20六自由度機械手畢業(yè)論文

.PAGE.六自由度機械手畢業(yè)論文專業(yè)機械設(shè)計制造及其自動化課題六自由度機械手機械設(shè)計摘要文中設(shè)計了一種六自由度機械手。該機械手主要由底座,腰部,主板,大手臂,小手臂,手腕,夾爪組成,采用步進電機驅(qū)動,單片機控制。手臂的尺寸與人手臂的大小相當(dāng)。手臂的運動主要包括：腰部轉(zhuǎn)動,大手臂擺動,小手臂擺動,手腕擺動,手腕轉(zhuǎn)動,夾爪夾取。此手臂的空間活動半徑0.5m,定位精度為5mm.它能夠抓取重量較輕的物體,并放到預(yù)定位置。該機械手有過載保護以及斷電空間位置的自鎖功能.可以用于教學(xué)演示,或者在有放射性的環(huán)境中完成特定工作。文中對機械手進行了正運動學(xué)分析,采用齊次坐標(biāo)變換法得到了機械手末端位置和姿態(tài)隨關(guān)節(jié)夾角之間的變換關(guān)系,并完成了總體機械結(jié)計、步進電機選型、蝸輪蝸桿及帶傳動比的確定以及部分重要零件的設(shè)計。關(guān)鍵詞：機械手六自由度步進電機同步帶。AbstractAkindofmanipulatorofsixdegreesoffreedomhasbeendesignedinthispaper.Thismanipulatorismadeupofthefoundation,thewaist,thebigarm,thesmallarm,thewrist,andtheclaw;themanipulatorisdrivenbysteppermotor,andcontrolledbysinglechip.Thesizeofthemanipulatorisequalinthesizetothearmsofpeople.Locomotionofthemanipulatorincludes:waistturning,bigarmswung,smallarmswung,wristswung,wristrotating,clawfetching.Theradiusofactionis0.5m,andtheaccuracyis5mm.Itcanpickthelight-weightobject,andputittotherecalculatedposition.Themanipulatorhasoverloadprotectionfunction,andspacepositionself-lockfunction.Thisarmcanbeusedinteaching,orinradioactiveenvironments.Inthispaper,robotkinematicanalysisiscarriedoutusinghomogeneouscoordinatetransformationmethodwastheendmanipulatorjointpositionandattitudewiththechangingrelationshipbetweentheangleandsteppermotordesigning,physicalconstructiondesigninghadbeencompleted.Keywords:manipulator,sixdegreesoffreedom,steppermotor,lockingband.目錄目錄……………………41緒論…………………61.1國內(nèi)機械手研狀………………61.2機械手的構(gòu)成…………………71.3機械手的發(fā)展趨勢…………91.4本設(shè)計課題的背景和意義…………………92機械手的總體方案設(shè)計…………102.1機械手基本形式的選擇……………………102.2機械手的主要部件及運動…………………112.3驅(qū)動機構(gòu)的選擇……………122.4傳動機構(gòu)的選擇……………123機械手的數(shù)學(xué)建模………………123.1機器人數(shù)學(xué)基礎(chǔ)……………123.2機器人的運動學(xué)方程………134機械手的整體設(shè)計計算…………154.1手部設(shè)計基本要求…………154.2典型的手部結(jié)構(gòu)……………164.3機械手手指的設(shè)計計算……………………164.3.1選擇手抓的類型和加緊機構(gòu)…………164.3.2手抓加緊力與驅(qū)動力的力學(xué)分析……164.4驅(qū)動電機的選擇……………174.4.1手指張合電機的選擇…………………174.4.2手腕電機的選擇………194.4.3大手臂擺動電機的選擇………………194.4.4小手臂擺動電機的選擇………………204.4.5手腕擺動電機的選擇…………………204.4.6底座轉(zhuǎn)動電機的選擇…………………214.5渦輪蝸桿、帶輪的選擇及傳動比的確定…………………214.5.1底座電機處渦輪蝸桿的傳動的確定…………………214.5.2大手臂電機處渦輪蝸桿及帶傳動的確定……………224.5.3小手臂電機處渦輪蝸桿及帶傳動的確定……………234.5.4手腕擺動電機處渦輪蝸桿及帶傳動的確定…………244.6小手臂擺動處軸的校核……………………255總結(jié)與展望………………………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(shè)計任務(wù)書與開題報告………………46多自由度機械手機械設(shè)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(fù)等手工作業(yè)。在工業(yè)生產(chǎn)中應(yīng)用的機械手被稱為工業(yè)機械手。工業(yè)機械手是近代自動控制領(lǐng)域中出現(xiàn)的一項新技術(shù),并已成為現(xiàn)代機械制造生產(chǎn)系統(tǒng)中的一個重要組成部分,這種新技術(shù)發(fā)展很快,逐漸成為一門新興的學(xué)科——機械手工程。機械手涉及到力學(xué)、機械學(xué)、電器液壓技術(shù)、自動控制技術(shù)、傳感器技術(shù)和計算機技術(shù)等科學(xué)領(lǐng)域,是一門跨學(xué)科綜合技術(shù)。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(shè)備。工業(yè)機械手也是工業(yè)機器人的一個重要分支。他的特點是可以通過編程來完成各種預(yù)期的作業(yè),在構(gòu)造和性能上兼有人和機器各自的優(yōu)點,尤其體現(xiàn)在人的智能和適應(yīng)性。機械手作業(yè)的準(zhǔn)確性和環(huán)境中完成作業(yè)的能力,在國民經(jīng)濟領(lǐng)域有著廣泛的發(fā)展空間[3]。1.1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。80年代,工業(yè)機械手產(chǎn)業(yè)得到了巨大的發(fā)展,應(yīng)用范圍遍及工業(yè)生產(chǎn)的各個領(lǐng)域。80年代末期,各國把發(fā)展的目標(biāo)調(diào)整到更現(xiàn)實的基礎(chǔ)上來。90年代,機械手的發(fā)展已經(jīng)不再局限于機械手本身,而成為了新一代整個機器的發(fā)展方向?，F(xiàn)在的絕大多數(shù)工業(yè)機器人是可編程控的機器人。這種系統(tǒng)的主要特點在于它的通用性和靈活性。目前,機器人的種類也越來越多,呈現(xiàn)了多元化的趨勢,相繼出現(xiàn)了水下機器人,爬臂機器人,爬管機器人,二足,四足和六足機器人,空間機器人以及各種人工假肢等,機器人技術(shù)也已深入到工業(yè)、農(nóng)業(yè)、軍事醫(yī)學(xué)及公共服務(wù)各項事業(yè)中,其本身己成為一個非常廣闊的研究領(lǐng)域,涉及力學(xué)、電子學(xué)、生物學(xué)、控制論、計算機科學(xué)、人工智能和系統(tǒng)工程等,成為一門綜合了多學(xué)科的高技術(shù),并逐漸形成了一個完整的體系—機器人學(xué)121。近年來,機器人技術(shù)作為機電一體化的最高成就已經(jīng)成為當(dāng)代科學(xué)技術(shù)發(fā)展的最活躍的領(lǐng)域之一,機器人的研究,創(chuàng)造和應(yīng)用水平也已成為一個國家的科技水平和經(jīng)濟實力的象征,正受到越來越多國家的廣泛重視。機械手的控制問題是與其運動學(xué)和動力學(xué)問題密切相關(guān)的。從控制觀點上看,機器人系統(tǒng)代表冗余的,多變量和本質(zhì)上非線性的控制系統(tǒng),同時又是復(fù)雜的耦合動態(tài)系統(tǒng)。每個控制任務(wù)本身就是一個動力學(xué)任務(wù)。在實際研究中,往往把機器人控制系統(tǒng)簡化為若干個低階子系統(tǒng)來描述。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。機器人控制器的選擇,是由機器人所執(zhí)行的任務(wù)決定的。中級技術(shù)水平以上的機器人,絕大多數(shù)采用計算機控制,要求控制器有效而且靈活,能夠處理工作任務(wù)指令和傳感信息這兩種輸入。用戶與系統(tǒng)間的接口,要求能夠迅速地指明工作任務(wù)。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(wù)。從關(guān)節(jié)<或連桿>角度看,可把工業(yè)機械手的控制器分為單關(guān)節(jié)<連桿>控制器和多關(guān)節(jié)<連桿>控制器兩種。對于前者,設(shè)計時應(yīng)考慮穩(wěn)態(tài)誤差的補償問題:對于后者,則應(yīng)該考慮耦合慣量的補償問題。變結(jié)構(gòu)控制是在20世紀50年代被提出來的限于當(dāng)時的技術(shù)條件和控制手段,這種理論沒有得到迅速發(fā)展。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。變結(jié)構(gòu)控制系統(tǒng)的特點是,在動態(tài)控制過程中,系統(tǒng)的結(jié)構(gòu)根據(jù)系統(tǒng)當(dāng)時的狀態(tài)偏差及其各階導(dǎo)數(shù)的變化,以躍變的方式按設(shè)定的規(guī)律作相應(yīng)的改變,它是一類特殊的非線性控制系統(tǒng)[3]。1.2機械手的構(gòu)成現(xiàn)代機械手主要由手抓、傳動機構(gòu)、動力部分、控制系統(tǒng)與其它部分構(gòu)成。<1>手爪手爪又稱抓取機構(gòu),包括手指、傳力機構(gòu)和驅(qū)動裝置等,作用是直接抓取和放置工件<或工具>。<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。傳動機構(gòu)根據(jù)結(jié)構(gòu)和原理的不同,有機械傳動機構(gòu),包括:齒輪傳動、絲杠傳動、帶傳動、鏈傳動、連桿傳動和凸輪傳動等多種類型,以及液壓傳動機構(gòu)、氣動傳動機構(gòu)等。近年來,隨著各類伺服系統(tǒng),尤其是電氣伺服系統(tǒng)的性能完善和成本降低,使運動傳動機構(gòu)有較大的簡化。<3>動力部分動力部分是驅(qū)動前兩部分的動力,因此也稱動力源。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。在電動執(zhí)行裝置中,有直流<DC>電機、交流<AC>電機、步進電機和直接驅(qū)動<DD>電機等實現(xiàn)旋轉(zhuǎn)運動的電動機,以及實現(xiàn)直線運動的直線電機。電動驅(qū)動裝置由于其能源容易獲得,使用方便,所以得到了廣泛的應(yīng)用;氣動驅(qū)動裝置有氣缸、氣動馬達等,這些裝置具有重量輕、價格便宜等特點;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。<4>控制系統(tǒng)控制系統(tǒng)是機械手的指揮系統(tǒng),由它來控制動作的順序<程序>、位置和時間<甚至速度和加速度>等;通過對動力部分的控制,使執(zhí)行機構(gòu)按照規(guī)定的要求進行工作。<5>其它部分其它部分包括機體、行走機構(gòu)、檢測裝置和傳感裝置等:①機體<也稱機身>是用于支承和連接其他零件、部件的基礎(chǔ)件。②行走機構(gòu)是為了擴大機械手的使用空間而設(shè)置的。它本身又包括動力源、傳動<減速>機構(gòu)、滾輪或連桿機構(gòu)。目前大多數(shù)機械手還缺乏行走機構(gòu);③檢測裝置是檢測和控制機械手各運動行程<位置>的裝置,主要是對位置、速度和力等各種外部和內(nèi)部信息進行檢測;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(yīng)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(yīng)等[11]。1.3機械手的發(fā)展趨勢<1>工業(yè)機器人性能不斷提高<高速度、高精度、高可靠性、便于操作和維修>,而單機價格不斷下降。<2>機械結(jié)構(gòu)向模塊化、可重構(gòu)化發(fā)展。例如關(guān)節(jié)模塊中的伺服電機、減速機、檢測系統(tǒng)三位一體化:由關(guān)節(jié)模塊、連桿模塊用重組方式構(gòu)造機器人整機;國外已有模塊化裝配機器人產(chǎn)品問市。<3>工業(yè)機器人控制系統(tǒng)向基于PC機的開放型控制器方向發(fā)展,便于標(biāo)準(zhǔn)化、網(wǎng)絡(luò)化;器件集成度提高,控制柜日見小巧,且采用模塊化結(jié)構(gòu):大大提高了系統(tǒng)的可靠性、易操作性和可維修性。<4>機器人中的傳感器作用日益重要,除采用傳統(tǒng)的位置、速度、加速度等傳感器外,裝配、焊接機器人還應(yīng)用了視覺、力覺等傳感器,而遙控機器人則采用視覺、聲覺、力覺、觸覺等多傳感器的融合技術(shù)來進行環(huán)境建模及決策控制多傳感器融合配置技術(shù)在產(chǎn)品化系統(tǒng)中已有成熟應(yīng)用。<5>虛擬現(xiàn)實技術(shù)在機器人中的作用已從仿真、預(yù)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。<6>當(dāng)代遙控機器人系統(tǒng)的發(fā)展特點不是追求全自治系統(tǒng),而是致力于操作者與機器人的人機交互控制,即遙控加局部自主系統(tǒng)構(gòu)成完整的監(jiān)控遙控操作系統(tǒng),使智能機器人走出實驗室進入實用化階段。美國發(fā)射到火星上的"索杰納"機器人就是這種系統(tǒng)成功應(yīng)用的最著名實例。<7>機器人化機械開始興起。當(dāng)前我國的機器人生產(chǎn)都是應(yīng)用戶的要求,"一客戶,一次重新設(shè)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。因此迫切需要解決產(chǎn)業(yè)化前期的關(guān)鍵技術(shù),對產(chǎn)品進行全面規(guī)劃,搞好系列化、通用化、模塊化設(shè)計,積極推進產(chǎn)業(yè)化進程。1.4設(shè)計課題的背景和意義隨著科學(xué)技術(shù)的發(fā)展,機械手在我們生活中也扮演著越來越重要的角色。特別是在現(xiàn)代工業(yè)生產(chǎn)領(lǐng)域中,越來越多的機械手被用來代替人的實際勞動,更激發(fā)了我對機器人技術(shù)濃厚的興趣,所以在這次畢業(yè)設(shè)計中,我選擇了六自由度機機械手設(shè)計與制作這個題目。六自由度機械手設(shè)計分為機械部分與控制部分兩大模塊。機械部分主要是完成機構(gòu)的設(shè)計與零件的加工,而控制部分主要完成的工作的是對六自由度機械手整個的動作流程進行設(shè)計,并通過硬件的連接和對61板編寫合適的程序,以實現(xiàn)紅外檢測,電機驅(qū)動等功能。本次畢業(yè)設(shè)計負責(zé)機械部分的設(shè)計與制作。它應(yīng)當(dāng)實現(xiàn)的功能是：大面積快速搜索和定位功能滿足空間定位精度5mm自動抓取功能過載保護功能掉電保護功能從結(jié)構(gòu)和功能上來看,這個六自由度機械手確實稱不上復(fù)雜,但它卻具有很重要的意義。首先它是我第一次將四年所學(xué)知識的第一次綜合運用,無論最初的設(shè)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。其次,它的制作完成一定可以極大的激發(fā)同學(xué)們對機器人技術(shù)的熱愛,提高對機器人技術(shù)的濃厚興趣,并吸引更多的同學(xué)投入到機器人設(shè)計與制作行列中來。再次,它主要是用來當(dāng)作學(xué)校的示教工具,其充分運用和綜合了我在大學(xué)四年中所學(xué)的機械內(nèi)容,能夠讓更多的同學(xué)在今后的學(xué)習(xí)中對機械方面有更加深刻的理解。2機械手的總體方案設(shè)計本課題是型回轉(zhuǎn)型機械手的設(shè)計.本設(shè)計主要任務(wù)是完成機械手的結(jié)構(gòu)方面設(shè)計。在本章中對機械手的坐標(biāo)形式、自由度、驅(qū)動機構(gòu)等進行了確定。因此,機械手的執(zhí)行機構(gòu)、驅(qū)動機構(gòu)是本次設(shè)計的主要任務(wù)。2.1機械手基本形式的選擇常見的工業(yè)機械手根據(jù)手臂的動作形態(tài),按坐標(biāo)形式大致可以分為以下4種:<1>直角坐標(biāo)型機械手;<2>圓柱坐標(biāo)型機械手;<3>球坐標(biāo)<極坐標(biāo)>型機械手;<4>多關(guān)節(jié)型機機械手[1]。其中多關(guān)節(jié)型機械手結(jié)構(gòu)簡單緊湊,定位精度較高,占地面積小,因此本設(shè)計采用多關(guān)節(jié)型。由于本次是畢業(yè)設(shè)計考慮到綜合運用本科階段所學(xué)知識固設(shè)計如圖1.1。這是本次畢業(yè)設(shè)計課題六自由度機械手的整體設(shè)計示意圖。圖2.1機械手整體示意圖2.2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(shè)計任務(wù),為了滿足設(shè)計要求,本設(shè)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。本設(shè)計機械手主要由4個大部件和6個電機組成：手部,采用一個小型步進電機,通過導(dǎo)軌機構(gòu)運動實現(xiàn)手抓的張合。腕部,采用一個步進電機實現(xiàn)手部回轉(zhuǎn)180°。臂部,采用步進電機,通過同步帶來實現(xiàn)手臂的上下擺動。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。2.3驅(qū)動機構(gòu)的選擇驅(qū)動機構(gòu)是工業(yè)機械手的重要組成部分,工業(yè)機械手的性能價格比在很大程度上取決于驅(qū)動方案及其裝置。根據(jù)動力源的不同,工業(yè)機械手的驅(qū)動機構(gòu)大致可分為液壓、氣動、電動和機械驅(qū)動等四類。采用電動機構(gòu)驅(qū)動機械手、結(jié)構(gòu)簡單、尺寸緊湊、設(shè)計方便、控制簡單與能綜合運用本科階段所學(xué)知識等優(yōu)點。因此,機械手的驅(qū)動方案選擇電動驅(qū)動。2.4傳動機構(gòu)的選擇在現(xiàn)有的機械手系統(tǒng)中,所采用的傳動機構(gòu)主要有蝸輪蝸桿傳動、行星輪系傳動、鏈傳動、帶傳動等。帶傳動的主要優(yōu)點是：1適用于中心距較大的傳動；2帶具有良好的饒性,可緩和沖擊、吸收振動；3過載時帶與帶輪間出現(xiàn)打滑,打滑雖使傳動失效,但可防止損壞其他零件；4結(jié)構(gòu)簡單、成本低廉。在本次設(shè)計中,鑒于手臂傳動中心距較大,傳動要求相對高的精度,故相比較后選擇同步帶進行傳動[1]。3機械手的數(shù)學(xué)模型3.1機器人的數(shù)學(xué)基礎(chǔ)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(dāng)成剛體,進而研究各剛體之間的運動關(guān)系。而通過在剛體上面固連一個坐標(biāo)系,再將該固連的坐標(biāo)系在空間表示出來。由于這個坐標(biāo)系一直固連在剛體上,所以這個坐標(biāo)系如果可以在空間表示出來,那么這個剛體相對于固定坐標(biāo)系的位姿也就已知了?？臻g任意一點P在不同的坐標(biāo)系中的描述是不同的,因此經(jīng)過不同的坐標(biāo)變換P點的坐標(biāo)是不同的。坐標(biāo)變換包括平移變換、旋轉(zhuǎn)變換與復(fù)合變換。用四維向量表示三維空間一點的位置P,即：上式稱為點的齊次坐標(biāo),式中為非零常數(shù)。當(dāng)n維位置向量用n+l維位置向量表示時,稱為齊次坐標(biāo)表示式。齊次變換矩陣可分解為平移變換和旋轉(zhuǎn)變換,即：式中.為平移變換矩陣,為繞過原點的K軸轉(zhuǎn)動角的旋轉(zhuǎn)變換矩陣。3.2機器人的運動學(xué)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(dǎo)致連桿的運動。本論文采用D-H<Denavit和Harenberg>分析方法來描述機器人相鄰兩連桿之間的運動學(xué)關(guān)系即用一個4X4的齊次變換矩陣來描述相鄰兩連桿的位置與姿態(tài)<簡稱為位姿>,以此推導(dǎo)出"手爪坐標(biāo)系"相對于"參考系"的齊次變換矩陣,從而建立操作臂的幾何模型和運動學(xué)方程。對于具有n個連桿的機械手,運動學(xué)方程是要確定與末端坐標(biāo)系固聯(lián)的手爪相對于基座的變換。根據(jù)齊次變換矩陣的乘法規(guī)則有：式中,表示末端坐標(biāo)系相對于基坐標(biāo)系的位姿[10]?！擦藭鴮懛奖?將改寫為本課題要研究的六自由度機械手D.H模型如圖圖3.5六自由度機械手的D-H模型有以上的坐標(biāo)系推導(dǎo)法,可得出本課題六自由度機械手的運動參數(shù),如下：表1.六自由度機械手各關(guān)節(jié)參數(shù)列表關(guān)節(jié)i〔o〔mm〔mm〔o1θ100902θ20a203θ30a304θ40a49050d50-90其中,a2=a3=250mm,a4=90mm,d5=90mm有上表可求出各連桿之間的齊次變換矩陣,如下根據(jù)矩陣乘法法則,可以得出本課題六自由度機械手末端執(zhí)行器的位姿的齊次變換矩陣是：其中4機械手的整體設(shè)計計算4.1手部設(shè)計基本要求〔1應(yīng)具有適當(dāng)?shù)膴A緊力和驅(qū)動力,應(yīng)當(dāng)考慮到在一定的夾緊力下,不同的傳動機構(gòu)所需的驅(qū)動力大小是不同的；〔2手指應(yīng)具有一定的張開范圍,手指應(yīng)該具有足夠的開閉角度〔手指從張開到閉合繞支點所轉(zhuǎn)過的角度,以便于抓取工件；〔3要求結(jié)構(gòu)緊湊、重量輕、效率高,在保證本身剛度、強度的前提下,盡可能使結(jié)構(gòu)緊湊、重量輕,以利于減輕手臂的負載；〔4應(yīng)保證手抓的夾持精度。4.2典型的手部結(jié)構(gòu)〔1回轉(zhuǎn)型包括滑槽杠桿式和連桿杠桿式兩種?！?移動型移動型即兩手指相對支座作往復(fù)運動?！?平面平移型[1]4.3機械手手指的設(shè)計計算4.3.1選擇手抓的類型和夾緊機構(gòu)本設(shè)計是設(shè)計六自由度機械手的設(shè)計,考慮到所要達到的原始參數(shù)：手抓張合角=,夾取重量為1Kg。常用的工業(yè)機械手手部,按握持工件的原理,分為夾持和吸附兩大類。吸附式常用于抓取工件表面平整、面積較大的板狀物體,不適合用于本方案。本設(shè)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。平移型手指的張開閉合靠手指的平行移動,這種手指結(jié)構(gòu)簡單,適于夾持平板方料、棒料等,且工件徑向尺寸的變化不影響其軸心的位置,其理論夾持誤差零。通過采用典型的平移型手指,驅(qū)動力加在手指移動方向上,這樣結(jié)構(gòu)比較簡單且體積適中。通過綜合考慮,本設(shè)計選擇二指平移型手抓,采用滑槽導(dǎo)軌這種結(jié)構(gòu)方式。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]。4.3.2手抓夾緊力和驅(qū)動力的力學(xué)分析手指加在工件上的夾緊力,是設(shè)計手部的主要依據(jù)。必須對大小、方向和作用點進行分析計算。一般來說,需要克服工件重力所產(chǎn)生的靜載荷以及工件運動狀態(tài)變化的慣性力產(chǎn)生的載荷,以便工件保持可靠的夾緊狀態(tài)。手指對工件的夾緊力可按公式計算：式中——安全系數(shù),通常1.2--2.0；——工作情況系數(shù),主要考慮慣性力的影響?？山瓢聪率焦榔渲衋,重力方向的最大上升加速度；——運載時工件最大上升速度————方位系數(shù),根據(jù)手指與工件位置不同進行選擇G——被抓取工件所受重力〔N取=2,=0.5,G=10N根據(jù)公式,將已知條件帶入：1.5=7.65N取=0.85由驅(qū)動力公式得：=7.65/0.85=9N設(shè)F為驅(qū)動力,則其中為螺紋傾斜角=15,為摩擦角=30F=[6]4.4驅(qū)動電機的選擇4.4.1手指張合電機的選擇設(shè)前端手指的重量為0.1Kg,螺紋導(dǎo)程=1mm,則空載時,工作臺折算到電機軸上的轉(zhuǎn)動慣量為：最大工作載荷下,工作臺折算到電機軸上的轉(zhuǎn)動慣量為：〔1快速空載起動時電動機轉(zhuǎn)軸所承受的負載轉(zhuǎn)矩：式中——快速空載起動時折算到殿動機轉(zhuǎn)軸上的最大加速轉(zhuǎn)矩——移動部件運動時折算到電動機轉(zhuǎn)軸上的摩擦轉(zhuǎn)矩〔2最大工作負載狀態(tài)下電動機轉(zhuǎn)軸所承受的負載轉(zhuǎn)矩：——折算到電動機轉(zhuǎn)軸上的最大工作負載轉(zhuǎn)矩步進電機的最大靜轉(zhuǎn)矩：查手冊得,可選用XX寶馬集團前楊電機電器的36BF003型電機其=0.078N.m能夠滿足機構(gòu)要求[7]。4.4.2手腕電機的選擇〔1空載時折算到電動機轉(zhuǎn)軸上的轉(zhuǎn)動慣量：快速空載起動時電動機轉(zhuǎn)軸所承受的負載轉(zhuǎn)矩查手冊得,選用XX寶馬集團前楊電機電器的36BF003型電機其最靜轉(zhuǎn)矩=0.078能夠滿足機構(gòu)的要求[6]。4.4.3大手臂擺動電機的選擇初步估計整個手臂重量為5Kg,設(shè)大手臂擺動速度為3r/min,手臂折算到外軸上的轉(zhuǎn)動慣量為：整個手臂折算到外軸上的轉(zhuǎn)動慣量為：電動機的轉(zhuǎn)矩為：電動機的轉(zhuǎn)矩選用XX寶馬集團前楊電機電器的55BF003型電機其最大靜轉(zhuǎn)矩為=0.666N.m,能夠滿足機構(gòu)要求[7]。4.4.4小手臂擺動電機的選擇初步估計小手臂重量為3Kg,設(shè)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XX寶馬集團前楊電機電器的45BF003型電機其最大靜轉(zhuǎn)矩為=0.196N.m,能夠滿足機構(gòu)的要求[7]。4.4.5手腕擺動電機的選擇初步估計手腕部分重量為2Kg,設(shè)擺動速度為5r/min。則手腕部分折算到外軸上的轉(zhuǎn)動慣量為手腕部分折算到外軸上的轉(zhuǎn)矩為：手腕部分擺動電機的最大靜轉(zhuǎn)矩為：選用XX寶馬集團前楊電機電器的36BF003型電機其最大靜轉(zhuǎn)矩為=0.078N.m,能夠滿足機構(gòu)要求[7]。4.4.6底座轉(zhuǎn)動電機的選擇初步估計機身重量為15Kg,轉(zhuǎn)動速度為3r/min折算到電機轉(zhuǎn)軸上的轉(zhuǎn)動慣量為：折算到電機軸上的轉(zhuǎn)矩為：電機的最大靜轉(zhuǎn)矩為：選用XX寶馬集團前楊電機電器的55BF003型電機其最大靜轉(zhuǎn)矩為=0.666N.m[7]4.5蝸輪蝸桿、帶輪的選擇及傳動比的確定4.5.1底座電機處蝸輪蝸桿傳動的確定由選用電機為55BF003可得,運行頻率f=18000HZ=75r/min又=3r/mini==25蝸桿選用40Cr,45-50HRC蝸輪選用10-3鋁青銅估計=5m/s查表得=140Mpa由式其中K為載荷系數(shù),當(dāng)考慮載荷集中和動載荷影響時,K取1.1—1.3查表得m=1.25=20q=164.5.2大手臂電機處蝸輪蝸桿及帶傳動的確定由選用55BF003電機運行頻率f=18000HZ=75r/min由=3r/mini==25取蝸輪蝸桿傳動比為20帶輪傳動比為1.25〔1由傳動比i=20查表得=2=40蝸桿40Cr45—50HRC蝸輪10-3鋁青銅估計=5m/s查表得=140Mpa由式可得查表得m=2=22.4q=11.2=80〔2由=75r/min=20帶輪的主動論轉(zhuǎn)速為=3.75r/min由式V一般在5——25m/s取V=20m/s查表得：選帶輪為Y型帶=28由式其中為V帶傳動的滑動率,一般為0.01—0.02查表得：取=35.5取V帶基準(zhǔn)長度查表得：取=280由帶輪滿足要求[8]。4.5.3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=112.5r/min又=3r/min總傳動比i==37.5由大手臂擺動電機確定的一級帶輪傳動比為=1.25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40Cr45—50HRC蝸輪10-3鋁青銅估計=5m/s查表得=140Mpa由式可得查表得：m=1=18q=18=60〔1由=112.5r/min=30=1.25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(zhǔn)長度查表得：取=200[8]4.5.4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=112.5r/min又=5r/min總傳動比i==22.5又大手臂擺動電機確定的一級帶輪傳動比為=1.25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40Cr45—50HRC蝸輪10-3鋁青銅估計=5m/s查表得=140Mpa由式可得查表得：m=1=18q=18=36[8]4.6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：圖4.1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：圖4.2垂直面內(nèi)彎矩圖[9]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：圖4.3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：圖4.4軸的合成彎矩圖[9]軸的扭矩圖如下所示：圖4.5軸的扭矩圖[9]軸的危險截面為中心E點當(dāng)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。5總結(jié)與展望歷經(jīng)一個學(xué)期的努力,六自由度機械手終于設(shè)計成功。在這段時間內(nèi),我溫習(xí)和鞏固了大學(xué)四年所學(xué)的專業(yè)知識,綜合運用了所學(xué)的機械和電子方面的知識,極大的提高了我分析問題,解決問題的能力?；仡欉^去的兩個多月,感覺收獲頗豐：通過對機械手的整體方案設(shè)計,典型結(jié)構(gòu)設(shè)計,使我對大學(xué)四年所學(xué)的機械方面的知識以及專業(yè)方面的知識有了更深一步的了解和認識,而不像以前一樣僅僅停留在書本的概念上。掌握了機械結(jié)構(gòu)整體方案設(shè)計的原則和要求,在設(shè)計過程中熟練的查取了相關(guān)的設(shè)計手冊,為以后工作上的需要打下了堅實的基礎(chǔ)。通過對各個典型機構(gòu)的設(shè)計,充分的理解和掌握了機械設(shè)計方面的知識,并且也對專業(yè)上的智能控制和誤差控制方面有了更加深刻的認識。由于論文的研究時間、本人的能力和知識范圍有限,本論文的研究工作還存在著一些不足之處,存在一些需要完善和改進的地方：因為六自由度機械手控制系統(tǒng)是一個開環(huán)控制系統(tǒng),所以機器手工作過程中存在著丟步、失態(tài)問題,所以在時間和條件允許的情況下,希望能做成閉環(huán)系統(tǒng),以提高系統(tǒng)精度。系統(tǒng)幾個主要模塊尚未進行過實際考核,在工作可靠性、抗干擾性能等方面有待進一步完善和提高。此外系統(tǒng)在總體布局和結(jié)構(gòu)設(shè)計上離實際應(yīng)用還有一些待完善之處。隨著科技和社會的進步,智能機器人在人們生活的各個領(lǐng)域發(fā)揮著越來越大的作用。因此,了解機器人、研究機器人、并最終設(shè)計制造更先進、更科學(xué)、更人性化的機器人就成為我們機電專業(yè)最為重要的任務(wù)之一。謝辭經(jīng)過半年的忙碌和工作,本次畢業(yè)設(shè)計已經(jīng)接近尾聲,作為一個本科生的畢業(yè)設(shè)計,由于所學(xué)知識有限,經(jīng)驗的匱乏,難免有許多考慮不周全的地方,如果沒有導(dǎo)師的督促指導(dǎo),以及同學(xué)們的支持,想要完成這個設(shè)計是難以想象的。在這里首先要感謝我的導(dǎo)師黃老師。黃老師平日里工作繁多,但在我做畢業(yè)設(shè)計的每個階段,從查閱資料,設(shè)計草案的確定和修改,中期檢查答辯,后期詳細設(shè)計,裝配草圖等整個過程中都給予了我悉心的指導(dǎo)。我的設(shè)計較為復(fù)雜煩瑣,但是黃老師仍然細心地糾正圖紙中的錯誤與論文中的誤點。除了敬佩黃老師的專業(yè)水平外,他的治學(xué)嚴謹和科學(xué)研究的精神也是我永遠學(xué)習(xí)的榜樣,并將積極影響我今后的學(xué)習(xí)和工作。其次要感謝和我一組作畢業(yè)設(shè)計的其他同學(xué),我們在本次設(shè)計中相互學(xué)習(xí),相互鼓勵。如果我們之間的相互幫助,此次設(shè)計的完成將變得非常困難。然后還要感謝大學(xué)四年來所有的老師,指導(dǎo)我們打下專業(yè)知識的基礎(chǔ)；同時還要感謝所有的同學(xué)們,正是因為有了你們的支持和鼓勵。此次畢業(yè)設(shè)計才會順利完成。感謝父母對我的關(guān)愛和教誨。最后感謝機械與電氣工程學(xué)院和我的母?！猉X建筑工業(yè)學(xué)院四年來對我的大力栽培。[參考文獻][1]《工業(yè)機械手》編寫組.工業(yè)機械手[M].上海:上海科學(xué)技術(shù)出版社,1978.P38-89[2]高軍.多自由度機械手的氣動控制[D].XX工業(yè)大學(xué)：機械電子工程學(xué)院,2005[3]天津大學(xué)編.工業(yè)機械手設(shè)計基礎(chǔ)[M].天津：天津科技出版社,1998.P53-72[4]楊柯楨,程光蘊.機械設(shè)計基礎(chǔ)<第四版>[M].北京：高等教育出版社,1999.P194-235[5]張善鍾主編.精密儀器結(jié)構(gòu)設(shè)計手冊[M].北京：機械工業(yè)出版社,2001.P86-93[6]成大先.機械設(shè)計手冊<第三版第5卷>[M].北京：化學(xué)工業(yè)出版社,1994.P607-644[7]尹志強.機電一體化系統(tǒng)設(shè)計課程設(shè)計指導(dǎo)書[M].北京：機械工業(yè)大學(xué)出版,2007.P55-67[8]龐振基,黃其圣.精密機械設(shè)計[M].北京：機械工業(yè)出版社,2000.P182-200[9]楊伯源.材料力學(xué)<Ⅰ>[M].北京：機械工業(yè)出版社,2002.P51-84[10]<美>尼庫<Niku,S.B>著；孫富春等譯.機器人學(xué)導(dǎo)論[M].北京:電子工業(yè)出版社,2004.P26-74[11]秦衛(wèi)貞.四自由度教學(xué)機器人控制系統(tǒng)的研究與設(shè)計.東北大學(xué).2007附錄一英文科技文獻翻譯英文原文AutomatedTrackingandGraspingofaMovingObjectwithaRoboticHand-EyeSystemAbstractMostroboticgraspingtasksassumeastationaryorfixedobject.Inthispaper,weexploretherequirementsfortrackingandgraspingamovingobject.Thefocusofourworkistoachieveahighlevelofinteractionbetweenareal-timevisionsystemcapableoftrackingmovingobjectsin3-Dandarobotarmwithgripperthatcanbeusedtopickupamovingobject.Thereisaninterestinexploringtheinterplayofhand-eyecoordinationfordynamicgraspingtaskssuchasgraspingofpartsonamovingconveyorsystem,assemblyofarticulatedparts,orforgraspingfromamobileroboticsystem.Coordinationbetweenanorganism'ssensingmodalitiesandmotorcontrolsystemisahallmarkofintelligentbehavior,andwearepursuingthegoalofbuildinganintegratedsensingandactuationsystemthatcanoperateindynamicasopposedtostaticenvironments.Thesystemwehavebuiltaddressesthreedistinctproblemsinrobotichand-eyecoordinationforgraspingmovingobjects:fastcomputationof3-Dmotionparametersfromvision,predictivecontrolofamovingroboticarmtotrackamovingobject,andinterceptionandgrasping.Thesystemisabletooperateatapproximatelyhumanarmmovementrates,andexperimentalresultsinwhichamovingmodeltrainistrackedispresented,stablygrasped,andpickedupbythesystem.Thealgorithmswehavedevelopedthatrelatesensingtoactuationarequitegeneralandapplicabletoavarietyofcomplexrobotictasksthatrequirevisualfeedbackforarmandhandcontrol.I.INTRODUCTIONThefocusofourworkistoachieveahighlevelofinteractionbetweenreal-timevisionsystemscapableoftrackingmovingobjectsin3-Dandarobotarmequippedwithadexteroushandthatcanbeusedtointercept,grasp,andpickupamovingobject.Weareinterestedinexploringtheinterplayofhand-eyecoordinationfordynamicgraspingtaskssuchasgraspingofpartsonamovingconveyorsystem,assemblyofarticulatedparts,orforgraspingfromamobileroboticsystem.Coordinationbetweenanorganism'ssensingmodalitiesandmotorcontrolsystemisahallmarkofintelligentbehavior,andwearepursuingthegoalofbuildinganintegratedsensingandactuationsystemthatcanoperateindynamicasopposedtostaticenvironments.Therehasbeenmuchresearchinroboticsoverthelastfewyearsthataddresseithervisualtrackingofmovingobjectsorgeneralizedgraspingproblems.However,therehavebeenfeweffortsthattrytolinkthetwoproblems.Itisquiteclearthatcomplexrobotictaskssuchasautomatedassemblywillneedtohaveintegratedsystemsthatusevisualfeedbacktoplan,execute,andmonitorgrasping.Thesystemwehavebuiltaddressesthreedistinctproblemsinrobotichand-eyecoordinationforgraspingmovingobjects:fastcomputationof3-Dmotionparametersfromvision,predictivecontrolofamovingroboticarmtotrackamovingobject,andinterceptionandgrasping.Thesystemisabletooperateatapproximatelyhumanarmmovementrates,usingvisualfeedbacktotrack,intercept,stablygrasp,andpickupamovingobject.Thealgorithmswehavedevelopedthatrelatesensingtoactuationarequitegeneralandapplicabletoavarietyofcomplexrobotictasksthatrequirevisualfeedbackforarmandhandcontrol.Ourworkalsoaddressesaveryfundamentalandlimitingproblemthatisinherentinbuildingintegratedsensingactuationsystems;integrationofsystemswithdifferentsamplingandprocessingrates.Mostcomplexroboticsystemsareactuallyamalgamsofdifferentprocessingdevices,connectedbyavarietyofmethods.Forexample,oursystemconsistsofthreeseparatecomputationsystems:aparallelimageprocessingcomputer;ahostcomputerthatfilters,triangulates,andpredicts3-Dpositionfromtherawvisiondata;andaseparatearmcontrolsystemcomputerthatperformsinversekinematictransformationsandjoint-levelservicing.Eachofthesesystemshasitsownsamplingrate,noisecharacteristics,andprocessingdelays,whichneedtobeintegratedtoachievesmoothandstablereal-timeperformance.Inourcase,thisinvolvesovercomingvisualprocessingnoiseanddelayswithapredictivefilterbaseduponaprobabilisticanalysisofthesystemnoisecharacteristics.Inaddition,real-timearmcontrolneedstobeabletooperateatfastservoratesregardlessofwhethernewpredictionsofobjectpositionareavailable.Thesystemconsistsoftwofixedcamerasthatcanimageascenecontainingamovingobject<Fig.1>.APUMA-560withaparalleljawgripperattachedisusedtotrackandpickuptheobjectasitmoves<Fig.2>.Thesystemoperatesasfollows:1>Theimagingsystemperformsastereoscopicoptic-flowcalculationateachpixelintheimage.Fromtheseoptic-flowfields,amotionenergyprofileisobtainedthatformsthebasisforatriangulationthatcanrecoverthe3-Dpositionofamovingobjectatvideorates.2>The3-Dpositionofthemovingobjectcomputedbystep1isinitiallysmoothedtoremovesensornoise,andanonlinearfilterisusedtorecoverthecorrecttrajectoryparameterswhichcanbeusedforforwardprediction,andtheupdatedpositionissenttothetrajectory-planner/arm-controlsystem.3>Thetrajectoryplannerupdatesthejoint-levelservosofthearmviakinematictransformequations.Anadditionalfixed-gainfilterisusedtoprovideservo-levelcontrolincaseofmissedordelayedcommunicationfromthevisionandfilteringsystem.4>Oncetrackingisstable,thesystemcommandsthearmtointerceptthemovingobjectandthehandisusedtograsptheobjectstablyandpickitup.Thefollowingsectionsofthepaperdescribeeachofthesesubsystemsindetailalongwithexperimentalresults.П.PREVIOUSWORKPreviouseffortsintheareasofmotiontrackingandreal-timecontrolaretoonumeroustoexhaustivelylisthere.Weinsteadlistsomenotableeffortsthathaveinspiredustousesimilarapproaches.Burtetal.[9]havefocusedonhigh-speedfeaturedetectionandhierarchicalscalingofimagesinordertomeetthereal-timedemandsofsurveillanceandotherroboticapplications.Relatedworkhasbeenreportedby.LeeandWohn[29]andWiklundandGranlund[43]whousesimagedifferencingmethodstotrackmotion.Corke,Paul,andWohn[13]reportafeature-basedtrackingmethodthatusesspecial-purposehardwaretodriveaservocontrollerofanarm-mountedcamera.Goldenbergetal.[16]havedevelopedamethodthatusestemporalfilteringwithvisionhardwaresimilartoourown.Luo,Mullen,andWessel[30]reportareal-timeimplementationofmotiontrackingin1-DbasedonHornandSchunk’smethod.Vergheseetul.[41]Reportreal-timeshort-rangevisualtrackingofobjectsusingapipelinedsystemsimilartoourown.Safadi[37]usesatrackingfiltersimilartoourownandapyramid-basedvisionsystem,butfewresultsarereportedwiththissystem.RaoandDurrant-Whyte[36]haveimplementedaKalmanfilter-baseddecentralizedtrackingsystemthattracksmovingobjectswithmultiplecameras.Miller[31]hasintegratedacameraandarmforatrackingtaskwheretheemphasisisonlearningkinematicandcontrolparametersofthesystem.Weissetal.[42]alsousevisualfeedbacktodevelopcontrollawsformanipulation.Brown[8]hasimplementedagazecontrolsystemthatlinksarobotic"head"containingbinocularcameraswithaservocontrollerthatallowsonetomaintainafixedgazeonamovingobject.ClarkandFerrier[12]alsohaveimplementedagazecontrolsystemforamobilerobot.Avariationofthetrackingproblemsisthecaseofmovingcameras.Someofthepapersaddressingthisinterestingproblemare[9],[15],[44],and[18].Themajorityofliteratureonthecontrolproblemsencounteredinmotiontrackingexperimentsisconcernedwiththeproblemofgeneratingsmooth,up-to-datetrajectoriesfromnoisyanddelayedoutputsfromdifferentvisionalgorithms.Ourpreviouswork[4]copedwiththatprobleminasimilarwayasin[38],usingancy-p-yfilter,whichisaformofsteady-stateKalmanfilter.Otherapproachescanbefoundinpapersby[33],[34],[28],[6].IntheworkofPapanikolopoulosetal.[33],[34],visualsensorsareusedinthefeedbacklooptoperformadaptiveroboticvisualtracking.SophisticatedcontrolschemesaredescribedwhichcombineaKalmanfilter’sestimationandfilteringpowerwithanoptimal<LQG>controllerwhichcomputestherobot’smotion.Thevisionsystemusesanoptic-flowcomputationbasedontheSSD<sumofsquareddifferences>methodwhich,whiletimeconsuming,appearstobeaccurateenoughforthetrackingtask.Efficientuseofwindowsintheimagecanimprovetheperformanceofthismethod.Theauthorshavepresentedgoodtrackingresults,aswellasstatedthatthecontrollerisrobustenoughsotheuseofmorecomplex<time-varyingLQG>methodsisnotjustified.ExperimentalresultswiththeCMUDirectDriveArmПshowthatthemethodsarequiteaccurate,robust,andpromising.TheworkofLeeandKay[28]addressestheproblemofuncertaintyofcamerasintherobot’scoordinateframe.Thefactthatcamerashavetobestrictlyfixedinrobot’sframemightbequiteannoyingsinceeachtimetheyare<mostoftenincidentally>displaced;onehastoundertakeatediousjoboftheirrecalibration.Again,theestimationofthemovingobject’spositionandorientationisdoneintheCartesianspaceandasimpleerrormodelisassumed.Andersenetal.[6]adopta3rd-orderKalmanfilterinordertoallowaroboticsystem<consistingoftwodegreesoffreedom>toplaythelabyrinthgame.AsomewhatdifferentapproachhasbeenexploredintheworkofHoushangi[24]andKoivoetal.[27].Intheseworks,theautoregressive<AR>andautograssiermoving-averagewithexogenousinput<ARMAX>modelsareinvestigatedforvisualtracking.Ш.VISIONSYSTEMInavisualtrackingproblem,motionintheimagingsystemhastobetranslatedinto3-Dscenemotion.Ourapproachistoinitiallycomputelocaloptic-flowfieldsthatmeasureimagevelocityateachpixelintheimage.Avarietyoftechniquesforcomputingoptic-flowfieldshavebeenusedwithvaryingresultsincludingmatching-basedtechniques[5],[10],[39],gradient-basedtechniques[23],[32],[113,andpatio-temporal,energymethods[20],[2].Optic-flowwaschosenastheprimitiveuponwhichtobasethetrackingalgorithmforthefollowingreasons.·Theabilitytotrackanobjectinthreedimensionsimpliesthattherewillbemotionacrosstheretinas<imageplanes>thatareimagingthescene.Byidentifyingthismotionineachcamera,wecanbegintofindtheactual3-Dmotion.·Theprincipalconstraintintheimagingprocessishighcomputationalspeedtosatisfytheupdateprocessfortheroboticarmparameters.Hence,weneededtobeabletocomputeimagemotionquicklyandrobustly.TheHom-Schunckoptic-flowalgorithm<describedbelow>iswellsuitedforreal-timecomputationonourPIPEimageprocessingengine.·Wehavedevelopedanewframeworkforcomputingoptic-flowrobustlyusinganestimation-theoreticframework[40].Whilethisworkdoesnotspecificallyusetheseideas,wehavefutureplanstotrytoadaptthisalgorithmtosuchaframework.OurmethodbeginswithanimplementationoftheHorn-Schunckmethodofcomputingoptic-flow[22].Theunderlyingassumptionofthismethodistheoptic-flowconstraintequation,whichassumesimageirradianceattimetandt+σtwillbethesame:IfweexpandthisconstraintviaaTaylorseriesexpansion,anddropsecond-andhigher-orderterms,weobtaintheformoftheconstraintweneedtocomputenormalvelocity:WhereuandUarethevelocitiesinimagespace,andIx,Iy,andItarethespatialandtemporalderivativesintheimage.Thisconstraintlimitsthevelocityfieldinanimagetolieonastraightlineinvelocityspace.Theactualvelocitycannotbedetermineddirectlyfromthisconstraintduetotheapertureproblem,butonecanrecoverthecomponentofvelocitynormaltothisconstraintlineAsecond,iterativeprocessisusuallyemployedtopropagatevelocitiesinimageneighborhoods,baseduponavarietyofsmoothnessandheuristicconstraints.Theseaddedneighborhoodconstraintsallowforrecoveryoftheactualvelocitiesu,vintheimage.Whilecomputationallyappealing,thismethodofdeterminingoptic-flowhassomeinherentproblems.First,thecomputationisdoneonapixel-by-pixelbasis,creatingalargecomputationaldemand.Second,theinformationonopticflowisonlyavailableinareaswherethegradientsdefinedaboveexist.WehaveovercomethefirstoftheseproblemsbyusingthePIPEimageprocessor[26],[7].ThePIPEisapipelinedparallelimageprocessingcomputercapableofprocessing256x256x8bitimagesatframeratespeeds,anditsupportstheoperationsnecessaryforoptic-flowcomputationinapixelparallelmethod<atypicalimageoperationsuchasconvolution,warping,additionsubtractionofimag