6-PRRS并联机器人正运动学求解

采用分类神经网络形式,利用运动学逆解,通过遗传算法结合Levenberg-Marquardt训练方法,可实现机器人位置从关节变量空间到工作变量空间的非线性映射,从而求得并联机器人运动学正解估计值,然后通过拟牛顿迭代计算可求得精确解,将此方法应用于6-PRRS并联机器人,结果表明:该方法计算精度高,耗时少,可应用于并联机器人的任务空间实时控制或求解并联机器人的工作空间。     

6-PRRS并联机器人的动力学建模研究

为解决并联机器人动力学模型的计算复杂性与实时准确控制之间的矛盾,采用虚功原理建立6-PRRS并联机器人各构件随参数变化的完整动力学方程,对6-PRRS并联机器人动力学模型在各种工作情况下进行仿真分析,对机器人各部分质量和转动惯量对驱动力的影响进行研究,提出动力学模型简化策略,减小了动力学计算量,提高并联机器人动力学的计算速度,为并联机器人的控制和参数识别奠定了基础.     

6-HTRT并联机器人动力学分析

等效元素集成法是复杂机构动力学分析中一种规范、高效的建模方法.用等效元素集成法建立空间机构动力学方程的关键是确定系统各运动关节及结点与广义坐标之间关系的二阶转换张量以及相应的三阶转换张量.针对并联机器人中各构件之间复杂的运动关系,基于等效元素集成法,列写出6-HTRT并联机器人动力学方程,其求解思路适合于机器人工作空间中的不同点及不同机构尺寸的该型号机器人,求解过程较为简捷、方便.     

基于神经网络的6-SPS并联机器人正运动学精确求解

位置正解是并联机器人机构应用的基础。探讨了人工神经网络在并联机器人机构位置正解求解中的应用。采用BP网络，利用位置逆解结果，通过训练学习，实现操作手从关节变量空间到工作变量空间的非线性映射；从而求得6-SPS并联机器人运动学正解。为提高正解结果精度，采用迭代计算进行误差补偿。给出了一种并联机器人操作手的仿真实例。计算结果表明，该法迭代次数少，计算精度高且计算速度接近机器人实时控制的要求。     

基于雅可比矩阵分析法的多关节机器人机构设计技术研究

鉴于多关节机器人机构参数的设计是极其复杂的难题,研究出一种平面6自由多关节机器人的机构设计方法。通过分析小载荷6自由度多关节机器人机构设计的特征,提出一种从末端工作载荷任务反推各个杆件所需驱动力与功率作为选取驱动部件、设计机构依据的思路。通过建立机器人正向、逆向运动学数学模型,引入雅可比矩阵解决机器人逆运动学解析问题,得到多关节机器人各关节的运动速度,在速度选定基础上,计算出驱动力矩,综合考虑性价比选择出电机与减速器,根据电机与减速器的外形尺寸,从多关节机器人末端反向设计出机构外形。设计实例表明,该机器人结构具有良好的运动特性,为多关节机器人的详细结构设计提供了一种简单、有效途径。     

六自由度并联机器人工作空间分析

介绍了基于并联机构运动学逆解的并联机构工作空间极限边界数值搜索算法,对六自由度并联机器人的位置工作空间、姿态工作空间以及考虑了关节几何约束的并联机器人的工作空间等问题作了讨论,并得到了并联机器人工作空间的实体模型．     

基于旋量理论的模块化机械臂动力学建模

机器人系统建模方法主要有D-H参数法和旋量法。旋量法建模具有物理意义清晰,表示无奇异等优点。基于旋量理论对6自由度的机械臂进行机构描述,采用Newton-Euler方法建立机械臂的动力学模型,然后进行动力学仿真实验。首先设置一段机械臂关节轨迹,利用逆动力学方程求解出相应的力矩,然后将力矩拟合函数和初始关节角位移和角速度代入到正动力学方程中,求得相应的运动轨迹。通过正、逆动力学仿真,可以看出正、逆动力学所得结果一致,验证了动力学模型的正确性。     

3-RRRT并联机器人动力学建模及其正向求解

研究一种3-RRRT新型高速搬运机器人动力学建模及正向动力学求解方法,以多体系统理论和Kane方法建立了该并联机器人的运动学与动力学模型,运用违约修正约束稳定法对动力学模型进行求解,并利用Matlab软件平台进行了动力学正向求解数值仿真,结果表明此数值积分方法速度快、精度高,适合于3-RRRT并联机器人动力学正向求解.     

6R机器人逆运动学求解与运动轨迹仿真

针对如何提高6R机器人逆运动学求解的精度和效率问题,提出一种基于动态模糊神经网络进行求解的方法。根据6R机器人逆运动学方程组具有高维非线性、求解复杂的特点,对动态模糊神经网络进行改进,使其能够应用于多输入多输出系统,建立运动学逆解预测模型。通过正运动学方程获取工作空间位姿样本,以工作空间的位姿作为预测模型的输入变量,以关节空间中的关节角作为输出变量,用样本数据对逆解预测模型进行训练。最后,运用该模型对KR16-2机器人进行复杂运动轨迹仿真,并与RBF和BP神经网络模型的求解效果进行比较,结果显示,基于动态模糊神经网络的6R机器人运动学逆解预测模型具有精度高、鲁棒性优和泛化能力强的特点,证明了该方法的可行性和有效性。     

一种6-PRRS并联机器人的神经网络控制

针对6-PRRS并联机器人控制系统的非线性、耦合等特性,设计了神经网络控制器.此控制器采用分散控制策略,利用复合正交神经网络来消除并联机器人控制系统非线性、耦合的影响,学习系统的不确定信息作为前馈补偿使系统跟踪误差快速收敛,并采用PID作为反馈控制保证系统的稳定性,从而实现6-PRRS并联机器人的快速、稳定轨迹跟踪.该控制器以离散的形式进行设计,结构简单、易于工程实现.     

逆动力学方法在机械臂正动力学并行计算中的应用(英)

本文提出了一种刚性臂正动力学有效的并行算法．首先,基于道动力学的非递推牛顿一欧拉公式,并结合并行化的文[1]的方法1,并行计算了惯性医阵．然后,用逆动力学的非递推牛顿一欧拉公式计算了偏矢量,并用文[6]的方法并行求解了线性方程组．最后,以PUMA560机器人的前三个臂为例进行了计算效率分析．     

3-RRRT并联机器人解耦控制

研究一种3-RRRT新型高速搬运机器人解耦控制方法.依据第一类拉格朗日方程建立了3-RRRT型并联机器人的动力学与系统机电模型,根据其动力学模型特点,提出一种改进的计算力矩解耦控制方法.在运用违约修正约束稳定法对动力学模型进行求解的基础上,利用Matlab中的Simulink软件平台进行了并联机器人解耦控制数值仿真,结果表明所采用的解耦控制方法达到了较高的控制精度,适合于3-RRRT型并联机器人.     

基于逆运动学的6-UPS并联机构运动学参数辨识方法

为了提高6-UPS并联机构的定位精度,研究了一种基于逆运动学的6-UPS并联机构运动学参数辨识方法.首先基于逆运动学建立了6-UPS并联机构的运动学参数辨识模型,然后通过Levenberg-Marquardt最小二乘法对模型进行求解,最后对该算法进行了仿真验证.结果表明该算法可以很快收敛,在测量设备没有测量误差的理想状态下,参数辨识精度达到10-10mm.在测量设备存在1μm、1″的误差状态下,参数辨识精度达到10-3mm,足以满足大部分应用场合下6-UPS的位姿精度要求.     

基于粒子优化算法的并联机器人误差建模分析

以6?PTRT并联机器人为研究对象,建立其位姿误差模型,利用单支链闭环矢量法,依据输入输出关系,建立误差方程。依据6?PTRT并联机器人的位姿误差模型,将机构误差转化为驱动杆误差,利用MATLAB软件分析各个驱动杆杆长误差参数对其输出位姿误差的影响;建立并联机器人位姿误差修正的目标函数,利用基于带收缩因子的自适应权重粒子群算法寻优各个驱动杆误差参数,修正末端位姿、提高运动学精度,为6?PTRT并联机器人动力学、位姿标定以及轨迹规划和控制等问题提供理论依据。     

6自由度装校机器人逆解的确定

为了实现对自主研发的6自由度装校机器人的精确控制,提出了一种机器人的逆解确定方法。通过D-H(Denavit-hartenberg matrix)法建立机器人各连杆的参考坐标系获得D-H参数,推导出机器人的运动学正解并采用解析法求得运动学逆解。基于作业时间最优的思想,采用在X-Y平面末端定域方法从多组逆解中确定出一组运动学逆解。运动学逆解可以用于机械臂末端执行器的精确定位和运动规划,为实现机器人的轨迹规划及实时控制等提供了理论基础。     

模块化协作机器人运动特性分析及动力学仿真研究

针对UR10模块化协作机器人的构型特点,采用D-H坐标变换法建立其运动学坐标系,采用逆变换法对机器人进行逆运动学求解,求得各个关节转角。运用拉格朗日法对UR机器人进行动力学分析,利用ADAMS多体动力学仿真软件对其进行动力学仿真。结果证明,该模块化协作机器人具有良好的静态平衡性能、运动稳定性和动态响应特性。