三臂凿岩机器人孔序规划及其优化

智能化是工程装备转型升级方向之一,以中间钻臂独有的工作空间为协调区间,将三臂凿岩机器人孔序规划问题化为涉及干涉的3-TSP问题,改进蚁群优化(ACO)算法平衡各钻臂钻孔时间,优化分配各钻臂钻孔任务,采用n/4动态候选列表的方法,加速算法收敛并获得更优解,同时去除每一次迭代最优路径中的相交路径,开发图形界面软件并嵌入算法。仿真结果显示整体效率提高35%。     

一种两臂凿岩机器人孔序规划算法

本文在利用各关节运动方向取值作为遗传算法的适应度函数的遗传算法规划单臂凿岩机器人工作任务的基础上,对单臂任务序列运用一种循环移位的方法,使两臂凿岩机器人不存在彼此互相干涉的工作任务,同时用两臂能共同工作到的区间内任务来平衡各臂的工作任务,对单臂工作序列采取截取、移位以均衡两壁的工作任务。     

冗余机器人的双向自运动路径规划

冗余机器人的自运动路径规划是在保持手端任务向量不变的情况下,在关节空间内寻找一条连接机器人初始关节构形和期望关节构型的几何路径.本文给出一种双向自运动路径规划算法,其基本思想是使位于初始关节构形的真实机器人和位于期望关节构形的虚拟机器人在自运动流形上运动并收敛到同一关节构形,从而得到一条连接初始和期望关节构形的自运动几何路径.该算法克服了以往算法容易陷入局部极小构形的缺陷.仿真结果证实了算法的有效性.     

仿生机器人运动步态控制:强化学习方法综述

仿生机器人是一类典型的多关节非线性欠驱动系统，其步态控制是一个非常具有挑战性的问题。对于该问题，传统的控制和规划方法需要针对具体的运动任务进行专门设计，需要耗费大量时间和精力，而且所设计出来的控制器往往没有通用性。基于数据驱动的强化学习方法能对不同的任务进行自主学习，且对不同的机器人和运动任务具有良好的通用性。因此，近年来这种基于强化学习的方法在仿生机器人运动步态控制方面获得了不少应用。针对这方面的研究，本文从问题形式化、策略表示方法和策略学习方法3个方面对现有的研究情况进行了分析和总结，总结了强化学习应用于仿生机器人步态控制中尚待解决的问题，并指出了后续的发展方向。     

基于不确定网格地图的移动机器人导航

研究了在未知环境下的移动机器人导航问题．在分析超声传感器不确定性模型的基础上,根据模糊集理论创建网格地图来描述机器人工作环境,使用模糊隶属度表示网格占用状态．通过网格信息融合来减弱传感器测量误差,提高网格地图的精度．提出基于模糊网格地图的路径规划算法,利用重复局部优化路径搜索来实现全局路径规划．机器人通过交替进行创建地图和路径规划两个基本过程来完成导航任务．仿真结果表明创建的地图能较精确地表示环境信息。规划的路径可以使机器人安全地到达目的地．     

一种机器人的寻迹算法

针对基于光电传感器组寻迹的自动导引机器人。设计了传感器阵列的布置方式。根据此布置方式，提出了三个处理规则结合而成的轨迹识别算法。即使在导引线复杂的情况下，用此算法也能得出行进方向，控制机器人沿轨迹运动。甚至遇到干扰走错时，机器人也能自动纠错。     

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。     

THBIP-I拟人机器人研究进展

清华大学THBIP-I拟人机器人研究项目，由精密仪器系、机械工程系和自动化系组 成研究小组进行系统研究，其研究目的是发展先进机器人理论和技术，开发自主式拟人机器 人样机．THBIP-I机器人是具有头、手臂、躯干、腿和脚的拟人机器人，共32个自由度，并 具有视觉及语音识别等智能功能．结构设计方面，由直流无刷电机、滚珠丝杠、曲柄连杆机 构、谐波减速器组成，各驱动关节轴独立运动．控制系统分三层：组织层、协调层、执行层 ，分别完成任务规划、关节协调运动控制、关节伺服控制等任务．传感系统由关节位置检测 、地面反力检测、姿态检测、视觉系统、语音识别系统组成．电源系统采用机载电池系统供 电．本文将介绍THBIP-I机器人研究进展．     

基于PSO-SA的机器人关节空间轨迹规划

针对工业机器人点到点轨迹规划问题,提出一种基于PSO-SA的时间最优机器人关节空间轨迹规划方法。使用模拟退火算法(SA)对粒子群算法(PSO)进行优化,将模拟退火机制引入到粒子群算法以提高算法的全局搜索能力。使用惯性权重非线性递减策略以及动态学习因子来平衡算法的全局与局部搜索能力。以PUMA＿560机器人作为研究对象,通过5-7-5多项式插补函数得到各关节的轨迹曲线。通过PSO-SA优化关节运动时间,并加入关节的速度和加速度约束。对前三个关节进行实验仿真,结果表明PSO-SA比传统的PSO能得到更短的轨迹时间,算法也有更好的稳定性,提高了机器人的运动效率。     

自由曲面五轴等残余高度高精度加工的路径规划

针对自由曲面的加工，提出了等残余高度的路径规划算法：当刀具沿切削路径运动时，刀刃上与曲面法向距离等于加工精度的点形成了过渡路径；通过此路径求得一条相邻的刀具路径．消除了传统的路径规划算法中对相邻路径的切削方向及局部几何信息的近似，相应地提高了路径规划的精度．实例表明，这对改善刀具路径的精度有很大地帮助．     

基于红外传感皮肤的多关节机器人自主运动方法研究

本文研究了障碍环境下多关节机器人自主实时避碰运动理论、技术与方法. 研制的新型红外传感皮肤, 可以为多关节机器人提供所需要的周围环境信息. 针对非结构化环境下的多关节机器人实时避障问题, 提出了一种未知环境下的机器人模糊路径实时规划新方法. 实验结果表明: 基于研制的红外传感皮肤和模糊运动规划算法, 多关节机器人可以在未知或时变环境下自主工作.     

改进遗传算法在弧焊机器人路径规划中的应用

本文通过对弧焊机器人最优路径规划的分析,提出一种新的基因植入贪婪遗传算法,用于弧焊机器人的全局路径规划的优化,而且具有较强的可操作性,符合多关节工业机器人的实际应用条件,可直接应用于机器人的离线编程。     

多节臂举升机器人重心推算的研究

把Denavit和Hatenberg方法引入多节臂举升机器人质心推算的研究,以确定多节臂举升机器人各主要部件随重物的移动、其质心位置相对于基础坐标系的变化函数关系,从而确定多节臂举升机器人整体质心位置的变化函数．通过整体质心位置的变化函数,可以做出整个系统质心在水平面的变化范围图形,同时该变化函数也是举升机器人控制的反馈传递函数,最终在稳定允许的安全裕度下,确定多节臂举升机器人的安全工作空间．     

文献扫描机器人多关节机械臂滑膜控制系统设计

为提升机器人机械臂关节的传动性能,使其处于良好的反步自适应工作环境,设计文献扫描机器人多关节机械臂滑膜控制系统。利用关键控制电路,实现机械臂全局PID滑膜控制器与机器人多关节滑膜控制器间的定向连接,完成新型控制系统的硬件运行环境搭建。通过机器人控制传感器标定操作,建立等效控制及动态滑膜方程,并利用上述计算结果界定机械臂滑膜的动态品质,实现新型控制系统的软件运行环境搭建,结合软、硬件运行单元,完成文献扫描机器人多关节机械臂滑膜控制系统设计。模拟文献扫描机器人多关节机械臂运行状态,设计对比实验结果表明,与传统系统相比应用新型滑膜控制系统后,机械臂关节的传动能力得到有效提升,反步自适应参数最大值可达到1.70     

遗传算法在冗余度弧焊机器人路径规划中的应用

本文提出增加弧焊机器人的自由度的意义，以多性能指标融合控制法计算适合度函数，利用遗传算法对９自由度工业用弧焊机器人与变位机协调运动系统进行了运动学优化控制，并针对空间复杂焊缝进行了路径自主规划实验验证，结果令人满意．     

超冗余柔性臂在狭小空间内改进RRT算法轨迹规划

为清理变电站联排变压器狭小空间内的异物,设计了一种超冗余多关节机械臂。根据机械臂的运动学特性在机器人工具箱建立了运动学模型,利用正运动学分析了万向节角度和驱动绳长,并利用蒙特卡洛法建立了机器人的工作空间。为缩短轨迹路线、减少随机树点数目,提出了基于改进后的RRT算法的轨迹规划方法,利用贪心算法进行轨迹优化,仿真结果显示路径长度减少20%且规划时间提高60%;利用多阶贝塞尔曲线进行轨迹平滑,降低轨迹路线曲率。改进后的RRT算法可以有效的避障,且轨迹更为精确、曲率较小、处理速度更快,可以快速有效的完成异物清理工作。     

一种六足仿生巡检机器人的设计与实现

六足仿生机器人因其灵活度好、可靠性高、适应性强等特点而得到广泛应用;针对六足仿生巡检机器人,从结构设计、步态规划、系统仿真和实物构建等方面,探索一般意义上系统设计和实现方法;首先设计了六足仿生机器人的多关节机械结构,并给出了此类系统的量化建模方法;然后采用了重心随动的三角步态规划方法,对系统稳定性和典型步态规划进行了量化分析;在此基础上基于标准D-H参数法建立了机器人的运动学模型,并且通过仿真实现了六足机器人向前纵向行走和向右横向行走的直线平稳运动;最后通过六足仿生巡检机器人实物测试,验证了所设计的结构和步态规划方法的可行性和有效性。     

Attitude data-based deep hybrid learning architecture for intelligent fault diagnosis of multi-joint industrial robots

Monitoring the transmission status of multi-joint industrial robots is very important for the accuracy of the robot motion. The fault diagnosis information is an indispensable basis for the collaborative maintenance of the robots in industry 4.0. In this paper, an attitude data-based intelligent fault diagnosis approach is proposed for multi-joint industrial robots. Based on the analysis of the transmission mechanism, the attitude change of the last joint is employed to reflect the transmission fault of robot components. An economical data acquisition strategy is performed by only installing one attitude sensor on the last joint of the multi-joint robot. Considering the characteristics of attitude data, a hybrid sparse auto-encoder (SAE) and support vector machine (SVM) approach, namely SAE-SVM, is subsequently presented to construct an intelligent fault diagnosis model by learning from the attitude dataset with multiple fault information. Experimental results show that the proposed fault diagnosis approach has promising performance in identifying different faults related to the reducer of a 6-axial multi-joint industrial robot accurately and reliably.     

基于RBF神经网络的多关节机器人固定时间滑模控制

针对具有典型非线性特性的多关节机器人轨迹跟踪控制问题,提出一种基于径向基函数(RBF)神经网络的固定时间滑模控制方法.首先,基于凯恩方法建立包括系统模型不确定性以及外部干扰在内的多关节机器人动力学模型;然后,根据机器人动力学模型设计一种固定时间收敛的滑模控制器, RBF神经网络用来逼近系统模型中的不确定性项,并利用Lyapunov理论证明该系统跟踪误差能在固定时间内收敛;最后,对特定型号的多关节机器人虚拟样机进行仿真分析,结果表明:与基于RBF神经网络的有限时间滑模控制器相比,所提出控制器具有良好的跟踪性能且能保证系统状态在固定时间内收敛.