五自由度机械臂网络化远程控制系统的设计与实验

摘 要

　　钣金件折弯是工业生产中一种重要的加工方法，折弯工艺在很大程度上决定了钣金件的最终质量和折弯精度。目前，制造业正朝着信息化和自动化的方向发展，随着机器人技术的日益成熟，它们不止是工业制造中的劳动力，更可以完成一些危险且具高难度的任务。同时，与机器人相关的课题一直是研究热点，如路径规划、运动和协同控制等。随着现代企业对采用机器人配合折弯机进行折弯作业的需求逐渐增高，本文对五自由度机械臂的折弯操作进行研究，并在此基础上，以互联网为媒介搭建了网络化远程控制系统，从而实现了远程控制机器人进行折弯加工的目的，提高了机器人折弯工艺的智能化和自动化程度。

　　本文根据五自由度直角坐标折弯机器人，进行包括运动分析、轨迹规划及远程控制等关键技术在内的研究与实验。具体如下：

　　首先，对五自由度机械臂的总体结构设计进行阐述，并搭建五自由度直角坐标折弯机器人硬件平台。针对折弯机器人控制系统所用到的伺服驱动器和运动控制卡，进行软件调试与系统控制程序的编写。

　　其次，对机器人折弯工艺路径规划进行研究，通过建立五自由度直角坐标折弯机器人连杆坐标系，得到 D-H 参数并进行相关的运动学分析，求得机器人运动学方程。在此基础上再对机器人实际折弯工艺中的折弯路径进行程序编写。

　　之后，对机器人运动轨迹在关节空间和笛卡尔空间中分别进行运动规划。利用多项式插补规划运动过程中的关节速度，利用分段函数组合正弦函数规划在无障碍物环境中的折弯轨迹，利用基于随机树思想改进的人工势场法规划在有障碍物环境中的避障轨迹。通过数学模型并应用 Matlab 软件来验证上述算法对机器人进行折弯加工运动的可行性。

　　最后，使用物联网技术和 Python 开发技术通过网络服务器将各类终端与五自由度机械臂进行结合，实现基于物联网的机器人远程控制，并通过实验进行验证。

　　关键词： 五自由度机器人，运动控制，轨迹规划，网络化远程控制

Abstract

　　Sheet metal bending is an important processing method in industrial production, and thebending process largely determines the final quality and bending accuracy of sheet metal parts to agreat extent. At present, the manufacturing industry is developing towards the direction ofinformatization and automation. With the increasingly mature application of robot technology, theyare not only the labor force in industrial manufacturing, but also able to complete some dangerousand difficult tasks. Due to the continuous development of industrial robots towards automation, thetopics related to robots have been the focus of research, such as path planning, motion andcooperative control. With the increasing demand of modern enterprises for using robot to cooperatewith bending machine for bending operation, this paper studies the bending operation of thefive-degree-of-freedom manipulator, and on this basis, a networked remote control system is builtusing the internet as the medium, so as to realize the purpose remotely controlling the robot, andimprove the degree of intelligence and automation of the robotic bending process.

　　Based on the five-degree-of-freedom rectangular coordinate bending robot, this paper conductsresearch and experiments including key technologies such as motion analysis, trajectory planning,and remote control. Specifically as follows:

　　Firstly, the overall structure design of the five-degree-of-freedom manipulator is described, andthe hardware platform of the five-degree-of-freedom rectangular coordinate bending robot is built.

　　According to the servo driver and motion control card used in the control system of bending robot,software debugging and system control program writing were carried out.

　　Secondly, the robot bending process path planning is studied. By establishing thefive-degree-of-freedom rectangular coordinate bending robot connecting rod coordinate system, theD-H parameters are obtained and the relevant kinematics analysis is carried out to obtain the robotkinematics equation. On this basis, the bending path in the robot bending process is programmed.

　　After that, the motion trajectory of the robot is planned in joint space and cartesian spacerespectively. Polynomial interpolation is used to plan the joint velocity in the process of motion, thebending trajectory in the environment without obstacles is planned by the combination of piecewisefunction and sine function, and the obstacle avoidance trajectory in the environment with obstaclesis planned by the rapidly-exploring random tree algorithm based on an improved artificial potential field method. Through the mathematical model and the application of Matlab software to verify theabove algorithm for robot bending processing motion feasibility.

　　Finally, the Internet of Things technology and Python development technology are used tocombine various terminals with a five-degree-of-freedom manipulator through a web server torealize the remote control of robots based on the Internet of Things and verification throughexperiments.

　　Key words: Five-DOF robot, Motion control, Trajectory planning, Networked remotecontrol

目录

　　第一章 绪论

　　1.1 背景及意义

　　1.1.1 工业折弯机器人研究背景

　　20 世纪 70 年代初，工业机器人在我国开始使用和发展，"七五"期间，进行了针对工业机器人的基础技术和部件的研究[1],完成了关于再生产工业机器人的基础技术，其中包括了机器人的结构设计、驱动单元、控制系统、测试系统、小批量生产技术等。到 20 世纪 80 年代，为了跟踪国外工业机器人的先进技术，智能机器人的研究和开发被安排在国家"高技术研究发展计划"中[2],并对智能控制算法、机器视觉和高性能传感器等多方面开展了研究，且取得了一定的成就[3].90 年代初，我国开发了用于喷涂、焊接、搬运、装配等方面的机器人。同时，视觉、力感应和其他传感器技术还得到了相关高科技项目的支持，并开始研发应用工程。至 90 年代中期，焊接机器人被选做为研发的重点，以便快速掌握焊接机器人关键技术。90 年代后半期，工业机器人生产技术不断提升，逐步实现了国产机器人的商业化。近几年，中国的工业机器人出货量一直处在高速增长阶段，这里不仅有"智能制造 2025"的政策影响，亦有我国工业制造大国的需求驱动。数据显示，近 5 年我国机器人市场平均增长率接近 30%[4],自 2013 年开始，我国成为全球最大的机器人市场，连续六年居全球首位，我国机器人市场未来前景可期。

　　在机械加工技术中，折弯技术占据着不可或缺的重要性。随着制造业智能化和自动化程度的不断提高，人们对折弯加工的效率及质量要求也越来越高。在目前工业生产中，钣金件的折弯加工主要还依赖人工配合折弯机进行折弯操作[5].而在钣金件的折弯过程中，人工配合折弯机进行折弯操作，不仅耗费时力、效率较低，而且工件质量受工人的操作熟练程度影响；恶劣的工作环境和高强度的劳动同时也在危害着工人的健康。随着折弯技术的不断改进以及人工劳动成本的增加，为了提高企业的竞争力，一些企业开始将工业机器人引入到折弯加工过程中，机器人辅助自动化折弯成为行业发展的热门趋势，如图 1.1 所示。

　　折弯机器人是工业高速发展下的产物，同码垛机器人、搬运机器人一样，很大程度上帮助提高工厂的生产效率。机器人作为自动化生产流水线上不可或缺的生产设备，其发展水平已成为衡量一个国家科技水平的重要评估标准[6].工业机器人发展的方向正朝着具有人机交互、安全和智能化的方向发展。工业机器人在中国的发展起步虽说较晚，但是同时也拥有着巨大发展潜力，比如新松机器人自动化股份有限公司、安徽埃夫特智能装备有限公司、哈尔滨博实自动化股份有限公司。国外一批颇具影响力和知名度的机器人公司，如美国的 AmericanRobot,ST 机器人公司，跨国集团 ABB,日本的 FANUC,英国的 Auto Tech Robot,德国的KUKA Roboter,Trumpf,加拿大的 Jcd International Robotics,以色列的 Robogp Tek 公司等，它们都已成为各自国家机器人产业的引领者，不断推进机器人的深化研究，更新机器人的应用技术，促进机器人产业的发展，让工业机器人越来越智能化、实用化。

　　1.1.2 工业折弯机器人研究意义

　　机器人技术是一个国家技术和工业自动化的重要标志和体现[7].随着自动化产业的广泛应用和智能时代的到来，机器人技术可以应用在工业生产、居民生活的方方面面。它不只提高了产品的质量、生产效率，降低了成本，同时也帮助人们避免了很多危险的情况，如救援、排爆、空间站舱外状态检测等。目前，从应用领域来看，工业机器人覆盖面非常之广，除了汽车及汽车零部件制造、钣金加工和机械加工等领域，随着 3C 电子、物流等行业的发展和需求的增长，工业机器人也逐步渗透到这些新兴领域。

　　随着工业技术的不断革新，钣金件折弯已成为工业机器人发展金属加工的重要领域。折弯机器人的工作原理是，当数控折弯机在进行工作之时，用折弯机器人（或机械臂）配合折弯机进行折弯。与以往的人工配合折弯机工作相比，采用折弯机器人配合折弯机进行折弯工艺操作具有以下几种优点：

　　（1）加工效率高，折弯机器人可以连续地进行工作，进而减少工人的工作量。尤其是对于大型板材的折弯，想要完成折弯工艺流程常常还需要很多工人的配合，因而折弯机器人可提高工作效率，一定程度上缩短加工时间。

　　（2）产品加工合格率高，折弯机器相比人工具有定位精确、重复定位精度更高等优点。

　　传统人工配合折弯机进行折弯作业是需要工人使用双手托举钣金件做折弯跟随运动，产品质量受工人影响因素较大，产品质量不均一。

　　（3）加工安全性强，折弯机器人与折弯机相互配合的工作机制，可以替代传统的工人与折弯机相互配合的工作机制，可以一定程度上避免工人在加工过程中受伤，从而提高了工作中的安全性。

　　（4）减少生产成本，降低工厂负荷。在钣金件折弯加工过程中，通常需要大量的人力物力财力去完成这项工作，但是一台折弯机器人就可以替代多名劳动工人，这样不仅降低了企业成本，同时也提高了工作效率，解决操作人员工作量大等系列问题，且机器人更新换代周期缓慢，可通过修改程序以适应不同工件的生产，降低相应的设备投资，实现劳力转换，迈入"无人化"生产加工时代。

　　目前的钣金加工单元主要由折弯机械臂进行上料下料、数控折弯机进行折弯以及一些辅助设备进行辅助，这种分离式的加工方式存在可靠性不高、控制协调复杂等问题，不能满足现代工业智能化一体化的需要。所以未来折弯机器人和数控折弯机以及相关辅助设备的一体化是一大发展趋势，而控制系统的一体化、远程化又是另一大趋势，如图 1.2 所示。

　　在能够完成各种复杂钣金工艺，不断提高效率，增加功能的同时，简化控制复杂度是折弯机器人未来的发展目标。且如今正值物联网技术革命的兴起，为满足高速、自动化、个性化生产的需要，人们设想通过互联网将机器人与上位机连接起来，实现远程控制，为进一步挖掘机器人产业的潜在价值提供了重要途径。同时，设备的状态监测也是工业 4.0 的重要内容之一[8].该技术旨在通过机器人电机控制器及其外围设备和上位机之间建立通信网络，以实现上位机对机器人的远程通信，满足机器人在复杂环境中的需求，从而形成远程控制系统，如图 1.3 所示。网络化远程控制具有如下优点：

　　（1）提高生产力。网络远程控制能够对工厂所有的生产机械进行有效的统筹调度，提高设备之间的联合制造的生产力。

　　（2）提高安全性。网络远程控制能够对所有的终端进行有效的监控，在出现问题时及时报告，提高安全性。

　　（3）延伸工作空间。工程师和研究人员不用亲临现场就能远程查看工厂的生产情况，方便对机械进行改进，对生产情况进行研究等。

　　1.2 工业机器人路径规划算法的国内外研究现状

　　对机器人路径规划的研究始于 20 世纪 70 年代，机器人路径规划目的是在使用规划算法的条件下，能够在有障碍物的工作空间内，设计出一条从起点到终点的无碰撞路径[9].在此基础上，通过单个或多个条件相结合（如行程最短，运行时间最少，耗能最优等）为机器人提供一条最佳的规划路径[10].机器人路径规划始终作为机器人领域和自动化领域的热点问题，其不仅要保证无碰撞路径和最小的移动距离，而且还要在充满障碍物的环境中提供从初始位置到目标位置的平滑可行路径。为此国内外学者对机器人路径规划问题做了大量研究，且提出了多种方法。

　　国外学者 Sourya Dipta Das[11]等人针对机器人能量最优路径规划问题，提出一种基于差分进化算法的节能路径规划方法，设计一个合适的代价函数来跟踪机器人手臂关节初始和最终配置之间的最优路径，可应用于多障碍物工作空间中的工业机器人手臂；Tse-Ching Lai[12]等人考虑到机器人末端执行器与障碍物之间的安全距离以避免碰撞，进而提出一种基于非均匀有理 B 样条曲线的机械臂避障新方法。采用 B 样条曲线拟合的方法寻找具有 B 样条曲线特性的轨迹控制点，通过检测障碍物距离来修正路径，从而生成一条更安全的路径；KwangjinYang[13]等人对杂乱的环境中进行不同限制条件下的规划进行研究，将障碍物和机器人的微分约束都考虑在内，针对差分约束的移动机器人提出一种基于样条的快速搜索随机树的机器人路径规划方法，同时处理外部约束和内部约束，该方法保证了曲线的连续性并满足上限曲率约束；Tatsushi Nishi 和 Yuki Mori[14]将无约束运动规划问题表述为一个能量消耗最小非线性优化问题，提出一种基于势场的运动规划方法，其目标是在给定机器人手臂动力学的情况下，使能量消耗和总完成时间的加权和最小。该方法在节约能源消耗的同时，优化了工件的拾取点，使总完成时间最小化；MarcoA.Contreras-Cruz[15]等人将人工蜂群算法与进化规划算法相结合，通过一组局部过程来细化可行路径，提出一种新的基于元启发式方法的鲁棒算法来生成由前进和旋转组成的路径。与经典的概率路线图方法经过定量和定性分析，能有效的规划路径长度、平稳性、计算时间和成功率；P.K. Das[16]等人讨论了关于多机器人的轨迹路径规划问题，基于四种基本原理，提出一种基于粒子群算法和差分摄动速度算法混合改进的经典 Q学习算法，来确定杂乱环境下多机器人的路径优化轨迹算法以提高收敛性。通过修改参数和微分扰动速度，提高收敛速度和整体性能指标；Hyun Woo Kim[17]等人考虑到机械臂末端执行器的灵活性或机械臂本身的最大移动方向，提出一种基于逆向运动学和末端执行器最大运动方向的路径规划算法。加入奇异值分解法来优化可操作度测量，使用单位方向向量来修正末端执行器的正方向，使其能移动到目标位置。通过仿真和实验验证了该算法的可行性，但此方法可能不适用于闭环运动学。

　　国内学者季梦玉、王蜀泉[18]等人使用近似区域而不是精确的测量来定义机械臂的状态空间和关节动作，提出了一种基于 Q 学习的机器人手臂路径规划方法，并加入奖励函数用于考虑机器人末端执行器当前位置到目标位置的距离。实验结果表明，Q 学习方法能够有效地规划机器人手臂的无碰撞路径；庄丽、马宏斌[19]等人提出了一种用于双臂机器人路径规划的变步长树干快速搜索随机树（VT-RRT）算法。通过对 RRT 算法中随机节点搜索空间的变换，根据目标位置自适应调整步长，仿真结果表明，新的改进算法与基本的快速搜索随机树算法相比，可以有效地提高搜索效率，减少迭代步长，缩短路径规划时间，同时提高鲁棒性；于建均[20]等人为了简化复杂的机械臂运动规划，提高机械臂的智能化，提出了一种基于递归神经网络的机械臂任务仿真系统，利用递归神经网络对原始数据进行训练，得到任务轨迹与机器人手臂关节角度之间的映射仿真策略。实验结果表明，该仿真系统不仅可以简化复杂的运动规划，再现原任务的演示，而且可以在任务变化时通过策略泛化实现新任务的仿真；韩兴国、殷鸣[21]等人利用动态模糊神经网络求解机器人的逆运动学，在一定程度上提高了求解效率，并运用模型对 KR16-2 机器人进行复杂运动轨迹仿真，证明了该方法的求解精度和效率问题；郑晶怡[22]等人考虑到手臂在狭窄空间中进行操作这一问题，尤其是对于有多个连杆的机械臂。为了避免碰撞，提出一种面向目标的随机搜索的路径规划算法，规划出一条平滑且相对稳定的路径，该算法既考虑了环境中的障碍物，又考虑了运动学及动力学的内部约束，保证了曲率的连续性，但对末端执行器设置了一定的方向约束；李俊、舒志兵[23]等人提出了一种改进的样条插值方法，结合了样条函数和遗传算法，解决了路径规划问题中复杂工作量和不能柔性运作等问题。它可以简化方便地减少计划量和计算量，同时也可以应用于各种类型的机器人；由于机器人轨迹规划中关节之间复杂的非线性约束，王凯凯和万衡[24]等人在关节空间中采用改进的五次多项式插值方法使关节在约束条件下平滑移动，运用三次 B 样条插值对多项式插值进行排序，并通过结合高周期解决了一些实际的工程规划问题；陶重犇[25]等人通过采用栅格法建立搬运机器人的工作环境模型，并将改进的贪心算法与遗传算法相结合，改变了栅格系数和模拟退火系数的传统定义，并针对贪心算法中一直难以解决的局部收敛问题，而提出了改进的模拟退火算法；孙炜[26]等人提出了一种针对全局路径规划问题改进的 A*算法，针对 A*算法规划路径产生的冗余点、路径长度和转折角度较大等问题，提出将 A*算法规划出的路径按较小的分割步长进行划分，以此获得一系列的路径节点，结果表明，该算法能有效地减小路径长度和转折角度；程志[27]等人提出了一种改进的人工势场法，将机器人前进的方向向量、对斥力的生成和计算机制进行了调整以解决其处于局部最小点情况下无法继续规划路径的问题；缪新[28]研究了机器人磨削自动化控制技术，对力/位混合控制技术及最优轨迹规划方法进行了着重研究。

　　1.3 工业机器人网络化远程控制国内外研究现状

　　随着当下计算机技术和网络技术的高速发展，有效地促进了机器人远程控制技术的创新。

　　目前，在已知环境下，通过某些技术（如视觉技术、磁道导航等），能够让机器人在一定程度上实现自主控制。而在一些复杂的环境与艰巨的任务作业中，为减少一些潜在危害的发生，就必须对机器人采用远程控制。因此，对工业机器人在安全可靠和即时的控制这两方面提出了非常高的要求[29].

　　国外学者 Viktor N. Sheludko[30]等人提出了一种基于技术视觉的群协作机器人分散控制系统，该系统通过远程工作站接收信号进而控制机器人移动，可以通过互联网实时跟踪机器人的轨迹。且服务器可为多个用户提供远程访问权限，并可接收多台计算机的控制动作；PutovA.V. [31]等人将基于客户机-服务器模型和数据传输协议加入机器人定位和控制系统中，允许通过本地网络或因特网实现对机器人的控制操作；Teodorescu R M[32]等人利用 XBEE 无线通信技术实现移动平台与远程控制设备之间的双向通信，XBee 无线模块一般应用于工业、科学和医学频段（2.4GHz 或 868MHz），通过 Labview 软件实现控制功能的开发和运行；AdityaSundaram[33]等人采用标准协议和人机接口，使用 web 浏览器，使远程用户可以通过 Internet提供的视觉反馈中控制移动机器人在封闭空间中运动，并讨论了一种基于云计算的网络化机器人系统的实现和性能分析；Jan Nádvorník 和 Pavel Smutn?[34]在 Eclipse 集成开发环境中开发了 Android 操作系统的移动应用程序，并使用 Lego Mindstorms 构建工具包，基于无线蓝牙技术实现移动机器人的手动控制。

　　国内学者陈伟、李向东[35]等人搭建了一种移动机器人远程控制系统，该系统通过使用指令检验方式以及反馈控制机制，实现对机器人的可靠控制；范家璐[36]等人为了克服无线通信对运行性能的负面影响，创造性的研究了一类工业过程中基于无线网络的运行优化与反馈控制。提出一种集丢包和噪声于一体的无线通信模型，将无线传感器网络引入到双层工业运行控制结构中，对运行层现有的以太网进行补充；贺人文和刘霞[37]通过将机器人控制器与TCP/IP 协议进行通信，其控制系统采用面向对象设计的 C#编写的 IRC5 控制器，实现了直接通过以太网的 ABB 型机器人的远程控制；王魁生[38]等人针对移动终端之间无法进行远程控制的问题，提出了一种基于 Android 平台的远程控制系统。通过客户端-服务器模型，遵循Android 应用规范，采用 Java 语言开发的远程控制平台；周保可、丑武胜[39]等人针对当下物联网结合机器人技术这一热门趋势，设计了基于云平台的移动机器人远程控制系统。用户可以通过运行 Android 手机应用程序实现移动机器人的远程运动控制，且该系统响应速度快，性能稳定，达到了遥控要求；王赛和刘子龙[40]二人通过 4G 无线通信技术实现了移动机器人的远程监控系统，并提出后续可与 5G 模块和 5G 手机终端相连以降低传输数据延迟。

　　1.4 论文研究内容及创新点

　　本文首先就目前国内外存在的工业机器人与折弯机相配合的方式方法，进行了大量的调研和分析，针对一些机器人工作中所存在的配合效率低、自由度不高、实用性不强等问题，设计出五自由度直角坐标机器人。其次，对所设计出的五自由度直角坐标机器人搭建软硬件平台。并对机器人的折弯运动过程的路径进行算法规划分析和仿真。最后，通过物联网技术搭建网络化远程控制平台，为以后的实验验证提供基础。本文具体研究内容如下：

　　（1）根据自主设计的五自由度直角坐标折弯机器人，选择相应的伺服电机、伺服电机驱动器、运动控制卡和工业主机，阐述控制系统的设计结构，并完成硬件平台和电气控制柜的搭建。根据所选的伺服电机和运动控制卡，通过对应的软件，分别完成对伺服电机和运动控制卡的调试，实现通过运动控制卡完成对伺服电机的运动控制。

　　（2）分析国内外机器人路径规划和折弯随动的相关技术，针对实验室自主设计的五自由度直角坐标折弯机器人建立坐标系，根据 D-H 参数法对其进行运动学分析，之后对机器人折弯操作建立数学模型，并编写折弯随动程序。

　　（3）对机器人运动轨迹在关节空间和笛卡尔空间中分别进行运动规划。应用多项式插补规划运动过程中的关节速度，应用分段函数组合正弦函数规划机械臂跟随钣金件进行折弯工艺的折弯轨迹，应用基于随机树思想改进的人工势场法规划在有障碍物环境中的避障轨迹。

　　通过数学模型并应用 Matlab 软件来验证上述算法对机器人进行折弯加工运动的可行性。

　　（4）为实现对机器人位置坐标、机器人运行速度的实时显示，实现对机器人的点动运动、定长运动、点位示教运动的实时控制，以及对机器人运行过程中的报警信息、设备开机率、设备运行时长等进行统计分析，采用 B/S 架构，基于 python 语言和 Mysql 数据库进行开发，采用 TCP/IP 通讯协议实现和机器人的数据交互，进而实现五自由度机器人远程控制系统的搭建。

　　本文的主要创新工作有以下几部分：

　　（1）针对钣金件折弯工艺的技术现状，对实验室已有的五自由度直角坐标折弯机器人的路径规划进行研究。针对折弯机器人的折弯随动工艺流程，利用分段函数组合正弦函数规划机械臂跟随钣金件进行折弯工艺的折弯轨迹，运用基于随机树思想改进的人工势场算法对障碍物环境中的避障轨迹进行运动规划和仿真，且应用于钣金件的实际折弯操作。

　　（2）设计机械臂网络化远程控制系统，实现远程客户端与服务器的数据交互和控制操作。

　　1.5 论文总体结构

　　第一章，首先阐述工业机器人在工业生产领域的价值和意义，针对工业机器人目前的技术现状，如轨迹规划和远程控制等展开综述，对其在钣金件折弯领域的国内外现状进行详细的探讨。

　　第二章，详细阐述了自主设计的五自由度直角坐标折弯机器人的机械结构及各项参数，选择相应的伺服电机、伺服电机驱动器、运动控制卡，阐述控制系统的设计结构，并完成硬件平台和电气控制柜的搭建。根据所选的伺服电机和运动控制卡，通过对应的软件，分别完成对伺服电机和运动控制卡的调试。并在运动控制卡软件中编写模块化程序，实现通过运动控制卡完成对伺服电机的运动控制。

　　第三章，针对钣金件折弯工艺的技术现状，并结合工业机器人的运动特性，对实验室已有的五自由度直角坐标折弯机器人的路径规划进行研究，根据 D-H 参数法建立机器人坐标系，求解机器人运动学方程，再根据运动方程编写程序实现其自动折弯操作。

　　第四章，运用插补法和基于随机树思想改进的人工势场算法分别对所建立的数学模型进行轨迹规划和仿真，并将其应用于钣金件的实际折弯操作。

　　第五章，为实现对机器人位置坐标、机器人运行速度的实时显示，实现对机器人的点动运动、定长运动、点位示教运动的实时控制，以及对机器人运行过程中的报警信息、设备开机率、设备运行时长等进行统计分析，采用 B/S 架构，基于 python 语言和 Mysql 数据库进行开发，采用 TCP/IP 通讯协议实现和机器人的数据交互，进而实现五自由度机器人远程控制系统的搭建。

　　第六章，对全文所完成的研究工作进行归纳与总结，并对未来五自由度直角坐标机器人的后续研究工作做了进一步的展望。

　　第二章 五自由度机械臂控制系统总体设计 

　　2.1 引言

　　2.2 五自由度机械臂总体结构介绍 

　　2.3 五自由度机械臂控制系统硬件选型 

　　2.4 控制系统方案设计

　　2.5 控制系统软件调试

　　2.5.1 电机与伺服驱动器调试

　　2.5.2 运动控制卡的软件程序编写

　　2.6 本章小结

　　第三章 五自由度机械臂运动学分析及程序设计

　　3.1 引言

　　3.2 五自由度机械臂运动学分析 

　　3.2.1 五自由度机械臂坐标系的建立 

　　3.2.2 五自由度机械臂运动学求解

　　3.3 五自由度机械臂折弯运动学方程 

　　3.4 五自由度机械臂折弯随动程序设计 

　　3.4.1 折弯随动设计框架

　　3.4.2 程序编写

　　3.5 本章小结

　　第四章 五自由度机械臂运动轨迹规划算法及仿真

　　4.1 引言

　　4.2 基于插补法的运动规划 

　　4.2.1 关节空间插补运动规划

　　4.2.2 笛卡尔空间插补运动规划

　　4.3 基于分段函数组合正弦函数法运动规划 

　　4.4 基于随机树思想改进的人工势场法轨迹规划 

　　4.4.1 人工势场法

　　4.4.2 随机树算法

　　4.4.3 基于随机树思想改进的人工势场法 

　　4.5 本章小结

　　第五章 五自由度机械臂远程控制系统设计 

　　5.1 引言

　　5.2 网络化远程监控系统

　　5.3 浏览端/服务器模式

　　5.4 远程控制系统软件的实现 

　　5.4.1 软件功能说明

　　5.4.2 系统安全保护措施

　　5.5 五自由度机械臂远程控制系统实验 

　　5.6 本章小结

　　第六章 总结与展望

　　6.1 本文总结

　　机器人以其高效、高精度的性能在工业制造中得到了广泛应用。在生产线的制造阶段，最有趣的问题之一是如何将这些机器人所消耗的能量降到最低。以及机器人的工业化或智能化改造，不会因工人疲劳等因素而影响到流水线的质量，可以显著的提高企业产品的质量、产品良率，还有整体工作效率。本文首先对机器人折弯路径规划进行研究，通过建立五自由度直角坐标折弯机器人连杆坐标系，得到 D-H 参数并进行运动学分析，进而对机器人折弯路径进行规划和仿真，验证机器人进行折弯加工的可行性。并根据机器人运动指令进行自动编程研究。其次，搭建五自由度直角坐标折弯机器人硬件平台，包括伺服电机、伺服驱动器、运动控制卡、电气控制柜的选型、组装与搭建。再次，针对五自由度直角坐标折弯机器人所用到的伺服驱动器和运动控制卡，进行软件调试与系统控制程序的编写。最后，使用物联网技术和 Python 开发技术通过网络服务器将各类终端与五自由度机械臂进行结合，将机械臂控制端扩展到工业主机，甚至是我们基本上人手一部的手机上，实现基于物联网的机器人远程控制系统。

　　本文主要完成了以下研究工作：

　　（1）分析国内外机器人路径规划和折弯随动的相关技术，针对实验室自主设计的五自由度直角坐标折弯机器人，实现其自动规划路径。

　　（2）根据自主设计的五自由度直角坐标折弯机器人的各项参数，选择相应的伺服电机、伺服电机驱动器、运动控制卡和工业主机，并完成硬件平台和电气控制柜的搭建。

　　（3）根据所选的伺服电机和运动控制卡，通过对应的软件，分别完成对伺服电机和运动控制卡的调试，实现通过运动控制卡完成对伺服电机的运动控制（4）为实现对机器人位置坐标、机器人运行速度的实时显示，实现对机器人的点动运动、定长运动、点位示教运动的实时控制，以及对机器人运行过程中的报警信息、设备开机率、设备运行时长等进行统计分析，采用 B/S 架构，基于 python 语言和 Mysql 数据库进行开发，采用 TCP/IP 通讯协议实现和机器人的数据交互，进而实现五自由度机器人远程控制系统的搭建。

　　6.2 展望

　　一般情况下，工业发展先经历自动化然后再到智能化，目前我国大部分制造公司还处在自动化过程中，智能化偏少，整个智能化市场其实仍然处在探索尝试的阶段。且目前随着大数据、机器视觉等技术的发展，工厂中包括机械臂在内的常见工业机器人在作业时展现出的"柔韧度"和"灵活性"都有了显著的提高。本文虽然对五自由度直角坐标折弯机器人配合折弯机进行折弯工作中的运动规划和远程控制进行了研究与实验，但仍然存在着不足，还可以在以下几个方面进一步改善：

　　（1）对五自由度直角坐标折弯机器人的自动编程技术进行的研究还不够完善。目前，各行业针对非标准件和小批量工件的加工需求日益增长，折弯工艺的更加智能化、集成化，要求控制平台具备图形化编程的能力。后续工作会在原有手动示教的基础上，通过图形化软件实现自动编程，可以更加方便、快捷的进行折弯操作。

　　（2）加入五自由度直角坐标折弯机器人的视觉定位技术。利用视觉定位技术提高五自由度直角坐标折弯机器人机器人自动避障，可以提高五自由度直角坐标折弯机器人工作效率以及重复定位精度，以及可以通过机器人视觉，在远程控制中及时发现生产加工中所遇到的突发状况。

　　（3）五自由度直角坐标折弯机器人尚未与折弯机进行协同加工实验，后续工作可验证其协同加工方案的可行性。

　　参考文献

　　[1] 张毅。 工业机器人的技术发展及其应用[J]. 数字化用户， 2017（28）： 45-46.

　　[2] 朴圣艮。 工业机器人的应用现状及发展[J]. 农家参谋， 2019（23）： 137.

　　[3] Iqbal J, Islam R U, Abbas S Z, et al. Automating industrial tasks through mechatronic systems-A review ofrobotics in industrial perspective[J]. Tehni?ki vjesnik, 2016, 23（3）： 917-924.

　　[4] 杜壮。 工业机器人"消费降级"?一个伪命题[J].中国战略新兴产业， 2018（37）： 50-52.

　　[5] Lin H I, Carvajal D H. Automatic following in a sheet metal bending process[C]//2016 InternationalAutomatic Control Conference （CACS）。 IEEE, 2016: 137-142.

　　[6] Robla-Gómez S, Becerra V M, Llata J R, et al. Working together: A review on safe human-robotcollaboration in industrial environments[J]. IEEE Access, 2017, 5（26）： 754-773.

　　[7] Vogel C, Fritzsche M, Elkmann N. Safe human-robot cooperation with high-payload robots in industrialapplications[C]//2016 11th ACM/IEEE International Conference on Human-Robot Interaction （HRI）。 IEEE,2016: 529-530.

　　[8] Olaya S S P, Wollschlaeger M. Control as an industrie 4.0 component: Network-adaptive applications forcontrol[C]//2017 22nd IEEE International Conference on Emerging Technologies and Factory Automation（ETFA）。 IEEE, 2017: 1-4.

　　[9] Jiang S, Fang H, He K, et al. Research on Obstacle Avoidance Path Planning Algorithm for Six-axisRobot[C]//2018 IEEE International Conference on Information and Automation （ICIA）。 IEEE, 2018:465-469.

　　[10] Shao J, Luo D, Xu Y, et al. Cooperative Path Planning for Multiple Robots With Motion Constraints inObstacle-Strewn Environment[J]. IEEE Access, 2019, 7（132）： 286-301.

　　[11] Das S D, Bain V, Rakshit P. Energy Optimized Robot Arm Path Planning using Differential Evolution inDynamic Environment[C]//2018 Second International Conference on Intelligent Computing and ControlSystems （ICICCS）。 IEEE, 2018: 1267-1272.

　　[12] Lai T C, Xiao S R, Aoyama H, et al. Path planning and obstacle avoidance approaches for robotarm[C]//2017 56th Annual Conference of the Society of Instrument and Control Engineers of Japan （SICE）。IEEE, 2017: 334-337.

　　[13] Yang K, Moon S, Yoo S, et al. Spline-based RRT path planner for non-holonomic robots[J]. Journal ofIntelligent & Robotic Systems, 2014, 73（1）： 763-782.

　　[14] Nishi T, Mori Y. Energy Efficient Motion Planning of Dual-Armed Robots with Pickup PointDetermination for Transportation Tasks[C]//2018 IEEE International Conference on Industrial Engineeringand Engineering Management （IEEM）。 IEEE, 2018: 1401-1405.

　　[15] Contreras-Cruz M A, Ayala-Ramirez V, Hernandez-Belmonte U H. Mobile robot path planning usingartificial bee colony and evolutionary programming[J]. Applied Soft Computing, 2015, 30: 319-328.https://doi.org/10.1016/j.asoc.2015.01.067. [16] Das P K, Behera H S, Panigrahi B K. Intelligent-based multi-robot path planning inspired by improvedclassical Q-learning and improved particle swarm optimization with perturbed velocity[J]. EngineeringScience and Technology, an International Journal, 2016, 19（1）： 651-669.

　　[17] Kim H W , Chen H , Lee J M . Path planning of 5-DOF manipulator[C]// 2014 IEEE/ASME InternationalConference on Advanced Intelligent Mechatronics （AIM）。 IEEE, 2014, 877-881.

　　[18] Ji M, Zhang L, Wang S. A Path Planning Approach Based on Q-learning for Robot Arm[C]//2019 3rdInternational Conference on Robotics and Automation Sciences （ICRAS）。 IEEE, 2019: 15-19.

　　[19] Li Z, Ma H, Zhang X, et al. Path planning of the dual-arm robot based on VT-RRT algorithm[C]//2019Chinese Control Conference （CCC）。 IEEE, 2019: 4359-4364.

　　[20] Yu J, Wu P, Yu N, et al. Research and implementation of robot arm task imitation system based onRNN[C]//2017 IEEE International Conference on Robotics and Biomimetics （ROBIO）。 IEEE, 2017:

　　2484-2489.

　　[21] X.G.HAN, M.YIN, X.G.LIU et al. Solution of Inverse Kinematics and Motion Trajectory Simulation for 6RRobot[J]. Journal of Sichuan University（Engineering Science Edition）， 2015, 47（6）： 185-190.

　　[22] Jingyi Z, En L, Zize L. Random based narrow space path planning for arm manipulation with the fixedorientation constraints[C]//2016 Chinese Control and Decision Conference （CCDC）。 IEEE, 2016:5176-5179.

　　[23] 李俊， 舒志兵， 王苏洲。 基于样条函数和改进遗传算法的机器人轨迹规划[J]. 制造技术与机床，2017（07）： 91-95.

　　[24] 王凯凯， 万衡。 机器手臂轨迹规划[J]. 制造业自动化， 2015, 37（13）： 8-11.

　　[25] 陶重犇， 雷祝兵， 李春光， 孙云飞， 周海冰。 基于改进模拟退火算法的搬运机器人路径规划[J]. 计算机测量与控制， 2018, 26（07）： 182-185.

　　[26] 孙炜， 吕云峰， 唐宏伟， 等。 基于一种改进A*算法的移动机器人路径规划[J]. 湖南大学学报：自然科学版， 2017, 44（4）： 94-101.

　　[27] 程志， 张志安， 李金芝， 江涛。 改进人工势场法的移动机器人路径规划[J].计算机工程与应用，2019,55（23）： 29-34.

　　[28] 缪新。 机器人磨削系统控制技术研究[D]. 2015.

　　[29] Sun W, Liu C, Zhu J. A Remote Controlled Mobile Robot Based on Wireless Transmission[C]//2018 2ndIEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference（IMCEC）。 IEEE, 2018: 2173-2176.

　　[30] Sheludko V N, Putov V V, Putov A V, et al. Decentralized control of cooperative robotic system[C]//2016IEEE V Forum Strategic Partnership of Universities and Enterprises of Hi-Tech Branches （Science.Education. Innovations）。 IEEE, 2016: 15-18.

　　[31] Putov A V, Ignatev K V, Kopichev M M. Infrared camera based robot position determening and controlsystem[C]//2016 2nd International Conference on Industrial Engineering, Applications and Manufacturing（ICIEAM）。 IEEE, 2016: 1-4.

　　[32] Teodorescu R M, Cioc I B, Vochin B A, et al. LabVIEW application used for remote control of a mobilerobot with xbee communication[C]//2016 8th International Conference on Electronics, Computers andArtificial Intelligence （ECAI）。 IEEE, 2016: 1-4.

　　[33] Sundaram A, Gupta M, Rathod V, et al. Remote Surveillance Robot System--A Robust Framework UsingCloud[C]//2015 IEEE International Symposium on Nanoelectronic and Information Systems. IEEE, 2015:

　　213-218.

　　[34] Nádvorník J, Smutn? P. Remote control robot using Android mobile device[C]//Proceedings of the 201415th International Carpathian Control Conference （ICCC）。 IEEE, 2014: 373-378.

　　[35] 陈伟， 李向东， 刘成业， 等。 基于无线通讯的移动机器人远程控制系统的设计和实现[J]. 山东科学，2014, 27（6）： 52-57.

　　[36] Fan J, Wang L, Chai T. Wireless network based operational optimization and control for a class ofindustrial processes[C]//2015 10th Asian Control Conference （ASCC）。 IEEE, 2015: 1-6.

　　[37] 贺文人， 刘霞。 基于ABB机器人的遥操作控制系统设计[J]. 计算机应用研究， 2019, 36（12）： 3785-3787.

　　[38] Wang K S, Hou Y, Xu Y Z. Design and Implementation of Remote Control System between Android Platform[C]//2016 International Conference on Information System and Artificial Intelligence （ISAI）。 IEEE,2016: 143-147.

　　[39] Zhou B, Chou W, Wu S. Remote control system of mobile robot based on cloud platform[C]//2017 2ndInternational Conference on Robotics and Automation Engineering （ICRAE）。 IEEE, 2017: 94-98.

　　[40] 王赛， 刘子龙。 基于4G网络的移动机器人远程控制研究[J]. 软件导刊， 2019, 18（11）： 71-74.

　　[41] Su Y H, Hsiao C C, Young K Y. Manipulation system design for industrial robot manipulators based ontablet PC[C]//International Conference on Intelligent Robotics and Applications. Springer, Cham, 2015:27-36.

　　[42] Trinh G, Copplestone G, O'Connor M, et al. Robotically assembled aerospace structures: Digital materialassembly using a gantry-type assembler[C]//2017 IEEE Aerospace Conference. IEEE, 2017: 1-7.

　　[43] 杨中。 面向折弯作业的五自由度机械臂设计及运动控制研究[D]. 南京邮电大学， 2018.

　　[44] 松下电器机电（中国）有限公司。 松下AC伺服电机？驱动器使用说明书（综合篇）[K]. 2018.

　　[45] 固高科技（深圳）有限公司。 GUS Controller 系列运动控制器用户手册[K]. 2015.

　　[46] Ratiu M, Prichici M A. Industrial robot trajectory optimization-a review[C]//MATEC Web of Conferences.EDP Sciences, 2017, 126: 2005.

　　[47] Mejri S, Gagnol V, Le T P, et al. Dynamic characterization of machining robot and stability analysis[J]. TheInternational Journal of Advanced Manufacturing Technology, 2016, 82（1-4）： 351-359.

　　[48] Patil A, Kulkarni M, Aswale A. Analysis of the inverse kinematics for 5 DOF robot arm using DHparameters[C]//2017 IEEE International Conference on Real-time Computing and Robotics （RCAR）。 IEEE,2017: 688-693.

　　[49] Sun J D, Cao G Z, Li W B, et al. Analytical inverse kinematic solution using the DH method for a 6-DOFrobot[C]//2017 14th International Conference on Ubiquitous Robots and Ambient Intelligence （URAI）。 IEEE,2017: 714-716.

　　[50] Petrescu R V, Aversa R, Akash B, et al. Inverse kinematics at the anthropomorphic robots, by atrigonometric method[J]. American Journal of Engineering and Applied Sciences, 2017, 10（2）： 394-411.

　　[51] Lin H I, Carvajal D H. Automatic following in a sheet metal bending process[C]//2016 InternationalAutomatic Control Conference （CACS）。 IEEE, 2016: 137-142.

　　[52] 陈浩。 满足不同任务需求的机器人最优路径规划研究及实现[D]. 浙江工业大学， 2016.

　　[53] Ali S A, Annuar K A M, Miskon M F. Trajectory planning for exoskeleton robot by using cubic and quinticpolynomial equation[J]. International Journal of Applied Engineering Research, 2016, 11（13）： 7943-7946.

　　[54] ?vejda M, ?echura T. Interpolation method for robot trajectory planning[C]//2015 20th InternationalConference on Process Control （PC）。 IEEE, 2015: 406-411.

　　[55] Sommariva A, Vianello M. Polynomial fitting and interpolation on circular sections[J]. AppliedMathematics and Computation, 2015, 258: 410-424.

　　[56] Bhowmick S, Mukhopadhyay J, Deb A K. Fast Path planning on planar occupancy grid exploiting geometryof obstacles[C]//2017 Ninth International Conference on Advances in Pattern Recognition （ICAPR）。 IEEE,2017: 1-6.

　　[57] Zhang N, Zhang Y, Ma C, et al. Path planning of six-DOF serial robots based on improved artificialpotential field method[C]//2017 IEEE International Conference on Robotics and Biomimetics （ROBIO）。IEEE, 2017: 617-621.

　　[58] Santiago R M C, De Ocampo A L, Ubando A T, et al. Path planning for mobile robots using geneticalgorithm and probabilistic roadmap[C]//2017IEEE 9th International Conference on Humanoid,Nanotechnology, Information Technology, Communication and Control, Environment and Management（HNICEM）。 IEEE, 2017: 1-5.

　　[59] Shen H. A study of welding robot path planning application based on Genetic Ant Colony HybridAlgorithm[C]//2016 IEEE Advanced Information Management, Communicates, Electronic and AutomationControl Conference （IMCEC）。 IEEE, 2016: 1743-1746.

　　[60] Chen Y W, Chiu W Y. Optimal robot path planning system by using a neural network-basedapproach[C]//2015 international automatic control conference （CACS）。 IEEE, 2015: 85-90.

　　[61] Nie Z, Yang X, Gao S, et al. Research on autonomous moving robot path planning based on improvedparticle swarm optimization[C]//2016 IEEE Congress on Evolutionary Computation （CEC）。 IEEE, 2016:2532-2536.

　　[62] 贝前程， 刘海英， 张绍杰， 裴云成。 基于改进传统人工势场法的机器人避障和路径规划研究[J]. 齐鲁工业大学学报， 2019（06）： 53-58.

　　[63] 陈尔奎， 吴梅花。 基于改进遗传算法和改进人工势场法的复杂环境下移动机器人路径规划[J]. 科学技术与工程， 2018, 18（33）： 79-85.

　　[64] Chen S, Yang Z, Liu Z, et al. An improved artificial potential field based path planning algorithm forunmanned aerial vehicle in dynamic environments[C]//2017 International Conference on Security, PatternAnalysis, and Cybernetics （SPAC）。 IEEE, 2017: 591-596.

　　[65] Ma C, Zhang Y, Zhao Q, et al. 6R Serial Manipulator Space Path Planning Based on RRT[C]//2016 8thInternational Conference on Intelligent Human-Machine Systems and Cybernetics （IHMSC）。 IEEE, 2016, 2:99-102.

　　[66] Zhang H, Wang Y, Zheng J, et al. Path planning of industrial robot based on improved RRT algorithm incomplex environments[J]. IEEE Access, 2018, 6（53）： 296-306.

　　[67] Song A, Si G. Remote monitoring system based on Zigbee wireless sensor network[C]//2017 29th ChineseControl And Decision Conference （CCDC）。 IEEE, 2017: 2618-2621.

　　[68] Agajo J, Kolo J G, Obiaradimson I C, et al. REMOTE MONITORING AND AUTOMATED DIAGNOSISVIA INTERACTIVE SOFWARE INTERFACE USING WIRELESS COMMUNICATION NETWORK"TELEMEDICINE"[J]. ATBU Journal of Science, Technology and Education, 2016, 4（1）： 95-109.

　　[69] Zhang Y, Liu H, Su X, et al. Remote mobile health monitoring system based on smart phone andbrowser/server structure[J]. Journal of healthcare engineering, 2015, 6（4）： 717-738.

　　[70] Filguiera R, Krause A, Atkinson M, et al. dispel4py: A Python Framework for Data-Intensive ScientificComputing[J]. International Journal of High Performance Computing Applications, 2017, 31（4）： 316-334.

　　[71] 黄传禄。 基于Python的MYSQL数据库访问技术[J]. 现代信息科技， 2017, 1（4）： 73-75.

　　[72] Raschka S. Python machine learning[M]. Packt Publishing Ltd, 2015.

致谢

　　岁月长河，奔流不息，短暂的三年研究生学习生活即将结束，正式步入社会。来到南邮，对我而言是进入一个全新的学术殿堂，偌大的校园，浓厚的学术氛围以及拥有浩瀚书海的图书馆。我非常感谢那些在研究生课程学习中，出现过的每一位授课老师，是他们让我更加近距离的理解南邮"厚德弘毅、求是笃行"的校训；我也要感谢那些为我课题研究而帮助过我的人，正因有了他们，才让我更加清晰的明白自己的学习任务和研究内容，以及钻研方向，也很感谢他们不厌其烦的为我解答各种在研究过程中遇到的大小问题；学习的道路中虽然会遇到磕绊，但更多的还是那些与你同行的伙伴。我很高兴在三年学习生活中遇到的室友、认识的同学和交到的朋友，是他们与我朝夕相处，共同分享学习过程中的收获，但更多的是给我带来了打发那些枯燥时光的无限欢乐，让我的青葱岁月可回首，可追忆。

　　最真挚的感谢，要献给我的研究生导师徐丰羽教授。他不像高中老师那样，每天在课堂上给你讲授知识；他也不像本科老师那样，对课后的学习不闻不问。他更像是一位家长，时不时的关心你的学习进展，当你困惑时，给你一定的指引；当你迷茫时，又给你点亮一盏明灯。同时，徐老师在工作之余，也非常关心我们的生活，为了丰富我们的课余生活，徐老师也让师兄弟们经常一起聚会，参加活动，让师门感情更加凝聚。值此论文完稿之际，再次向徐老师表达我由衷的敬意和诚挚的感谢。

　　在这里，我也要感谢申景金老师在我攻读研究生期间提供的无私帮助和指导。感谢课题组的杨中师兄、余洪亮师兄、杨裕栋师兄，同门孟凡昌、郭义全，以及师弟吕凡、曹旭东、芦雨轩、江丰友、鲍书行、郑鑫的一路陪伴和帮助，给枯燥的实验室学习增添了许多乐趣。

　　最后，我还要感谢我的父母和家人，感谢他们对我学业的理解和支持，让我在学习和生活中无忧无虑，尽情享受青春时光。

　　在即将毕业之际，再次衷心地感谢一直以来关心与帮助我的亲友、老师与同学们！

（如您需要查看本篇毕业设计全文，请您联系客服索取）