一种基于机器学习的软体机械手制造技术

本申请实施例提供一种基于机器学习的软体机械手，其中软体机械手指包括中空的机械手指和中空的软体指套，指套的内壁涂有反光材料，指套的上端设置有开口，通过开口将指套套在机械手指的末端，在机械手指的中空结构内部设置有光纤，光纤延伸至软体指套中，光纤感知指套内壁的反光材料产生的形变，光纤发送端通过光纤阵列将图像传送到光纤接收端，光纤接收端连接控制系统，控制系统接收到图像，通过机器学习判断抓取的生物样本，并通过驱动机构控制执行机构进行抓取工作，该发明专利技术可以通过机器学习的方式使得机械手自主判断所抓取生物样本的种类和重量，从而给予合适的力度抓取，保证了生物样本的完整性。

【技术实现步骤摘要】
一种基于机器学习的软体机械手
本申请涉及机械手
，尤其涉及一种基于机器学习的软体机械手。
技术介绍
传统的刚性机械手的功能和形态已经被广泛应用于人类社会生产中。这些刚性机械手主要由金属材料制成，往往负责工业现场中结构性、重复性等工作。然而现代机械手向着高定位精度、高灵活性以及高人机交互的方向发展。近年来，应用软材料设计制造的软体机械手引起了国内外学者和机构的广泛关注，并受到了持续的研究，这为从本质上解决刚性机械手环境交互性差、复杂环境适应性差等问题提供解决思路和方向。芝加哥大学和康奈尔大学的研究人员研发出一种通过阻塞技术来抓取物体的“咖啡包”软体手，该柔性机械手通过刚度的变化可以实现多种复杂形状物体的抓取。柏林大学DEIMEL等人研制了一款基于气动驱动器的软体机械手RBOHand，该学院通过增强学习算法来训练软体手进行灵活抓取。海洋资源的开发已经逐渐成为许多国家的目标，对于海洋资源的开发和利用，机械手是采集海洋资源和海洋生物样本的重要手段。刚性机械手在采集海洋生物样本时很容易造成伤害，不能得到生物样本的完整性。
技术实现思路
本申请提供了一种基于机器学习的软体机械手，可以通过机器学习的方式使得机械手自主判断所抓取生物样本的种类和重量，从而给予合适的力度抓取，保证了生物样本的完整性。本申请实施例的一种基于机器学习的软体机械手，包括执行机构、驱动机构和控制系统，其中，所述执行机构为软体机械手指，所述软体机械手指包括中空的机械手指和中空的软体指套，所述指套的内壁涂有反光材料，所述指套的上端设置有开口，通过所述开口将所述指套套在所述机械手指的末端，在所述机械手指的中空结构内部设置有光纤，所述光纤延伸至所述软体指套中，所述光纤感知所述指套内壁的反光材料产生的形变，光纤发送端通过光纤阵列将图像传送到光纤接收端，所述光纤接收端连接所述控制系统，所述控制系统接收到所述图像，通过机器学习判断抓取的生物样本，并通过所述驱动机构控制所述执行机构进行抓取工作。进一步地，所述驱动机构包括电机、动力齿轮、第一齿轮、第二齿轮、第一动力臂、第二动力臂、导杆，所述电机与所述动力齿轮连接，所述动力齿轮与所述第二齿轮相啮合，所述第二齿轮与所述第一齿轮相啮合，所述第一动力臂的一端固定于所述第一齿轮的中心，与所述第一齿轮形成一体，所述第一动力臂的另一端延伸出所述第一齿轮，所述第一动力臂的另一端设置有通孔，所述导杆穿过所述第一动力臂的另一端的通孔以及所述机械手指上的通孔，使得所述第一动力臂与所述机械手指联动，所述第二动力臂的一端固定于所述第二齿轮的中心，与所述第二齿轮形成一体，所述导杆穿过所述第二动力臂的另一端的通孔以及所述机械手指上的通孔，使得所述第二动力臂与所述机械手指联动。作为一种优选的技术方案，所述软体指套为硅胶指套。作为一种优选的技术方案，所述反光材料为锡箔材料。作为一种优选的技术方案，每个机械手指内部均有两对光纤，其中一对光纤用于发送应力变化图像，另一对光纤用于接收所述应力变化图像。本申请实施例提供的基于机器学习的软体机械手，可以通过机器学习的方式使得机械手自主判断所抓取生物样本的种类和重量，从而给予合适的力度抓取，保证了生物样本的完整性。附图说明为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的软体机械手结构示意图；图2为本申请实施例提供的软体机械手主视图；图3为本申请实施例提供的软体指套的结构示意图；图4为本申请实施例提供的机械手指的结构示意图；图5为本申请实施例提供的齿轮结构示意图；图6为本申请实施例提供的动力臂、导杆结构示意图；图7为本申请实施例提供的爆炸图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例请参阅图1，本申请实施例示出的软体机械手结构示意图，图2所示的软体机械手主视图以及图7的爆炸图，该基于机器学习的软体机械手包括执行机构、驱动机构和控制系统，其中，执行机构为软体机械手指，该软体机械手指包括中空的机械手指1和软体指套2，该软体指套2为中空的圆柱形结构，请参阅图3，(当然该软体指套2也可以为其他结构，如中空的矩形结构等)，该软体指套2的内壁上涂有反光材料，在本实施例中，选取了锡箔作为反光材料涂在软体指套2的内壁上，该软体指套2的上端设置有开口，通过该开口将软体指套2套到机械手指1的末端，该机械手指1也是中空的结构，在本实施例中该机械手指1为中空的矩形结构(当然该机械手指1也可以是其他结构，如中空的圆柱形结构等)，该机械手指1的末端开口，在该机械手指1的中空结构内部设置有光纤3，具体可参阅图4，在本实施例中，每个中空的机械手指1内部都埋入了四根光纤3，这四根光纤为两对收发信号端，光纤延伸至软体指套中，当软体机械手指抓取生物样本时，软体指套2会发生形变，光纤3能够感知软体指套2内壁的反光材料的应力变化，光纤发送端通过光纤阵列将图像(应力变化的图像)传送到光纤接收端。光纤接收端连接至控制系统，所述控制系统接收到应力变化图像，通过机器学习判断抓取的生物样本，并通过所述驱动机构控制所述执行机构进行抓取工作。机械手指的个数和位置关系可以根据实际需要进行调整，在本申请实施例中，采用的是左边三个机械手指，右边两个机械手指的结构。现有技术中大多采用压力传感器来感知应力变化,压力传感器是能感受压力信号，并能按照一定的规律将压力信号转换成可用的输出的电信号的器件或装置,这种传感器都是线性传感器，且精确度较差，如果采用非常好的传感器价格又很高，本申请实施例采用在软体指套2的内壁涂上反光材料，并在软体指套2的中空内部设置光纤的方式来传输图像，然后经过机器学习的方式来识别生物样本，这种方法即可以处理线性的情况又可以处理非线性的情况。在本实施例中，每个中空的机械手指内部都埋入四根光纤，即两队收发信号端，以实现差分信号的传输，即发送信号端TX+，TX-和接收信号端RX+，RX-，这种差分信号传输的方式抗噪能力强，有利于保证信号传输的完整性。在本申请实施例中，以海参和扇贝作为抓取的生物样本，这里选择的抓取生物样本具有完全不同的形态和结构，当然也可以选择更多种类的其它生物样本作为抓取样本，海参选取500个训练样本，扇贝选取500个训练样本，每个训练样本都是随机选取重量和形状的，在训练时，每次都以合适的方式和力度抓取训练样本，并将光纤阵列传输的这1000个训练样本的应力变化图像保存下来，记录训练样本的特征，在本申请实施例中，选取了两个特征，一个是种类，另一个是重量，也就是记录所抓取的生物样本是海参还是扇贝，重量是多少，以及此时抓取的力度多大(即机械手抓取的角度，该抓取角度是通过电机控制的)，然后重复这样的实验1000次，将1000个训练样本的图像作为软体机械手的训练数据集，每个训练样本对应一个种类一个重量还有机械手抓取的力度，通过控制系统的机器学习，使本文档来自技高网...

【技术保护点】
1.一种基于机器学习的软体机械手，包括执行机构、驱动机构和控制系统，其中，所述执行机构为软体机械手指，其特征在于，所述软体机械手指包括中空的机械手指和中空的软体指套，所述指套的内壁涂有反光材料，所述指套的上端设置有开口，通过所述开口将所述指套套在所述机械手指的末端，在所述机械手指的中空结构内部设置有光纤，所述光纤延伸至所述软体指套中，所述光纤感知所述指套内壁的反光材料产生的形变，光纤发送端通过光纤阵列将图像传送到光纤接收端，所述光纤接收端连接所述控制系统，所述控制系统接收到所述图像，通过机器学习判断抓取的生物样本，并通过所述驱动机构控制所述执行机构进行抓取工作。

【技术特征摘要】
1.一种基于机器学习的软体机械手，包括执行机构、驱动机构和控制系统，其中，所述执行机构为软体机械手指，其特征在于，所述软体机械手指包括中空的机械手指和中空的软体指套，所述指套的内壁涂有反光材料，所述指套的上端设置有开口，通过所述开口将所述指套套在所述机械手指的末端，在所述机械手指的中空结构内部设置有光纤，所述光纤延伸至所述软体指套中，所述光纤感知所述指套内壁的反光材料产生的形变，光纤发送端通过光纤阵列将图像传送到光纤接收端，所述光纤接收端连接所述控制系统，所述控制系统接收到所述图像，通过机器学习判断抓取的生物样本，并通过所述驱动机构控制所述执行机构进行抓取工作。2.根据权利要求1所述的软体机械手，其特征在于，所述驱动机构包括电机、动力齿轮、第一齿轮、第二齿轮、第一动力臂、第二动力臂、导杆，所述电机与所述动力齿轮连接，所述动力齿轮与所述第二齿轮相...

【专利技术属性】
技术研发人员：王楠，徐建康，郑海永，付民，于佳，俞智斌，顾肇瑞，郑冰，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东,37