基于BP神经网络的机器人运动学逆解新算法

介绍了BP神经网络原理及算法并利用改进的BP神经网络算法对UY自由度机器人运动学反解问题进行了探讨。通过BP网络建立运动学模型,选择贝叶斯算法,采用Matlab神经网络工具箱进行编程,同时按照一定的范围要求提供样本,在试验及数值模型提供的样本数据范围内,得出模型测试精度都能满足工程要求。文章还进行了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,对机器人动力学问题、轨迹规划、运动控制也有一定的启发作用。     

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.     

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PSO-BP算法的水下机器人运动模型辨识

将粒子群算法(PSO)与误差反传算法(BP)相结合,利用粒子群算法的全局突变性,使BP算法避免在神经网络权值寻优过程中陷入局部极小值.对Elman神经网络结构进行调整,并将PSO-BP算法用于改进后的Elman网络的权值修改.最后,对比了3种不同算法、结构的神经网络对水下机器人运动学模型的辨识结果,证明了基于PSO-BP算法的改进Elman神经网络对水下机器人运动模型,有较高的辨识精度.     

基于MATLAB的工业机器人运动学仿真研究

采用D-H方法建立了IRB140机器人数学模型,构建了运动学方程并对方程进行了求解。利用MATLAB的机器人工具箱建立了机器人三维模型,通过编程实现了对机器人模型的检验,经过对运动学方程的求解结果和滑块控制图所设定数值的比较,其误差很小,验证了模型的可靠性;对机器人运动学正逆解进行了仿真得到了各种有效的仿真数据,为后续动力学研究和轨迹规划打下了基础。     

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。     

位移补偿BP神经网络的3-PPR并联机构的正解研究

针对3-PPR并联机构的正运动学问题,利用运动学逆解结果,结合Levenberg-Marquardt训练方法,先后采用BP神经网络和改进型BP神经网络完成了该机构位姿从关节变量空间到工作变量空间的非线性映射,从而求得其运动学正解。为进一步提高正解精度,提出一种位移补偿算法对BP神经网络进行优化。将所提方法应用于该机构,并利用MATLAB进行求解,结果显示经过2.17 ms的迭代计算,正解结果的精度由10-3级提高到10-6级,从而验证了该算法的有效性和正确性,实现了3-PPR并联机构位姿的高精度和实时性控制。     

神经网络在机器人逆运动学中的应用

研究了3种BP网络改进算法在机器人逆运动学中的应用。采用多层前向神经网络建立机械手逆运动学模型。仿真结果表明，所提方法可以满足机械手逆运动学解的精度，确保快速达到全局收敛。     

基于BP神经网络的6DOF喷漆机器人逆运动学研究

传统方法求解6 DOF斜交非球型手腕喷漆机器人的逆解运算量大、精度低,不利于实现实时、精确控制;基于三层标准BP神经网络,针对其收敛速度慢、易陷入极小值等问题,采用增加动量项的方法进行改进,建立斜交非球型手腕喷漆机器人末端执行器位姿与各关节角之间的映射关系;利用Matlab对神经网络模型进行训练和验证,结果表明,BP神经网络学习精度高、收敛速度快,可满足6DOF喷漆机器人逆运动学的求解.     

基于改进牛顿迭代法的手腕偏置型六自由度关节机器人逆解算法

手腕偏置型六自由度关节机器人不满足Pieper法则,无法求得封闭形式的运动学逆解。对比非偏置型机器人结构,提出一种结合非偏置型机器人封闭逆解和改进牛顿迭代法的数值迭代算法。先利用反变换法求得同构型非偏置型机器人的封闭逆解,并将该封闭逆解作为后续迭代搜索的初始值;将偏置型机器人运动学正解的3个位置分量和3个独立姿态分量构造成1个非线性方程组,利用改进牛顿迭代法对该非线性方程组进行迭代搜索,从而求解得到偏置型机器人的数值逆解。大量试验表明,该算法可以满足一般实时控制要求。     

符号计算在机器人运动学求解中的应用

用符号计算和析配消元法获得了6R工业机器人逆运动学的通用求解算法。由于经符号计算推导出的运动学解析解不仅求解速度快，而且对于工业机器人具有通用性，故符号计算可大大提高机器人仿真和离线编程系统运动学模块的通用性。     

激光加工机器人自标定研究

介绍一种机器人自标定方法，通过固定于机器人末端执行器上的探针与工作空间中的约束平面接触，建立运动学约束方程，利用机器人内部传感器读数来辨识机器人运动学参数，约束平面的位置无需准确知道。该方法无需任何外部测量设备，适于定期现场再标定。对某激光加工机器人的仿真结果表明，该方法可以达到其它标定法如几何参数标定法所能达到的标定精度。     

六自由度工业机器人手腕分析与优化综合

本文分析了用于六自由度工业机器人的球型手腕, 这种手腕具有结构紧凑, 姿态范围大, 定位精度高等特点.在运动学分析的基础上, 研究了手腕定位精度与各关节参数精度误差之间的关系, 给出了完整的误差数学模型, 借助于此模型通过优化设计, 得到了各关节参数精度的合理分配, 为机器人机械结构及控制系统的精度设计提供了依据.文章阐述了使机器人实现快速响应, 提高定位精度的优化设计方法.     

基于MATLAB-Robotics工具箱的工业机器人轨迹规划及仿真研究

对Cincinnati T3-746工业机器人的运动学轨迹规划进行了分析与仿真。通过实验对该工业机器人的三关节的关节轨迹进行了三次多项式插值运算。利用MATLAB-Robotics工具箱对该工业机器人进行了建模,实现了对工作空间内任意直线、圆弧轨迹拟合插值运算。通过运动学正反解的计算,得到了实时的关节空间坐标的数值解。为该工业机器人进一步的研究和应用提供了理论分析依据。     

虚拟封闭运动链法提高机器人运动学标定精度

介绍了一种基于激光器构造虚拟封闭运动链的标定方法,该方法通过末端操作器上安装的激光器向观测平板发射激光束,并保持激光投影点处于观测平板上一个固定位置,构造出一个虚拟封闭运动链。在此基础上对IRB140机器人的几何参数进行了标定,经试验验证表明,本标定方法有效地实现了机器人绝对精度的大幅度提高。     

基于输入组的六自由度解耦并联机器人

串联机器人具有很好的运动解耦性,多数并联机器人各支链间是耦合的。本文基于输入分组的思想,研究了在给定主动输入关节时机器人的输入组解耦问题,使得传统意义上耦合的一类机器人具有了解耦的特征,极大地简化了控制系统设计。最后给出了基于速度雅可比矩阵的判别方法,并将该方法用于分析一种六自由度输入组解耦的并联机器人,表明该矩阵判别法简便而有效。     

基于ADAMS的新型喷涂机器人的运动学仿真

通过D_H法建立六自由度喷涂机器人运动学方程,在这个的基础上利用Matlab软件绘制出整个机器人的工作空间。同时运用ADAMS建立了喷涂机器人的虚拟样机模型,不仅直观地证明了所建立的运动学模型的正确性,更为以后的机器人动力学分析、轨迹控制奠定了基础。     

基于ADAMS的五自由度机器人运动学仿真

介绍了基于ADAMS的五自由度机器人的三维建模方法,并用ADAMS的运动仿真功能对五自由度机器人的运动特性进行了仿真分析,给出了机器人在典型运动状态下,手部末端的位移、速度及加速度等特性曲线,为机器人运动控制及优化设计提供参考依据。     

基于双目立体视觉的工业机器人在线温度补偿

工业机器人在工业现场进行连续高速作业过程中,电机发热和关节摩擦生热将导致机械臂本体温度升高,引起机器人末端定位漂移,严重影响机器人的重复定位精度和作业精度。针对制造现场的工业机器人,提出了一种基于双目立体视觉的温度误差在线补偿方法,并基于微分运动学和双目视觉原理构建了温度误差补偿模型。在机器人末端安装基准球,同时在基座附近固定视觉测量传感器,机器人完成作业循环之后,以不同的姿态带动基准球至传感器视场内进行补偿测量。此外,通过分析各关节参数随时间变化的规律,筛选出符合温度漂移规律的显著性参数进行补偿,有效降低了补偿测量次数和耗时。实验结果显示,补偿后机器人的重复定位精度可维持在±0.1mm的水平,能够显著改善制造现场工业机器人的作业精度,且整个补偿测量过程耗时10s左右。     

拟人机器人运动学分析

由于拟人机器人自由度数目众多而且不存在一般工业机器人那样的固定基座,使用常规方法对其进行运动学分析并不是很合适。仿人机器人的13杆几何模型提出了一种新思路,即利用统一的模型对拟人机器人任何动作进行运动学的分析计算,并推导出了拟人机器人正、逆运动学的计算公式。最后利用3DS MAX3.0进行了动画仿真,验证了该方法和所推导公式的正确性。