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。     

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。     

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。     

基于旋量理论的六自由度机械臂逆解算法

机器人求逆解过程中主要采用D-H参数法和旋量法来建立机器人运动学模型。D-H参数法机器人运动学分析中应用较多,但由于D-H参数法需要在每个关节处建立坐标系,因此建模过程较为繁琐。旋量法中机器人各连杆坐标系相对于底座建立,建模较为方便并且几何意义更明确。基于旋量理论建立的机器人运动学模型,其逆解一般采用Paden-Kahan子问题方法进行求解。针对6R模块化机械臂,该机械臂后3个关节轴线相交于一点,基于旋量理论建立机械臂的运动学模型,利用几何关系与Paden-Kahan子问题,对该机械臂进行了逆运动学求解,得到了该机械臂的解析解。利用Matlab编制运动学算法程序,验证了逆解算法的正确性。     

Motoman-UP20机器人运动学分析及求解

采用Denavit—Hartenberg坐标变换法建立Motoman—UP20六自由度机器人运动学模型，并将机器人分解为位置结构和姿态结构，利用臂腕分离法对手臂进行逆运动学分析，并在此基础上推导出末端执行器的逆运动学算法，该算法计算量最小，误差也较小，且可利用机器人的示教盒进行快速检验。利用仿真软件Rotsy建立机器人及其工作环境，仿真证明了该方法的有效性。该算法用于对开发机器人离线编程系统具有重要的作用。     

巡线机器人运动学模型的建立及正逆解的求取

分析适用于水平两分裂导线的巡线机器人的结构特点,用D-H方法建立了巡线机器人的运动学模型,求得了运动学方程,研究了巡线机器人运动学正逆解的算法。     

基于粒子群算法的Delta机器人正运动学的研究

正运动学分析对Delta并联机器人轨迹规划和控制非常的重要。而Delta并联机器人的逆运动学求解比较容易，正运动学求解却相对困难。故研究利用基本的和带权重线性递减的粒子群算法应用于Delta并联机器人正运动学求解。通过改变不同的权重因子和学习因子，研究结果表明，这两种粒子群算法在一定的条件都能够快速及正确地对Delta并联机器人的正运动学求解。而且进一步研究数据也表明，带权重线性递减的改进版粒子群算法一定程度上要比基本粒子群算法更容易收敛于极值，收敛性更优。     

基于吴方法的6R机器人逆运动学旋量方程求解

基于旋量理论建立6R机器人的运动学模型,与传统的D-H参数法相比,旋量法从整体上描述刚体的运动,避免了用局部坐标系描述时所造成的奇异性.但用旋量法求解运动学逆问题时,受到子问题算法的限制.将吴方法引入逆运动学问题的求解,通过其特征列的思想与旋量法相结合,并利用数字化推理平台(Mathematics mechanization platform, MMP)和Maple软件进行符号化运算实现了运动学逆解算法,最后用计算实例证明了算法的可靠性.基于吴方法求解机器人逆运动学的旋量方程,继承了旋量法的优点并减小了对子问题算法的依赖性,更加便于计算机的机械化运算.该方法具有较高的效率和精度,可以推广到其他构型(如并联机构)机器人运动学问题的求解.     

基于L-M方法的6R机器人轨迹规划快速逆解算法

应用Denavit-Hartenberg建模方法,建立6R机器人正运动学模型,组成非线性方程组,提出运用Levenberg-Marquardt方法,求取机器人运动学逆解。利用MATLAB编程环境,实现轨迹规划位置逆解算法。经仿真验证,算法可完成复杂的轨迹轮廓规划逆解求解,有较高的效率和精度,可应用于一般6R机器人,也可适用自由度冗余更高的工业机器人。     

微创条件约束下内窥镜操作机器人运动学

研究基于微创条件约束下具有被动式手腕结构机器人运动学,不但可使医生获取同开放式手术中相同的笛卡尔控制方式,而且为机器人系统控制算法研究及轨迹规划奠定了基础.以自行研制的内窥镜操作机器人为例,结合微创手术特殊的应用环境,对机器人运动学进行研究.考虑人体切口处隔肌厚度和病人呼吸等因素对内窥镜插入点位置的影响,给出内窥镜插入点的确定方法.采用几何及矢量代数方法给出机器人位置正逆运动学解析解公式,采用矢量积法求解机器人速度正运动学,基于微创条件约束给出机器人速度逆运动学.为了验证机器人运动学求解的有效性,对内窥镜插入运动及内窥镜绕插入点旋转运动两种典型运动进行试验,应用试验数据对算法进行分析验证,结果显示了运动学算法的有效性.     

基于组合优化算法的6R机器人逆运动学求解

针对逆运动学求解存在的多解、精度低及通用性差等问题,提出了一种适用于各类6R工业机器人求逆解的组合优化算法.根据经典D-H法建立了机器人运动学模型,以最小化位姿误差为目标,结合运动平稳性原则构造了逆解问题的目标函数,以线性加权和法设计了适应度函数.通过混沌映射初始化种群、收敛因子非线性更新、自适应惯性权重位置调整及引入...     

机械手逆运动学神经网络算法研究

提出一种基于模糊遗传算法的机械手逆运动学神经网络建模方法。该方法采用3层前向神经网络建立机械手逆运动学模型，应用模糊遗传算法训练神经网络的权系数。此算法可根据种群进化情况，对交叉概率和变 异概率进行在线模糊控制，加快了算法的搜索过程，有效地避免了简单遗传算法中容易出现的初期收敛问题。仿真结果表明，本方法提高了求解精度和收敛速度，不但有效克服了简单遗传算法常出现的初期收敛和BP算法求解精度低、容易陷入局部极小等缺点，而且避免了计算Jacobian矩阵的伪逆，结构简单、容易实现。     

基于粒子群算法的并联机器人运动学正解研究

并联机器人运动学正解问题由于涉及到求解非线性方程组问题而不易解决。在对粒子群算法研究的基础上,对其进行改进,以提高全局搜索能力。同时结合外点罚函数法,对并联机器人运动学正解问题重新进行建模,以便于使用粒子群算法进行求解。结合二者形成新的正解求解方法。最后使用该方法,以一台并联机器人为对象进行研究,获得了其运动学正解。     

冗余仿人臂避关节物理约束的一种逆运动学问题求解方法

冗余仿人臂有无穷多组逆运动学解满足末端位姿要求,但由于其连杆机构与形状的设计仿人臂每个自由度都有关节位置物理约束。为使所求取的逆运动学解最大化地远离仿人臂关节限位,提出冗余仿人臂(8-DOF)一种几何-数值迭代相结合求解逆运动学问题方法,该方法在计算出仿人臂逆运动学解几何表达式基础上,以仿人臂的“远离限位度”指标构建适应度函数并以此为寻优目标,通过粒子群优化方法(Particle swarm optimization,PSO)搜索冗余关节角最优组合,并获得满足仿人臂末端位姿要求的最优逆运动学解。该方法不仅解决了冗余仿人臂逆运动学多解问题,而且所求关节角不存在理论误差、求解速度快及所求关节角远离关节位置限位裕量大的优点,仿真试验验证了该方法有效性。     

仿生直立双足机器人的稳定性控制算法

仿生直立双足机器人共有7个旋转自由度,对其稳定性控制是保证双足机器人稳定行走和姿态变换的关键。传统方法中对仿生直立双足机器人的稳定性控制采用二自由度超外差控制方法,对直立双足机器人抓握和操控的运动规划效果不好。提出一种基于末端效应逆运动学分解的仿生直立双足机器人的稳定性控制算法,构建了仿生直立双足机器人运动学结构模型,采用末端效应逆运动学分解方法对机器人的运动学模型进行七自由度重构,在重构的运动学状态空间中实现仿生直立双足机器人稳定性控制,实现控制算法改进。仿真结果表明,采用该算法进行机器人稳定性控制,机器人行走过程中各个机构部件具有稳定运动学参量的输出,仿生双足机器人的控制机构参数仿真结果与理论值在一定的波动范围内相符,保证了机器人在行走和各种行为动作实施过程的姿态稳定性。     

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。     

绳驱动连续体机器人标定方法

为提高绳驱动连续体机器人的定位精度,提出了一种针对此类机器人的误差标定与补偿方法.该方法利用指数积(POE)公式建立连续体机器人关节模块的运动学模型,并利用运动学模型推导出误差传递模型.针对误差模型采用最小二乘方法进行误差的辨识,将辨识后的误差补偿至机器人的运动学模型,从而提高机器人关节模块的模型精度.制作了基于柔性支...     

基于神经网络的三自由度摇摆台运动学反解

针对传统的数值解法不能满足实时控制算法的要求，研究使用BP网络和径向基函数（RBF）神经网络求解三自由度摇摆台运动学反解的方法。通过离线的迭代算法生成高精度的样本点来训练神经网络，使用动量法、变学习率法和共轭梯度法提高BP网络的收敛速度。使用正交最小二乘法训练的RBF网络具有更小的泛化误差，更适合于实时控制应用。     

基于遗传算法的并联机器人运动学正解研究

运动学正解分析是对并联机器人其它性能进行分析的基础,也是并联机器人研究中的一个难点。本文采用遗传算法来求解并联机器人的运动学正解,并且利用灰色关联分析对求解结果进行了分组,得到了Stewart平台并联机器人的7组实解。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。     

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。