王秋紅，孫以正

基于并聯(lián)機器人的塊狀食品包裝定位方法

王秋紅1，孫以正2

（1.南陽醫(yī)學高等專科學校，河南 南陽 473061；2.南陽師范學院，河南 南陽 473061）

為提高包裝過程中并聯(lián)機器人定位精度。基于自抗擾控制設計一種機器人末端執(zhí)行器定位方法。在傳統(tǒng)并聯(lián)機器人結構的基礎上配置2臺工業(yè)相機。根據(jù)雙目立體視覺檢測原理來確定塊狀食品在生產(chǎn)線上具體位置。為避免干擾因素降低機器人末端執(zhí)行器抓取精度，設計一種自抗擾控制器，主要包括跟蹤微分器、非線性反饋器、擴張狀態(tài)觀測器。最后，搭建實驗平臺并進行相關驗證。實驗結果表明，實際位置與抓取位置之間偏差距離的最大值為0.3 mm；平均誤差只有0.20 mm。所設計自抗擾控制器與PID控制器相比，響應時間僅增加了1%，平均抓取精度卻大幅提高。所述基于并聯(lián)機器人的塊狀食品包裝定位方法可使末端執(zhí)行器在非常短的時間內到達指定位置；運動過程穩(wěn)定、可靠，不會出現(xiàn)振動現(xiàn)象，可確保抓取精度。

并聯(lián)機器人；食品包裝；定位；自抗擾控制

隨著工業(yè)技術不斷發(fā)展，包裝生產(chǎn)線的自動化和智能化水平越來越高，但是我國包裝行業(yè)，尤其是食品加工、包裝，還是比較依賴人工[1—2]。對于上料、拾取等重復性勞動比較多的工序，僅依靠人工會出現(xiàn)工作強度過大、二次污染等問題[3]，因此，食品包裝行業(yè)需要一種高速、穩(wěn)定的搬運機器人來取代人工。綜合來看，并聯(lián)機器人具有高精度、高速度、高靈活性等特點，在生產(chǎn)線中的應用比較廣泛。并聯(lián)機器人將驅動裝置安裝在固定平臺上，可以大幅度減小運動平臺的重量[4—6]。并聯(lián)機器人結構比較均衡，所以其承載能力強、運動特性好。在實際應用中，并聯(lián)機器人主要用于物料分揀和裝箱，往往配合視覺系統(tǒng)使用。與人眼類似，機器視覺同樣可以實現(xiàn)物料的識別、甄選、判斷、檢測等諸多功能，同時具有快速識別、非接觸、安全衛(wèi)生等優(yōu)點[7—8]。嚴陪陪等[9]為解決食品難于分揀等問題，以并聯(lián)機器人和視覺技術為基礎，設計了一種分揀系統(tǒng)運行方案，但是并沒有討論并聯(lián)機器人位姿檢測、定位控制等問題。郝大孝等[10]設計了一種基于機器視覺的Delta機器人分揀與跟蹤系統(tǒng)，在圖像處理的基礎上提出了一種動態(tài)抓取算法，但是并沒有考慮干擾因素對抓取精度的影響。張衛(wèi)芬等[11]設計了一種基于機器視覺的物料自動分揀系統(tǒng)，利用OpenCV完成了相機標定，但是該標定算法采用單目視覺計算過程比較復雜。為解決上述問題，可采用雙目視覺代替單目視覺，能夠較全面分析物料的空間三維信息，具有檢測精度高、計算過程簡單等特點。同時結合智能算法，可以克服并聯(lián)機器人在位姿檢測等方面的不足[12]。文中以塊狀食品包裝定位為研究對象，根據(jù)雙目視覺檢測原理完成物料定位同時設計一種自抗擾控制器以實現(xiàn)并聯(lián)機器人的準確抓取，通過實驗驗證所述方法的有效性。

1 并聯(lián)機器人

1.1 基本結構

通常情況下，塊狀食品的運動方式只存在，，等3個方向平移，不會出現(xiàn)旋轉運動，因此，文中選擇三自由度并聯(lián)機器人，其結構見圖1。所述并聯(lián)機器人包括動平臺、靜平臺、運動鉸鏈以及末端執(zhí)行器等部件。動平臺和靜平臺之間通過運動鉸鏈連接，連接副分別是球面副、轉動副。伺服電機作為驅動元件驅動運動鉸鏈繞靜平臺擺動并將運動傳遞至末端執(zhí)行器，進而實現(xiàn)抓取機械手在，，等3個方向的運動。另外，2個工業(yè)相機安裝在靜平臺上，以獲取進入工作區(qū)域的物料信息。

1.2 雙目立體視覺檢測原理

圖2 雙目立體視覺檢測模型

左右2個攝像機坐標系滿足以下關系：

(1)

那么空間任意點的三維坐標可以表示為：

(2)

2 自抗擾控制器設計

如前文所述，通過雙目視覺可以獲取塊狀食品的位置坐標，而并聯(lián)機器人末端執(zhí)行器的位置可通過編碼器、姿態(tài)傳感器、激光儀等傳感器得到，二者之差就是定位偏差。為提高并聯(lián)機器人抓取精度，需要設計一種有效的控制算法。并聯(lián)機器人在定位、抓取過程中會受到諸多干擾因素影響，例如：關節(jié)非線性摩擦、振動、機械制造誤差等，其定位精度勢必降低。為解決此問題，文中設計了一種自抗擾控制器，見圖3。自抗擾控制器主要包括：跟蹤微分器、非線性反饋器、擴張狀態(tài)觀測器等，其中跟蹤微分器可實現(xiàn)并聯(lián)機器人總擾動補償，擴張狀態(tài)觀測器可實現(xiàn)末端執(zhí)行器位姿的實時在線估計[13—14]。

(3)

(4)

(5)

(6)

(7)

(8)

(9)

作為反饋通道，擴張狀態(tài)觀測器可將未建模部分、外接干擾、參數(shù)擾動等因素整合到反饋輸入信號中。擴張狀態(tài)觀測器可估算系統(tǒng)的干擾，并通過反饋來彌補整個系統(tǒng)的擾動[15—16]。擴張狀態(tài)觀測器的輸出量可描述為：

(10)

(11)

(12)

(13)

(14)

(15)

(16)

圖3 自擾動控制器原理

Fig.3 Principle of ADRC

(17)

3 實驗研究

為驗證所述方法的有效性，文中將自抗擾控制器應用于并聯(lián)機器人并進行運動控制實驗，實驗裝置見圖4。

并聯(lián)機器人控制系統(tǒng)包括2部分：上位機PC和下位機多軸控制器，二者之間通過以太網(wǎng)實現(xiàn)實時通訊。具體功能方面：上位機配有Intel core i5系列處理器，主頻3.6 GHz，負責實現(xiàn)控制系統(tǒng)初始化、實時數(shù)據(jù)處理、并聯(lián)機器人運行狀態(tài)監(jiān)測等功能；下位機主要包括TURBO PMAC系列主控制卡、ACC-24系列軸控制板卡、ACC-65系列I/O板卡、ACC-E1系列電源板卡等。伺服驅動系統(tǒng)包括3臺HG-KR73BJ系列伺服電機和MR-J4系列伺服驅動器。為避免并聯(lián)機器人行程超出設定范圍，將三線式接近開關控制并聯(lián)機器人運動范圍，以保證機器人本體和操作人員安全。

通過上位機設置相關運動參數(shù)，上位機根據(jù)運動參數(shù)計算得到相關控制指令并傳送至下位機；下位機通過運動控制器實現(xiàn)并聯(lián)機器人的實時控制；各傳感器數(shù)據(jù)傳送至上位機，實時監(jiān)測并聯(lián)機器人運動狀態(tài)和包裝生產(chǎn)線工作狀態(tài)。

圖4 實驗裝置

在實驗過程中，為減輕并聯(lián)機器人的誤差波動使其始終處于平穩(wěn)狀態(tài)，可根據(jù)反復調試或仿真分析尋找控制器最優(yōu)參數(shù)?？刂破鲄?shù)見表1。

表1 控制器參數(shù)

實驗對象為塊狀（方形）食品，傳送速度分別設定為100個/min；采用文中所述包裝定位方法 進行實驗研究，對比塊狀食品實際位置和并聯(lián)機械手抓取位置；作為對比，在相同實驗條件下，采用PID控制器進行實驗，重復整個過程；實驗結果見表2。

由表2可以看出，采用文中所述定位方法，實際位置和抓取位置之間偏差距離最大值為0.3 mm；平均誤差只有0.20 mm。采用PID控制，實際位置和抓取位置之間偏差距離最大值為5.52 mm；平均誤差達到了3.29 mm。對比結果表明，自抗擾控制器能夠大幅度提高并聯(lián)機器人的抓取精度。

在抓取效率方面，與PID控制相比，自抗擾控制器的響應時間并沒有大幅度增加。實驗結果表明，自抗擾控制器的響應時間僅增加了1%左右，但是其抓取精度比高，因此自抗擾控制器的抓取效率還是高于PID控制器，幾乎不會出現(xiàn)錯抓、漏抓等情況。穩(wěn)定性方面，采用文中所述方法，并聯(lián)機器人穩(wěn)定性明顯提高，不會出現(xiàn)抖動等現(xiàn)象。

綜上所述，基于并聯(lián)機器人的塊狀食品包裝定位方法可使末端執(zhí)行器在非常短的時間內到達指定位置；運動過程穩(wěn)定、可靠，不會出現(xiàn)振動現(xiàn)象，可確保抓取精度。

表2 實驗結果

4 結語

以食品包裝過程并聯(lián)機器人控制為主要研究對象，利用雙目立體視覺捕獲塊狀食品空間位置；在自抗擾控制器作用下，確保機器人末端執(zhí)行器快速穩(wěn)定地到達指定位置，進而完成定位、抓取等操作。實驗結果表明，所述定位方法具有響應迅速、定位精度高、運行穩(wěn)定等特點，具有一定的參考價值。

[1] 康曉娟. Delta并聯(lián)機器人的發(fā)展及其在食品工業(yè)上的應用[J]. 食品與機械, 2014, 30(5): 167-172.

KANG Xiao-juan. Development and Application of Delta Parallel Robot[J]. Food & Machinery, 2014, 30(5): 167-172.

[2] 李克峰. 塊狀食品拾放的并聯(lián)機器人[J]. 食品工業(yè), 2020, 41(10): 222-224.

LI Ke-feng. The Parallel Robot Based on Lumpy Food Packing[J]. The Food Industry, 2020, 41(10): 222-224.

[3] 王詩宇, 林滸, 孫一蘭, 等. 基于機器視覺的機器人分揀系統(tǒng)的設計與實現(xiàn)[J]. 組合機床與自動化加工技術, 2017(3): 125-129.

WANG Shi-yu, LIN Hu, SUN Yi-lan, et al. The Research of Industrial Robots Sorting Technology Based on Robot Vision[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2017(3): 125-129.

[4] 鄧明星, 劉冠峰, 張國英. 基于Delta并聯(lián)機器人的傳送帶動態(tài)跟蹤[J]. 機械工程與自動化, 2015(1): 153-154.

DENG Ming-xing, LIU Guan-feng, ZHANG Guo-ying. Dynamic Conveyor Tracking for Delta Robot[J]. Mechanical Engineering & Automation, 2015(1): 153-154.

[5] 付瑞玲, 禹春來, 范甜甜. 基于并聯(lián)機器人的包裝分揀系統(tǒng)設計[J]. 包裝工程, 2018, 39(11): 204-208.

FU Rui-ling, YU Chun-lai, FAN Tian-tian. Design of Packaging and Sorting System Based on Parallel Robot[J]. Packaging Engineering, 2018, 39(11): 204-208.

[6] 倪鶴鵬, 劉亞男, 張承瑞, 等. 基于機器視覺的Delta機器人分揀系統(tǒng)算法[J]. 機器人, 2016, 38(1): 49-55.

NI He-peng, LIU Ya-nan, ZHANG Cheng-rui, et al. Sorting System Algorithms Based on Machine Vision for Delta Robot[J]. Robot, 2016, 38(1): 49-55.

[7] 王忠勇, 馬超. 一種并聯(lián)機械手視覺引導算法[J]. 計算機測量與控制, 2014, 22(5): 1499-1501.

WANG Zhong-yong, MA Chao. Design of Visual Algorithm for Guiding Parallel Manipulator[J]. Computer Measurement & Control, 2014, 22(5): 1499-1501.

[8] 甄卓, 劉朝英, 宋哲英, 等. 三自由度并聯(lián)機械手的目標定位和軌跡規(guī)劃的設計與驗證[J]. 電光與控制, 2016, 23(1): 93-96.

ZHEN Zhuo, LIU Chao-ying, SONG Zhe-ying, et al. Design and Verification of Target Localization and Trajectory Planning for 3-DOF Parallel Manipulator[J]. Electronics Optics & Control, 2016, 23(1): 93-96.

[9] 嚴培培. 面向非典型食品生產(chǎn)的高速機器人分揀系統(tǒng)設計[J]. 食品與機械, 2016, 32(2): 94-97.

YAN Pei-pei. High Speed Sorting Robot for Non-Typical Food Production Systems[J]. Food & Machinery, 2016, 32(2): 94-97.

[10] 郝大孝, 舒志兵, 孫學. 基于機器視覺的Delta機器人分揀與跟蹤系統(tǒng)設計[J]. 機床與液壓, 2019, 47(17): 36-42．

HAO Da-xiao, SHU Zhi-bing, SUN Xue. Design of Delta Robot Sorting and Tracking System Based on Machine Vision[J]. Machine Tool ＆ Hydraulics, 2019, 47(17): 36-42.

[11] 張衛(wèi)芬, 湯文成. 基于機器視覺的物料自動分揀系統(tǒng)研究[J]. 組合機床與自動化加工技術, 2019(6): 34-37.

ZHANG Wei-fen, TANG Wen-cheng. Research of the Material Automatic Sorting System Based on Machine Vision[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2019(6): 34-37.

[12] 趙俊偉, 劉珍珍, 黃俊杰, 等. 基于雙目視覺的3-PRS并聯(lián)機構末端位姿檢測方法[J]. 制造技術與機床, 2018(1): 101-106.

ZHAO Jun-wei, LIU Zhen-zhen, HUANG Jun-jie, et al. The Method to Measure the Terminal Position and Pose of 3-PRS Parallel Mechanism Based on Binocular Vcision System[J]. Manufacturing Technology & Machine Tool, 2018(1): 101-106.

[13] 張博偉, 李醒飛, 李洪宇, 等. 基于ADRC深海剖面浮標定深控制[J]. 傳感器與微系統(tǒng), 2020, 39(10): 100-103.

ZHANG Bo-wei, LI Xing-fei, LI Hong-yu, et al. Depth Control of Deep-Sea Profiling Float Based on ADRC[J]. Transducer and Microsystem Technologies, 2020, 39(10): 100-103.

[14] 劉福才, 劉林, 郭根旺. 柔性關節(jié)空間漂浮機械臂奇異攝動自抗擾控制仿真研究[J]. 高技術通訊, 2020, 30(9): 928-937.

LIU Fu-cai, LIU Lin, GUO Gen-wang. Simulation Study on the Singular Perturbation Based Auto Disturbance Rejection Control for Flexible Joint Space Manipulators[J]. Chinese High Technology Letters, 2020, 30(9): 928-937.

[15] 李小崗, 王紅都, 黎明, 等. 水下機器人-機械臂系統(tǒng)的滑模自抗擾控制[J]. 海洋科學, 2020, 44(9): 130-138.

LI Xiao-gang, WANG Hong-du, LI Ming, et al. Sliding Mode Active Disturbance Rejection Control of Underwater Vehicle-manipulator System[J]. Marine Sciences, 2020, 44(9): 130-138.

[16] 李杰, 齊曉慧, 夏元清, 等. 線性/非線性自抗擾切換控制方法研究[J]. 自動化學報, 2016, 42(2): 202-212.

LI Jie, QI Xiao-hui, XIA Yuan-qing, et al. On Linear/Nonlinear Active Disturbance Rejection Switching Control[J]. Acta Automatica Sinica, 2016, 42(2): 202-212.

Positioning Method of Block Food Packaging Based on Parallel Robot

WANG Qiu-hong1, SUN Yi-zheng2

(1.Nanyang Medical College, Nanyang 473061, China; 2.Nanyang Normal University, Nanyang 473061, China)

The work aims to improve the positioning accuracy of parallel robot in the packaging process.A positioning method of robot end-effector based on ADRC was designed. Two industrial cameras were configured on the basis of the traditional parallel robot structure. According to the binocular stereo vision detection principle, the specific position of block food on the production line was determined. An active disturbance rejection controller (ADRC), including tracking differentiator, nonlinear feedback controller and extended state observer, was designed to avoid interference factors reducing the grasping accuracy of the robot end-effector. Finally, the experimental platform was built and relevant verification was carried out. The experimental results showed that the maximum deviation distance between the actual position and the grasping position was 0.3 mm and the average error is only 0.20 mm. Compared with PID controller, the response time of ADRC only increased by 1%, but the average grasping accuracy was greatly improved. The positioning method of block food packaging based on parallel robot can make the end-effector reach the specified position in a very short time. The motion process is stable and reliable, without vibration, which can ensure the grasping accuracy.

parallel robot; food packaging; positioning; auto disturbance rejection control

TP242

A

1001-3563(2022)01-0177-06

10.19554/j.cnki.1001-3563.2022.01.022

2021-01-20

南陽市科技攻關項目（KJGG025）

王秋紅（1984—），女，碩士，南陽醫(yī)學高等?？茖W校講師，主要研究方向為機器學習、機器人技術。