制造机器人系统和自动化的最新发展

机械设计由特定阶段组成，每个设计师都按照自己的方法和经验定义这些阶段。可以根据需要将工作从系统需求研究分为制造厂。设计质量取决于每个阶段开发的工作，这些步骤的数量提供了设计精度的水平。具有足够有效阶段的设计过程的结果是准确的，并满足已建立的要求。阶段编号可以定义为开发工作，应该是成功设计所必需的。本章介绍了一种新的设计方法，该方法由合适的阶段组成，可生成可行的机器人系统机械设计。应用该方法设计的机器人系统的示例已经过说明。这些系统运行的实验测试表明了成功的结果，验证了所提方法的有效性。

供应链管理的新趋势改变了整个供应链中仓库的角色和相关活动。仓库经理报告说，要管理的SKU（库存单位）数量显著增加，同时交付的订单数量减少，因此，订单拣选发生率增加。订单拣选可以定义为从高水平的单位负荷或从货架上有选择地检索单位负荷，以满足客户订单。例如，从托盘单元装载物中检索箱子或从箱子中检索零件。在这种情况下，人们越来越关注诸如“为什么要自动化？”和“回报在哪里？”等问题。尽管物料处理系统的自动化始于60年代初和70年代初，但如今已不再是时尚或创新的问题：决定是否自动化通常需要深入调查自动化之前需要考虑哪些因素。自动化主题对于订单拣选来说更为关键，拣选活动的重要性和复杂性促使物料处理系统供应商引入越来越多的自动化水平更高的解决方案。本章介绍了设计订单分拣系统（OPS）的主要解决方案。特别是，在说明了设计OPS的一般框架之后，说明了OPS的主要自动化解决方案的优缺点。本章最后介绍了支持OPS选择的分类法。

本章对ISO 14649或STEP-NC和ISO进行了解释6983或G&M代码。正在解释这两个标准的结构他们正在进行比较，并通过研究进行详细研究在两个代码表示上完成。比较总结分为提供ISO 14649如何更好装备的详细视图的特定类别与ISO 6983相比。所作的比较是关于一般的主要分类而不是关注细节结构的差异实际规范，并基于强调ISO 14649优点的意图而不是降低ISO 6983。一般来说，这两种代码都有自己的优点，但我们朝着制造业的未来、要求和进步迈进随着时间的推移而发展，这对行业适应这些变化以提供更好的服务至关重要最终产品，通过这一对一的比较，STEP-NC或ISO的实力14649可以进一步强调。

并联机械手是一种闭环机构，其中末端执行器通过至少两个独立的运动回路连接到底座。通过示例和应用说明了这些类型的操纵器的一般描述。通过多个闭环，操纵器的刚度通常会得到提高，因为多腿连接器以分布式方式支撑有效载荷。由于平台的可重构性在工业中的实际应用越来越多，因此，研究人员对其进行了更多的研究。市场上可用的商用六足类是针对特定任务的，在结构刚性和灵活性之间没有选择，无法将同一平台用于其他应用。

在本章中，我们致力于描述开发用于轮廓生成和隔振应用的可重构Stewart平台的参数。平台特性的有限处理导致缺乏有效的方法来确定此任务的最佳几何形状。通过无量纲参数的公式化，结合对结构等通用参数的研究，给出了一种解决方案。针对四种不同的平台，详细采用了Stewart平台重构的变几何方法，并在研究了不同参数后，提出了一种通用方法。

为轮廓生成应用开发的刚度模型与此通用方法一起用于识别复杂轮廓具有最大刚度的轨迹。针对这两种应用，对识别参数对Stewart平台性能和特性的影响进行了广泛研究。为了研究不同的轮廓，进行了仿真，以获得具有最大刚度的轨迹。还确定了最适合轮廓生成的配置，并确定了为特定轨迹移动刀具所需的数据集。研究了辨识出的无量纲参数对系统性能的影响。对隔振应用的参数进行了测试，并将测试结果用于试验台的设计。

开发的Stewart平台试验台使用不同轨迹的数据集，并进行误差分析以验证仿真结果。在运动路径控制的基础上，开发了一种算法，用于进行实验以发现跟踪性能。结果用于确定无量纲参数对Stewart平台重构的重要性。有人建议，这种方法可以用于任何应用程序，为任何新的可重构Stewart平台开发一套完整的设计工具。进行实验以确定开发的Stewart平台的固有频率，从而确定用于模拟研究的频率。为了克服这两种应用中的困难和有效性能，引入了一种新的多级可重构Stewart平台概念。

可重构制造系统（RMS）的一个重要部分是自重构的机器。这些机器基于自我配置机制这可以根据所需的更改重塑其结构。可自我重新配置可以使用可重构建模理论开发机构[10]. 该理论用于开发可重构控制系统智能统一重构和管理单机交互RMS内的控制系统。

本文以2-DOF全球运动模型（2-GKM）生成和给出了一个解决方案，以演示可重构建模理论。该模型具有旋转和/或三维中关节的平移类型和所有可能的正向关节方向，即使用预定义的可重新配置参数进行统一。可重新配置的参数为用于控制关节的正方向及其类型（旋转和/或翻译）。对于2-GKM动力学方程的符号计算使用符号代数包采用递归Newton-Euler算法地图12。动态模型称为全局动态模型（2-GDM）。这个2-GDM的意义在于它自动生成每个惯性元素矩阵A、科里奥利扭矩矩阵B、离心扭矩矩阵C和重力扭矩向量G，使用自动分离方法（ASM）。而不是求解动力学在2DOF机器的不同运动结构中，2-GDM可用于只需定义可重构参数即可自动生成解决方案。使用2-GDM方程，Ttr（平移和平移/旋转）的简单示例使用结构来展示模型的能力。其运动学、动力学和使用先前定义的可重新配置生成控制平台解决方案参数。结果证明了模型的有效性。

这项工作的重点是能够为装配环境提供认知能力的概念框架。该框架提供了考虑装配资源和产品设计的装配决策过程。所提出的认知装配系统包括知识数据库、装配序列生成、装配资源规划和自主（自学习）控制能力。

本文研究了一种四自由度模块化可重构机器人的运动学分析和遥操作系统。首先对所设计的机器人进行了正向运动学分析。研究了用反向传播神经网络求解逆运动学问题的数值方法，并用FARO激光跟踪器获得了神经网络的训练样本，保证了任务空间到关节空间非线性映射的建模精度。远程控制系统具有客户端-服务器结构。本地机器人控制计算机充当服务器，远程终端充当客户端。机器人的模拟、监控和控制可以远程进行。当客户端在模拟模式下工作时，用户可以用虚拟机器人来模拟机器人的运动。当系统在监测/控制机制下工作时，可以远程控制机器人，并且可以在客户端动态监测机器人的状态。利用Java3D技术实现了机器人的虚拟模型，只需将具有当前机器人坐标的小数据包传输到客户端的可视化模块。这加快了系统响应速度，并为操作员提供了真实机器人的综合视图。