运动中的夹手

本书重点说明了机器人夹手的操作技术，介绍了夹手如何把工件整理成新方位的过程。书中通过了人类的抓取动作类推了符合机械原理的抓取技术，同时提及了真空夹手和其他类型夹子，描述了从夹手到六轴机器人手臂移动工件时的运动轴和机器人技术。     

机器人多指手的位置一力混合控制

分析了一类机器人多指手的动力学模型的特点,针对这类机器人多指手在运动和抓握２个过程中动力学特性有根大差异的特点,提出了１种切实可行的位置─力混合控制方案,并成功的应用于北京科技大学双拇指手控制系统。     

机器人多指协调操作中抓取力的实时控制

提出了一个通用的抓取力实时控制算法．推广了抓取力的定义,探讨了抓取力存在性．定义了最优抓取力,给出了计算最优抓取力的具体算法．其核心是把抓取力的大小与方向分开处理,在抓取规划阶段确定抓取力的方向,在任务操作时仅调整抓取力的大小,而方向保持不变．该算法能很好地满足协调操作中力控制的实时性要求．仿真结果显示了其优越性．     

网络远程控制软件的设计与实现

根据Client／Server的程序设计模式，介绍了网络远程控制软件的设计途径，给出了网络管理中屏幕抓取、远程关机、远程计算机键盘锁定、远程计算机IP地址获取功能模块的设计和实现方法，具有一定的实用性。     

基于kinect和unity的虚拟手抓取碰撞检测算法

针对目前碰撞检测算法效率低精度差的问题,提出了一种改进的层次方向包围盒（OBB）算法。首先通过位置关系判断虚拟手是否在物体包围球的邻近区域,然后用OBB和八叉树算法进行详细的碰撞检测,最后利用离散点到虚拟手简化面的矢量计算法实现精确的碰撞检测。实验结果表明,随着三维物体基元数目的增多,这种由粗略到精确递进的检测方式极大的提高了碰撞检测的效率和精度,具有可行性。该算法适用于任何复杂场景中刚体结构模型的碰撞检测,在运行时候不存在滞后情况,显示流畅,而且碰撞检测精度高,完全能够满足虚拟环境实时性和精确性的要求。     

钢拱架封口机构抓取模块传动性能分析及优化设计

目前隧道掘进机（TBM）施工过程的钢拱架安装均采用人工操作的形式完成,作业环境非常恶劣,导致钢拱架支护效率低、劳动强度大、施工风险高。为此,笔者及其所在团队前期设计了一种钢拱架快速封口安装机构,用于代替人工完成钢拱架的封口作业。抓取模块作为该封口安装机构中直接与钢拱架接触的核心部件,需要具有足够的传动性能,以满足夹持作业需求。为此,文中基于螺旋理论,建立了其运动学模型,推导了输入旋量和输出旋量之间的虚拟系数,研究得到了抓取模块的传动性能,并提出了相应的传动指标;在此基础上,建立了抓取模块的尺寸参数优化模型,结合钢拱架封口件的实际抓取需求,得到抓取模块各尺寸参数的优化结果如下：卡爪与连杆的初始夹角α=88°、导杆的初始位置lFJ=170 mm,导杆运动范围0～63 mm。利用ADAMS软件对抓取模块从夹持到张开的姿势变化过程进行分析,得到以下结论：卡爪末端间的距离从50.0 mm逐渐增加至234.6 mm,满足抓取空间需求;输出扭矩呈先增大后减小的趋势,卡爪完全张开时扭矩最小值为21.23N·m,满足输出扭矩需求。钢拱架封口成环的样机实验表明：抓取模块尺寸参数的测量值与计算模型仅相差4....     

指纹能增强触觉

科学家一般认为指纹的功能是抓取物体和增强触觉。巴黎高等师范大学（Ecole Normale Superieure）的狄布雷格斯（Georges Debregeas）将振动传感器植入人造指尖，对后者开展了实验研究。     

多指手爪非线性分析及其位置离散学习控制

本文通过分析机器人多指手爪的静摩控，库伦磨擦，粘性磨擦等非线性因素，推导出多指手爪屈伸关节的动态控制模型，针对指手爪的非线性影响，提出了一种位置离散学习控制方法，并给出了这种方法的收敛性定理，仿真结果表明，离散学习控制方法能在有限次迭代后使手指关节位置达到期望位置。     

基于触觉传感器和强化学习内在奖励的机械臂抓取方法

触觉在机器人抓取过程中扮演着重要的角色,但在大多数强化学习任务中,触觉仅被用于拓展状态空间,其提供的位置和压力等信息很少被完全利用.针对该问题,同时受内在奖励机制启发,首先设计了一种“倒T”形传感器阵列布局;然后基于这种传感器阵列提出了新的内在激励方法,该方法根据机械臂末端与物体接触位置的不同,给予不同的重视程度,鼓励智能体以更有效的姿态来夹取物体;最后将该方法在仿真环境中进行测试,结果表明该方法在夹取椭球和圆球物体任务中收敛速度比最新的基准方法平均提高了约20%.     

多指手的协调阻抗控制

采用协调阻抗控制解决多旨手在自由空间和受限空间的控制，这种方法可调节物体位置和对外界作用力间的阻抗关系，实现所需的物体动态性能，同时，考虑了多个手指间的协调，并对自由运动和受限运动的情况作了仿真。