工业机器人轨迹规划与优化研究进展

随着机器人技术的发展,关节型工业机器人凭借效率高、精度高及良好的环境适应性与工作稳定性优点而被广泛地应用于自动化工业之中。轨迹规划是提升工业机器人作业质量的有效途径。为全面了解现有轨迹规划研究方法,对各领域轨迹规划及优化研究进展进行全面综述。首先,简述了轨迹规划的流程并根据各种轨迹规划的原理进行分类,介绍了一般轨迹规划中多项式插值法和B样条插值法的研究现状;然后,针对能量、时间及冲击等不同因素的优化研究进行详细的归纳,并指出现有轨迹寻优算法的具体思路;最后,结合实际明确动态避障、强化学习下的轨迹规划、轨迹误差补偿与预测及多机器人协作轨迹规划将是今后的研究重点。     

基于Q-Learning的变阻抗控制

针对机器人力控磨抛系统在作业时与不确定环境接触的接触力控制问题,提出了一种基于Q-Learning的变阻抗控制算法。首先,根据获取的系统输入检查Q函数的迭代评估控制策略并沿Q函数的梯度更新参数集至收敛,获得近似Q函数;然后,对近似Q函数求导得到最佳的阻尼系数;最后,通过阻抗控制调整力控打磨平台,从而对接触力进行实时准确控制。仿真实验表明,基于Q-Learning的变阻抗控制算法具有响应速度快、超调量低和稳定性好等特点,此外对于环境变化能快速调整适应并对期望接触力进行准确跟踪,可以有效提高机器人力控磨抛系统的接触力控制性能。