当前位置:首页 > 百科知识 > 机器人 > 正文

机器人传感器

机器人是由计算机控制的复杂机器,它具有类似人的肢体及感官功能;动作程序灵活;有一定程度的智能;在工作时可以不依赖人的操纵。机器人传感器在机器人的控制中起了非常重要的作用,正因为有了传感器,机器人才具备了类似人类的知觉功能和反应能力。

  1概述

  为了检测作业对象及环境或机器人与它们的关系,在机器人上安装了触觉传感器、视觉传感器、力觉传感器、接近觉传感器、超声波传感器和听觉传感器,大大改善了机器人工作状况,使其能够更充分地完成复杂的工作。由于外部传感器为集多种学科于一身的产品,有些方面还在探索之中,随着外部传感器的进一步完善,机器人的功能越来越强大,将在许多领域为人类做出更大贡献。

  2机器人传感器分类

  根据检测对象的不同可分为内部传感器和外部传感器。

  a.内部传感器:用来检测机器人本身状态(如手臂间角度)的传感器。多为检测位置和角度的传感器。

  b.外部传感器:用来检测机器人所处环境(如是什么物体,离物体的距离有多远等)及状况(如抓取的物体是否滑落)的传感器。具体有物体识别传感器、物体探伤传感器、接近觉传感器、距离传感器、力觉传感器,听觉传感器等。

  具体有:

  明暗觉

  检测内容:是否有光,亮度多少

  应用目的:判断有无对象,并得到定量结果

  传感器件:光敏管、光电断续器

  色觉

  检测内容:对象的色彩及浓度

  应用目的:利用颜色识别对象的场合

  传感器件:彩色摄像机、滤波器、彩色CCD

  位置觉

  检测内容:物体的位置、角度、距离

  应用目的:物体空间位置、判断物体移动

  传感器件:光敏阵列、CCD等

  形状觉

  检测内容:物体的外形

  应用目的:提取物体轮廓及固有特征,识别物体

  传感器件:光敏阵列、CCD等

  接触觉

  检测内容:与对象是否接触,接触的位置

  应用目的:确定对象位置,识别对象形态,控制速度,安全保障,异常停止,寻径

  传感器件:光电传感器、微动开关、薄膜特点、压敏高分子材料

  压觉

  检测内容:对物体的压力、握力、压力分布

  应用目的:控制握力,识别握持物,测量物体弹性

  传感器件:压电元件、导电橡胶、压敏高分子材料

  力觉

  检测内容:机器人有关部件(如手指)所受外力及转矩

  应用目的:控制手腕移动,伺服控制,正解完成作业

  传感器件:应变片、导电橡胶

  接近觉

  检测内容:对象物是否接近,接近距离,对象面的倾斜

  应用目的:控制位置,寻径,安全保障,异常停止

  传感器件:光传感器、气压传感器、超声波传感器、电涡流传感器、霍尔传感器

  滑觉

  检测内容:垂直握持面方向物体的位移,重力引起的变形

  应用目的:修正握力,防止打滑,判断物体重量及表面状态

  传感器件:球形接点式、光电旋转传感器、角编码器、振动检测器

  3机器人主要的传感器

  视觉:

  20世纪50年代后期出现,发展十分迅速,是机器人中最重要的传感器之一。

  机器视觉从20世纪60年代开始首先处理积木世界,后来发展到处理室外的现实世界。20世纪70年代以后,实用性的视觉系统出现了。

  视觉一般包括三个过程:图像获取、图像处理和图像理解。相对而言,图像理解技术还很落后。

  力觉:

  机器人力传感器就安装部位来讲,可以分为关节力传感器、腕力传感器和指力传感器。

  国际上对腕力传感器的研究是从20世纪70年代开始的,主要研究单位有美国的DRAPER实验室、SRI研究所、IBM公司和日本的日立公司、东京大学等单位。

  触觉:

  作为视觉的补充,触觉能感知目标物体的表面性能和物理特性:柔软性、硬度、弹性、粗糙度和导热性等。

  触觉研究从20世纪80年代初开始,到20世纪90年代初已取得了大量的成果。

  接近觉:

  研究它的目的是使机器人在移动或操作过程中获知目标(障碍)物的接近程度,移动机器人可以实现避障,操作机器人可避免手爪对目标物由于接近速度过快造成的冲击。

  听觉:

  (1)特定人的语音识别系统

  特定人语音识别方法是将事先指定的人的声音中的每一个字音的特征矩阵存储起来,形成一个标准模板(或叫模板),然后再进行匹配。它首先要记忆一个或几个语音特征,而且被指定人讲话的内容也必须是事先规定好的有限的几句话。特定人语音识别系统可以识别讲话的人是否是事先指定的人,讲的是哪一句话。

  (2)非特定人的语音识别系统

  非特定人的语音识别系统大致可以分为语言识别系统,单词识别系统,及数字音(0~9)识别系统。非特定人的语音识别方法则需要对一组有代表性的人的语音进行训练,找出同一词音的共性,这种训练往往是开放式的,能对系统进行不断的修正。在系统工作时,将接收到的声音信号用同样的办法求出它们的特征矩阵,再与标准模式相比较。看它与哪个模板相同或相近,从而识别该信号的含义。


内容来自百科网