关节型工业机器人轨迹规划研究综述

关节型工业机器人凭借其良好的灵活性和高效率的工作模式被广泛地应用于现代工业自动化生产之中,例如搬运、码垛、焊接、切割等。轨迹规划是工业机器人运动控制的基础研究领域,决定着其作业效率和运动性能。工业机器人的轨迹规划是指综合考虑作业需求和机器人性能,在笛卡尔空间或关节空间内得出指导机器人末端执行器运动的轨迹。阐述了工业机器人轨迹规划的概念及其分类,就各个领域的轨迹规划算法进行了全面综述,包括基本轨迹规划和最优轨迹规划,指出了各类轨迹规划算法中所存在的问题和未来的发展方向。     

基于IAGA的工业机器人时间最优轨迹规划

针对工业机器人在给定路径点和运动学约束条件下寻求时间最优解,提出了一种改进的自适应遗传算法(Improved A-daptive Genetic Algorithm简称IAGA).在改进的算法中设计了一组随种群适应度变化的非线性交叉和变异算子,使算法易跳出局部解,寻求全局最优解能力更强.在关节空间中通过五次非均匀B样条...     

基于QPSO算法的机器人时间最优轨迹规划

在考虑关节约束的前提下,为得到工业机器人时间最优的关节运动轨迹,提出一种工业机器人时间最优轨迹规划新算法。采用五次非均匀B样条插值法构造各关节运动轨迹,得到的机器人各关节位置准确,各关节速度、加速度和加加速度曲线连续。利用量子行为粒子群优化算法(Quantum-behaved Particle Swarm Optimization,简称QPSO)进行时间最优的轨迹规划,该算法可以在整个可行域上搜索,具有较强的全局搜索能力。与标准粒子群算法(Particle Swarm Optimization,简称PSO)和差分进化算法(Differential Evolution Algorithm,简称DE)相比较,结果显示使用该算法进行时间最优的轨迹规划得到的数值结果更小。     

双臂机器人时间最优轨迹规划研究

本论文对双臂机器人时间最优轨迹规划问题作了深入研究,成功地运用了动态规划法 ,对沿着特定路径运动的双臂机器人左、右臂进行了时间最优轨迹规划,从而保证机器人左 、右臂在无碰撞的前提下,实现时间最优运动．算法通过了计算机仿真实验,证明算法可行 ,效率较高．     

工业机器人时间-能量最优轨迹规划

针对工业机器人时间最优、能耗最优的多目标轨迹优化问题,提出了一种基于改进引力搜索算法的最优轨迹规划方法。将引力搜索算法的种群按照惯性质量的大小均分为两组。首先引领组的粒子进行小范围的邻域搜索。然后引领组通过施加引力来引导跟随组的粒子进行位置更新。同时引入人工蜂群算法的贪婪选择策略,每次更新保留较优解。以自主研发的150 kg重载机器人为实验对象,将所提算法与标准人工蜂群算法和引力搜索算法进行比较,结果表明所提算法具有更优性能。     

工业机器人时间最优轨迹规划及轨迹控制的理论与实验研究

提出了一种用于工业机器人时间最优轨迹规划及轨迹控制的新方法, 它可以确保在关节位移、速度、加速度以及二阶加速度边界值的约束下, 机器人手部沿笛卡尔空间中规定路径运动的时间最短. 在这种方法中, 所规划的关节轨迹都采用二次多项式加余弦函数的形式, 不仅可以保证各关节运动的位移、速度、加速度连续而且还可以保证各关节运动的二阶加速度连续. 采用这种方法, 既可以提高机器人的工作效率又可以延长机器人的工作寿命. 以PUMA 5 6 0机器人为对象进行了计算机仿真和机器人实验, 结果表明这种方法是正确和有效的. 它为工业机器人在非线性运动学约束条件下的时间最优轨迹规划及控制问题提供了一种较好的解决方案.     

冗余度机器人的轨迹规划

本文综述了国际上近年来冗余度机器人轨迹规划的研究成果.主要讨论了冗余度机器人在满足所期望的终端要求时灵活性的控制、动力学性能的改善和障碍物躲避的规划算法,同时指出了现有研究中存在的问题.     

基于遗传算法的多机器人系统最优轨迹规划

针对关节型多机器人系统在静态环境下的点到点的轨迹规划问题,提出了一种基于遗传算法的最优轨迹规划策略.采用遗传算法在综合考虑各机器人沿轨迹运动的安全性、运动代价以及运动学约束的基础上为单个机器人规划最优的运动轨迹,并通过协调各机器人沿预定轨迹运行的时间避免机器人之间碰撞的发生.针对含有3个二自由度平面关节型机器人的多机器人系统进行了仿真实验,实验结果验证了该方法的有效性.     

机器人抓取运动目标的轨迹规划方法

本文讨论了机器人在抓取运动目标前的接近轨迹规划问题，给出了一种新的在平面上抓取目标的方案。这种方案适用于机器人接近作直线运动或轨迹已知的平面曲线运动的目标的轨迹规划。本文还研究了当目标沿直线以不同速度运动时机器人手爪要抓取它而必须达到的最小末端速度，最后给出了一些仿真结果。     

基于混合遗传算法的工业机器人最优轨迹规划

为兼顾工业机器人工作效率与轨迹的平稳性,提出一种基于混合遗传算法的二次轨迹规划方案.通过最优时间轨迹规划得到最小执行时间,在最小执行时间内进行最优冲击轨迹规划,进而规划出一条既高效又平滑的运动轨迹.采用五次均匀B样条在关节空间进行快速插值,不仅保证了各关节速度和加速度连续性还保证了各关节冲击的连续性.连续平滑的冲击可以减少机械振动,延长机器人的工作寿命.选用PUMA560为对象进行仿真与实验,结果表明,该方案可以获得比较理想的机器人运动轨迹,所提出的混合遗传算法能有效提高全局寻优的性能和算法运行的稳定性.     

柔性空间机器人振动抑制轨迹规划算法

本文首次提出了一个描述柔性空间机器人振动的可直接计算的激振力指标，进 而提出了柔性空间机器人抑振轨迹规划算法．该算法采用均匀非周期四阶B样条描述机器人 的运动轨迹，B样条的控制点作为优化参数，使用改进的微粒群优化算法，以激振力为性能 指标对轨迹进行优化求解．该方法根据激振力指标而不是待定轨迹的控制结果来判定轨迹的 抑振性能，极大地简化了规划过程．对柔性双臂空间该机器人的抑振轨迹规划仿真，表明优 化轨迹取得了良好的振动抑制效果，证明了算法的有效性．     

工业机器人空间曲线实时轨迹规划算法

本文设计了一种六轴机械臂沿空间曲线行走的控制算法。算法使机器人对输入空间曲线计算出各关节的电机控制命令使机器人沿曲线运动。算法中推导出机器人逆运动学各关节解析解,使机械臂控制器计算过程由解方程组简化为代数运算。对类似结构的机械臂都可以使用,具有一定的通用性。使用Matlab对算法进行编程实现,从而验证了文章所设计算法的正确性。     

机器人视觉跟踪轨迹的分级规划方法

针对跟踪轨迹规划对于确保得到连续光滑的跟踪运动的重要性,提出了两级视觉跟踪轨迹规划方法。第一阶段在图像平面上规划运动轨迹,在图像平面上得到的离散规划点映射到机器人关节空间。第二阶段在机器人关节空间中用三次样条函数来连接这些离散点。为了满足实时控制的要求,在图像处理过程中采用窗口技术并抽取边缘特征。建立用于跟踪两维平面运动物体(如随运输带运动的物体)的机器人视觉跟踪控制系统。实验结果表明,跟踪误差渐近地减小到允许的数值范围,所提出的跟踪轨迹规划方法是有效的。     

基于改进GA的5R串联机器人最优时间轨迹规划

该文以工业自动化中的5R工业机器人为研究对象,在关节空间中采用3-5-3样条插值曲线建立起轨迹基元函数,并提出一种改进遗传算法（genetic algorithm,GA）对3-5-3样条插值曲线的各段插值时间分别进行优化用以满足不同速度的约束条件。在遗传算法中采用轮盘赌法和锦标赛选择法相结合的选择算子并针对交叉概率和变异概率分别设置自适应参数调节机制,以实现算法性能的提升,防止种群陷入局部极值。在MATLAB中搭建5R机器人仿真平台进行实时实验,得到了各关节角度位置、角速度、角加速度、急动度曲线,实验表明该方法能够有效实现不同速度约束下的最优时间轨迹规划。     

基于遗传算法的工业机器人时间最优轨迹规划及仿真研究

为了使工业机器人的末端执行器在任给路径下运行时间最短,在考虑机器人各关节速度、加速度、加加速度和力矩约束的情况下,以PUMA560为例,对工业机器人轨迹进行时间最优规划;在Matlab平台上,对该轨迹规划优化算法进行仿真,仿真结果表明机器人各关节时间最优轨迹规划比未处理的轨迹规划时间明显缩小6.999 4s,6.651 0s,6.351 2s,各个关节的轨迹曲线平滑,从而验证了该算法的有效性。     

CS—1两臂机器人的轨迹规划

本文详细介绍了CS-1两臂机器人的轨迹规划,包括左手的轨迹规划,右手的轨迹规划,以及左、右手轨迹的协调规划。     

基于VC++的工业机器人轨迹规划研究

文章探讨了工业机器人轨迹规划的理论和研究方法,介绍了基于VC++的机器人轨迹规划软件的实现方法。该软件使机器人能够实时规划无碰轨迹,并利用ROSTY软件绘制无碰位姿的机构仿真简图。通过Motoman-HP3机器人的实验,实现了运用VC++应用程序调用Motocom32软件的外部接口函数对工业机器人进行轨迹规划的应用。仿真实验证明,所开发的机器人轨迹规划软件可以实现机器人的远程控制,能保证机器人定位的精度。     

一种基于测地线的机器人轨迹规划方法

提出了一种基于测地线的机器人轨迹规划方法.该方法克服了传统的轨迹规划方法的某些不足,其规划是在关节空间(黎曼空间)内进行的,规划目标是直角坐标空间内的直线,即两点之间的最短路径,也可以是系统动能最小,或某项综合指标最优.该规划方法直接得到机器人的各关节的转角和角速度,无需进行运动学反解和多项式插值.本文的基于测地线的轨迹规划是以轨迹弧长作为参考变量的,因此它还具有非时间参考的机器人轨迹规 划的优点.􀁱     

面向制造环境的工业机器人节能轨迹规划

在制造环境中,工业机器人节能轨迹规划的实际应用存在2个问题:机器人动力学参数未知;现有节能轨迹规划方法无法保证结果的稳定性.因此,本文提出了面向制造环境的工业机器人节能轨迹规划,包括基于平行BP(backpropagation)神经网络的近似动力学辨识和基于凸优化(CO)的节能轨迹求解法.以UR3机器人为实验平台,近似动力学模型的均方根误差(RMSE)可收敛至2.05×10?3 N·m;且凸优化轨迹规划的求解稳定性优于现有的参数化轨迹规划.实验结果表明:本文提出的节能轨迹规划方案,能应对制造环境中机器人动力学参数未知的情况,同时保证轨迹规划结果的稳定性,因此更适用于制造环境中的工业机器人.