突破制造业“卡脖子”技术,需要源头上的基础理论*
1997年,32岁的张跃明从清华大学精密仪器与机械学系博士毕业,进入北京工业大学做博士后,长期从事机械设计及理论的基础研究。“说起来很惭愧,我虽然是北工大的第Y批博士后,但我个人的科研兴趣一直在生产一X,帮企业解决实际问题。所以发论W相对比较少。”张跃明说。张跃明的论W发得少,但他的实践应用成果并不少。
比如,张跃明跟北一机床合作,联合开发出了数控机床核心功能部件,工业机器人,完全替代了日本进口,并一直应用于北一大隈机床厂的多个型号的数控加工中心产品,这也为张跃明做工业机器人的RV减速器打下了良好的基础。他从中受到启发:“我国机械制造的很多问题不是材料和工艺的问题,而是缺少源头*。
”“机械产品与其他高科技产品一样,蕴含丰富的科学规律,工业机器人视频,只有揭示其内在的运动规律和科学原理,才能制造出高品Z的产品。”张跃明告诉记者。DANG的十八大以来,我国科技体制改革持续深入推进,国家加大了对基础研究和“卡脖子”技术攻关的支持力度,张跃明成了受益者。2015年,张跃明争取到北京市科委的科研项目“RV减速器产业化开发”,拿到200万元的科研经费,研发“机器人关节RV减速器制造工艺”技术。他花了1000多个日夜,建立了一个齿轮修形技术模型,解决了齿轮磨损问题,Z终掌握了“机器人关节RV减速器设计及制造工艺”核心技术。
深度学习
由于深度学习在计算机视觉领域得到了非常好的效果,我们做机器人的自然也会尝试把 DL 用到机器人的物体识别中。
首先,对于物体识别,这个就可以照搬 DL 的研究成果了,各种 CNN 拿过来用就好了。在 2016 年的『亚马逊抓取大赛』中,很多队伍都采用了 DL 作为物体识别算法。
然而, 在这个比赛中,虽然很多人采用 DL 进行物体识别,工业机器人操作,但在物体位姿估计方面都还是使用比较简单、或者传统的算法。似乎并未广泛采用 DL。如 周博磊 所说,一般是采用 semantic segmentation network 在彩S图像上进行物体分割,之后,工业机器人公司,将分割出的部分点云与物体 3D 模型进行 ICP 匹配。
芯片缺货对工业机器人的影响
工业机器人四大关键零部件的减速器、控制器、伺服系统和传感器中,除了减速器,其他三个都需要用到芯片。其中以控制器和伺服系统用到的芯片更多。
工业机器人的控制器可以说是整个机器人控制系统的大脑,其主要的任务就是通过各种硬件和软件的结合,来控制机器人在工作空间中的运动位置、姿态和轨迹。
目前国内的运动控制技术有了很大的发展,在今年的机械展上,lt;电子发烧友gt;发现不少国内的控制器企业参展,比如新代、华城数控、众为兴、雷赛智能、科力尔等等。国产控制板卡的硬件方面已逐渐成熟,与国外大厂的控制板卡相比,硬件的差距其实不大,差距主要体现在控制算法和二次开发等软件方面。由于软件方面的原因,国产控制板卡的操作精度和稳定性方面可能会有一些差距。