一种六自由度机械手的运动学分析

讨论了一种六自由度排爆机械手运动学问题,利用D-H坐标变换方法来建立了机械手的运动学数学模型和目标矩阵,利用MATLAB强大的符号运算功能,对方程进行求解,得出正逆运动学的解。通过正运动学的解,可以得出了解机械手各关节在执行任务时的运动轨迹;而逆运动学的解则可以求出机械手要到达某一位姿机械手各关节的扭角。运动学分析也为今后实现机械手的自动控制提供了设计参数。     

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。     

双臂喷釉机械手运动特性分析

针对自主设计的双臂喷釉机械手,应用D-H法建立两个手臂局部坐标系,通过局部坐标系与全局坐标系的转换建立双臂机械手的运动学模型。提出以几何法为基础结合逆变换联合求解的方法,求解双臂喷釉机械手的运动学正逆解。在MATLAB环境中运用定步距角法对双臂机械手的工作空间进行求解。用Robotics Toolbox工具箱对机械手进行正逆运动学仿真,同时将各关节转角代入运动学方程进行求解并对比分析,从而验证机械手设计的合理性和运动学解的准确性,为进一步研究奠定理论基础。     

一种5自由度机械手的运动学分析

针对所设计的W-5D型水下采样机械手,利用D-H法建立其参数和正运动学模型。由机械手的相邻3个关节轴线相互平行的结构特点,在常用的反变换法的基础上引入几何法,得到了逆运动学的封闭解,解的结构简明并且易于操作,满足了机械手对水下作业环境的逆解要求,为机械手的运动规划和轨迹控制提供了依据。使用MATLAB Robotics Toolbox建立机械手的仿真模型。工具箱内部提供的ikine函数已是获得工业机器人逆解的重要方法,通过与ikine函数所得结果的对比分析,验证所求得封闭解的可行性和优越性。     

空间3R机械手逆向运动学的多模块神经网络求解

提出用多模块神经网络的方法求解空间3R机械手的逆运动学多解。通过几何分析,将关节空间划分为多个只有唯一逆运动学解的关节子空间,每个子空间均用3个单输出的BP神经网络训练和求解。通过仿真试验并与其他方法对比,表明该方法不仅可以准确地划分逆运动学解的取值范围,还可以快速求得高精度的逆运动学多解。     

五自由度机械手运动学分析及逆解问题研究

为解决五自由度机械手的正反解问题,基于D-H针对5R机械手进行坐标建模并确定其连杆参数,根据齐次矩阵的坐标变换得到正运动学方程,利用代数法求出逆解方程。求五自由度机械手的逆解时,逆解的多解问题是正反解研究中的重难点对象之一。为进一步解决逆解的求解问题,得到的逆解方程后,在simmechanics导入建好的机械手模型进行正反解的仿真和验证,针对五轴机械手的逆解存在多解的情况,在此基础上进行逆解的合理分析和研究,最后利用matlab对逆解程序进行验证和仿真。最终通过对实际工况的分析,对关节角度运动范围的限制,将多解分为可选择的8种情况。对于实践中机械手逆解的多解问题,提供了有利的方案。     

基于矩阵分解的四关节机械手运动学逆解研究

以自主研发的NGR01型四关节机械手为研究对象,基于机械手运动学方程,提出一种实时高精度逆运动学算法。该算法首先通过符号运算将矩阵方程从8阶降到4阶,在消除增根的同时还提高了计算速度。然后通过矩阵分解特征值求解关节变量,保证了逆运动学解的准确性和精度。最后借助Maple数学计算软件验证逆运动学算法的正确性,采用VC++语言和CLAPACK数学运算库实现运动学算法的仿真。验证结果表明,利用该算法求解运动学逆解仅需0.67ms,相对传统的反变换法具有更优的实时高精度性能。     

一种六自由度可折叠机械手的运动学分析

由于机械手的广泛运用,使得劳动生产率有很大幅度的提高,同时改善了工作环境。机械手的运动学分析是实现机械手准确运动控制的基础。本文中我们对一种6-DOF可折叠机械手进行了运动学研究[1],根据机械手几何特点得到了六自由度机械手的运动学正逆解,在关节角度变化范围内进行了详细讨论,并使用MATLAB进行了运动学仿真验证。     

水下双功能机器人的机械手设计与分析

随着核电业的快速发展,核电站对水下机器人的使用要求不断提高,并逐渐催生出一种水下爬行与潜浮双功能机器人,在此基础上提出一种水下爬行与潜浮机器人通用的机械手设计方案,通过正逆运动学分析、机械手工作空间的求解与仿真以及基于SolidWorks运动仿真模块的仿真与计算,验证了该机械手设计方案满足要求以及搭载在爬行式和潜浮式机器人上作业的要求。建立了运动学模型,得到了运动学特征方程,解出了机械手运动学正解和逆解,以及工作空间仿真系统,为之后的机械手动力学分析、实时控制和轨迹规划提供了重要的理论基础。     

基于径向基函数网络的MOTOMAN机械手运动学逆解

从集合和数学观点 ,把运动学正解和逆解问题作为机器人关节空间和工作空间之间的非线性映射关系 ,将运动学逆解过程转换为神经网络权值训练问题。基于具有局部逼近能力的特点 ,将正解结果作为训练样本 ,用 6输入、单输出的RBF网络 ,实现了MOTOMAN机械手运动学逆解计算 ,避免了传统方法的繁琐公式推导。算例表明 ,采用RBF网络解决逆解问题比BP网络的计算精度略有提高。此外 ,RBF网络有更快的收敛速度