모듈형 설계 및 폐쇄 루프 제어 전략에 따라 지능형 로봇의 생산

지능형 로봇은 주변 환경을 감지하고, 자신의 행동을 계획하고, 궁극적으로 목표에 도달할 수 있는 차세대 로봇의 일부입니다. 최근 몇 년 동안 일상 생활과 산업 모두에서 로봇에 대한 의존도가 높아졌습니다. 본 논문에서 제안하는 프로토콜은 지능 검색 알고리즘과 자율 식별 기능을 갖춘 휴머노이드 로봇의 설계 및 제작에 대해 설명합니다.

먼저, 다양한 작업 모듈을 기계적으로 조립하여 작업 플랫폼의 건설과 로봇 매니퓰레이터의 설치를 완료합니다. 그런 다음 Robo Servo Terminal 2010이라는 디버깅 소프트웨어와 Sat Steering Gear ID, Baud Rate 및 기타 작업 매개변수를 사용하여 4개의 사분면 모터 제어 전략에서 폐쇄 루프 제어 시스템을 설계하여 로봇이 원하는 동적 성능과 낮은 에너지 소비를 달성할 수 있도록 합니다. 다음으로, 환경 정보를 정확하게 획득하기 위해 다중 센서 융합을 달성하기 위해 센서를 디버그합니다.

마지막으로, 주어진 응용 프로그램에 대한 로봇 기능의 성공을 인식할 수 있는 관련성 알고리즘을 구현합니다. 이 접근 방식의 장점은 사용자가 다양한 하드웨어 구성 프로그램을 개발하고 포괄적인 디버거를 활용하여 지능형 제어 전략을 구현할 수 있기 때문에 신뢰성과 유연성입니다. 이를 통해 사용자는 높은 효율성과 견고성으로 필요에 따라 개인화된 요구 사항을 설정할 수 있습니다.

기계의 구조. 첫째, 베이스보드, 모터, 바퀴 등으로 구성된 섀시는 로봇의 움직임을 담당하는 주요 구성 요소입니다. 따라서 조립하는 동안 브래킷은 똑바로 유지되어야 합니다.

그림과 같이 섀시를 조립하고 적절한 패스너를 사용하여 기계 구성 요소를 고정합니다. 둘째, 와이어 리드와 양극과 음극을 모두 팅합니다. 모터의 양쪽 끝에 두 개의 와이어 리드를 납땜하고 빨간색 리드를 양극에 연결하고 검은색 리드를 음극에 연결합니다.

셋째, 두 개의 구멍을 뚫습니다. 모터 구동 모듈을 설치할 수 있도록 섀시 중앙에 직경 3mm가 있습니다. 모터를 모터 구동 모듈에 연결합니다.

섀시의 오른쪽과 왼쪽 가장자리에서 1cm 떨어진 곳에 구멍 하나를 뚫어 바닥에 적외선 센서 브래킷을 설치합니다. 센서 설치를 위해 두 개의 구조 구성 요소 각각을 통해 직경 18mm의 구멍을 뚫습니다. 넷, 스티어링 기어를 대칭으로 설치하십시오.

스티어링 기어의 작동으로 인해 발생하는 큰 충격으로 인해 볼트는 견고하고 불침투성 조인트를 보장하는 방식으로 설치해야 합니다. 다섯, 기계 중앙에 4 개의 적외선 센서를 설치하십시오. 여섯, 기계 중앙에 14.8볼트 전원 공급 장치를 놓고 마이크로컨트롤러 장치를 배터리 팩에 부착합니다.

일곱째, 4 개의 REN 센서를 기계 상부에 부착하고 각 센서와이 션 사이의 각도를 60도로 조정합니다. 작업 테이블에 대한 감지 정확도를 보장합니다. 여덟, 기계가 작업 영역에서 목표에 도달하지 못하는 경우를 감지하는 데 사용되는 이중 축 기울기 센서를 설치하십시오.

아홉, 드라이버를 사용하여 로봇 팔을 기계 전면에 부착합니다. 하나, 두 번 클릭하여 로봇 서버 터미널을 거의 10개의 디버깅 소프트웨어로 엽니다. USB 변환 케이블로 PC를 디버그 보드에 연결하고 스티어링 엔진의 전송 속도를 9, 초당 600비트, 속도 제한을 분당 521라운드, 각도 제한을 300도, 전압 제한을 작업 인터페이스에서 9.6볼트로 설정합니다.

둘째, 2개의 구동 모듈과 4개의 스티어링 엔진의 ID 번호를 설정합니다. ID 3 및 ID 4는 향후 업데이트를 위해 비워 둡니다. 참고, ID 1, 좌측 주행 모듈, ID 2, 우측 주행 모듈, ID 5, 좌측 전방 스티어링 엔진, ID 6, 우측 전방 스티어링 엔진, ID 7, 좌측 후방 조향 엔진, ID 8, 우측 후방 조향 엔진.

셋째, 센서를 해당 제어 인터페이스에 연결합니다. 커넥터가 삼각형 표시가 있는 센서가 G와 D.One인 경우 적외선 센서 꼬리에 있는 조절 손잡이를 회전시켜 센서의 감지 범위를 조정하므로 로봇이 적외선 센서의 로직 레벨을 분석하여 작업 테이블에서 자신의 위치를 결정할 수 있습니다. 둘째, 기울기 각도 센서를 디버그합니다.

기울기 각도 센서를 수평으로 배치하고 이러한 측정값을 기록합니다. 센서를 서로 다른 두 방향으로 기울이고 숫자 값을 기록합니다. 측정값이 화살표 범위 내에 있으면 센서가 정상 작동하는 것으로 간주할 수 있습니다.

첫째, DC 모터의 시뮬레이션 모델을 구성합니다. DC 모터 전압 균형 방정식, 플럭스 연결 방정식 및 토크 균형 방정식을 기반으로 합니다. 둘째, DC 모터의 이중 폐쇄 루프 제어를 적용합니다.

속도 조절기의 출력을 전류 조절기에 대한 입력으로 사용하여 모터의 토크와 전류를 조절합니다. 셋째, DC 모터의 4 사분면 모션 제어를 적용합니다. 넷째, HBR 구동 대리모를 사용하여 MOSFET의 온/오프를 변조하여 DC 모터의 4사분면 모션을 달성합니다.

다섯, 펄스 변조를 적용하여 DC 모터의 속도를 조절합니다. DC 모터 전원 공급 장치의 전압이 본질적으로 변경되지 않은 상태로 유지될 때 전기 스위치의 켜기/끄기를 제어하여 모터 전기자에 적용되는 DC 전압을 펄스 방향으로 변조합니다. 따라서, 평균값과 회전 속도 입력을 모터의 전기자 전압으로 변조합니다.

하나는 USB 다운로드 라인을 사용하여 Cal-5에서 생성된 BIN 파일을 컨트롤러에 입력하는 것입니다. 둘째, 실행할 프로그램을 선택합니다. 공장에서 화물을 분류하기 위해 색상 조절을 적용합니다.

첫째, 대형 태그 광학 카메라를 사용하여 이미지를 수집하고 차원 영역에 대한 결합 수를 사용하여 스캔 색상을 확인합니다. 둘째, 기계 팔로 물체를 들어 올립니다. 셋째, 카메라와 로봇의 구동 모터를 사용하여 지정된 위치로 물체를 옮기라는 명령을 내립니다.

대표적인 결과는 2, 7 및 14A, 이중 폐쇄 루프 모션 제어 프로그램을 시뮬레이션하는 MATLAB의 다이어그램입니다. 이는 이중 폐쇄 루프 제어 시스템이 개방 루프 시스템보다 훨씬 더 효과적임을 명확하게 보여줍니다. 이중 폐쇄 루프 시스템 출력의 실제 오버슈트는 상대적으로 작고 시스템의 동적 성능이 더 좋습니다. 이 논문에서는 자율적으로 볼 수 있는 지능형 로봇 유형을 설계했습니다.

우리는 여러 소프트웨어 프로그램을 하드웨어와 통합하여 제안된 지능형 검색 알고리즘과 자율 인식을 구현했습니다. 이 제품에서는 하드웨어를 구성하고 지능형 로봇을 디버깅하기 위한 기본 접근 방식을 소개했으며, 이는 사용자가 자신의 로봇에 적합한 기계 구조를 설계하는 데 도움이 될 수 있습니다. 그러나 실제 작동 중에는 구조물의 안정성, 작동 범위, 자유도 및 공간 활용도에 주의를 기울여 이러한 매개변수가 요구 사항을 충족하는지 확인해야 합니다.

한 가지 잠재적인 문제는 로봇이 실제로 원하는 기능을 달성할 수 없다는 것입니다. 이는 주로 두 가지 원인에서 비롯될 수 있습니다: 첫 번째는 센서가 요구 사항을 충족할 수 없다는 것이며, 센서를 추가로 디버깅해야 할 수 있는 문제를 해결하기 위해 문제를 해결할 수 없습니다. 이러한 상황 또는 응용 프로그램에 따라 두 번째는 선택한 모터가 성능 요구 사항을 충족할 수 없다는 것입니다.

모터를 선택할 때 예산 내에서 적절한 시동 성능, 작동 안정성 및 저소음을 가진 모터를 우선시해야 합니다. 새 로봇의 설계 및 생산을 시작하려면 새 로봇의 동작을 제어하기 위해 수동 구성 계획의 매개 변수를 정의하여 새 작업의 요구 사항에 적응할 수 있어야합니다. 동시에 모든 프로세스는 프로토콜에 제시된 단계를 따라야 합니다.

로봇의 모듈식 설계의 장점은 다양한 엔지니어의 협업을 통해 개발할 수 있는 명확한 작업 분업에 있습니다. 각 모듈의 작업은 특정 작업을 수행하기 위해 독립적으로 개발될 수 있습니다. 사용자가 특정 응용 프로그램에 대한 최적의 계획을 검색할 수 있도록 각 모듈에 대한 기본 설계 체계를 제공합니다.

지능형 로봇 기술이 발전함에 따라 잠재적 응용 분야의 범위가 크게 확장될 것입니다. 해양 개발, 우주 탐사, 산업, 농업 생산, 사회 서비스 및 엔터테인먼트 분야의 개인에게 귀중한 자원이 될 것입니다. 이 기술은 위험하고 비위생적인 작업 환경에서 점차 인간을 대체할 것입니다.

지능형 로봇은 지능적이고 네트워크화된 방향으로 다중 로봇 협력을 향해 계속 발전할 것입니다.