算法机器人

A. 机器人算法和adas算法有什么区别吗

我是相关专业~~~自动化其实也算~~专业课啊1、自动控制原理。自动控制是机器人运动的基础，别看人类运动的很简单，要让机器人和谐的运动，需要大量的传感器的测量，并进行计算和模拟，最后根据这个，调整参数，进行干扰补偿、负反馈、前后两种串联补偿等等。（顺便说一句，维纳的《控制论》是一本好书，不仅仅限于工程哦~在社会人文学科都有用的，钱学森还有一本《工程控制论》，没有看过。。不过大师的书一定很棒的。。）2、智能技术。额，这个暂且也算吧，我们学校自己开的。。。还分2-1和2-2，主要学各种专家系统、机器学习、智能计算、启发式搜索、分布式人工智能、许许多多智能算法如蚁群算法、神经网络。3、机器人学。这个挺厉害的，讲解机器人运动中的数学计算，涉及空间描述，广义坐标，瞬态运动学，雅可比矩阵显式（线性代数基础）、立体视觉、轨迹生成、关节空间动力学、拉格朗日方程（拉老爷子挺牛逼的。。到处都是啊啊啊啊）、控制学（就是自控）、顺应性。需要比较好的数学基础。到处都是公式啊名词啊！！4、单片机开发。好像我们学校有这个课，我自己自费买的Arino开发板也算AVR单片机。机器人的成本、体积限制。要求我们不可能啥都用电脑来指挥，单片机体积小，也可以作为机器人的大脑，要让机器人按照你的要求，就要写好单片机程序。5、电机拖动。啊呀这个应该写在前面的，不过我刚刚才想到。喵。。。类人机器人的关节是靠电机驱动的，就算不类人，也需要轮子吧~要控制好机器人的运动轨迹，就需要了解电机的原理，了解调速、启动、电磁关系才能设计好机器人呢。智能专业不仅仅是机器人的。。。光学机器人太狭窄了。。智能不仅仅是机器人呢，想想天网吧，那种没有实体的人工智能才好玩的~俺们上课看老师放的机器人视频还是挺有趣的，但是我国的智能学科在国际上还需要努力，美国在机器人运动方面超前我们十多年呢（低估了的）。。少年你要不要来学~贡献一份力量呗~——————以下是猪的签名———————————微笑的猪头—真——帅——气———————

B. 机器人路径规划中传统算法和智能算法的区别

传统算法虽然结果一定是最优解，但是运算量极大，可能会有lag。
相反，采用一定的智能算法，虽然每次选择不一定最优，但是基本上都能快速（<=0.1s）判断，而且只要设定一定的纠错算法，总体效率远高于传统算法。

C. 一个人能够开发出工业机器人核心算法吗

既然是核心了，那肯定基本上是由大佬弄出来的，大佬一个人那是能弄出来的

D. 人工智能和机器人有什么区别

机器人只是人工智能的一个载体。

E. 1 人工智能的研究领域具体包含哪些是机器人和算法吗还有没有其他

人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
[编辑本段]【人工和智能】
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或着人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
人工智能目前在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
[编辑本段]【人工智能的定义】
着名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
人工智能（Artificial Intelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
[编辑本段]【实际应用】
机器视觉:指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统,智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。
[编辑本段]【学科范畴】
人工智能是一门边沿学科，属于自然科学和社会科学的交叉。
[编辑本段]【涉及学科】
哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论，仿生学，
[编辑本段]【研究范畴】
自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法
[编辑本段]【应用领域】
智能控制，机器人学，语言和图像理解，遗传编程
[编辑本段]【意识和人工智能的区别】
人工智能就其本质而言，是对人的思维的信息过程的模拟。
对于人的思维模拟可以从两条道路进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；二是功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。
人工智能不是人的智能，更不会超过人的智能。
“机器思维”同人类思维的本质区别：
1.人工智能纯系无意识的机械的物理的过程，人类智能主要是生理和心理的过程。
2.人工智能没有社会性。
3.人工智能没有人类的意识所特有的能动的创造能力。
4.两者总是人脑的思维在前，电脑的功能在后。
[编辑本段]【强人工智能和弱人工智能】
人工智能的一个比较流行的定义，也是该领域较早的定义，是由约翰·麦卡锡（John McCarthy|）在1956年的达特矛斯会议（Dartmouth Conference）上提出的：人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性（见下）。另一个定义指人工智能是人造机器所表现出来的智能性。总体来讲，目前对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
强人工智能
强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：
类人的人工智能，即机器的思考和推理就像人的思维一样。
非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
弱人工智能
弱人工智能观点认为不可能制造出能真正地推理（Reasoning）和解决问题（Problem_solving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则出于停滞不前的状态下。
对强人工智能的哲学争论
“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：
“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980）这是指使计算机从事智能的活动。在这里智能的涵义是多义的、不确定的，象下面所提到的就是其中的例子。利用计算机解决问题时，必须知道明确的程序。可是，人即使在不清楚程序时，根据发现（heu- ristic）法而设法巧妙地解决了问题的情况是不少的。如识别书写的文字、图形、声音等，所谓认识模型就是一例。再有，能力因学习而得到的提高和归纳推理、依据类推而进行的推理等，也是其例。此外，解决的程序虽然是清楚的，但是实行起来需要很长时间，对于这样的问题，人能在很短的时间内找出相当好的解决方法，如竞技的比赛等就是其例。还有，计算机在没有给予充分的合乎逻辑的正确信息时，就不能理解它的意义，而人在仅是被给予不充分、不正确的信息的情况下，根据适当的补充信息，也能抓住它的意义。自然语言就是例子。用计算机处理自然语言，称为自然语言处理。
关于强人工智能的争论不同于更广义的一元论和二元论（alism）的争论。其争论要点是：如果一台机器的唯一工作原理就是对编码数据进行转换，那么这台机器是不是有思维的？希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是对数据进行转换，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。
也有哲学家持不同的观点。Daniel C. Dennett 在其着作 Consciousness Explained 里认为，人也不过是一台有灵魂的机器而已，为什么我们认为人可以有智能而普通机器就不能呢？他认为像上述的数据转换机器是有可能有思维和意识的。
有的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。比如Simon Blackburn在其哲学入门教材 Think 里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的，还是说她／他仅仅是看起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。Blackburn 认为这是一个主观认定的问题。
需要要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，今日的计算机能做的事，像算术运算等，在百多年前是被认为很需要智能的。
[编辑本段]【人工智能简史】
人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的，从那以后,研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现到现在，已经出现了许多AI程序，并且它们也影响到了其它 技术的发展。
计算机时代
1941年的一项发明使信息存储和处理的各个方面都发生了革命.这项同时在美国和德国出现的 发明就是电子计算机.第一台计算机要占用几间装空调的大房间,对程序员来说是场恶梦:仅仅为运行一 个程序就要设置成千的线路.1949年改进后的能存储程序的计算机使得输入程序变得简单些,而且计算机 理论的发展产生了计算机科学,并最终促使了人工智能的出现.计算机这个用电子方式处理数据的发明, 为人工智能的可能实现提供了一种媒介.
AI的开端
虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间 的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它 将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈 回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器模拟的.这项发现对早期AI的发展影响很大.
1955年末,Newell和Simon做了一个名为"逻辑专家"(Logic Theorist)的程序.这个程序被许多人 认为是第一个AI程序.它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解 问题."逻辑专家"对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑.1956年,被认为是 人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论.他请他们到 Vermont参加 " Dartmouth人工智能夏季研究会".从那时起,这个领域被命名为 "人工智能".虽然 Dartmouth学会不是非常成功,但它确实集中了AI的创立者们,并为以后的AI研究奠定了基础.
Dartmouth会议后的7年中,AI研究开始快速发展.虽然这个领域还没明确定义,会议中的一些思想 已被重新考虑和使用了. Carnegie Mellon大学和MIT开始组建AI研究中心.研究面临新的挑战: 下一步需 要建立能够更有效解决问题的系统,例如在"逻辑专家"中减少搜索;还有就是建立可以自我学习的系统.
1957年一个新程序,"通用解题机"(GPS)的第一个版本进行了测试.这个程序是由制作"逻辑专家" 的同一个组开发的.GPS扩展了Wiener的反馈原理,可以解决很多常识问题.两年以后,IBM成立了一个AI研 究组.Herbert Gelerneter花3年时间制作了一个解几何定理的程序.
当越来越多的程序涌现时,McCarthy正忙于一个AI史上的突破.1958年McCarthy宣布了他的新成 果: LISP语言. LISP到今天还在用."LISP"的意思是"表处理"(LISt Processing),它很快就为大多数AI开发者采纳.
1963年MIT从美国政府得到一笔220万美元的资助,用于研究机器辅助识别.这笔资助来自国防部 高级研究计划署(ARPA),已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的计算机科学家, 加快了AI研究的发展步伐.
大量的程序
以后几年出现了大量程序.其中一个着名的叫"SHRDLU"."SHRDLU"是"微型世界"项目的一部分,包括 在微型世界(例如只有有限数量的几何形体)中的研究与编程.在MIT由Marvin Minsky领导的研究人员发现, 面对小规模的对象,计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的"STUDENT"可以解决代数 问题,"SIR"可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助.
70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率.由于当时计算机已 有巨大容量,专家系统有可能从数据中得出规律.专家系统的市场应用很广.十年间,专家系统被用于股市预 测,帮助医生诊断疾病,以及指示矿工确定矿藏位置等.这一切都因为专家系统存储规律和信息的能力而成为可能.
70年代许多新方法被用于AI开发,着名的如Minsky的构造理论.另外David Marr提出了机器视觉方 面的新理论,例如,如何通过一副图像的阴影,形状,颜色,边界和纹理等基本信息辨别图像.通过分析这些信 息,可以推断出图像可能是什么.同时期另一项成果是PROLOGE语言,于1972年提出. 80年代期间,AI前进更为迅速,并更多地进入商业领域.1986年,美国AI相关软硬件销售高达4.25亿 美元.专家系统因其效用尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦,通用 汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要,一些生产专家系统辅助制作软件的公 司,如Teknowledge和Intellicorp成立了。为了查找和改正现有专家系统中的错误,又有另外一些专家系统被设计出来.
从实验室到日常生活
人们开始感受到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员. 个人电脑和众多技术杂志使计算机技术展现在人们面前.有了象美国人工智能协会这样的基金会.因为AI开发 的需要,还出现了一阵研究人员进入私人公司的热潮。150多所像DEC(它雇了700多员工从事AI研究)这样的公司共花了10亿美元在内部的AI开发组上.
其它一些AI领域也在80年代进入市场.其中一项就是机器视觉. Minsky和Marr的成果现在用到了生产线上的相机和计算机中,进行质量控制.尽管还很简陋,这些系统已能够通过黑白区别分辨出物件形状的不同.到1985年美国有一百多个公司生产机器视觉系统,销售额共达8千万美元.
但80年代对AI工业来说也不全是好年景.86-87年对AI系统的需求下降,业界损失了近5亿美元.象 Teknowledge和Intellicorp两家共损失超过6百万美元,大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另一个另人失望的是国防部高级研究计划署支持的所谓"智能卡车".这个项目目的是研制一种能完成许多战地任务的机器人。由于项目缺陷和成功无望,Pentagon停止了项目的经费.
尽管经历了这些受挫的事件,AI仍在慢慢恢复发展.新的技术在日本被开发出来,如在美国首创的模糊逻辑,它可以从不确定的条件作出决策;还有神经网络,被视为实现人工智能的可能途径.总之,80年代AI被引入了市场,并显示出实用价值.可以确信,它将是通向21世纪之匙. 人工智能技术接受检验 在"沙漠风暴"行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公众兴趣;一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活.

F. 做控制，机器人等算法工程师是怎样一种体验

领学网为你解答：众所周知，机器是没有感情和学习功能的，它们都是高级语言编写的代码通过编译后转化为0和1的高低电信号，在电路板上指挥机器做出相应的工作，所以人工智能感觉是编写逻辑代码对大量的数据进行实时分析，然后做出最优或者最佳的选择？逻辑代码就不必说了，程序员或者普通人都会分析需求，那就剩下大数据分析了。希望帮到你！

G. 核心算法是什么它对机器人有多重要

机器人的算法大方向可以分为感知算法与控制算法，感知算法一般是环境感知、路径规划，而控制算法一般分为决策算法、运动控制算法。环境感知算法获取环境各种数据，通常指以机器人的视觉所见的图像识别等 。

虽然对于工业机器人来说，要想实现高速下稳定精确的运动轨迹，精密的配件必不可少，如电机，伺服系统，还有非常重要的减速机等等。但是这些都只是硬件的需求，仅仅只有好的硬件，没有相应的核心算法，也就是缺少了控制硬件的大脑，那么工业机器人使用再好的硬件，也只能完成一些精确度要求不高的简单工作，而且还容易出问题。而这就是中国机器人制造商面临的最大问题。

作为工业级产品，衡量机器人优劣主要有两个标准：稳定性和精确性。核心控制器是影响稳定性的关键部件，有着工业机器人“大脑”之称。而软件相当于语言，把“大脑”的想法传递出去。 要讲好这门“语言”，就需要底层核心算法。

好的算法，几千行就能让机器人稳定运行不出故障；差的算法，几万行也达不到人家的水准。不掌握核心算法，生产精度需求不高的产品还勉强可以，但倘若应用到航天航空、军工等高端领域，就只能依赖进口工业机器人了。

对于机器人来说，每一个动作都需要核心控制器、伺服驱动器和伺服电机协同动作，而现在的机器人通常拥用多个服务器，因此多台伺服系统更需要核心算法提前进行计算。只有通过底层算法，国外核心控制器才可以通过伺服系统的电流环直接操作电机，实现高动态多轴非线性条件下的精密控制，同时还能满足极短响应延时的需求。这也是为何如今在中国的机器人市场上，6轴以上的高端机器人几乎被国外的机器人公司垄断。

H. 机器人位置控制算法原理是什么，为什么这么设计就能

大概所有控制的框架都是给定和反馈产生误差并处理然后执行影响被控量，这么说肯定是有点晕了。换种说法吧，毛主席说，革命的首要问题就是要分清楚说是敌人和什么来着。对所有的控制来说，首要问题就是搞清楚，你要控制的物理量是什么（被控量）？你通过什么物理量（控制量）来影响被控量。然后由此才有采用开环，闭环之类的。位置控制和其它所有控制比起来也没什么特殊的，对工业机器人而言，就是机器人末端在三维空间的位置（姿态先忽略）。那么位置是被控量，控制量就是各个关节的位置，因为可以通过各个关节的位置来影响这个位置（被控量）至于控制的算法，就有很多了，基本都是对误差的处理，最常用的大概就是PID了。

I. 计算机科学与技术控制专业中算法,图像识别,机器人有什么区别

摘要 涉及的领域不一样。

J. 机器人控制算法如何编写

基于DSP运动控制器的5R工业机器人系统设计 摘要：以所设计的开放式5R关节型工业机器人为研究对象，分析了该机器人的结构设计。该机器人采 用基于工控PC及DSP运动控制器的分布式控制结构，具有开放性强、运算速度快等特点，对其工作原理 进行了详细的说明。机器人的控制软件采用基于Windows平台下的VC++实现，具有良好的人机交互 功能，对各组成模块的作用进行了说明。所设计的开放式5R工业机器人系统，具有较好的实用性。 关键词：开放式；关节型；工业机器人；控制软件 0引言 工业机器人技术在现代工业生产自动化领域得到 了广泛的应用，也对工程技术人员提出更高的要求，作 为机械工程及自动化专业的技术人才迫切需要掌握这 一 先进技术。为了能更好地加强技术人员对工业机器 人的技能实践与技术掌握，需要开放性强的设备来满 足要求。本文阐述了我们所开发设计的一种5R关节 型工业机器人系统，可以作为通用的工业机器人应用 于现场，也可作为教学培训设备。 1 5R工业机器人操作机结构设计 关节型工业机器人由2个肩关节和1个肘关节进 行定位，由2个或3个腕关节进行定向，其中一个肩关节 绕铅直轴旋转，另一个肩关节实现俯仰，这两个肩关节 轴线正交。肘关节平行于第二个肩关节轴线。这种构 型的机器人动作灵活、工作空间大，在作业空间内手臂 的干涉最小，结构紧凑，占地面积小，关节上相对运动部 位容易密封防尘，但运动学复杂、运动学反解困难，控制 时计算量大。在工业用应用是一种通用型机器人¨。 1．1 5R工业机器人操作机结构 所设计的5R关节型机器人具有5个自由度，结构 简图如图1所示。5个自由度分别是：肩部旋转关节 J1、大臂旋转关节J2、小臂旋转关节J3、手腕仰俯运动 关节J4和在旋转运动关节J5。总体设计思想为：选用 伺服电机(带制动器)驱动，通过同步带、轮系等机械机 构进行间接传动。腕关节上设计有装配手爪用法兰， 通过不断地更换手爪来实现不同的作业任务。 1．2 5R工业机器人参数 表1为设计的5R工业机器人参数。 2 5R工业机器人开放式控制系统 机器人控制技术对其性能的优良起着重大的作用。随着机器人控制技术的发展，针对结构封闭的机 器人控制器的缺陷，开发“具有开发性结构的模块化、 标准化机器人控制器”是当前机器人控制器发展的趋 势]。为提高稳定性、可靠性和抗干扰性，采用“工业 PC+DSP运动控制器”的结构来实现机器人的控制：伺 服系统中伺服级计算机采用以信号处理器(DSP)为核 心的多轴运动控制器，借助DSP高速信号处理能力与 运算能力，可同时控制多轴运动，实现复杂的控制算法 并获得优良的伺服性能。 2．1基于DSP的运动控制器MCT8000F8简介 深圳摩信科技公司MCT8000F8运动控制器是基 于网络技术的开放式结构高性能DSP8轴运动控制器， 包括主控制板、接口板以及控制软件等，具有开放式、 高速、高精度、网际在线控制、多轴同步控制、可重构 性、高集成度、高可靠性和安全性等特点，是新一代开 放式结构高性能可编程运动控制器。 图2为DSP多轴运动控制器硬件原理图。图中增 量编码器的A0(／A0)、B0(／B0)、c0(／CO)信号作为 位置反馈，运动控制器通过四倍频、加减计数器得到实 际的位置，实际位置信息存在位置寄存器中，计算机可 以通过控制寄存器进行读取。运动控制卡的目标位置 由计算机通过机器人运动轨迹规划求得，通过内部计 算得到位置误差值，再经过加减速控制和数字滤波后， 送到D／A转换(DAC)、运算放大器、脉宽调制器 (PWM)硬件处理电路，转化后输出伺服电机的控制信 号或PWM信号。各个关节可以完成独立伺服控制，能 够实现线性插补控制、二轴圆弧插补控制。 2．2机器人控制系统结构及工作原理 基于PC的Windows操作系统，因其友好的人机界 面和广泛的用户基础，而成为基于PC控制器的首选。 采用PC作为机器人控制器的主机系统的优点是：①成 本低；②具有开放性；③完备的软件开发环境和丰富的 软件资源；④良好的通讯功能。机器人控制结构上采 用了上、下两级计算机系统完成对机器人的控制：上级 主控计算机负责整个系统管理，下级则实现对各个关 节的插补运算和伺服控制。这里通过采用一台工业 PC+DSP运动控制卡的结构来实现机器人控制。实验 结果证明了采用Pc+DSP的计算结构可以充分利用 DSP运算的高速性，满足机器人控制的实时需求，实现 较高的运动控制性能。 机器人伺服系统框图如图3所示。伺服系统由基 于DSP的运动控制器、伺服驱动器、伺服电动机及光电 编码器组成。伺服系统包含三个反馈子系统：位置环、 速度环、电流环，其工作原理如下：执行元件为交流伺 服电动机，伺服驱动器为速度、电流闭环的功率驱动元 件，光电编码器担负着检测伺服电机速度和位置的任 务。伺服级计算机的主要功能是接受控制级发出的各 种运动控制命令，根据位置给定信号及光电编码器的 位置反馈信号，分时完成各关节的误差计算、控制算法 及D／A转换、将速度给定信号加至伺服组件的控制端 子，完成对各关节的位置伺服控制。管理级计算机采用 586工控机(或便携笔记本)，主要完成离线编程、仿真、 与控制级通讯、作业管理等功能；控制级计算机采用586 工控机，主要完成用户程序编辑、用户程序解释，向下位 机运动控制器发机器人运动指令、实时监控、输入输出 控制(如打印)等。示教盒通过控制级计算机可以获得 机器人伺服系统中的数据(脉冲、转角)，并用于控制级 计算机控制软件中实现对机器人的示教及控制。 3 5R工业机器人运动控制软件设计 5R工业机器人控制软件采用C++Builder编程， 最终软件运行在Windows环境下。C++Builder对在 Windows平台下开发应用程序时所涉及到的图形用户 界面(GUI)编程具有很强的支持能力，提供了可视化 的开发环境，可以方便调用硬件厂商提供的底层函数， 直接对硬件进行操作，而且生成目标代码效率高。 所设计的控制软件为分级式模块化结构。 管理级主模块具有离线编程、图形仿真、资料查询 及故障诊断等功能，其结构如图4所示。 (1)离线编程模块利用计算机图形学的成果，建立 机器人及其工作环境的模型，利用规划算法，通过对图 形和对象的操作，编制各种运动控制，在离线情况下生 成工作程序。 (2)图形仿真模块可预先模拟结果，便于检查及优 化。 (3)资料查询模块可以查阅当日工作及近期工作 记录、相关资料(生产数量、班次等)，并可以打印输出 存档。 (4)故障诊断模块可以实时故障诊断，以代码形式显 示出故障类型，并为技术人员排除故障提供帮助信息。 控制级主模块软件结构如图5所示。 (1)复位模块使得机器人停机时或动作异常时，通 过特定的操作或自动的方式，使机器人回到作业原点。 机器人在作业原点，机构的各运动副所受力矩最小，它 确定了机器人待机的安全位姿。 (2)系统提供两种示教方法。第一种示教方法即 “下位机+示教盒”的示教方法：示教盒和下位机操作 界面上的手动操作开关分别对应着装配机器人的各种 动作和功能。通过高、中、低速、点动等速度档次的选 择，对机器人进行大致的定位和精确的位置微调。并 存储期望的运动轨迹上机器人的位置、姿态参数。第 二种方法即离线仿真的示教方法。这种示教方法是在 计算机上建立起机器人作业环境的模型，再在这个模 型的基础上生成示教数据的一种应用人工智能的示教 方法。进行示教时使用计算机图示的方法分析机器人与作业模型的位置关系，也可以通过特定指令指定机 器人的运动位置…。 4结束语 所开发的开放式工业机器人系统具有以下特点： (1)采用分布式二级控制结构，运动控制由基于 DSP的运动控制器M'CT8000F8完成，增加了系统的开 放性，以及运行处理的快速性及可靠性。 (2)考虑到具有良好的通用性，可以作为通用机器 人使用，具有较好的产业化、商品化前景。 (3)计算机辅助软件采用基于Windows平台的 c++编程，通过调用底层函数可以对硬件进行直接操 作，可视化环境可提供良好的人机交互操作界面。 通过本机器人系统的研究开发，可极大地满足工 业现场对机器人的开放性要求，进一步提高我国工矿 企业自动化水平。同时，也可作为机器人技术训练平 台，加强工程人员能力锻炼。 [参考文献] [1]马香峰，等．工业机器人的操作机设计[M]．北京：冶金工 业出版社，1996． [2]吴振彪．工业机器人[M]．武汉：华中理工大学出版社， 2006． [3]蔡自兴．机器人学[M]．北京：清华大学出版社，2003． [4]王天然，曲道奎．工业机器人控制系统的开放体系结构 [J]．机器人，2002，24(3)：256—261． [5]深圳摩信科技有限公司．MCT8000系列控制器使用手册 [z]．深圳：深圳摩信科技有限公司，2001． [6]张兴国．环保压缩机装配机器人的运动学分析[J]．南通 工学院学报，2004(1)：32—34，38． [7]张兴国．计算机辅助环保压缩机装配机器人运动学分析 [J]．机械设计与制造，2005(3)：98—100， [8]本书编写委员会编着．程序设计VisualC++6[M]．北京： 电子工业出版社，2000． [9]吴斌，等．OpenGL编程实例与技巧[M]．北京：人民邮电出 版社，1999． [10]江早．OpenGLVC／VB图形编程[M】．北京：中国科学技 术出版社，2001． [11]韩军，等．6R机器人运动学控制实验系统的研制[J]．实 验室研究与探索，2003(5)：103—104．