機械手臂機構設計

機械手臂架構使用四顆伺服馬達，三顆 GWS(S03N2)、一顆 GWS(S03N3) 標 準型伺服馬達。機械手臂設計如圖4.1(a)，在機械手臂連接部分，都是以 3D 印表 機列印而成 (PLA 材質)，包括連桿如圖4.1(b)、基座如圖4.1(c) 與夾具如圖4.1(d)，

利用 3D 印表機有利於在機械手臂研究上。

(a) 機械手臂設計圖

(b) 連桿設計

(c) 旋轉盤設計 (d) 夾具設計

圖 4.1: 機構設計

Na tio

nal

University of Kaohsiung

4.2 硬體架構

實驗中使用為一台筆記型電腦，CPU 型號為 Intel Core i7-4710HQ 2.5GHz，記 憶體大小為 8GB，作業系統為 Windows 10，使用 Code Block 程式開發軟體以 C 語言進行程式撰寫。伺服馬達控制使用 Arduino Mega 2560 微控制器，用來控制伺 服馬達 PWM 訊號。影像擷取設備使用 Logitech C920 及 Logitech C910，用來擷取 機械手臂影像。硬體架構如圖4.2所示。

圖 4.2: 硬體架構

伺服馬達數量到達一定數量時，當伺服馬達同時工作或舉起重物時，伺服馬 達會需要取得更大的電流來支撐，若外部供電不穩的話可能會造成伺服馬達出力 不足、斷電或是馬達損壞的可能。因此在電源分配上進行調配，使供電能夠非常 穩定，電源分配設計如圖4.3。

圖 4.3: 供電電路設計

Na tio

nal

University of Kaohsiung

4.3 實驗環境

採用的機械手臂為自行設計隻機械手臂，具有三個活動自由度，並使用兩個 攝影機擷取影像資訊，架設在機械手臂上方及側面，目標位置為機械手臂前方藍 色保麗龍球，本實驗採用 70 cm x 60 cm 的白色桌面，四周使用高 70 cm 的隔板隔 開並貼上白紙使環境單純化，如圖4.4。在攝影機擷取影像部分，側視影像使用 640 x 480 像素，攝影機距離機械手臂底部位置 60cm，俯視影像使用 850 x 480 像 素。攝影機距離機械手臂中心位置 60cm，如圖4.5。

圖 4.4: 實驗環境示意圖 圖 4.5: 攝影機架設圖

4.4 實驗流程

實驗中重點在於評估方法的準確性，在比較準確性及效果方面，都是以影像 中的像素誤差為衡量標準，因此像素位置差異越大代表定位越不準確，實驗進行 方式將由以下流程說明：

• 設定目標位置：手動移動機械手臂到達期望位置後，啟動攝影機擷取機械手 臂側視影像及俯視影像。

• 影像處理：取得所需影像，進行目標辨識，取得側視影像中目標中心位置及 俯視影像中目標中心位置，提供給下一層方法的輸入資訊。

Na tio

nal

University of Kaohsiung

• 方法計算：將目標中心位置輸入至逆向運動學方法、修正控制方法與類神經 網路方法做計算，輸出為各關節旋轉角度。

• 伺服馬達控制：將關節旋轉角度轉換成伺服馬達控制訊號，發送至控制端輸 出控制。

• 定位結果：方法的定位輸出結果，機械手臂移動到該位置，再使用攝影機擷 取實際位置影像。

• 計算誤差：計算方法的實際位置與目標位置像素誤差，此誤差可以評斷出定 位準確性。

4.5 資料蒐集

類神經網路訓練時所需要正確的輸入、輸出資料，才能夠訓練出好的類神經 網路模型，此實驗重點在於驗證定位方法的可靠性，比較逆向運動學方法與修正 方法，在機械手臂定位上的效果，為此進行精準度的測試實驗。

實驗中都以影像資訊為優劣評斷依據，而實驗的影像有目標影像 (側視及 俯視)、逆向運動學定位影像 (側視及俯視)、修正方法定位影像 (側視及俯視) 如 圖4.6，影像中綠色點位置為目標位置，目標位置由影像處理取得，而藍色點位置 為方法的定位位置。從圖中可以簡單地看出兩種方法的效果，修正方法的定位位 置有較接近期望的目標位置，而逆向運動學方法定位位置距離目標位置較遠，其 原因為實際空間誤差、硬體誤差及感測器誤差所導致，使得計算出的結果與實際 位置誤差甚大。

此實驗中取得機械手臂移動後的影像位置，計算出實際手臂移動後定位位置 與目標位置像素誤差，誤差計算方式如式 (4.1)：

Error = T arget− Method (4.1)

Na tio

nal

University of Kaohsiung

(a) 目標影像 (側視影像) (b) 目標影像 (俯視影像)

(c) 逆向運動學定位影像 (側視影像) (d) 逆向運動學定位影像 (俯視影像)

(e) 修正方法定位影像 (側視影像) (f) 修正方法定位影像 (俯視影像)

圖 4.6: 實驗影像

其中 Error 為影像誤差 (像素)，T arget 為目標像素位置，M ethod 為方法定位後 實際像素位置。實驗中隨機取出 10 次定位資料做分析，逆向運動學方法定位誤差 如表4.1、圖4.7(a)，誤差修正方法定位誤差如表4.2、圖4.7(b)，從表中可看修正方 法有較低的誤差，而逆向運動學方法誤差較大，因此需經過後端的修正方法來達 成精準定位。 接續以上實驗，計算目標位置與實際位置的影像距離，影像距離計

Na MSE 7.95 16.25 7.65 9.35

表 4.2: 修正方法 (位置像素誤差)

Na tio

nal

University of Kaohsiung

表 4.3: 目標與實際位置距離誤差表

IK 修正方法

Distance 側視影像 俯視影像 側視影像 俯視影像 1 23.02 12.04 1.42 1.41 2 51.89 8.06 7.61 6.08 3 69.77 8.06 13.61 8.54 4 64.00 25.94 5.38 7.21 5 26.17 23.76 8.24 9.43 6 26.24 34.13 10.44 13.89 7 30.06 43.41 5.00 5.00 8 23.85 67.23 5.83 6.71 9 39.81 27.80 8.06 14.86 10 39.82 9.48 7.07 4.24 MSE 19.73 12.99

3.63 3.86

析，目標與實際位置距離誤差如表4.3與圖4.8，由表或圖中可以明顯發現到逆向運 動學的距離誤差非常大，而修正方法有很有效的修正效果，在這些實驗中，都可 以明顯的看出修正方法的正確性。

圖 4.8: 距離誤差長條圖

機械手臂的定位雖然重要，而定位的執行效率也是很重要的一環，執行效率 越好代表著在同一個時間能夠越快完成工作。在此實驗中延續以上實驗資料進行

Na tio

nal

University of Kaohsiung

執行效率分析，每一次的時間中，包含著機械手臂的目標辨識、方法計算及移動 過程，一整個流程下所耗費的時間，如表4.9與圖4.10，Average 為 10 次實驗的平 均時間。從表與圖中可看出修正方法需耗費較多時間來進行修正，每次的機械手