畢憲東 王 振 李朝龍

(1. 安陽中等職業(yè)技術(shù)學(xué)校，河南 安陽 455000；2. 河南科技大學(xué)，河南 洛陽 471000；3. 華北理工大學(xué)，河北 唐山 063210)

近年來，隨著“工業(yè)4.0”浪潮席卷全球，各國都在關(guān)注制造業(yè)的轉(zhuǎn)型和精細(xì)化，提高制造業(yè)的自動化水平是大勢所趨[1]。機(jī)器人是自動化時(shí)代的象征，是智能時(shí)代的基石[2]。以工業(yè)機(jī)器人技術(shù)為代表的智能化生產(chǎn)線越來越受到人們的重視，Delta機(jī)器人憑借諸多優(yōu)點(diǎn)在食品、醫(yī)藥等輕工生產(chǎn)中應(yīng)用廣泛。目前，國內(nèi)外對Delta機(jī)器人相關(guān)技術(shù)的研究較多，但對Delta機(jī)器人抓取方法的研究較少。蘇婷婷等[3]提出了一種基于法拉利方法的動態(tài)物體抓取方法。結(jié)果表明，相比于傳統(tǒng)方法，該抓取位置的計(jì)算更加準(zhǔn)確、快速，滿足實(shí)時(shí)性要求，不需要設(shè)置初始值，使用方便。郝大孝等[4]提出了一種新的動態(tài)抓取方法用于Delta機(jī)器人抓取控制。結(jié)果表明，該方法的抓取成功率小于2%，誤抓率為0，滿足抓取的實(shí)時(shí)性要求。陳志偉等[5]提出了一種基于機(jī)械視覺的平面抓取方法用于Delta機(jī)器人控制。結(jié)果表明，機(jī)器視覺與并聯(lián)機(jī)器人相結(jié)合能夠準(zhǔn)確地識別、抓取和放置工件。胡斐等[6]提出了一種基于改進(jìn)粒子群優(yōu)化算法的Delta機(jī)器人抓取控制方法。以路徑最短和穩(wěn)定性最優(yōu)為優(yōu)化目標(biāo)，通過粒子群優(yōu)化軌跡。結(jié)果表明，相比于優(yōu)化前，該控制方法抓取效率得到大幅提高，對機(jī)構(gòu)末端的影響降到最低。但上述方法都存在抓取動態(tài)目標(biāo)時(shí)穩(wěn)定性不足、泛化能力弱等問題，需要進(jìn)一步提高適應(yīng)性。

因此,研究提出一種新的動態(tài)目標(biāo)抓取方法用于食品生產(chǎn)線Delta機(jī)器人的抓取控制。通過傳送帶的偏移量和編碼器的反饋值計(jì)算目標(biāo)的動態(tài)位置，優(yōu)化目標(biāo)的抓取順序。采用門型軌跡與改進(jìn)的梯形加減速算法相結(jié)合用于Delta機(jī)器人的動態(tài)目標(biāo)抓取。并通過試驗(yàn)進(jìn)行了驗(yàn)證。旨在為中國食品生產(chǎn)線的智能化發(fā)展提供一定參考。

1 系統(tǒng)概述

Delta機(jī)器人抓取系統(tǒng)結(jié)構(gòu)如圖1所示，由3個(gè)主要部分組成：控制系統(tǒng)、視覺系統(tǒng)和執(zhí)行機(jī)構(gòu)[7]。視覺系統(tǒng)直接安裝在傳送帶上方的進(jìn)料口。相機(jī)采集信息被發(fā)送到控制系統(tǒng)，控制系統(tǒng)結(jié)合抓取路徑和方式確定抓取位置[8]。執(zhí)行機(jī)構(gòu)為機(jī)器人本體，根據(jù)控制指令對目標(biāo)進(jìn)行抓取。

圖1 系統(tǒng)結(jié)構(gòu)

圖2為食品生產(chǎn)線中的Delta機(jī)器人結(jié)構(gòu)，由四部分組成：動、靜平臺和主、從動臂[9]。靜平臺上配備減速器，采用法蘭將減速器與伺服電機(jī)連接，通過球形鉸鏈將動平臺與從動臂連接，每個(gè)支鏈包括主、從動臂。

1. 靜平臺 2. 主動臂 3. 從動臂 4. 動平臺

2 動態(tài)抓取方法

文中通過傳送帶的偏移量和編碼器的反饋值來計(jì)算目標(biāo)的動態(tài)位置，優(yōu)化目標(biāo)的抓取順序，結(jié)合門型軌跡和改進(jìn)的梯形加減速算法進(jìn)行動態(tài)目標(biāo)抓取。

2.1 傳送帶標(biāo)定

圖3 傳送帶示意圖

點(diǎn)P1和P2分別為機(jī)器人抓取區(qū)域的上、下限點(diǎn)，其坐標(biāo)為RP1(x1,y1,z1)和RP2(x2,y2,z2)。機(jī)器人移動到P1點(diǎn)和P2點(diǎn)的編碼器值分別為c1、c2。點(diǎn)P3為靠近機(jī)器人邊緣點(diǎn)(傳送帶)，其坐標(biāo)為RP3(x3,y3,z3)，O′為相對坐標(biāo)原點(diǎn)。比例因子可以采用實(shí)際距離除以脈沖數(shù)進(jìn)行計(jì)算，如式(1)所示[10]。

(1)

由于P3O′垂直于P1P2(見圖3)，根據(jù)向量幾何關(guān)系可以得到式(2)[11]。

(2)

根據(jù)式(2)即可求出O′的坐標(biāo)，傳送帶基座坐標(biāo)系如式(3)所示[12]。

(3)

(4)

(5)

式中：

△L——傳送距離[△L=(cn-c0)dc]，mm。

2.2 目標(biāo)動態(tài)位置

不考慮波動情況，當(dāng)相機(jī)識別并定位目標(biāo)時(shí)，將目標(biāo)坐標(biāo)記為(x0,y0)，將此時(shí)間記為t0，編碼器的脈沖值c0。因此，根據(jù)編碼器反饋值，目標(biāo)在任意時(shí)間t1的坐標(biāo)(xt1,yt1)如式(6)所示[14]。

(6)

但是皮帶沿直線移動，在y方向上會有一定的偏移。y方向偏移標(biāo)記為yr，目標(biāo)動態(tài)如式(7)所示。

(7)

2.3 Delta機(jī)器人動態(tài)抓取位置

將點(diǎn)A作為機(jī)器人的初始位置，點(diǎn)B作為目標(biāo)食物的坐標(biāo)，在點(diǎn)B抓取目標(biāo)食品[15]。根據(jù)機(jī)器人的運(yùn)行時(shí)間和傳送帶的運(yùn)行時(shí)間，機(jī)器人在點(diǎn)C抓取。機(jī)器人的實(shí)際抓取路徑為AC。點(diǎn)C的坐標(biāo)如式(8)所示[16]。

(8)

由于機(jī)器人初始位置A的坐標(biāo)(xrob,yrob)已知，機(jī)器人的末端位移s如式(9)所示[17]。

(9)

文中采用門型軌跡進(jìn)行軌跡規(guī)劃，在一定程度上降低了位移彎曲點(diǎn)的振動和行程[18]。如圖4所示機(jī)器人根據(jù)P1—P2—P3—P4—P5—P6軌跡進(jìn)行抓取。

圖4 抓取運(yùn)行路徑

Delta機(jī)器人采用門型軌跡進(jìn)行規(guī)劃，考慮到機(jī)器人高速運(yùn)行時(shí)加速度很大且振動劇烈，文中采用改進(jìn)的梯形加減速算法控制機(jī)器人，加速度如式(10)所示[19]。

(10)

在實(shí)際抓取過程中，通常P1—P2和P5—P6段的路徑較短，P3—P4段的路徑較長。因此，可以引入調(diào)整參數(shù)來提高P1—P2和P5—P6段機(jī)器人的平滑度和P3—P4段的初始速度。改進(jìn)后的加速度如式(11)所示[20]。

(11)

對式(11)進(jìn)行積分可以得到如式(12)所示的速度v(初始和終止速度均為0)[21]。

(12)

對式(12)進(jìn)行積分可以得到如式(13)所示的位移s(初始位移為0)[22]。

(13)

將t=T代入式(13)中，可以得到時(shí)間T，如式(14)所示。

(14)

結(jié)合式(8)、式(9)和式(14)，可以得到機(jī)器人實(shí)際抓取點(diǎn)坐標(biāo)。

2.4 動態(tài)抓取順序優(yōu)化算法

在機(jī)器人動態(tài)抓取過程中，視覺系統(tǒng)依次識別目標(biāo)物體，然后機(jī)器人按照識別目標(biāo)的順序?qū)δ繕?biāo)進(jìn)行排序[23]。視覺識別的順序是隨機(jī)的，這會增加抓取路徑，降低抓取效率。文中以超出工作范圍的時(shí)間和最短抓取路徑為約束，提出一種順序優(yōu)化方法。

食品盤長約600 mm，最多可容納24個(gè)月餅，托盤中的目標(biāo)對象在相機(jī)視野中不完整。因此，需要多次采集，而多次采集會出現(xiàn)重復(fù)現(xiàn)象。因此，首先要消除圖像的重復(fù)。文中采用相機(jī)距離間隔拍攝采集圖像，通過實(shí)際測試，選擇相機(jī)視野長度的1/2作為相機(jī)拍攝的距離間隔。由于距離間隔小于視野的長度，相鄰圖形存在重復(fù)目標(biāo)。由于傳送帶沿水平方向直線移動，相鄰圖像后一幅的重疊目標(biāo)坐標(biāo)如式(15)所示。

(15)

式中：

c1、c2——圖像1和圖像2的編碼器值。

上述分析的是一種理想的情況，在實(shí)踐中會出現(xiàn)誤差。因此，有必要引入誤差值εx和εy。誤差小于εx和εy，確定為重復(fù)目標(biāo)進(jìn)行消除。

假設(shè)傳送帶沿x軸方向移動，機(jī)器人抓取區(qū)域上限在x方向的坐標(biāo)為xup和下限坐標(biāo)為xdown，傳送帶的運(yùn)行速度為v，目標(biāo)物離開工作區(qū)的時(shí)間T可用式(16)計(jì)算。

(16)

式中：

xd——抓取目標(biāo)首次進(jìn)入抓取空間的x方向坐標(biāo)。

按T時(shí)間排序的目標(biāo)采集順序記為Srank，并對其進(jìn)行優(yōu)化，為了提高機(jī)器人的抓取率，可以考慮最短分揀路徑的抓取模式。

假設(shè)有兩個(gè)目標(biāo)物體A和B，坐標(biāo)分別為(xa,ya)和(xb,yb)，機(jī)器人起始位置的坐標(biāo)O為(x0,y0)，對應(yīng)兩個(gè)放置點(diǎn)F1和F2的坐標(biāo)(x1,y1)和(x2,y2)。機(jī)器人抓取路徑為O→A→F1→B→F2，位移如式(17)所示。

(17)

式中：

t1——機(jī)器人將第一個(gè)目標(biāo)物體從起始點(diǎn)放置到目標(biāo)位置所需的時(shí)間，s。

總路徑SAB是上述四段的總和。同理可以得到先抓B后抓A的距離SBA。t1可由式(18)求得。

(18)

根據(jù)上述思路，找到最優(yōu)抓取順序。

3 結(jié)果與分析

3.1 試驗(yàn)參數(shù)

為了驗(yàn)證所提控制方法的有效性，對優(yōu)化前后的控制方法進(jìn)行對比分析。為了確保準(zhǔn)確性，對優(yōu)化前后兩種抓取方法進(jìn)行多次試驗(yàn)取平均值。Delta機(jī)器人采用PMAC系列運(yùn)動控制器、交流伺服驅(qū)動器A-SV15、伺服電機(jī)60ST-M0190、減速機(jī)PLX60-5和相機(jī)acA1600-20gc-Baslerace。電腦為聯(lián)想PC，操作系統(tǒng)為windows 10 64位旗艦，Intel i5 2450m CPU，2.5 GHz主頻，8 GB內(nèi)存，人機(jī)界面由VS2018開發(fā)。

3.2 順序優(yōu)化分析

為了驗(yàn)證順序優(yōu)化方法的性能，與未優(yōu)化效果進(jìn)行對比分析。通過機(jī)器人視覺識別圖像中的目標(biāo)，去除圖像中目標(biāo)物體的重復(fù)后，重新排列機(jī)器人的目標(biāo)抓取順序。圖5為Delta機(jī)器人抓取順序優(yōu)化前后對比圖。

從圖5(a)中可以看出，未優(yōu)化的抓取順序?yàn)樽R別序列隨機(jī)排序，非?；靵y，第一個(gè)抓取目標(biāo)位于最后，此外，抓取目標(biāo)14和15位于圖像兩端，大大增加了機(jī)器人的抓取路徑。同時(shí)，如果傳送帶速度過快，目標(biāo)物體可能會跑出工作區(qū)域。從圖5(b)可以看出，Delta機(jī)器人的優(yōu)化抓取順序?yàn)樽顑?yōu)順序，抓取路徑明顯短于優(yōu)化前。通過縮短機(jī)器人的路徑，來提高抓取效率。

圖5 優(yōu)化前后的抓取順序

3.3 性能分析

對文中方法在抓取穩(wěn)定性和效率方面的性能進(jìn)行試驗(yàn)驗(yàn)證，為了盡可能接近實(shí)際工況，將相機(jī)的拍攝頻率設(shè)置為100幀，傳送帶速度分別設(shè)置為20，30，40 mm/s。末端的最大速度和加速度分別為v=4 m/s、amax=300 m/s2。通過優(yōu)化目標(biāo)物體的抓取順序，提高機(jī)器人抓取效率。月餅托盤長600 mm，Delta機(jī)器人抓取最大長度600 mm，目標(biāo)總數(shù)為240個(gè)，機(jī)器人進(jìn)行動態(tài)抓取試驗(yàn)。

3.3.1 抓取成功率 通過實(shí)際抓取試驗(yàn)，對優(yōu)化前后抓取成功率進(jìn)行了對比分析。共有240個(gè)月餅，確保每次測試中，傳送帶上的食品數(shù)量、分布密度和抓取速度相同。對優(yōu)化前后兩種抓取方法進(jìn)行多次試驗(yàn)以獲得平均值，結(jié)果如表1所示。

表1 抓取方法優(yōu)化前后準(zhǔn)確率對比

從表1可以看出，整個(gè)系統(tǒng)的目標(biāo)識別率相對穩(wěn)定。在相同的食品運(yùn)輸速度下，如果未優(yōu)化機(jī)器人抓取順序，隨著帶速增加不斷降低。輸送速度為20 mm/s時(shí)抓取成功率為96.67%，輸送速度為30 mm/s時(shí)抓取成功率為91.17%，輸送速度為40 mm/s時(shí)抓取成功率為83.75%，優(yōu)化后分別提高到100.00%，100.00%，95.83%。優(yōu)化后，當(dāng)輸送帶速度為20，30 mm/s時(shí)，不存在漏抓現(xiàn)象，但當(dāng)傳送帶速度增加到40 mm/s時(shí)，存在漏抓現(xiàn)象，主要原因是機(jī)器人的抓取頻率跟不上傳送帶的運(yùn)輸能力。

3.3.2 分揀效率 當(dāng)傳送帶速度相同且食品分布密度相同時(shí)，記錄抓取240個(gè)月餅的總時(shí)間，并重復(fù)30次取平均值。根據(jù)試驗(yàn)數(shù)據(jù)，計(jì)算優(yōu)化前后的平均抓取率，結(jié)果見表2。

從表2可以看出，在相同的帶速下，對目標(biāo)物體的優(yōu)化后Delta機(jī)器人的抓取效率得到了顯著提高。主要原因是由于排序的隨機(jī)性，抓取目標(biāo)分布混亂，等待時(shí)間較長，隨機(jī)排序會增加機(jī)器人的路徑。

表2 抓取方法優(yōu)化前后效率對比

4 結(jié)論

針對食品生產(chǎn)線中Delta機(jī)器人的抓取控制問題，提出了一種新的動態(tài)目標(biāo)抓取方法。通過傳送帶的偏移量和編碼器的反饋值計(jì)算目標(biāo)的動態(tài)位置。為了優(yōu)化目標(biāo)的抓取順序，采用門型軌跡與改進(jìn)的梯形加減速算法相結(jié)合實(shí)現(xiàn)動態(tài)目標(biāo)抓取。結(jié)果表明，當(dāng)傳送帶速度為20，30 mm/s時(shí)，無漏抓現(xiàn)象，效率分別達(dá)到0.860，1.130個(gè)/s。與優(yōu)化前的方法相比，優(yōu)化后的方法可以有效提高Delta機(jī)器人抓取效率和準(zhǔn)確率。但試驗(yàn)中采用位置預(yù)測方法計(jì)算實(shí)際抓取位置，在實(shí)際應(yīng)用中存在打滑等情況導(dǎo)致抓取誤差，有必要結(jié)合新的方法分析傳送帶偏差情況，改進(jìn)序列優(yōu)化算法，進(jìn)一步提高Delta機(jī)器人的智能化水平。