал мнение, что стимулирующим фактором развития рынка роботов могут стать развлекательные устройства. Макимото отметил, что если технико-технологические возможности будут постепенно возрастать, то уже приблизительно к 2040 году станет возможно производить роботов, близких по функциональности к людским организмам. Макимото полагает, что в 2040 году вычислительная мощность компьютеров достигнет 100 млн MIPS. Это позволит создать роботов четвертого поколения с умственными способностями, не уступающими возможностям человеческого мозга. А пока что роботы должны все чаще и все глубже проникать в наши дома, разумеется, основной областью их применения станет отдых. Однако путь к искусственному разуму пока еще очень долог: возможности самого последнего развлекательного робота производства  Sony, гуманоидного SDR-4X, не превышают 2 тыс. MIPS. По утверждению Микамото, если темпы развития отрасли не будут сокращаться, то, к примеру, в футболе роботы смогут победить сборную чемпионов мира уже в 2050 году. Учитывая такие перспективы, производители роботоподобных устройств должны включить в планы исследований дополнительные устройства, такие как разнообразные сенсоры или искусственные мускулы.

^ Вопрос №2. Техническое зрение роботов. Основы обработки изображения.


Системы объемного зрения, используемые в современных роботах. Их можно разделить на три класса — системы с пространственным разрешением, системы с временным разрешением и системы со структурной подсветкой.

Первый тип использует два (хотя иногда и больше) видеосенсоров, разнесенных с некоторым стереобазисом. Работает на основе классической триангуляции и позволяет восстанавливать 3D геометрию окружающей сцены из неподвижного положения.

Второй класс использует один видеосенсор и восстановление геометрии производится за счет оцифровки сцены с различных точек наблюдения. Этот алгоритм заметно интереснее (и сложнее) с математической точки зрения, нежели обработка стереопар.

Третий подход использует так называемую структурную подсветку, т.е. проецирование некой структуры, на объекты 3D сцены. Восстановление сцены производится путем анализа искажений такой структуры при проецировании на объекты. Такой подход появился сравнительно недавно и является одним из наиболее перспективных. Однако, в данном случае приходится говорить не только о математическом аппарате обеспечивающем данный способ объемного зрения, но и о технологических сложностях, связанных с подсветкой такого рода.
Сейчас сложно сказать, какой из подходов займет доминирующее положение в системах зрения и ориентирования роботов. Многое зависит от развития элементной базы и появляющихся электронных компонентов.

^ Обработка изображений — любая форма обработки информации, для которой входные данные представлены изображением, например, фотографиями или видеокадрами. Обработка изображений может осуществляться как для получения изображения на выходе (например, подготовка к полиграфическому тиражированию, к телетрансляции и т. д.), так и для получения другой информации (например, распознание текста, подсчёт числа и типа клеток в поле микроскопа и т. д.). Кроме статичных двухмерных изображений, обрабатывать требуется также изображения, изменяющиеся со временем, например видео.

^ Основные методы обработки сигналов. Большинство методов обработки одномерных сигналов применимы и к двухмерным сигналам, которыми являются изображения. Некоторые из этих одномерных методов значительно усложняются с переходом к двухмерному сигналу. Обработка изображений вносит сюда несколько новых понятий, таких как связность и ротационная инвариантность, которые имеют смысл только для двухмерных сигналов. В обработке сигналов широко используются преобразование Фурье, а также вейвлет-преобразование и фильтр Габора. Если обработка применяется к данным, представленным в цифровой форме (в частности, если сигнал переводится перед обработкой в цифровую форму), то такая обработка называется цифровой.

Реализация систем компьютерного зрения сильно зависит от области их применения. Некоторые системы являются автономными и решают специфические проблемы детектирования и измерения, тогда как другие системы составляют подсистемы более крупных систем, которые, например, могут содержать подсистемы контроля за механическими манипуляторами, планирования, информационные базы данных, интерфейсы человек-машина и т.д. Реализация систем компьютерного зрения также зависит от того, является ли ее функциональность заранее определенной или некоторые её части могут быть изучены и модифицирован в процессе работы. Однако, существуют функции, типичные для многих систем компьютерного зрения.

  • Видеосъемка: цифровые изображения производятся посредством одного или нескольких датчиков изображения, которые, за исключением различных типов светочувствительных камер, включают датчики расстояния, радары, ультразвуковые камеры и т.д. В зависимости от типа датчика, получающиеся данные могут быть обычным 2D изображением, 3D изображением или последовательностью изображений. Значения пикселей обычно соответствуют интенсивности света в одной или нескольких спектральных полосах (цветные или изображения в оттенках серого), но могут быть связаны с различными физическими измерениями, такими как глубина, поглощение или отражение звуковых или электромагнитных волн, или ядерным магнитным резонансом.

  • ^ Предварительная обработка: перед тем, как методы компьютерного зрения могут быть применены к видеоданным с тем, чтобы извлечь определенную долю информации, необходимо обработать видеоданные, с тем чтобы они удовлетворяли некоторым условиям, в зависимости от используемого метода. Примерами являются:

    • Повторная выборка с тем, чтобы убедиться, что координатная система изображения верна

    • Удаление шума с тем, чтобы удалить искажения, вносимые датчиком

    • Улучшение контрастности, для того, чтобы нужная информация могла быть обнаружена

    • Масштабирование для лучшего различения структур на изображении

  • Выделение деталей: детали изображения различного уровня сложности выделяются из видеоданных. Типичными примерами таких деталей являются:

    • Линии, границы и кромки

    • Локализованные точки интереса, такие как углы, капли или точки: более сложные детали могут относиться к структуре, форме или движению.

  • Детектирование/Сегментация: на определенном этапе обработки принимается решение о том, какие точки или участки изображения являются важными для дальнейшей обработки. Примерами являются:

    • Выделение определенного набора интересующих точек

    • Сегментация одного или нескольких участков изображения, которые содержат характерный объект

  • Высокоуровневая обработка: на этом шаге входные данные обычно представляют небольшой набор данных, например набор точек или участок изображения, в котором предположительно находится определенный объект. Примерами являются:

    • Проверка того, что данные удовлетворяют условиям, зависящим от метода и применения

    • Оценка характерных параметров, таких как положение или размер объекта

    • Классификация обнаруженного объекта по различным категориям

Основное внимание уделено понятиям и методам технического зрения, применяемым в промышленных приложениях. Сегментация является одним из наиболее важных процессов на ранней стадии распознавания образов системой технического зрения. Следующей задачей системы технического зрения является образование набора дескрипторов, который полностью идентифицирует объекты определенного класса. Обычно стремятся выбирать дескрипторы, наименее зависящие от размеров объекта, его ориентации и расположения. Хотя зрение и является трехмерной задачей, большинство современных промышленных систем работает с данными, которые часто упрощаются с помощью методов специального освещения или строго определенной геометрии наблюдения. Сложности возникают, когда эти ограничения ослабляются.

По существу зрение яв­ляется трехмерной проблемой, поэтому в основе разработки многофункциональных систем технического зрения, пригодных для работы в различных средах, лежит процесс обработки информации о трехмерных сценах. Хотя исследования в этой области имеют более чем 10-летнюю историю, такие факторы, как стоимость, скорость и сложность, тормозят внедрение обра­ботки трехмерной зрительной информации в промышленных приложениях. Мощность системы технического зрения определяется ее способностью выделять из сцены значимую информацию при различных условиях наблюдения и использовании минимальных знаний об объектах сцены. По ряду причин (неравномерное освещение, наличие тел, загораживающих объекты, геометрии наблюдения) этот тип обработки представляет трудную задачу. К этим трудностям относятся теневые аффекты, усложняющие процесс определения контуров, и неодно­родности на гладких поверхностях. Это часто приводит к тому, что они распознаются как отдельные объекты. Очевидно, многие из этих проблем обусловлены тем, что относительно мало из­вестно о моделировании свойств освещения и отражения трех­мерных сцен. Методы разметки линий и соединений представляют собой некоторые попытки в этом направлении, но они не в состоянии количественно объяснить эффекты взаимодействия освещения и отражения. Более пер­спективный подход основан на математических моделях, опи­сывающих наиболее важные связи между освещением, отраже­нием и характеристиками поверхности, такими, как ориентация.

Проблема загораживания одних объектов другими имеет ме­сто, когда рассматривается большое число объектов в реальном рабочем пространстве. Даже если бы система была способна идеально выделить группу объектов из фона, то все ранее рассмотренные двумерные про­цедуры описания и распознавания дали бы плохой результат для большинства загороженных объектов. Применение трех­мерных дескрипторов было бы более успешным, но даже они дали бы неполную информацию.

Разработка методов обра­ботки трехмерной зрительной информации в роботизированных и автоматизированных системах в настоящее время задача актуальная, так как такие факторы, как стоимость, скорость, сложность вычислений, трудность реализации алгоритмов делают неприемлемыми многие уже существующие методы.





Рисунок 16. - Техническое зрение робота.


Учёные лаборатории интегральной сенсорики ЦНИИ РТК приступили к разработке методов технического зрения на базе структурированной лазерной подсветки. Разрабатываемые приборы позволят создавать новые классы мобильных роботов. Особенно это важно в тех сферах деятельности, где работа связана с опасностью для жизни или здоровья человека, например, при дорожном строительстве или проведении высотных монтажных операций, в прокатных станах и доменных печах для контроля безопасности процессов. Объёмы производства лазерно-телевизионных дальномеров через 5—10 лет эксперты оценивают в десятки тысяч приборов в год. Метод технического зрения на базе структурированной лазерной подсветки намного эффективнее, чем методы сканирования существующих лазерных дальномеров, которые дороги, капризны и чувствительны к сложным внешним условиям. Разрабатываемые в Институте робототехники устройства отличаются целым комплексом преимуществ. Во-первых, они безопасны для зрения и не видны глазом (в инфракрасном свете множество линий не заметно). Другой важный фактор связан с массой системы: она должна быть лёгкой. Её размещают на мобильные средства, у которых полезной нагрузки хватает и без дополнительных устройств, поэтому тяжёлые «глаза» не очень удобны. Ещё одно преимущество — малое энергопотребление. Лазерная подсветка используется только в момент экспозиции кадра, а в остальное время выключена. В целом потребление будет на низком уровне, равном потреблению миниатюрной телевизионной камеры. Ключевая идея, которая реализуется в методе, заключается в том, чтобы разделить функции по сбору информации и её обработке. Если процессор, который управляет системой и является по сути мозгом робототехнической системы, наделить ещё и функцией по обработке и анализу изображения, то он будет перегружен. Поэтому интеллектуализировать саму измерительную систему, чтобы технические „глаза“ не только видели, но и предварительно обрабатывали информацию и выдавали центральному процессору по запросу только те сведения, которые ему нужны.

Учёные планируют строить систему на лазерных диодах — дешёвых, компактных и серийно выпускаемых. Это будет очень дешёвый прибор (зарубежные лазерные сканирующие дальномеры стоят сотни тысяч). Лазерно-телевизионный дальномер должен быть готов в конце этого — начале следующего года. Практические испытания на мобильных системах планируется провести в 2010 году на одной из мобильных технических систем, производимых в Институте робототехники. Следующим этапом станет опытно-конструкторская разработка серийных образцов системы, проведение испытаний и внедрение в производство.




Рисунок 17. – Обработка изображения.


Большая интегральная схема (БИС, LSI), созданная специалистами компаний Fujitsu и Fujitsu Laboratories, позволит роботам распознавать формы и перемещения объектов в реальном масштабе времени. Подобно тому, как человек воспринимает изображение двумя глазами, чип выполняет обработку пары снимков, поступающих от камер (верхние снимки получены с лево и правой камер соответственно), и определяет пространственные отношения между объектами, основываясь на эффекте параллакса. С учетом небольшого размера и малого энергопотребления, микросхема может быть использована в сравнительно компактных роботах, утверждают разработчики.

Для ускорения обработки, ее возложили на 256 вычислительных цепей, работающих параллельно. Кроме того, специальная схема анализирует градации цветов, чтобы выделить контуры объектов. БИС успевает извлечь около 2000 граней, углов и других линий раздела из каждой сцены при частоте 30 кадров в секунду. Сравнение выделенных контуров в соседних кадрах позволяет определить смещение объектов. Среди дополнительных функций – более точное сравнение кадров, анализ с увеличением, масштабирование кадров и поворот образцов для сравнения, которые выглядят по-разному в зависимости от расстояния и угла зрения. Энергопотребление микросхемы составляет примерно 2,7 Вт при тактовой частоте 200 МГц. Разработка является частью японской государственной программы по созданию роботов, известной под названием «21st Century Robot Challenge Program».



  1. ^ Расчетное задание.


Задание №1


Пользуясь исходными данными, определить разрешающую способность, пространственную разрешающую способность, точность звена робота, процент столкновений схвата робота с деталями.



Рисунок 18. – Вид манипулятора


Таблица 1. - Исходные данные.

Параметры

Единица измерения

Значение

Вид движения




Вращательное

Угол поворота, α

град

230

Длина звена робота

мм

1000

Разрядность АЦП и ЦАП, n




12

Механическая ошибка, ε

мм

0,025

Размер захватываемой детали с допуском

мм

290,03

Ожидаемое положение схвата робота, μсх

мм

29,1


Решение:


Для вращательных движений нужно делить угловой диапазон на 2n, чтобы определить угловую разрешающую способность управления, а затем умножить ее на длину исполнительного механизма для вычисления разрешающей способности на схвате:



Тогда разрешающая способность управления на схвате равна:



Пространственную разрешающую способность можно найти:



Находим точность сочленения:

Пространственная точность сочленения:

Найдем процент столкновения схвата робота с деталями.

Ожидаемое положение схвата робота равно сумме математического ожидания положения робота соответствующее целевой точке и пространственной ошибке:




С учетом позиционирования робота (ε=0,025):



Ожидаемый размер детали:



Найдем средние квадратические отклонения для схвата робота и детали:






Считая, что пространственная разрешающая способность и ошибки робота имеют нормальное статическое распределение, найдем значение Z, соответствующее площади под кривой нормального распределения:






По значению Z найдем по таблице площадь под кривой нормального распределения: Az = 0.4418

Вероятность столкновения или процент отсева могут быть найдены из соотношения: P = 0.5 - Az = 0.5 – 0.4418 = 0.0582 или 5,82%.


Ответ:

Таблица 2. – Ответ к заданию №1.

Параметры

Единица измерения

Значение

Разрешающая способность

мм

0,980

Пространственная разрешающая способность

мм

1,005

Точность сочленения робота

мм

0,490

Пространственная точность сочленения робота

мм

0,5025

Процент столкновения схвата робота с деталями

%

5,82




  1. ^ Графическое задание.


Задание №1


По исходным данным построить в масштабе рабочую область универсального шарнирного робота с 5-ю степенями свободы. Определить указанные на рисунках неизвестные размеры.


Таблица 3. - Исходные данные.

Параметры

Единица измерения

Значение

Высота вращающегося опорного звена работа

мм

1200

Длина 1-го звена, L1

мм

600

Длина 2-го звена, L2

мм

580

Углы поворота 1-го звена, 

град

-85

+85

Углы поворота 2-го звена, 

град

-115

+115


Рабочая область робота построена на рисунке 19 в масштабе 1:20.





Рассчитаем неизвестные размеры рабочей области.

R1 = L1 = 600 мм

L2 = 580 мм

М = R2 = L1+ L2 = 600 + 580 = 1180 мм.



Рисунок 20. – Расчетная область.


T = L1 * cos5° = 600* cos5° = 597.7 мм.

A =

M = A – L2 = 1414.28 – 580 = 834.28 мм.

S = M * cos65° = 834.28* cos65° = 352.6 мм.

C =

P1 = L1* cos85° = 600* cos85° = 52.3 мм.

P2 = M* cos25° = 834.28 * cos25° = 756.11 мм.

H = C – P1 – P2= 1281.77 – 52.3 – 756.11 = 473.4 мм.


Задание №2


Начертить в масштабе кинематическую схему данного робота, используя стандартные условные обозначения.

Кинематическая схема универсального шарнирного робота изображена на рисунке 21.


Задание №3


Робот с цикловым пневматическим управлением должен перенести заготовку с конвейера и установить в крепежное приспособление станка. После обработки на станке робот укладывает заготовку в бункер-накопитель, находящийся на биссектрисе полного угла поворота опоры робота.

Выбрать и нарисовать кинематическую схему робота. Нарисовать компоновочную схему участка (где возможно – в масштабе). Разработать циклограмму работы всех механизмов участка. При этом конвейер, приспособление и станок имеют два состояния – вкл. и выкл. Для схвата использовать двухпозиционный пневмодвигатель. Для вращающейся опоры – трехпозиционные пневмодвигатели, для руки – четырехпозиционные пневмодвигатели. Номера этих позиций указать в циклограмме. Учитывать время выполнения движений и операций. Движение робота по вертикали не учитывать, предположив, что деталь переносится строго горизонтально. Нарисовать эскизы трех пневмодвигателей звеньев. Показать механизм, преобразующий поступательное движение штока двигателя во вращательное движение опоры робота. Показать механизм схвата. Рассчитать время цикла и производительность участка (количество деталей за смену). Перечислить необходимые для управления участком датчики – внутренние и внешние.


Таблица 4. - Исходные данные.

Параметры

Единица измерения

Значение

Длина прямолинейного движения руки от крайнего положения до конвейера

мм

600

Длина прямолинейного движения руки от крайнего положения до станка

мм

1200

Длина прямолинейного движения руки от крайнего положения до бункера-накопителя

мм

700

Скорость движения руки

мм/с

580

Угол поворота опоры

град

- 85

+ 85

Время обработки на станке

с

240

Время поворота опоры

с

2

Время захвата детали схватом

с

0,5

Время раскрытия схвата

с

0,5

Время вкл., выкл. крепежного приспособления

с

0,1

Время вкл., выкл. станка

с

1



Решение:


Возьмем в качестве робота манипулятор с тремя степенями свободы: вращательное движение, прямолинейное движение и движение схвата. На рисунке 22 изображена кинематическая схема выбранного робота.




Компоновочная схема участка изображена на рисунке 23 в масштабе 1:20.




Рисунок 23. - Компоновочная схема участка в масштабе 1:20.


Разработаем циклограмму работы всех механизмов с учетом их времени работы и последовательностью операций (рисунок 24).




Рисунок 24. - Циклограмма работы всех механизмов производственного участка.

Время включения конвейера зададим равным 0.5 с.

Определим время поворота опоры на угол 170°: tпов = 2*2 = 4с.

Определим время, затрачиваемое на прямолинейные движения руки робота:










Время цикла t = 260.6 c = 4.343 мин = 0,0724 ч

Если принять рабочий день производственного участка равным 8 часов, то получим следующую производительность труда:

ПТ =

За один рабочий день производственный участок производит 111 деталей.


Выбор пневмомеханизмов звеньев манипулятора.


1. Для привода руки робота используем телескопический пневмоцилиндр, эскиз которого изображен на рисунке 25.




Рисунок 25. - Эскиз телескопического пневмоцилиндра.

 Это пневмоцилиндр, у которого полный ход выходного звена равен сумме ходов всех рабочих звеньев. В зависимости от числа поршней телескопические пневмоцилиндры могут быть двухступенчатыми, трехступенчатыми и т. д. Ступень с наименьшим диаметром поршня называется первой ступенью, следующая - второй ступенью и т. д. В нашем случае используется четырехступенчатый пневмоцилиндр.

Выбираем телескопический пневмоцилиндр VESTA серии AX5. Он изображен на рисунке 26.



Рисунок 26. - Телескопический пневмоцилиндр VESTA серии AX5.

Пневмоцилиндры VESTA серии AX характеризуются надежностью, высокой устойчивостью к боковым нагрузкам и изготовлены с учетом современных требований. Тщательно подобранные материалы обеспечивают высокую производительность и долговечность. Все штоки размещены на самосмазывающихся вкладышах, что обеспечивает низкую величину трения и высокие допустимые нагрузки. Смазка не требуется. Магнитные поршни позволяют использовать на цилиндрах магнитные датчики положения. Цилиндры оснащены телескопическими полыми штоками.

Основные технические характеристики:

Управляющая среда: фильтрованный воздух

Давление среды: 10 бар

Температура упр. среды: 0...+40 °С

Температура окруж. среды: -10...+80 °С

Смазка среды: Не требуется

Корпус Головки: Алюминиевый сплав
Цилиндр: Профилированный алюминий

Шток поршня: Нержавеющая хромированная сталь

Уплотнения: Нитрилбутадиен (NBR) и полиуретан

Демпфирование: Пневматическое с регулятором

2. Конструкция пневматических захватов представляет собой конструкцию стандартного пневматического цилиндра двухстороннего действия, дополненную двумя рычагами, образующими своеобразные “клещи”. Эскиз захвата изображен на рисунке 27.




Рисунок 27. - Эскиз захвата руки робота.

При подаче сжатого воздуха в правую часть захвата (см. рисунок), шток выдвигаясь воздействует на оба рычага таким образом, что клещи разжимаются. При подаче сжатого воздуха в левую часть захвата шток втягивается в захват, воздействие с рычагов снимается и клещи возвращаются в исходное положение. Корпус захвата выполнен из сплава алюминия, рычаги - из карбоновой стали.
^

Выбираем пневматический захват VESTA серии MH 32. Он изображен на рисунке 28.





Рисунок 28. - Пневматический захват VESTA серии MH 32 DE.

Усилие на рычаге на расстоянии 15 мм. от точки опоры при давлении 6 бар MH 32 DE 24 кг. разжимание / 22 кг. сжимание.


3. Конструкция поворотного пневмодвигателя, используемого для вращения опоры робота, представлена на эскизе (рисунок 29).



Рисунок 29.Эскиз поворотного пневмодвигателя.

На рисунке 30 показан механизм, преобразующий поступательное движение штока во вращательной движение опоры робота.




Рисунок 30. Механизм, преобразующий поступательное движение штока во вращательной движение опоры робота.

Поворотные пневмоцилиндры используются для преобразования энергии сжатого воздуха в угловое перемещение. Основным элементом поворотных пневматических цилиндров является специальный передаточный шестереночный механизм. Линейный шток под действием сжатого воздуха вращает шестеренку поворотного штока, создавая на последнем определенный момент силы, зависящий от размеров цилиндра и давления сжатого воздуха.


^

Выбираем поворотный пневмоцилиндр VESTA серии CRX. Он изображен на рисунке 31.





Рисунок 31. Поворотный пневмоцилиндр VESTA серии CRX.

Основные технические характеристики:

Управляющая среда: Фильтрованный воздух

Макс. давление среды: 10 бар

Температура упр. среды: 0...+40 °С

Температура окруж. среды: -10...+80 °С

Смазка среды: Не требуется

Корпус: Профилированный алюминий

Головки: Литой алюминий

Шток поршня: Сталь С45

Уплотнения: Полиуретан

Демпфирование: Пневматическое с регулятором

Для управления участком, в качестве внешних и внутренних датчиков можно использовать следующие датчики: датчик температуры, датчик влажности, датчик давления в пневматической системе, бесконтактные датчики перемещения, датчик угла поворота опоры, датчики состояния различных подсистем робота и положения его рабочих органов и др.


Литература


  1. Анисимов Б.В., Курганов В.Д. Распознавание и цифровая обработка изображений. 1992г.

  2. Гонсалиес, Фу, Ли. Робототехника. 1991г.

  3. Катыс Г.П. Техническое зрение роботов. 1995г.

  4. Макаров И.М. Робототехника и гибкие автоматизированные производства 1986

  5. Самоткина Б.Б. Детали и механизмы роботов 1990г.

  6. Фролов К В. Механика промышленных роботов 1989г.

  7. Шахинпур М.. Курс робототехники 1990г..

  8. Юревич Е.И. Основы робототехники 2005 г..

  9. Ресурсы интернета:

http://ru.wikipedia.org/wiki/QRIO

http://ru.wikipedia.org/wiki/Asimo

http://www.novate.ru/blogs/231207/8071/

http://www.homepc.ru/highlights/22779/

http://robotechnica.ru/content/view/29/51/

http://gizmod.ru/2007/09/25/fujitsu_razrabatyvaet_bis_dlja_zrenija_robotov

http://ru.wikipedia.org/wiki/Обработка изображений

http://www.diatonspb.ru/doc/g17752_81_02.shtml http://www.pnevmotrubka.ru/cil.htm

http://listlib.narod.ru/








Скачать файл (1778 kb.)

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации
Рейтинг@Mail.ru