1．目的及意义 工业机器人属于并联机器人的一种，最早由Clavel[1]提出。早期的机器人是具有三个自由度，可以完成空间的x、y、z方向的平移动作。由于其具有快速轻载的特点，可以用来对轻量的物体，利用其末端进行快速的操作。随着对机构的研究的深入，衍生出了4或者6个自由度的并联机器人[2]。这些机器人一般是在原来的基础上，在机器人的末端添加机构达到增加机器自由度的效果，或者利用个主动臂的并联耦合动作，实现了平动与旋转的动作。这也使得机器人的工作能力得到了很大的提升。
Clavel提出的delta机器人模型
现在，作为商业应用最成功的工业机器人种类之一，世界上很多公司都有机器人的成熟产品。瑞士ABB公司拥有3-4个自由度的IBR360系列并联机器人（如图1-2a），日本的FUNUC公司的拳头系列产品（如图1-2b所示），美国的Adept公司的4个自由度系列产品（如图1-2c所示），甚至还有瑞士的Asyril公司的微型高精度的Pocket Delta（如图1-2d所示）等等。都已经广泛地应用在了食品包装、电子生产、以及医药医疗等行业。
图1-2a ABB IBR360 FlexPicker机器人 图1-2bFunuc M3-il机器人
图1-2c Adept Quattro S650机器人 图 1-2d Asyril PocketDelta机器人
图1-2 几种常见的Delta工业机器人
1.2国内外研究现状
1）运动学建模研究
要对机器人进行运动学标定，基本的理论是其运动学正、逆解的计算方法。运动学正解是指在给定了Delta机器人的三个主动臂的输入角度之后，在三个主动臂的联合作用下，Delta机器人的末端相应地到达的位置在Delta机器人基坐标系下的坐标表示。逆解是指在己知Delta机器人的末端位置的情况下，反算与该位置对应的，三个主动臂的输入角。作为已经被研究了将近年的一种机构，其运动学已经被多人以不同的算法表达出来。
赵杰[3]提出了一种Delta机器人的空间几何解法，通过对Delta并联机器人的模型的简化，得到了简单、直观、快速的一种Delta并联机器人的运动学正解算法。其他的有如LIU利用非线性方程组搜索消元算法[4]、以及神经元网络算法[5]等，这种方法消去了机构中的约束方程的未知数，这种方法的推导过程十分复杂，但是可以获取所有的解。杨强等人利用D-H法[6]，在每个关节通过建立起坐标系，对Delta机器人进行了逆解计算。这种方法存在奇异位置[7]，当数据点的采集在奇异点时，误差参数无法被辨识出来。为了解决这一问题，Judd提出了一种修改过的DH法，叫做MDH建模方法[8]，引入了一个旋转变量。然而这种方法仍然存在当连杆平行时的奇异点。Veitschegger提出了一种五个参数的MDH建模方法[9]，从而消除了奇异点的问题。Chen等人利用旋量理论的指数积的方法[10-12]，得到了一种POE公式结合齐次变换矩阵求解并联机器人的运动学解的方法。
2）控制器设计
并联机器人模型差异，其控制器的选择也有不同。并联机器人的控制器可以分为运动学控制器和动力学控制器。两种控制器的研究是基于传统的串联机器人控制方法，没有考虑并联机器人在机械结构上具有多个运动支链的特点，忽视并联机器人各支链的协调运动，降低了并联机器人运动的精度。针对并联机器人协调运动问题的控制器研究与设计引起了运动控制领域研究人员的极大兴趣。
汪成义[13]以ARM为基础，详细介绍以S3C2410器件为核心组成的嵌入式系统的硬件电路的原理与开发方法。周立功[14]以PHILIPS公司LPC2000系列ARM微控制器为例，深入浅出地介绍嵌入式系统开发的各个方面。韦东山[15]全面介绍了嵌入式Linux系统开发过程中，从底层系统支持到上层GUI应用的方方面面，内容涵盖Linux操作系统的安装及相关工具的使用、配置，嵌入式编程所需要的基础知识，硬件部件的使用及编程UBoot、Linux内核的分析、配置和移植，根文件系统的构造内核调试技术驱动程序编写及移植GUI系统的移植应用程序调试技术。
3）视觉技术
并联机器人视觉技术处于初创阶段，并联机器人的视觉系统大多采用被动视觉或基于串联机构的手眼提供视觉信息，观察范围存在视觉遮挡和视觉盲区，难以跟踪等。针对并联机器人的机构多联并行性和工作空间局部性，目前研究提出了并联机器人双目主动视觉检测平台。作为一种新的模型，并联机器人双目主动视觉检测平台的理论研究和应用设计成为并联机器人视觉技术研究一个热点。
{title}
2. 研究的基本内容与方案
{title}
2.1基本内容和目标
使用两个delta机器人协同进行电子元件焊接时，需要由一个完成元件夹持，另一个完成焊接。本设计要求实现用于元器件识别、定位和夹持的delta机器人，该机器人采用基于OpenCV的机器视觉识别电子元件类型并完成元件定位，然后抓取元件并放置到指定位置，同时需提供有关信息的输出接口，以便另一台delta机器人与之协同。
2.2技术方案及措施
1)视觉技术
上位机视频采集，并计算元件及目标位置坐标。采用计算机Microsoft Visual Studio 的MFC编制上位机软件，利用OpenCV提供的函数，建立模型，编制算法，实现图像处理。当操作区域为白色布景时，采集图像，将图像二值化与边缘化后，采用最小矩形边界框包围边缘[6]，取元件坐标和方向。若元件很多时，采用就近原则取坐标。
2)控制算法
通过对三自由度Delta机器人结构分析，建立了运动学模型[7]。基于动平台与固定平台之间的矢量关系，推导出该机器人的运动学方程及其位置反解的公式[8]，并将公式程序化写入上位机软件；同时，可利用Matlab的simmechanics建立Delta机器人正解模型，求出Delta机器人运动学正解，并结合算例验证推导的正确性以及其工作空间。
3)总体设计
硬件组成：摄像头，上位机(PC)，运动控制器模块和Delta机器人机械结构，如图2.1所示。
图2.1 系统结构图
电子元件散落或码放在固定的区域中，由摄像头对该区域进行视频信息采集，信息输入上位机后，上位机利用视觉技术计算出元件的位置坐标，并计算出Delta机器人运动学反解。其次，将Delta机器人运动学反解转换为电机输出脉冲数及其输出方向控制信号。然后，控制电机信息传送给运动控制器模块后，采用时间最优轨迹规划策略，运动控制器驱动伺服驱动器控制伺服电机实现联动控制。所谓时间最优轨迹规划，是指在一定的约束条件下，机器人要以最短的时间完成指定的运动动作。其中，优化函数一般都以最小时间为目标，并采用不同的寻优算法，以缩短机器人在既定轨迹上的运动时间[16]。最后，Delta机器人动作，将电子元件夹取，并最终放置在目标位置，另一个Delta机器人使用电烙铁将电子元件焊接[17]
3. 参考文献 [1]CLAVELR. Delta a fast robot with parallel geometry[C].Christoph W. Burckhardt,
Proceedings of International Symposium on Industrial Robot. Lausanne, Switzerland:ISIR, 1988: 91-100.
[2] Merlet J P. Parallel Robots [M]. Netherlands :Springer, 2006.
[3]赵杰，朱延河，蔡鹤皋.Delta型并联机器人运动学正解几何解法[[J].哈尔滨工 业大学学报，2003(01):25-27.
[4]Kai L, Fitzgerald J M, Lewis F L. Kinematic analysis of a Stewart platform manipulator[J].IEEE Transactions on Industrial Electronics,1993, 40(2):282-293.
[5] Lee H S,Myung-Chul H.The estimation for forward kinematic solution of Stewart platform using the neural network [C]. IEEE.1999 IEEE/RSJ International Conference on Intelligent Robots and Systems. Kyon自u:IEEE,1999:501-506.
[6]杨强，孙志礼，闰明等.改进Delta并联机构运动可靠性分析[[J].航空学报，
2008(02):487-491.
[7] Stan S,Manic M, Szep C, et al.Performance analysis of 3 DOF Delta parallel
robot[C].IEEE.2011 4th International Conference on Human System Interactions(HSI).Yokohama:IEEE, 2011:19-21
剩余内容已隐藏，您需要先支付
5元 才能查看该篇文章全部内容！
立即支付
