旋量理论和消元法在类达芬奇手术机器人逆运动学求解中的应用

由于达芬奇手术机器人构型特殊,不满足逆运动学解析解的存在条件,传统的运动学建模方法无法求出机器人逆运动学解析解.针对一种类达芬奇手术机器人构型,提出了一种结合旋量理论和消元法相结合的全新运动学建模方法,运用该方法成功求解出类达芬奇手术机器人的逆运动学解析解,解决了类达芬奇手术机器人精确解析解的求解问题.并通过MATLAB/Simulink仿真验证了该方法的正确性,从而丰富了机器人运动学建模和逆运动学解析解的求解理论,为类达芬奇手术机器人提供了一种快速通用的精确解析解求解方法.     

空间3R机械臂逆向运动学的奇异轨迹线方法研究

针对机器人逆运动学多解问题,提出一种基于奇异轨迹线的多模块径向基神经网络的求解方法。根据奇异轨迹线理论,将关节空间严格划分成只具有单逆解的多个关节子空间区域,然后通过正向运动学,使各个关节子空间映射到同一工作空间,以获得多组工作空间位置相同但是关节区域不同的训练样本,每组训练样本只含单逆解。在多模块径向基神经网络结构中,每个子模块分别负责学习一组训练样本,从而将逆运动学多解求取问题转化为各个子模块对神经网络权值的训练问题,通过神经网络结构中的多个模块逆解预测,实现了机器人逆运动学的多解计算。算例表明基于奇异轨迹线的多模块神经网络能够正确输出多组逆解,满足求解精度要求,在逆运动学多解求取中具有较好的推广价值。     

采用APSO-LM-BP神经网络的挖掘机器人运动学逆解研究

针对挖掘机器人执行机构的运动学逆解求解难、速度慢的问题,提出一种基于APSO-LM-BP神经网络的逆运动学求解方法。利用自适应粒子群(APSO)算法对BP神经网络中的连接权值以及阈值进行优化,再把BP神经网络训练过程中的梯度下降法用LM算法代替,以克服传统BP神经网络的输出误差大,陷入局部极优解的缺陷。仿真结果表明,与传统BP神经网络相比,APSO-LM-BP神经网络输出误差大大降低,训练时间更短,改善了算法的收敛精度和收敛速度,且满足挖掘机器人运动学逆解要求。该方法可以推广至任意自由度串联机器人的逆运动学求解,具有较强的实用性。     

基于BP神经网络的机器人逆运动学新算法

以瑞典ABB公司生产的IRB140型小型工业机器人为例,对空间六自由度多关节机器人进行了运动学分析,建立了该类型机器人的运动学模型,并提出了一种基于BP神经网络改进算法的机器人逆运动学的求解方法。对IRB140型机器人的仿真研究表明,用此改进的BP神经网络算法反解机器人运动学不仅求解过程简单,学习收敛速度快,还可以避免传统反解方法中的许多棘手问题。     

同伦算法在6R机器人运动学逆解上的应用

针对一般6R机器人运动学的逆解问题,提出了一种自适应同伦算法的求解方法。利用Solid Works对机器人进行结构建模,根据D-H坐标法建立了相应的坐标系,建立机器人运动学模型后得到含六个未知变量的六个非线性运动学方程。在定点同伦和牛顿同伦的基础上,引入自适应参数构造自适应的同伦算法,避免了运动学逆解的雅可比矩阵逆阵奇异。再结合求解常微分方程初值问题的的四阶Runge-Kutta法和Matlab编程,最终得到机器人运动学逆解的全部解。该算法简单易行,计算效率高,为一般型机器人运动学逆解的研究提供了一种有效的方法。     

基于代数算法神经网络在机器人逆运动学中的应用

采用多层前向INI神经网络建立机器人逆运动学模型.提出了一种神经网络代数算法来学习网络待求权和自由权,该算法选择很广一类的隐层神经元函数训练网络,将复杂的非线性优化问题转化为简单的代数方程组求解问题,求解速度快;在网络训练之前就可以根据给定的问题确定隐层神经元的个数,可以方便地求得全局最优点,实现样本空间的精确映射,不存在局部极小、收敛速度慢等问题.提出的求解机器人逆运动学的新算法可以得到高精度的解,有仿真结果为证.     

工业机器人智能运动学模型

针对机器人运动学正、逆解推导过程复杂,计算量大的情况,提出了一种基于神经网络的机器人运动学正、逆解计算新方法。首先搭建了6自由度工业机器人实验平台,操纵机器人沿某一轨迹运动,记录下机器人在采样时刻的姿态角、坐标及关节角,获取实验数据。在此基础上,设计了一个三层神经网络,输入所采集到的数据进行训练,构建了机器人运动正反解神经网络模型。文章最后对所构建的模型进行验证,验证结果表明,由运动学模型所得到的预测值与实际的测量值误差小,模型具有较高的准确度。     

改进代数算法神经网络在机器人逆运动学中的应用

用多层前向INI神经网络建立机器人逆运动学模型.采用一种改进代数算法来学习神经网络待求权和自由权,该算法选.择很广一类的隐层神经元函数训练网络,将复杂的非线性优化问题转化为简单的代数方程组求解问题,求解速度快;在网络训练之前就可以根据给定的问题确定隐层神经元个数,可以方便地求得全局最优点,实现样本空间的精确映射,不存在局部极小、收敛速度慢等问题.提出的求解机器人逆运动学新算法可以得到高精度的解,有仿真结果为证.     

基于旋量理论和Paden-Kahan子问题的6自由度机器人逆解算法

机器人逆解中运动学模型的建立主要采用Denavit-Hartenberg(D-H)参数法和旋量法。D-H参数法相对成熟,在机器人运动学分析中得到广泛应用。旋量法实际应用相对较少,但旋量法中机器人各连杆坐标系相对于底座建立,具有明确的几何意义。基于旋量法建立起的机器人运动学模型,其逆解常采用Paden-Kahan子问题方法加以求解,单纯的Paden-Kahan子问题法只能解决低自由度机器人的逆解。针对后三个关节相交于一点的6自由度关节机器人,基于旋量理论建立起机器人运动学模型,利用经典消元理论和Paden-Kahan子问题相结合的方法,提出一种机器人运动学逆解算法,并给出此类机器人运动学逆解的显式求解结果。以库卡KR-150机器人为例,利用该算法进行运动学逆解,验证了算法的正确性。     

基于BP网络的尾焦收集机器人运动学逆解算法分析

利用改进的BP神经网络算法对尾焦收集机器人运动学逆解进行探讨,建立了尾焦收集机器人的运动学逆解的BP网络模型,进行了10输入、4输出和1个隐含层的BP网络训练,并用训练好的网络来求解运动学逆问题,取得了较好的效果,为机器人运动学逆问题算法提供了新的思路.     

基于BP网络判据的工业机器人运动学逆解

以MOTOMAN UP20型六自由度机器人为例,建立了工业机器人的MDH模型。在此基础上提出了一种解决工业机器人运动学逆解中存在多解的问题的方法：利用BP网络算法所得的结果作为判据,进行机器人运动学逆解的自动选择,得出运动学逆解问题的唯一解,以实现从机器人工作空间到关节空间的非线性映射。     

一种可重构模块化机器人系统的运动学研究

介绍了一种可重构模块化机器人系统,进行了基于指数积法的模块化机器人的运动学研究。采用装配映射矩阵描述模块装配的拓扑结构信息。利用拓扑结构信息和模块坐标系间的齐次变换,获得了各个关节的旋量坐标并自动生成了基于全局指数积法的机器人运动学正解模型。通过对旋量坐标的伴随矩阵变换获得了机器人的空间雅克比矩阵,进而采用速度变换的方法得到了夹爪坐标系相对于空间坐标系的雅克比矩阵。采用Newton-Raphson迭代方法,利用雅克比矩阵的广义逆实现了运动学逆解的求解。并通过仿真实验验证了逆解求解方法的有效性。     

一种6R非球型手腕机器人逆运动学算法研究

6R非球型手腕喷涂机器人得到了越来越广泛的应用,然而这种机器人的结构不满足Pieper准则,导致该机器人的逆运动学求解困难。对此,提出了一种近似解析法和数值迭代法相结合的6R非球型手腕机器人逆运动学组合算法。首先,根据6R非球型手腕机器人的结构特点近似转化为6R球型手腕机器人,并以等效球型手腕机器人的逆运动学解析解作为近似解,采用基于运动学雅可比矩阵的数值迭代法求解6R非球型手腕机器人的逆运动学精确解。其次,针对等效变换引起机器人有效工作空间减小,从而导致算法失败的问题进行了分析,提出了基于目标位姿偏置的方法提高逆运动学算法的鲁棒性。最后,通过数值仿真验证了所提出的6R非球型手腕机器人逆运动学算法的可靠性和时实性。     

基于运动旋量的LR-Mate 100机器人的逆运动学分析

针对串联机器人逆解困难问题,提出采用运动旋量及指数积求解运动学逆解子问题的方法,求解LR-Mate100机器人的运动反解。研究表明:该方法可消除多关节耦合变量,简化求解过程,计算精度高,同时为求解LR-Mate 100机器人的运动学逆解提供了一种新方法。     

6R模块化机器人逆解算法与误差分析

为解决6R模块化串联机器人逆运动学求解精度和效率低的问题,运用D-H法对该机器人进行建模和正运动学分析,提出了解析法+BP神经网络相结合求逆运动学的方法。在逆运动学求解过程中,采用解析法求解前三个关节角度,采用BP神经网络建立运动学逆解模型求解后三个关节角度。为解决网络训练样本数据优选问题,采用核聚类理论和随机抽取算法对后三个关节的位姿参数样本进行优选,将逆运动学问题转化为基于BP的多输入多输出预测系统。运用该逆解模型进行复杂运动轨迹仿真,结果显示该神经网络模型求逆解的精度最高可达6.8212e-8°。并将该方法与解析法+BP神经网络不同的组合模式进行预测求解对比,结果表明该求逆解组合模式不但求解精度高,而且求解简单、泛化能力强。     

FANUC_M-6iB型机器人运动学逆解研究

根据FANUC_M-6iB型机器人的结构特点,求出了机器人的运动学公式.提出只需要一次矩阵逆乘的逆解算法,与传统方法相比,避免了大量的逆矩阵相乘,简化了求取运动学逆解的过程,大大减少了计算运动学方程逆解的计算量.而且所得的解表达式简单,便于机器人的仿真和快速控制.仿真结果验证了该方法的正确性.     

四自由度喷涂机器人的运动学分析

通过讨论一种喷涂机器人的运动学建模的问题,利用Paul等人提出的代数解法对其各关节角和喷枪之间的关系进行了计算,得出了简化的运动学逆解的代数解,并在此基础上对机器人结构进行分析,给出了在插补过程中选择最优的逆解的方法.     

基于遗传算法的新型六自由度并联机器人运动学分析

运动学位置正解和位置逆解是对并联机器人其它性能进行分析的基础,位置正解也是并联机器人研究中的一个难点。本文采用遗传算法对一种新型六自由度并联机器人的运动学位置正解和位置逆解进行了求解,并且利用灰色关联分析对求解结果进行了分组,得到了Stewart并联机器人的5组位置正解实解。实例表明该方法简单、方便、具有通用性,是求解并联机器人运动学问题的一种新策略。     

基于RBF神经网络的冗余度机器人轨迹规划

利用D-H方法完整地推导出了机器人的运动学方程,并将由此得到的运动学正解作为训练样本,对利用RBF神经网络方法建立的机器人运动学神经网络模型进行训练,实现了机器人从工作空间到关节空间的非线性映射,求解了机器人的逆解,并对3R,4R,5R和6R机器人的运动轨迹规划进行了计算机仿真,验证了该方法的可行性。     

双臂6R服务机器人的运动学研究及仿真

针对双臂服务机器人运动学的逆解问题,根据其构型特点提出一种逆运动学求解方法。首先,根据机械臂的结构特点,采用标准DH法对其进行建模,得到双臂的正运动学模型,同时采用逆变换方法将机械臂的姿态用欧拉角表示,进而得到机械臂位姿的一组广义坐标;然后,采用几何法和坐标系投影法对双臂6R机器人进行逆运动学求解,经分析计算后最多可得8组封闭解,并选取最优解;最后,基于MATLAB建立双臂的3D仿真运动平台,验证了逆运动学求解的正确性,为机械臂的轨迹规划和避碰奠定基础。