摘 要：針對(duì)智能生產(chǎn)線環(huán)境中存在的隨機(jī)振動(dòng)、噪聲等干擾因素會(huì)對(duì)機(jī)械手的傳感器精度產(chǎn)生影響，導(dǎo)致生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制精度低的問(wèn)題，提出智能視覺(jué)約束的生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制方法。分析生產(chǎn)線搬運(yùn)機(jī)械手的動(dòng)作流程，了解機(jī)械手在進(jìn)行抓取操作時(shí)需要確定目標(biāo)物體位置存在的問(wèn)題；通過(guò)改進(jìn)的YOLOv2模型識(shí)別待搬運(yùn)物體的位置，估計(jì)出待搬運(yùn)物體的大?。皇褂酶倪M(jìn)K-means聚類(lèi)算法通過(guò)聚類(lèi)過(guò)程估計(jì)出待搬運(yùn)物體與機(jī)械手之間的相對(duì)距離和大小，改進(jìn)單純依靠傳感器的弊端。設(shè)計(jì)PLC控制器來(lái)實(shí)現(xiàn)對(duì)機(jī)械手的定位控制；同時(shí)引入小腦模型神經(jīng)網(wǎng)絡(luò)模擬人類(lèi)小腦的運(yùn)動(dòng)控制能力，優(yōu)化PID控制算法，使機(jī)械手在抓取和定位控制中更加穩(wěn)定和精確。實(shí)驗(yàn)結(jié)果表明：所提方法使生產(chǎn)線搬運(yùn)機(jī)械手抓取定位時(shí)抗干擾性較強(qiáng)，精度較高，抓取定位控制效率較好。

關(guān)鍵詞：生產(chǎn)線搬運(yùn)機(jī)械手；PLC控制器；PID控制算法；小腦模型神經(jīng)網(wǎng)絡(luò)；抓取定位控制

中圖分類(lèi)號(hào)：TP241" 文獻(xiàn)標(biāo)志碼：B" 文章編號(hào)：1671-5276（2024）05-0203-06

Grasping and Positioning Control of Production Line Handling Manipulator under Visual Proofreading Constraints

Abstract：In order to improve the low grasping and positioning control accuracy of production line handling manipulator caused by random vibration， noise and other confounding existing in intelligent production line environment， which affects the sensor accuracy of manipulator， a research on grasping and positioning control method of the production line handling manipulator with intelligent visual constraints is proposed. The movement process of the production line handling manipulator is analyzed and the problems that the manipulator needs to determine the position of the target object during grasping operations are comprehended. With the improved YOLOv2 model， the position of the object ready for transportation is identified and its size is estimated. The improved K-means clustering algorithm is applied to estimate the relative distance between the object to be moved and the robotic arm through the clustering process to remedy the drawbacks of sole reliance on sensors. A PLC controller is designed to achieve positioning control of the robotic arm， and with the introduction of cerebellar model neural network， the motion control ability of the human cerebellum is simulated and the PID control algorithm is optimized， which enable the robotic arm to be more stable and accurate in grasping and positioning control. The experimental results show that the proposed method has strong anti-interference ability， high accuracy and good grasping and positioning control efficiency for the production line handling robot arm.

Keywords：production line handling manipulator；PLC controller；PID control algorithm；cerebellar model neural network；grab positioning control

0 引言

隨著工業(yè)生產(chǎn)自動(dòng)化技術(shù)的發(fā)展，生產(chǎn)線搬運(yùn)機(jī)械手憑借搬運(yùn)成本低、智能化、效率高的優(yōu)點(diǎn)被廣泛應(yīng)用在工業(yè)自動(dòng)化生產(chǎn)、醫(yī)療技術(shù)、汽車(chē)生產(chǎn)等多個(gè)領(lǐng)域。生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制影響著生產(chǎn)線工作效率及效果。傳統(tǒng)的生產(chǎn)線搬運(yùn)機(jī)械手存在抓取精度低、控制速度慢等問(wèn)題。如何獲取高質(zhì)量的生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制是當(dāng)下工業(yè)領(lǐng)域研究的重點(diǎn)問(wèn)題之一，故提出基于PLC的生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制方法。該方法的研究有望為電力領(lǐng)域帶來(lái)新的技術(shù)與支持，具有重要意義［1-2］。

史亞貝［3］對(duì)機(jī)械手運(yùn)動(dòng)學(xué)原理展開(kāi)分析，建立了基于DSP的機(jī)械手控制系統(tǒng)，通過(guò)DSP機(jī)械手控制系統(tǒng)完成機(jī)械手控制。該方法存在機(jī)械手抓取定位控制精度不佳的問(wèn)題。沈孝龍等［4］根據(jù)機(jī)械手動(dòng)力學(xué)方程建立機(jī)械手定點(diǎn)PD控制器，通過(guò)改進(jìn)差分進(jìn)化算法優(yōu)化機(jī)械手規(guī)劃器性能；通過(guò)樣條插值法生成機(jī)械手運(yùn)動(dòng)軌跡，完成機(jī)械手的抓取定位控制。該方法存在機(jī)械手抓取定位控制時(shí)間長(zhǎng)的問(wèn)題。馬金茹等［5］設(shè)計(jì)機(jī)械手非線性擾動(dòng)觀測(cè)器，通過(guò)自適應(yīng)觀測(cè)器滑膜控制方法完成機(jī)械手抓取定位控制。該方法存在機(jī)械手抓取定位控制準(zhǔn)確率低的問(wèn)題。

為了解決上述方法中存在的問(wèn)題，本文提出基于智能視覺(jué)約束的生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制方法。

1 生產(chǎn)線搬運(yùn)機(jī)械手動(dòng)作中的問(wèn)題分析

首先，分析生產(chǎn)線搬運(yùn)機(jī)械手的結(jié)構(gòu)和動(dòng)作流程［6-7］。生產(chǎn)線搬運(yùn)機(jī)械手由基座、大臂、小臂、爪子4個(gè)部分組成，具有腰部左右旋轉(zhuǎn)、垂直手臂上下移動(dòng)、水平手臂伸縮和機(jī)械手抓取與松開(kāi)4個(gè)自由度［8-9］。生產(chǎn)線搬運(yùn)機(jī)械手結(jié)構(gòu)如圖1所示。

生產(chǎn)線搬運(yùn)機(jī)械手動(dòng)作流程如下：

1）旋轉(zhuǎn)生產(chǎn)線搬運(yùn)機(jī)械手的腰部，使其旋轉(zhuǎn)朝向待搬運(yùn)物體方向；

2）在氣缸的推動(dòng)下垂直機(jī)械臂和水平機(jī)械臂做伸縮動(dòng)作，同時(shí)使垂直機(jī)械臂對(duì)準(zhǔn)待搬運(yùn)物體；

3）在氣缸作用下，機(jī)械爪完成物體抓取動(dòng)作；

4）旋轉(zhuǎn)生產(chǎn)線搬運(yùn)機(jī)械手的腰部，使其旋轉(zhuǎn)朝向搬運(yùn)物體待放置的方向；

5）在氣缸的作用下，垂直和水平機(jī)械臂進(jìn)行伸展，同時(shí)使垂直機(jī)械臂對(duì)準(zhǔn)物體待放置的目標(biāo)區(qū)域；

6）在氣缸作用下，機(jī)械爪完成物體放置動(dòng)作。

通過(guò)上述流程可以看出，在完成定位過(guò)程中，需大量地使用傳感器，傳感器的精度變得至關(guān)重要。智能生產(chǎn)線環(huán)境中存在的隨機(jī)振動(dòng)、噪聲等干擾因素，會(huì)對(duì)機(jī)械手的傳感器精度產(chǎn)生影響，導(dǎo)致生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制精度降低。

2 搬運(yùn)物體的大小、距離的視覺(jué)估計(jì)

在生產(chǎn)線搬運(yùn)機(jī)械手動(dòng)作流程下，通過(guò)改進(jìn)YOLOv2模型和改進(jìn)K-means算法完成待搬運(yùn)物體的大小和距離估計(jì)。

·電氣與自動(dòng)化·

孫文革·視覺(jué)校對(duì)約束下生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制

2.1 定位目標(biāo)的大小視覺(jué)估計(jì)方法設(shè)計(jì)

通過(guò)改進(jìn)YOLOv2模型完成待搬運(yùn)物體的大小估計(jì)。傳統(tǒng)的YOLOv2目標(biāo)檢測(cè)模型針對(duì)復(fù)雜環(huán)境下物體的檢測(cè)，會(huì)因物體距離太近導(dǎo)致檢測(cè)效果不佳的問(wèn)題，故提出改進(jìn)的YOLOv2目標(biāo)檢測(cè)模型［10-11］。

將原YOLOv2模型的輸出邊界框的高、寬縮小為原來(lái)的1/lh和1/lw。

寬縮小倍數(shù)lw、高縮小倍數(shù)lh計(jì)算步驟如下：

標(biāo)注用于YOLOv2目標(biāo)檢測(cè)模型的N個(gè)訓(xùn)練物體邊界框?yàn)閠w-x-o（o=1，2，…，N），th-x-o（o=1，2，…，N），其中，o為訓(xùn)練物體序號(hào)。

通過(guò)YOLOv2目標(biāo)檢測(cè)模型獲取N個(gè)訓(xùn)練物體邊界框大小為tw-o，th-o。

進(jìn)一步獲取最終的邊界框高、寬的縮小倍數(shù)，其公式表達(dá)如下：

通過(guò)邊界框縮小方法降低了復(fù)雜環(huán)境下大量物體檢測(cè)時(shí)的物體邊界框的重合率，從而提高檢測(cè)性能。物體大小估計(jì)模型如圖2所示。

根據(jù)改進(jìn)YOLOv2目標(biāo)檢測(cè)模型獲取待搬運(yùn)目標(biāo)物體的邊界框?qū)抲m-w、高um-h，待搬運(yùn)目標(biāo)物體所在圖像面的坐標(biāo)系寬度值公式表達(dá)如下：

根據(jù)圖2模型中的三角形性質(zhì)得出坐標(biāo)系寬度和攝像機(jī)焦距的關(guān)系為

式中：g表示攝像機(jī)焦距；dm表示真實(shí)物體距攝像機(jī)距離；Wt-m表示待搬運(yùn)物體的真實(shí)寬度。

進(jìn)一步推算出待搬運(yùn)物體的真實(shí)寬度Wt-m公式表達(dá)如下：

2.2 距離視覺(jué)估計(jì)方法設(shè)計(jì)

通過(guò)改進(jìn)K-means算法完成待搬運(yùn)物體的距離估計(jì)，該算法通過(guò)盡可能遠(yuǎn)離彼此初始中心點(diǎn)的策略保證機(jī)械臂抓取物體的實(shí)時(shí)性［12］。

選擇一個(gè)初始化空集合Q以存儲(chǔ)所選的中心點(diǎn)。隨機(jī)選取一個(gè)數(shù)據(jù)（深度值）的中心點(diǎn)v（k），k={1，2，…，k}放入空集合Q中。

找到集合外一個(gè)物體c（o）與集合Q內(nèi)平方距離最小物體的最小平方距離f（c（o），Q）2公式表達(dá)如下：

f（c（o），Q）2=c（o）-Q2（5）

計(jì)算物體（樣品）成為下一個(gè)聚類(lèi)中心的概率為

在空集合Q中加入通過(guò)輪盤(pán)賭法選擇的下個(gè)聚類(lèi)中心點(diǎn)。

重復(fù)上述步驟，直至獲取l個(gè)聚類(lèi)中心點(diǎn)。

將樣本點(diǎn)分割到離該樣本點(diǎn)最近中心點(diǎn)i（k）的簇內(nèi)。不斷使用新簇中的中心點(diǎn)代替原始中心點(diǎn)，直到距內(nèi)部錯(cuò)誤的平方和SSE最小。此時(shí)待搬運(yùn)物體到聚類(lèi)中心的距離即待搬運(yùn)物體與機(jī)械手之間的相對(duì)距離：

式中e（o，k）表示系數(shù)。

依據(jù)YOLOv2算法獲取的待搬運(yùn)物體邊界框，通過(guò)改進(jìn)聚類(lèi)算法聚類(lèi)邊界框內(nèi)每個(gè)像素對(duì)應(yīng)的深度值，按照從小到大的順序排列所獲取的3個(gè)深度值聚類(lèi)中心，得到的第2個(gè)深度聚類(lèi)中心即為物體到攝像機(jī)的距離。

3 基于PLC的機(jī)械手抓取定位控制方法設(shè)計(jì)

通過(guò)估計(jì)物體的大小和距離，機(jī)械手可以據(jù)此來(lái)調(diào)整抓取力度，規(guī)劃運(yùn)動(dòng)路徑，并通過(guò)同步的物體大小和距離估計(jì)，校正傳感器反饋信號(hào)，提高定位的準(zhǔn)確性和穩(wěn)定性。在此基礎(chǔ)上，基于PLC控制完成生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制。

3.1 PLC控制器設(shè)計(jì)

PLC控制器是一種可編程邏輯控制器，可以根據(jù)需要進(jìn)行編程，結(jié)合利用YOLOv2模型識(shí)別到的待搬運(yùn)物體的位置，控制機(jī)械手的運(yùn)動(dòng)，實(shí)現(xiàn)對(duì)機(jī)械手的準(zhǔn)確定位。PLC控制器是生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制的核心控制器，其含有多個(gè)傳感器［13］，通過(guò)對(duì)各種傳感器信號(hào)的采集和判斷，發(fā)起機(jī)械手的抓取定位控制指令［14-15］?；赑LC的機(jī)械手抓取定位控制原理如圖3所示。

在PLC控制器上使用PID控制算法完成生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制。

3.2 抓取定位控制算法設(shè)計(jì)

使用小腦模型神經(jīng)網(wǎng)絡(luò)（CMAC）-PID控制算法完成生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制。小腦模型神經(jīng)網(wǎng)絡(luò)模擬人類(lèi)小腦的運(yùn)動(dòng)控制能力，結(jié)合優(yōu)化后的PID控制算法，可以通過(guò)學(xué)習(xí)和反饋機(jī)制不斷優(yōu)化和調(diào)整控制策略，以適應(yīng)不同的運(yùn)動(dòng)任務(wù)和環(huán)境條件，使機(jī)械手在抓取和定位控制過(guò)程中更加穩(wěn)定和精確，提高操作效率。

小腦神經(jīng)網(wǎng)絡(luò)在復(fù)雜的動(dòng)態(tài)環(huán)境下具有良好的非線性函數(shù)能力，PID控制算法具有良好的控制能力，故將兩者結(jié)合用于生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制。

小腦模型神經(jīng)網(wǎng)絡(luò)-PID控制結(jié)構(gòu)如圖3（b）所示。

在小腦神經(jīng)網(wǎng)絡(luò)上完成概念映射，即將輸入?yún)^(qū)間Dmin，Dmax按照M+2V個(gè)量化分隔，其公式表達(dá)如下：

式中bo表示映射分量。

基于物體的大小和估計(jì)的視覺(jué)距離，設(shè)計(jì)PID控制算法，將期望信號(hào)y（t）和實(shí)際信號(hào)u（t）之間的偏差作為輸入，PID控制算法輸出信號(hào)和期望信號(hào)為小腦模型神經(jīng)網(wǎng)絡(luò)的輸入，最后得到的PID控制算法輸出信號(hào)與小腦模型神經(jīng)網(wǎng)絡(luò)的輸出信號(hào)之和，即為小腦模型神經(jīng)網(wǎng)絡(luò)-PID控制結(jié)構(gòu)的控制信號(hào)。

期望信號(hào)和實(shí)際信號(hào)誤差r（t）公式表達(dá)如下：

PID控制算法輸出ip（t）公式表達(dá)如下：

式中：Lb、Lj、Lw分別表示比例、積分、微分系數(shù)；r（t）表示期望信號(hào)和實(shí)際信號(hào)的誤差。

小腦模型神經(jīng)網(wǎng)絡(luò)的輸出ix（t）公式表達(dá)如下：

式中：α表示網(wǎng)絡(luò)泛化系數(shù)；so表示二進(jìn)制選擇向量；eo表示權(quán)值。

得到小腦模型神經(jīng)網(wǎng)絡(luò)-PID控制結(jié)構(gòu)的輸出控制信號(hào)i（t）公式表達(dá)如下：

i（t）=ix（t）+ip（t）（12）

基于此，完成生產(chǎn)線機(jī)械手抓取定位控制。

4 實(shí)驗(yàn)與分析

為了驗(yàn)證基于PLC的生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制方法研究的有效性，對(duì)其完成如下測(cè)試。

實(shí)驗(yàn)以YH-JQ型號(hào)搬運(yùn)上下料四軸機(jī)械手為對(duì)象，進(jìn)行紙殼箱搬運(yùn)實(shí)驗(yàn)，生產(chǎn)線包括以下環(huán)節(jié)。

1）進(jìn)料區(qū)：在進(jìn)料區(qū)域，原材料紙張或制作好的紙殼箱通過(guò)輸送帶或滾筒輸送到生產(chǎn)線上。

2）自動(dòng)疊箱機(jī)：自動(dòng)疊箱機(jī)用于將紙張按照特定方式折疊和粘合成紙殼箱。機(jī)器會(huì)自動(dòng)折疊箱體，并使用膠水將箱子的底部和側(cè)面粘合在一起。

3）灌裝區(qū)：將產(chǎn)品填充到紙殼箱中。根據(jù)具體需求，可以設(shè)置多個(gè)灌裝站點(diǎn)以適應(yīng)不同的產(chǎn)品需求。常見(jiàn)的灌裝設(shè)備有自動(dòng)包裝機(jī)、流水線等。

4）封箱機(jī)：在封箱機(jī)之后，紙殼箱的頂部經(jīng)過(guò)膠水或其它方式進(jìn)行密封，確保產(chǎn)品在運(yùn)輸和儲(chǔ)存過(guò)程中的安全性。

5）輸送系統(tǒng)：輸送系統(tǒng)利用YH-JQ型號(hào)搬運(yùn)上下料四軸機(jī)械手，將已封好的紙殼箱從生產(chǎn)線運(yùn)送到下一個(gè)環(huán)節(jié)，比如打碼、標(biāo)簽、包裝等。已封好的紙殼箱會(huì)被輸送到倉(cāng)庫(kù)或運(yùn)輸區(qū)域，等待進(jìn)一步的包裝和運(yùn)輸處理。

生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制現(xiàn)場(chǎng)如圖4所示。

在生產(chǎn)線搬運(yùn)機(jī)械手上安裝位移傳感器來(lái)檢測(cè)物料的位置、姿態(tài)等信息，確定機(jī)械手的初始位置和姿態(tài)以及抓取的目標(biāo)物料的位置和姿態(tài)，以便機(jī)械手能夠準(zhǔn)確地執(zhí)行抓取和定位操作。

在上述實(shí)驗(yàn)設(shè)置的基礎(chǔ)上，采用基于PLC的生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制方法（所提方法）、基于DSP的生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制方法（文獻(xiàn)［3］方法）和基于改進(jìn)差分進(jìn)化算法的生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制方法（文獻(xiàn)［4］方法）完成實(shí)驗(yàn)測(cè)試。

1）控制器魯棒性對(duì)比

通過(guò)階躍響應(yīng)曲線評(píng)價(jià)控制器的魯棒性。

在生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制時(shí)間為6s時(shí)加入一個(gè)1kN·m的方波擾動(dòng)，采用所提方法、文獻(xiàn)［3］方法和文獻(xiàn)［4］方法完成生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制，3種方法的擾動(dòng)響應(yīng)曲線如圖5所示。

分析圖5可知，受到噪聲干擾后，文獻(xiàn)［3］方法在9.6ms后實(shí)現(xiàn)生產(chǎn)線搬運(yùn)機(jī)械手抓取定位穩(wěn)定控制，跟蹤誤差為0.15rad；文獻(xiàn)［4］方法在8.8ms后實(shí)現(xiàn)生產(chǎn)線搬運(yùn)機(jī)械手抓取定位穩(wěn)定控制，跟蹤誤差為0.25rad；所提方法在4.5ms后實(shí)現(xiàn)生產(chǎn)線搬運(yùn)機(jī)械手抓取定位穩(wěn)定控制，跟蹤誤差為0.01rad。所提方法在受到噪聲干擾后，干擾響應(yīng)耗時(shí)及跟蹤誤差均明顯小于文獻(xiàn)［3］方法和文獻(xiàn)［4］方法，表明所提方法的魯棒性能更好。所提方法通過(guò)改進(jìn)的YOLOv2模型識(shí)別待搬運(yùn)物體的位置，能夠快速且精確地進(jìn)行物體檢測(cè)，提供機(jī)械手抓取的目標(biāo)位置和大小信息。在此基礎(chǔ)上使用改進(jìn)的K-means聚類(lèi)算法通過(guò)聚類(lèi)過(guò)程估計(jì)待搬運(yùn)物體與機(jī)械手之間的相對(duì)距離和大小，更好地估計(jì)出物體與機(jī)械手之間的關(guān)系，從而更準(zhǔn)確地進(jìn)行定位和抓取操作。

2）機(jī)械手定位控制精度對(duì)比

在100s控制時(shí)間內(nèi)，采用所提方法、文獻(xiàn)［3］方法和文獻(xiàn)［4］方法完成生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制，記錄3種方法的抓取定位控制精度如圖6所示。

由圖6可知，兩種對(duì)比方法與實(shí)際運(yùn)動(dòng)軌跡之間的偏差較大。在100s時(shí)，目標(biāo)位置為（60，41），文獻(xiàn)［3］方法、文獻(xiàn)［4］方法和所提方法定位位置分別為（60，58）、（60，49）和（60，39）。由此可知，3種方法在x軸方向不存在偏差，y軸偏差較大。因此，以100s時(shí)的位置為基準(zhǔn)，得到文獻(xiàn)［3］方法、文獻(xiàn)［4］方法和所提方法3種方法在y軸方向上的機(jī)械手定位誤差量化結(jié)果為：17mm、8mm和2mm。這證實(shí)了所提方法的生產(chǎn)線機(jī)械手抓取定位的實(shí)際軌跡較目標(biāo)軌跡偏差較小，表明所提方法的生產(chǎn)線機(jī)械手抓取定位控制精度更高。

3）抓取定位控制時(shí)間對(duì)比

采用所提方法、文獻(xiàn)［3］方法和文獻(xiàn)［4］方法完成生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制，記錄3種方法的抓取定位控制時(shí)間如圖7所示。

分析圖7可知，在10次實(shí)驗(yàn)過(guò)程中，文獻(xiàn)［3］方法完成生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制時(shí)間在21.0～25.0s之間，文獻(xiàn)［4］方法完成生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制時(shí)間在14.0～16.5s之間，所提方法完成生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制時(shí)間在5.5～7.5s之間。所提方法的生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制時(shí)間均低于文獻(xiàn)［3］方法和文獻(xiàn)［4］方法，表明所提方法的生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制效率高。

通過(guò)上述實(shí)驗(yàn)可知，所提方法首先通過(guò)改進(jìn)YOLOv2模型和改進(jìn)K-means算法對(duì)待搬運(yùn)物體展開(kāi)大小及距離識(shí)別，準(zhǔn)確定位了待搬運(yùn)物體位置，為機(jī)械手的抓取定位控制提供了準(zhǔn)確的目標(biāo)，提高了抓取定位的準(zhǔn)確性；其次，基于PLC的生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制，提高了機(jī)械手抓取定位精度，使生產(chǎn)線機(jī)械手抓取定位性能更優(yōu)。

5 結(jié)語(yǔ)

研究生產(chǎn)線搬運(yùn)機(jī)械手的抓取定位控制方法是工業(yè)領(lǐng)域研究的重點(diǎn)問(wèn)題之一。針對(duì)生產(chǎn)線搬運(yùn)機(jī)械手抓取精度低的問(wèn)題，提出基于PLC的生產(chǎn)線搬運(yùn)機(jī)械手抓取定位控制方法。實(shí)驗(yàn)結(jié)果表明：所提方法受到噪聲干擾后階躍響應(yīng)波動(dòng)較小，體現(xiàn)了所提方法的魯棒性能更好；該方法抓取定位的實(shí)際軌跡較目標(biāo)軌跡偏差較小，體現(xiàn)了該方法定位控制精度較好。同時(shí)，該方法抓取定位控制耗時(shí)較短，體現(xiàn)了該方法的控制效率較高。由此可見(jiàn)，所提方法解決了傳統(tǒng)方法中存在的問(wèn)題，具有現(xiàn)實(shí)應(yīng)用意義。

參考文獻(xiàn)：

［1］ 孟祥斌，張雅彬，田衛(wèi)華，等. 基于重力感應(yīng)傳感器的六自由度車(chē)載機(jī)械手控制系統(tǒng)設(shè)計(jì)［J］. 儀表技術(shù)與傳感器，2022（8）：80-84.

［2］ 任工昌，王樂(lè)，桓源，等. 針對(duì)機(jī)械手抓取皮革位置的研究［J］. 中國(guó)皮革，2022，51（5）：31-35.

［3］ 史亞貝. 基于DSP的三自由度采摘機(jī)械手控制系統(tǒng)研究［J］. 農(nóng)機(jī)化研究，2022，44（2）：34-38.

［4］ 沈孝龍，王吉芳，秦宇飛，等. 基于改進(jìn)差分進(jìn)化算法的機(jī)械手軌跡控制［J］. 組合機(jī)床與自動(dòng)化加工技術(shù)，2022（5）：105-108，112.

［5］ 馬金茹，高文華，祁宇明. 一種自適應(yīng)擾動(dòng)觀測(cè)器的機(jī)械手滑模控制研究［J］. 機(jī)床與液壓，2022，50（3）：54-60.

［6］ 孫銳，薛勃，王鑫，等. 人造板上下料機(jī)械手的動(dòng)力學(xué)分析及仿真［J］. 包裝工程，2022，43（17）：130-139.

［7］ 胡義華. 抓取機(jī)械手的動(dòng)力學(xué)性能及結(jié)構(gòu)有限元仿真［J］. 濟(jì)南大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，35（5）：508-512.

［8］ 楊智勇，謝迪，王君，等. 帶傳動(dòng)式仿人機(jī)械手抓取規(guī)劃及穩(wěn)定性分析［J］. 組合機(jī)床與自動(dòng)化加工技術(shù)，2021（2）：57-61.

［9］ 王琦，唐術(shù)鋒，張慧杰，等. 連桿型欠驅(qū)動(dòng)機(jī)械手指設(shè)計(jì)及抓取穩(wěn)定性分析［J］. 機(jī)械設(shè)計(jì)與研究，2023，39（1）：59-62，70.

［10］ 詹道樺，王晗，林健，等. 對(duì)機(jī)械手定位的全相位傅里葉變換相位式激光測(cè)距系統(tǒng)［J］. 激光與光電子學(xué)進(jìn)展，2023，60（5）：135-140.

［11］ 王蘭，陳兆學(xué)，王朝暉. 基于單目視覺(jué)的中醫(yī)診療機(jī)械手三維坐標(biāo)定位和變換方法［J］. 光學(xué)技術(shù)，2022，48（2）：229-236.

［12］ 雷翔鵬，劉業(yè)峰. 欠驅(qū)動(dòng)多指機(jī)械手抓取能力分析與優(yōu)化研究［J］. 控制工程，2022，29（4）：730-737.

［13］ 朱銀龍，趙虎，蘇海軍，等. 四指軟體機(jī)械手機(jī)械特性分析與抓取試驗(yàn)［J］. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（9）：434-442.

［14］ 王聰，張子揚(yáng)，陳言壯，等. 基于深度強(qiáng)化學(xué)習(xí)與多參數(shù)域隨機(jī)化的水下機(jī)械手自適應(yīng)抓取研究［J］. 信息與控制，2022，51（6）：651-661.

［15］ 蘇建華，劉傳凱，王智偉，等. 面向3維物體的三指機(jī)械手 “包籠抓取” 方法［J］. 機(jī)器人，2021，43（2）：129-139.