電子發燒友App
多功能模塊化機器人科教實訓平臺
一、平臺簡介
當前機器人教學產業方興未艾，如何提高學生的學習效率?最佳的方式是打通從原理教學到驗證實踐的快速開發路徑，融合機器人軟件設計、硬件設計、算法設計、應用開發等多個環節，實現一體化開發。多功能模塊化機器人科研實訓平臺就是用來支撐學生進行工業機器人的基礎知識學習和示教編程實操訓練的。可以為學生提供良好的機器人實驗平臺，為老師提供算法驗證的研發環境，為學科建設提供機器人專業綜合解決方案。
1.1現狀分析
l 智能制造工程專業：本專業培養具備掌握機械、自動化、智能化等智能制造相關學科基礎知識及應用能力，能夠從事智能產品設計制造，智能裝備故障診斷、維護維修，智能工廠系統運行、管理及系統集成等方面工作的高素質應用型工程技術人才。
l 機器人工程專業： 機器人工程是一個多維交叉，多學科融合的新學科，與各種專業都有關聯。機器人的結構部分需要機械專業來完成，內部電路涉及電氣等專業，運動系統控制和感知規劃又與控制專業有關，智能感知、決策方面又涉及計算機、人工智能專業知識，同時材料科學、力學等專業也與機器人工程息息相關而機器人工程專業的多維交叉性又恰逢目前國內自動化與智能汽車及其他相關“新四化”領域人才展需求。
如何在師資，場地、資金有限的條件下，設計、實施滿足多學科交叉融合、軟件化、數字化等趨勢需求的智能制造人才綜合實訓平臺還是有相當難度的。
1.2設計思想
l 針對融合化趨勢：需要打通感知、控制、 智能決策等多個環節;
l 針對軟件化趨勢：新工科專業學生都應該具有一定的軟件編程訓練;
l 針對數字化趨勢：應該具有一定的系統建模、仿真和三維呈現能力。
綜合實訓系統應該能在三個層級配合教學過程實現遞進式的培養。
層級一是認知和使用層面的“知其然”，可以分階段的了解和學習工業機器人和智能制造系統的使用過程。
層級二是理論體系建立層面的“知其所以然”，可以了解與自己探索與使用過程相關的底層原理和技術試驗方法。
層級三是面向未來需求的“創未然”，創造尚未出現的機器人與智能制造系統。
1.3關鍵技術
中國科學院沈陽自動化研究所(簡稱“沈自所”)作為長期從事機器人技術的專業研究所，不斷研發出新的智能機器人成果、擁有專業的科研團隊和完整的國家級平臺資源。面向機器人人才培育主戰場，深入推動機器人技術產業化應用是我所積極響應國策倡導，推動產學研結合帶動自身發展，促進支柱產業協同創新升級，引導培育新型教學裝備產業的必然之路。
沈自所研發的開放式機器人控制系統，通過MATLAB自動代碼生成方式實現一體化關節、機器人運動控制、機器人力位混合控制、機器人視覺集成、機器人人工智能等多層次實驗環境，打通了機器人算法仿真到真機部署的全流程。
為了加速機器人應用型的人才培養，沈自所致力于打造機器人教學生態，整合國內機器人科研研發力量，面向國內高校，整個系統內部深度開發，助理機器人與智能制造相關專業的平臺建設。
二、平臺特點
多功能模塊化機器人科教實訓平臺以六或七自由度機械臂為被控對象，覆蓋了主流工業機器人品牌，包括ABB、KUKA、UR、珞石、Aubo等。采用模塊化設計理念，具備理實一體、虛實結合、開源開放、易學易用等特點，極大的提高師生的參與程度，為實驗室建設提供多用途、層次豐富、省空間、安全易用、開放可升級的綜合實訓系統。
2.1理實一體
平臺以機器人原理教學為基礎，包括機器人建模、運動學、動力學等內容，通過算法開發、仿真實驗、真機實驗等過程，加深理論與實踐相結合的學習。以實操訓練平臺為擴展，支持搬運、打磨、碼垛等工藝，以項目開發為驅動，強化平臺的實踐性和實用性。使學生達到理論聯系實際、活學活用的培養目標，提升其實際應用技能。
2.2虛實結合
支持在不啟動操作臂的情況下進行算法的離線仿真驗證。支持虛擬機器人顯示，保證了控制效果的可觀察。
2.3開源開放
在機器人可視化集成開發環境中，通過抽象化通訊協議模型，統一控制代碼與物理仿真的軟件模型，在機器人系統設計層面隱藏不必要的細節，實現機器人系統應用的一體化建模與管理。用戶可以開發自定義模型庫，用于機器人相關算法的積累。
針對開發的深度不同，提供了不同層級的開發，滿足不同層次的開發需求。深度開放，滿足定制化開發。
對于不同構型和自由度的操作臂具有統一的操作接口。僅需要通過簡單的配置即可實現不同種類操作臂的快速適配。
2.4易學易用
Matlab/Simulink下建立的動態系統數學模型應用于實時仿真、算法測試，便于全流程控制和局部算法驗證。
高度集成的機器人編譯環境保證了模型的可靠性、準確度及更小的仿真步長，提高了模型運算速度和控制精度。
涵蓋機器人基礎理論和高級控制算法庫，集成多種總線通訊模塊，建立運動學、動力學模型，兼具視覺、力覺等處理能力。
三、平臺組成與功能介紹
3.1總體構成
多功能模塊化科教實訓平分為三個柜體組成，分別是：主機臺、程控臺、氣動臺。總體尺寸為1500*1200*900，程控臺和氣動臺尺寸都為400*1200，主機臺尺寸為700*1200。
3.2模塊化機架
三個分別為獨立主體，可根據用戶提供定制化方案，單個主機臺可做原理科研教學，三個柜體合并在一起既可做實訓又可做原理科研教學還可以拆分成產線，滿足學校定制化開發的需求。
主機臺主要放置原理教學模塊：
1、機器人;2、機器人快速原型控制器;3、相機;4、六維力傳感器;5、遙操作手柄;6、平面軌跡/立體軌跡模塊;7、標定座模塊;8、氣動模塊等。
程控臺主要放置實訓教學模塊：
1、PCL模塊;2、傳送到模塊;3、碼垛模塊;4、井式供料模塊;5、光柵模塊等。
氣動臺主要放置實訓教學模塊：
1、靜態立庫模塊;2、打磨模塊;3、書寫模塊;3、光柵模塊等。
3.3 工業機器人
珞石x系列機器臂 XB7
產品基本參數
| 自由度： | 6 | 本體質量： | 約50Kg | 儲藏溫度： | ﹣10°C/+55°C |
| 手腕負載： | 7Kg | 防護等級： | IP54（IP67可選） | 環境溫度： | 0°C/+40°C |
| 最大工作半徑： | 707mm | 噪音水平： | ≤70dB（A） |
? |
? |
| 運動參數 | 軸 | 運動范圍 | 最大速度 | ||
| 軸1 | ±170° | 440°/s | |||
| 軸2 | ﹣135°/﹣90° | 355°/s | |||
| 軸3 | ﹢65°C/﹣195°C | 440°/s | |||
| 軸4 | ±170° | 480°/s | |||
| 軸5 | ±120° | 450°/s | |||
| 軸6 | ±360° | 705°/s |
3.4機器人快速原型控制器
機器人快速原型控制器包括通信模塊、運動控制模塊和安全模塊，實現多種構型機器人控制。可以快速搭建機器人研究或應用平臺，支持機器人控制算法驗證及機器人應用的快速開發。
特征優勢
l 統一的操作接口、僅需要簡單的配置即可實現快速適配;
l 支持多機器人協同作業，支持工業OPC-UA通信;
l 運動控制支持CIA402協議，支持通用構型的運動控制;
l 安全模塊包括支持分布式時鐘、支持冗余、支持熱插拔和支持運動狀態檢測等。
機器人模型庫
l 機器人單軸控制庫
l 機器人接口庫
l 機器人基礎控制庫
l 機器人3D顯示庫
l 傳感器接口庫
l 末端執行器接口庫
被控對象示例
? 實現自主控制的多種被控對象，包括工業機器人、無人機、倒立擺系統。
? 多種不同構型機器人的控制，協作7軸機器人、雙臂機器人、并聯機器人等。
? 支持c、c++、Matlab等多種語言開發，兼容通信、視覺、力覺等傳感器處理功能。
3.5實訓模塊
(可根據用戶需求進行針對性選擇或定制)
四、實驗與支撐課程
4.1機器人原理教學
基礎實驗：
| 序號 | 實驗名稱 | 課程內容 |
| 1 | 機器人系統認識 | 了解機器人系統的基本組成，培養學生理論聯系實際的能力。 |
| 2 | 機器人空間位姿描述 | 認識機器人位置與姿態的描述方式，了解多種姿態的描述方法 |
| 3 | 建立連桿坐標系及D-H參數 | 學習機器人連桿坐標系的建立，學習修正D-H參數的建立方法 |
| 4 | 機器人正運動學 | 學習連桿變換，學習建立機器人的正運動學方程 |
| 5 | 機器人逆運動學 | 解逆解相關的基本概念，如：多解性，奇異問題等，學習建立機器人的逆運動學模型。 |
| 6 | 機器人關節空間規劃 |
了解多種規劃方法，了解關節空間規劃特點 ，學習在關節空間實現機器人運動軌跡的規劃 |
| 7 | 機器人笛卡爾空間規劃 | 了解笛卡爾空間規劃特點，學習笛卡爾空間直線規劃方法 |
| 8 | 機器人雅可比矩陣 | 了解雅可比矩陣及作用，學習雅可比矩陣的推導方法 |
| 9 | 機器人動力學 | 了解動力學模型的描述形式及作用，學習動力學模型的推導方法 |
| 10 | 機器人動力學參數辨識 | 了解動力辨識的目的，學習動力學辨識方法 |
| 11 | 機器人的拖動示教 | 學習拖動示教算法，學習利用拖動示教算法實現機器人的控制 |
| 12 | 基于末端力矩傳感器的拖動示教實驗 | 學習基于末端力矩傳感器的拖動示教算法，學習基于末端力矩傳感器的拖動示教算法實現 |
高級實驗：
| 序號 | 實驗名稱 | 課程內容 |
| 1 | 機器人的PID控制 | 學習PID控制方法，學習利用PID實現機器人的控制 |
| 2 | 機器人的動力學前饋控制 | 學習動力學前饋控制算法，學習利用動力學前饋控制算法實現機器人的控制 |
| 3 | 機器人的拖動示教 | 學習拖動示教算法，學習利用拖動示教算法實現機器人的控制 |
| 4 | 基于末端力矩傳感器的拖動示教實驗 | 學習基于末端力矩傳感器的拖動示教算法，學習基于末端力矩傳感器的拖動示教算法實現 |
| 5 | 基于末端力矩傳感器的導納控制實驗 | 學習基于末端力矩傳感器的阻抗控制方法，學習基于末端力矩傳感器的阻抗控制方法方法實現。 |
4.2機器人實訓教學（選配）
| 序號 | 實驗名稱 | 課程內容 |
| 1 | 工業機器人認知 | 了解工業機器人的工作原理、系統組成及基本功能、掌握工業機器人的性能指標 |
| 2 | 工業機器人的基本操作 | 掌握工業機器人示教器、以及在不同坐標軸下的基本操作 |
| 3 | 機器人軌跡規劃編程實驗 | 通過示教器編寫相應代碼，實現工業機器人軌跡規劃。 |
| 4 | 機器人書寫編程與操作 | 學習并掌握機械G代碼，通過G代碼編程輸入到示教器中，讓機器人能夠書寫 |
| 5 | 視覺檢測編程與操作 | 學習視覺檢測系統程序改寫與改參，檢測出實際工況所物體。 |
| 6 | 機器人搬運編程與操作 | 通過示教器編寫相應代碼，加上相應模塊，實現工業機器人搬運。 |
| 7 | 機器人碼垛編程與操作 | 通過示教器編寫相應代碼，加上相應模塊，實現工業機器人碼垛。 |
| 8 | 機器人打磨編程與操作 | 通過示教器編寫相應代碼，加上相應模塊，實現工業機器人打磨。 |
| 9 | 機器人離線編程實驗 | 學習離線編程程序，可以實時進行仿真相關實驗 |
4.3機器人視覺教學
| 序號 | 實驗名稱 | 課程內容 |
| 1 | 機器人視覺認識 | 認識機器人視覺，了解機器人視覺任務需求 |
| 2 | 機器人視覺相機標定 | 學習二維及三維相機圖像的數據獲取，學習相機的標定 |
| 3 | 機器人視覺對象識別及坐標系轉換 | 通過圖像處理方法找到圖像中的物體，學習圖像坐標系到世界坐標系的變換的實現 |
| 4 | 機器人視覺手眼標定 | 學習機器人的手眼標定方法，學習機器人的手眼標定方法的實現 |
| 5 | 機器人視覺引導抓取 | 學習機器人視覺引導的原理，學習機器人視覺應用搭建 |
4.4機器人科研創新
(1)機器人下棋
有兩臺工業機器人和一個棋盤組成組成，通過下棋博弈系統，由下棋AI測試與相機視覺感知、棋盤態勢識別、以及機器人運動控制共同進行實現機器人對弈下棋操作。也可在V-rep進行虛擬仿真實驗。
(2)機器人打乒乓球
通過視覺系統及人工智能算法基于機器人打球的權利。不論是教學或是訓練都能提供可量化的表現，通過調參可以給出針對性的訓練方案以及科研參數供給用戶去學習以及使用，將學習與訓練提高效率。
(3)遙操作
“遠程控制”工業機器人，通過多軸手柄來實現機器人操作。
·能夠進行快速力反饋設備(主)及機器人(從)信息交互;
·精確的進行主從設備位置、速度、力的相互轉換：基于運動學及動力學辨識補償實現。
·結合人工智能+視覺：搭建以智能硬件為依托，智能感知為輔助，智能控制為核心的新型遙操作機器人拓展思路。
?
(4)亂序抓取
將數量較多的工件無序地放在料框里面，經過視覺識別，要快速識別無序工件，提高工作效率。
通過三維結構光面掃描技術，可以識別無序工件的位置，智能引導機器人定位抓取。抓取是工業機器人應用的一個大方向，而之前線激光或者二維視覺引導抓取，有著自身的局限性。未來在更多場景下可以選用三維面視覺技術解決抓取難題。
(5)曲面打磨
通過末端打磨頭可實現全姿態力/位混合控制補償，適用任意外形工件的表面處理，并保證接觸力精確與穩定，適配多種大型工業機器人。
審核編輯：湯梓紅
工商網監
評論