空间3R机械臂逆向运动学的奇异轨迹线方法研究

针对机器人逆运动学多解问题,提出一种基于奇异轨迹线的多模块径向基神经网络的求解方法。根据奇异轨迹线理论,将关节空间严格划分成只具有单逆解的多个关节子空间区域,然后通过正向运动学,使各个关节子空间映射到同一工作空间,以获得多组工作空间位置相同但是关节区域不同的训练样本,每组训练样本只含单逆解。在多模块径向基神经网络结构中,每个子模块分别负责学习一组训练样本,从而将逆运动学多解求取问题转化为各个子模块对神经网络权值的训练问题,通过神经网络结构中的多个模块逆解预测,实现了机器人逆运动学的多解计算。算例表明基于奇异轨迹线的多模块神经网络能够正确输出多组逆解,满足求解精度要求,在逆运动学多解求取中具有较好的推广价值。     

6R模块化机器人逆解算法与误差分析

为解决6R模块化串联机器人逆运动学求解精度和效率低的问题,运用D-H法对该机器人进行建模和正运动学分析,提出了解析法+BP神经网络相结合求逆运动学的方法。在逆运动学求解过程中,采用解析法求解前三个关节角度,采用BP神经网络建立运动学逆解模型求解后三个关节角度。为解决网络训练样本数据优选问题,采用核聚类理论和随机抽取算法对后三个关节的位姿参数样本进行优选,将逆运动学问题转化为基于BP的多输入多输出预测系统。运用该逆解模型进行复杂运动轨迹仿真,结果显示该神经网络模型求逆解的精度最高可达6.8212e-8°。并将该方法与解析法+BP神经网络不同的组合模式进行预测求解对比,结果表明该求逆解组合模式不但求解精度高,而且求解简单、泛化能力强。     

基于几何法和旋量理论的6自由度机器人逆解算法

针对6自由度串联机器人运动学逆解求解过程复杂、几何意义不明确的问题,提出一种基于几何法和旋量理论相结合的求解方法。基于旋量理论建立机器人的运动学模型,其运动学逆解常采用Paden-Kahan子问题加以求解,但针对前3个关节轴线均不相交的机器人,难以用现有的子问题进行求解。因此,采用一种几何解法进行前3个关节角度的求解。针对后3个关节轴线相交于一点的问题,采用Paden-Kahan子问题进行求解,最终推导出此类机器人运动学逆解的封闭解。以ABB1410机器人为例进行算法验证,验证了此算法的有效性和可行性。     

ABB1410工业机器人的旋量运动学逆解方法

为了高效可靠实现工业机器人逆运动学求解,针对常见6自由度工业机器人"后3关节轴线相交,关节2、3轴线平行且与关节1轴线异面垂直"的结构特点,以ABB1410机器人为对象,建立旋量运动学模型,将几何关系法与PadenKahan子问题相结合,提出了一种运动学逆解方法。该方法首先利用机器人腕部点和前3关节轴线之间的几何关系求解关节角1,再将后5个关节角的求解转化为3个Panden-Kahan子问题1和1个子问题2,完整地给出了逆运动学封闭解。通过实验验证了该逆解算法的准确性和实用性。     

基于BP神经网络的机器人逆运动学新算法

以瑞典ABB公司生产的IRB140型小型工业机器人为例,对空间六自由度多关节机器人进行了运动学分析,建立了该类型机器人的运动学模型,并提出了一种基于BP神经网络改进算法的机器人逆运动学的求解方法。对IRB140型机器人的仿真研究表明,用此改进的BP神经网络算法反解机器人运动学不仅求解过程简单,学习收敛速度快,还可以避免传统反解方法中的许多棘手问题。     

基于运动旋量的LR-Mate 100机器人的逆运动学分析

针对串联机器人逆解困难问题,提出采用运动旋量及指数积求解运动学逆解子问题的方法,求解LR-Mate100机器人的运动反解。研究表明:该方法可消除多关节耦合变量,简化求解过程,计算精度高,同时为求解LR-Mate 100机器人的运动学逆解提供了一种新方法。     

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。     

基于RBF神经网络的冗余度机器人轨迹规划

利用D-H方法完整地推导出了机器人的运动学方程,并将由此得到的运动学正解作为训练样本,对利用RBF神经网络方法建立的机器人运动学神经网络模型进行训练,实现了机器人从工作空间到关节空间的非线性映射,求解了机器人的逆解,并对3R,4R,5R和6R机器人的运动轨迹规划进行了计算机仿真,验证了该方法的可行性。     

连续型机器人运动学的平面圆弧法建模与实验研究

针对当前连续型机器人的运动学逆解求解复杂、低效这一问题，提出了一种基于平面圆弧法的运动学建模方法，其具有运动学逆解求解简单、高效的特点。利用该方法在平面内拟合连续型机器人的弯曲运动形状，建立其运动学模型，分析其驱动空间、关节空间和操作空间的映射关系，并描述其工作空间。分析连续型机器人在平面内弯曲形状的几何约束，建立关节空间变量之间的数学关系，降低求解复杂逆运动学问题的难度。对机器人末端执行器的位置和驱动线长度变化曲线进行仿真分析，求解逆运动学的有效解，并研制原理样机进行样机实验，实验表明该运动学模型的正确性以及逆运动学求解方法的有效性。     

结合旋量和代数方法的工业机械臂逆运动学解法

针对工业机械臂逆运动学解算的问题,提出一种结合旋量方法和代数方法的逆运动学新解法。通过旋量的方法将工业机械臂整体逆运动学问题进行分解,利用Paden-kahan逆运动学子问题求解。并在该基础上利用工业机械臂的结构特点,利用代数方法进一步简化末端腕部三个关节的问题求解。以安川公司MH6六自由度工业机械人为例,验证算法正确性。实验表明:该方法可以获得正确的八组逆解并在旋量解逆运动学的基础上有效减少了中间计算步骤,降低了时间复杂度和空间复杂度。     

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。     

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。     

Dobot型机器人运动学分析与仿真

为了获得Dobot机器人的正逆解计算公式、避免解被丢失的可能性和保证角的精度,根据该型机器人的结构特点,运用D-H法建立了机器人的坐标系和运动学方程,进行了正逆运动学的分析,将双变量反正切函数应用到了逆解的表达式中。针对逆解多解和运动平稳性问题,对笛卡尔空间中利用直线插补和调用逆解公式求出的关节角序列进行了分析研究,提出了运用动态规划算法选出一组最优解序列,再利用三次B样条插值进行了连续化处理,并进行了实例验证和Matlab软件仿真。研究结果表明,利用该算法能够选出一组最优解和保证机器人运动的平稳性,为该型机器人的应用及轨迹规划与控制器的研究打下基础,所运用的算法和思想也适用于其他类型的多关节机器人。     

(2SPS/U)&(2SPS/RR)型并联拟人机械臂的设计与运动学分析

针对现有仿生拟人机械臂连续性差、稳定性差和惯性冲击大的问题,提出了一种新型并联拟人机械臂,可以模拟人的腕关节、肘关节、肩关节动作,采用(2SPS/U)&(2SPS/RR)的二级耦合并联机构来驱动各个关节动作。为得到其运动学正反解,利用封闭矢量法和牛顿迭代法计算得到两级并联机构的运动学正反解;并将整个拟人臂的机构构型进行简化,基于D-H法对整个机构进行了位置正反解的计算和验证。     

基于MATLAB-Robotics工具箱的工业机器人轨迹规划及仿真研究

对Cincinnati T3-746工业机器人的运动学轨迹规划进行了分析与仿真。通过实验对该工业机器人的三关节的关节轨迹进行了三次多项式插值运算。利用MATLAB-Robotics工具箱对该工业机器人进行了建模,实现了对工作空间内任意直线、圆弧轨迹拟合插值运算。通过运动学正反解的计算,得到了实时的关节空间坐标的数值解。为该工业机器人进一步的研究和应用提供了理论分析依据。     

General closed-form inverse kinematics for arbitrary three-joint subproblems based on the product of exponential model

The inverse kinematics problems of robots are usually decomposed into several Paden–Kahan subproblems based on the product of exponential model. However, the simple combination of subproblems cannot solve all the inverse kinematics problems, and there is no common approach to solve arbitrary three-joint subproblems in an arbitrary postural relationship. The novel algebraic geometric (NAG) methods that obtain the general closed-form inverse kinematics for all types of three-joint subproblems are presented in this paper. The geometric and algebraic constraints are used as the conditions precedent to solve the inverse kinematics of three-joint subproblems. The NAG methods can be applied in the inverse kinematics of three-joint subproblems in an arbitrary postural relationship. The inverse kinematics simulations of all three-joint subproblems are implemented, and simulation results indicating that the inverse solutions are consistent with the given joint angles validate the general closed-form inverse kinematics. Huaque III minimally invasive surgical robot is used as the experimental platform for the simulation, and a master–slave tracking experiment is conducted to verify the NAG methods. The simulation result shows the inverse solutions and six sets given joint angles are consistent. Additionally, the mean and maximum of the master–slave tracking experiment for the closed-form solution are 0.1486 and 0.4777 mm, respectively, while the mean and maximum of the master–slave tracking experiment for the compensation method are 0.3188 and 0.6394 mm, respectively. The experiments results demonstrate that the closed-form solution is superior to the compensation method. The results verify the proposed general closed-form inverse kinematics based on the NAG methods.     

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BP神经网络的冗余机械臂逆运动学分析

常见的七自由度冗余机械臂逆运动学解法较为繁杂,且对不同构型机械臂的逆运动学解法通用性较差。为了找到一种通用的七自由度机械臂逆运动学求解方法,建立了神经网络模型,选择了合适的激励函数、隐藏层神经元数量、神经网络层数和学习速率等模型参数。设计轨迹跟踪实验对神经网络模型进行验证,实验数据证明该方法有效且精度较高,是一种可行的冗余机械臂逆运动学求解方法。     

冗余机器人喷涂系统改进人工鱼群逆运动学求解算法

针对一种带有冗余自由度的船舶分段机器人喷涂系统逆运动学问题,使用改进Denavit-Hartenberg(DH)参数法建立了机器人系统的运动学模型。以位姿误差最小及关节行程最短为目标,构建了冗余机器人逆运动学问题优化模型,提出一种改进人工鱼群算法( IAFSA)对模型进行求解。IAFSA引入基于正态分布的视野范围及移动步长动态调整策略来改善解的精度并缩短计算时间,提高算法综合性能。与人工鱼群算法和混合改进人工鱼群算法进行了对比实验,实验结果表明IAFSA搜索能力强、收敛速度快、计算时间较短,逆解良好的精度和误差稳定性在SolidWorks Motion仿真中得到验证,体现了IAFSA算法在冗余机器人逆运动学求解问题中的有效性。     

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模拟退火策略等4种措施得到了一种改进的鲸鱼优化算法,并用于逆运动学求解。组合算法将鲸鱼算法求解的结果作为初始值,再利用Newton-Raphson数值法迭代出满足精度要求的运动学逆解。仿真试验结果表明：改进后的鲸鱼算法求解性能得到了较大提高,相比于直接利用鲸鱼算法进行逆运动学求解,组合优化算法具有求解速度快、稳定性好、精度高的特点,证明了该算法求逆的可行性与有效性。