【正文】 …………………………………………………………29謝辭 …………………………………………………………………………………30[參考文獻] …………………………………………………………………………31附錄一 科技文獻翻譯………………………………………………………………32附錄二 畢業(yè)設計任務書與開題報告………………………………………………46多自由度機械手機械設計1 緒 論機械手 (manipulator)是一種能按給定的程序或要求，自動地完成物體(材料 、工件、零件或工具等)傳送或操作作業(yè)的機械裝置，它能部分地代替人來進行繁重、危險、重復等手工作業(yè)。工業(yè)機械手是近幾十年發(fā)展起來的一種高科技自動生產(chǎn)設備。 國內(nèi)外機械手研究現(xiàn)狀現(xiàn)代機械手的研究開始于二十世紀中期，其技術(shù)背景是計算機和自動化的發(fā)展?，F(xiàn)在的絕大多數(shù)工業(yè)機器人是可編程控的機器人。機械手的控制問題是與其運動學和動力學問題密切相關(guān)的。機械手的控制器具有多種結(jié)構(gòu)形式，包括非伺服控制，伺服控制，位置和速度控制，力(力矩)控制，基于傳感器的控制，非線性的控制，分解加速度控制等等。技術(shù)水平更高的機器人，具有不同程度的“智能” ，其控制系統(tǒng)能夠借助于傳感信息與周圍環(huán)境交互作用，并根據(jù)獲取的信息，修正系統(tǒng)的狀態(tài)，甚至能夠自主地控制機器人實現(xiàn)控制任務。近年來，計算機技術(shù)的進步，使得變結(jié)構(gòu)控制技術(shù)能很方便的實現(xiàn)，并不斷充實和發(fā)展，成為非線性控制的一種簡單而又有效的方法。(2 )傳動機構(gòu)傳動機構(gòu)主要是起改變物件方位和位置的作用。常用的有:電動驅(qū)動、氣動驅(qū)動和液壓驅(qū)動三種基本類型。液壓驅(qū)動裝置有液壓油缸、液壓馬達等，這些裝置具有體積小、輸出功率大等特點。②行走機構(gòu)是為了擴大機械手的使用空間而設置的。④傳感裝置其中裝有某種傳感器，使手指具有敏感性和自控性，用以反應手指與物件是否接觸、物體有無滑下或脫落、物件的方位是否正確、手指對物件的握緊力是否與物件的重量相適應等[11]。國外已有模塊化裝配機器人產(chǎn)品問市。(5)虛擬現(xiàn)實技術(shù)在機器人中的作用已從仿真、預演發(fā)展到用于過程控制如使遙控機器人操作者產(chǎn)生置身于遠端作業(yè)環(huán)境中的感覺來操縱機器人。當前我國的機器人生產(chǎn)都是應用戶的要求，“一客戶，一次重新設計”，品種規(guī)格多、批量小、零部件通用化程度低、供貨周期長、成本也不低，而且質(zhì)量、可靠性不穩(wěn)定。六自由度機械手設計分為機械部分與控制部分兩大模塊。首先它是我第一次將四年所學知識的第一次綜合運用，無論最初的設計，還是最終的全文完成，對我們來說都是極大的挑戰(zhàn)，開闊了我的視野，豐富了我的經(jīng)驗，提高了我的實際動手的能力。在本章中對機械手的坐標形式、自由度、驅(qū)動機構(gòu)等進行了確定。 ( 3)球坐標(極坐標)型機械手。 機械手的主要部件及運動在多關(guān)節(jié)式機械手的基本方案選定后，根據(jù)設計任務，為了滿足設計要求，本設計關(guān)于機械手具有6個自由度既：手抓張合；手腕回轉(zhuǎn)；手動腕擺；小手臂擺動；大手臂擺動；底座回轉(zhuǎn)6個主要運動。4) 機身，采用一個步進電機和一對蝸輪蝸桿機構(gòu)來實現(xiàn)底座的回轉(zhuǎn)運動。因此，機械手的驅(qū)動方案選擇電動驅(qū)動。3 機械手的數(shù)學模型 機器人的數(shù)學基礎為了描述機器人本身各連桿之間、機器人和環(huán)境之間的運動關(guān)系，通常將它們當成剛體，進而研究各剛體之間的運動關(guān)系。坐標變換包括平移變換、旋轉(zhuǎn)變換與復合變換。 機器人的運動學方程本文研究的機械手是具有6個自由度的空間開鏈機構(gòu)，它由一系列連桿通過轉(zhuǎn)動關(guān)節(jié)串聯(lián)而成，關(guān)節(jié)的相對轉(zhuǎn)動導致連桿的運動。（了書寫方便，將改寫為） 有以上的坐標系推導法,可得出本課題六自由度機械手的運動參數(shù)，如下：關(guān)節(jié)i（186。（2） 移動型 移動型即兩手指相對支座作往復運動。本設計機械手采用夾持式手指，夾持式機械手按運動形式可分為回轉(zhuǎn)型和平移型。夾緊裝置選擇常開式夾緊裝置，它在電機的驅(qū)動力的作用下機械手手抓實現(xiàn)張開和閉和[5] 。 手指對工件的夾緊力可按公式計算： 式中 ——安全系數(shù)，； ——工作情況系數(shù)，主要考慮慣性力的影響。 小手臂擺動電機的選擇 初步估計小手臂重量為3Kg,設擺動速度為3r/min則小手臂折算到中軸上的轉(zhuǎn)動慣量為小手臂折算到中軸上的轉(zhuǎn)動慣量為：小手臂擺動電機的最大靜轉(zhuǎn)矩為選用常州寶馬集團前楊電機電器有限公司的45BF003型電機 其最大靜轉(zhuǎn)矩為 = ，能夠滿足機構(gòu)的要求[7]。 小手臂電機處蝸輪蝸桿、帶傳動比的確定由小手臂擺動選用電機為45BF003型可得，運行頻率為f=27000HZ=又 =3r/min 總傳動比 i==由大手臂擺動電機確定的一級帶輪傳動比為=取二級帶輪傳動比為=1小手臂擺動電機蝸輪蝸桿的傳動比為 由傳動比為 =30 查表得： 蝸桿頭數(shù)=2 =60蝸桿40Cr 45—50HRC 蝸輪103鋁青銅 估計 =5m/s 查表得 =140Mpa由式 可得查表得： m=1 =18 q=18 =60（1）由 =帶輪的主動論轉(zhuǎn)速為=3r/min由式 V一般在5——25m/s取V=20m/s 查表得：選帶輪為Y型帶=20又=1 取V帶基準長度 查表得： 取 =200 [8] 手腕擺動電機處蝸輪蝸桿、帶傳動比的確定由手腕擺動處選用電機為36BF003型可得，運行頻率為f=27000HZ=又 =5r/min 總傳動比 i==又大手臂擺動電機確定的一級帶輪傳動比為=小手臂擺動電機確定的二級帶輪傳動比為=1取三級傳動比為=1蝸輪蝸桿的傳動比為 由傳動比為 =18 查表得： 蝸桿頭數(shù)=2 =36蝸桿40Cr 45—50HRC 蝸輪103鋁青銅 估計 =5m/s 查表得 =140Mpa由式 可得查表得： m=1 =18 q=18 =36[8] 小手臂擺動處軸的強度較核（1）小手臂擺動軸的受力分析圖如下： 小手臂擺動軸的受力分析圖[9]其中： （1）繪制垂直面內(nèi)的彎矩圖由式 垂直面內(nèi)彎矩圖如下所示： 垂直面內(nèi)彎矩圖[9]（1） 繪制水平面內(nèi)的彎矩圖由式 可得水平面內(nèi)的彎矩圖如下所示： 水平面內(nèi)的彎矩圖[9]（2） 繪制合成彎矩圖在C和D處 在E處 在C處 在E處 在D處 軸的合成彎矩圖如下所示： 軸的合成彎矩圖[9]軸的扭矩圖如下所示： 軸的扭矩圖[9]軸的危險截面為中心E點 當量彎矩為 軸的材料選用45鋼，調(diào)質(zhì)處理查表得： 軸的直徑取d=5能夠滿足強度要求。2) 掌握了機械結(jié)構(gòu)整體方案設計的原則和要求，在設計過程中熟練的查取了相關(guān)的設計手冊，為以后工作上的需要打下了堅實的基礎。此外系統(tǒng)在總體布局和結(jié)構(gòu)設計上離實際應用還有一些待完善之處。 在這里首先要感謝我的導師黃老師。 其次要感謝和我一組作畢業(yè)設計的其他同學，我們在本次設計中相互學習，相互鼓勵。感謝父母對我的關(guān)愛和教誨。s sensing modalities and motor control system is a hallmark of intelligent behavior, and we are pursuing the goal of building an integrated sensing and actuation system that can operate in dynamic as opposed to static environments.There has been much research in robotics over the last few years that address either visual tracking of moving objects or generalized grasping problems. However, there have been few efforts that try to link the two problems. It is quite clear that plex robotic tasks such as automated assembly will need to have integrated systems that use visual feedback to plan, execute, and monitor grasping.The system we have built addresses three distinct problems in robotic handeye coordination for grasping moving objects: fast putation of 3D motion parameters from vision, predictive control of a moving robotic arm to track a moving object, and interception and grasping. The system is able to operate at approximately human arm movement rates, using visual feedback to track, intercept, stably grasp, and pick up a moving object. The algorithms we have developed that relate sensing to actuation are quite general and applicable to a variety of plex robotic tasks that require visual feedback for arm and hand control.Our work also addresses a very fundamental and limiting problem that is inherent in building integrated sensing actuation systems。 one has to undertake a tedious job of their recalibration. Again, the estimation of the moving object’s position and orientation is done in the Cartesian space and a simple error model is assumed. Andersen et al. [6] adopt a 3rdorder Kalman filter in order to allow a robotic system (consisting of two degrees of freedom) to play the labyrinth game. A somewhat different approach has been explored in the work of Houshangi [24] and Koivo et al. [27]. In these works, the autoregressive (AR) and auto grassier movingaverage with exogenous input (ARMAX) models are investigated for visual tracking.Ш. VISION SYSTEMIn a visual tracking problem, motion in the imaging system has to be translated into 3D scene motion. Our approach is to initially pute local opticflow fields that measure image velocity at each pixel in the image. A variety of techniques for puting opticflow fields have been used with varying results including matchingbased techniques [5], [ 10], [39], gradientbased techniques [23], [32], [ 113, and patiotemporal, energy methods [20], [2]. Opticflow was chosen as the primitive upon which to base the tracking algorithm for the following reasons.183