用球面向量法解机械手逆运动学问题

本文首先介绍球面向量理论。在以点O为原点的所有右手坐标系的集合与以O为中心的单位球面上的所有球面向量的集合之间存在一一对应的关系。从而坐标系的旋转变换等价于球面向量在单位球面上的运动。通过解球面向量三角形即可达到研究坐标系旋转变换的目的。球面向量法是与“旋转矩阵法”和“旋转向量法” (即,四元数法)完全不同的一种新方法,不仅可以用来建立机械手运动学方程,而且特别适用于解逆运动学问题。本文介绍了如何用球面向量法解机械手运动学问题,并给出了几种适于常见机械手的具体解法。     

一种求解冗余机械臂逆运动学的优化方法

基于加权最小范数法,推导出一种避免计算雅可比矩阵伪逆的优化方法.首先对加权雅可比矩阵的6维非奇异子矩阵求逆,得到逆运动学的特解和齐次解.然后用特解减去齐次解沿特解方向的分量得到运动学逆解.通过一个7自由度冗余机械臂的算例和仿真证明了方法在保证求解精度、降低求解难度以及避免关节极限方面的有效性     

一种基于优化算法的机械手运动学逆解

本文给出一种基于优化算法的机械手运动学逆解的方法,这种优化方法基于信赖域 方法,,具有超线性的收敛速率．这种方法不仅具有牛顿方法的快速收敛性,又具有理想的 总体收敛性．这种方法较CCD&BFS有明显的优点,可以在一般的PC机上实现实时求解. 在P I I400上仅需不到10ms就可以求得最优解．     

一种新的符号求解机器人逆运动学的分离变量法

本文提出一种新的分离变量法，在ＰＡＵＬ分离变量法失败的情况下，它能从位置方程组中递推地分离出可解析求解的简单三角／代数方程。该方法是ＰＡＵＬ方法的又一补充。     

基于解析法和遗传算法的机械手运动学逆解

研究优化机械手轨迹规划问题,机械手运动时要具有稳定性避障性能。针对平面3自由度冗余机械手优化控制问题,建立机械手的结构模型。提出用解析法和遗传算法相结合满足具有计算量小和适应性强的特点。在给定机械手末端执行器的运动轨迹,按着机械手冗余自由度,运动轨迹上每个点对应的关节角有无穷多个解。而通过算法可以找到一组最优的关节角,可得到优化机械手运动过程中柔顺性和避障点。仿真结果表明,该算法可以快速收敛到全局最优解,可用于计算冗余机械手运动学逆解,并可实现机器人的轨迹规划和避障优化控制。     

基于类电磁和改进DFP算法的机械手逆运动学计算

提出一种用于计算机械手逆运动学问题的新方法. 首先, 在关节变量取值范围内随机生成一组初始解, 并根据吸引-排斥机制迭代的搜索问题的近似最优解; 其次, 提出一种改进DFP算法进一步搜索问题的更精确解. 改进DFP算法以第一阶段求得的近似解为起始搜索点, 每步的搜索步长在区间[0, 1]内随机确定, 从而避免了传统DFP算法搜索步长难以计算的问题. 最后, 通过10个测试函数和PUMA560机器人逆运动学问题验证了算法的有效性.     

面向冗余机器人实时控制的逆运动学求解有效方法

针对7自由度冗余机器人实时运动控制,对机器人逆运动学提出了一种新的求解方法.采用位姿分解方式,使7自由度冗余机器人逆运动学简化为4自由度位置逆运动学求解.在梯度投影法得到位置优化解的基础上,利用机器人封闭解公式求得一组优化解.通过对7自由度机器人仿真分析,表明了该方法的有效性.     

基于扩散原理的冗余机器人逆运动学的学习方法

本文介绍一种基于扩散原理的机器人逆运动学学习方法．首先运用偏微分扩散方程, 只需少量的试验运动即可求解在有限作业空间上拥有同样拓扑关系的机器人逆运动学变换． 然后应用反馈误差学习法修正学习误差．在此基础上,提出一种并行分布结构用于冗余机器 人逆运动学计算．分析与仿真结果表明,该方法不仅算法简单、精度高,而且可获得连续的 逆运动学映射．     

改进末端跟随运动的超冗余蛇形臂机器人运动学逆解

针对超冗余蛇形臂机器人运动学逆解中计算量大、超关节极限和位形偏移量大的问题,提出了一种改进末端跟随运动的逆解算法．在末端跟随法中引入蛇形臂弯曲角度的约束,调整关节位置的更新方式,使关节在蛇形臂轴线上运动．通过依次更新关节的空间位置,将超冗余多节蛇形臂的运动学逆解转化为2自由度单节蛇形臂的运动学逆解．仿真分析了蛇形臂机器人在基座移动和基座固定条件下的轨迹跟踪效果,对比了同一目标位置下不同方法的性能．结果表明,改进后的算法能保证蛇形臂的弯曲角度不超过给定范围,关节的运动量从末端到基座依次减小,机器人的运动更协调;与基于雅可比矩阵的数值法和现有启发式方法相比,该方法运算量降低,机器人整体位形偏移量减小,能用于蛇形臂机器人的实时控制．     

基于神经网络的机器人操作手IKP精确求解

结合位置正解模型，利用BP网络求解了机器人逆运动学问题（IKP）．为提高求解 结果精度，采用迭代计算进行误差补偿，计算结果表明，该法迭代次数少，计算精度高且计 算速度接近机器人实时控制的要求．     

六自由度操作手的逆运动学问题

本文将六自由度操作手分解为位置结构和姿态结构，利用转换矩阵法对两结构进行了详细的逆运动学分析，在此基础上建立了操作手的运动学求逆算法，与一般的迭代算法或优化算法相比较，本算法收敛速度快￣［１］，而且能得到满足约束的全部解，与解析方法相比较，它具有通用性的优点，尤其适用于机器人仿真系统中。     

一种9-DOF模块化机器人的运动学反解

本文针对德国AMTEC公司生产的一种9-DOF模块化机器人提出了一种新颖的运动学反解 方法．这种方法运用螺旋理论并通过分析机器人的结构特征将机器人分解成几个相对解耦的 子结构,通过给系统增加三个约束,可以得出在给定末端位姿下的全部关节角．由于模块化 机器人理论上可以组合成任何形式上的机器人系统,所以这种解法对其它机器人系统有一定 的借鉴意义．     

PUMA机械手逆运动方程新的推导方法及求解

本文提出了一种新的推导ＰＵＭＡ型机器人逆运动方程的方法，进而给出逆运动问题新的求解方法．此方法不需要对机械手末端位姿进行坐标变换，而且也给出了问题的解析解．另外在解的推导过程中避免了大量的逆矩阵相乘．方法简单．仿真证明了计算结果的正确．     

基于遗传算法的机器人运动学逆解

在分析以往逆解方法的基础上，提出了用遗传算法求解机器人运动学逆解的方法，给出了用于优化求解的适合度函数，并提出用二次编码法提高解的精度．计算机模拟证明：该方法能快速收敛于全局最优解，能给出机器人的可能解，并能计算冗余度机器人的逆解．     

工业机器人的学习控制

加速度传感器装在机械手手部,各关节的加速度由加速度分解算法得到.然后,提出了一种学习控制法,这种控制法利用加速度误差校正驱动器运动.并提出了一种基于几何级数的极限条件估计学习控制过程收敛条件的理论方法.本文所提出的学习控制理论的有效性通过 PUMA-562 机器人的计算机仿真实验得到了证实.     

V01弧焊机器人运动学反解及臂形标志的确定

为了对Ｖ０１弧焊机器人深层次的开发，需要首先剖析其运动学模型，求解的反臂形问题。本文利用几何解法，针对Ｖ０１弧焊机器人建立了相应的逆运动学算法，解决了求解臂形标志问题，从而为Ｖ０１弧焊机器人的离线编程打上了基础。     

机器人PUMA560逆运动方程的新解法

本文提出了一种求解机器人 PUMA560 逆运动方程的新算法:几何一解析法.该方法充分利用了机器人 PUMA560 简单的几何结构及解析法的优点,使得求解过程中费时的超越函数调用大大减少。运算结果表明,计算时间较几何法和解析法减少了25%以上.对于机器人实时在线控制,具有很大的实用价值.该算法已用于机器人双手协调控制.     

工业机器人的小脑模型控制

本文为动力学控制工业机器人提出了一种综合学习算法,这种学习算法可将以前所学的信息用于新的控制输入.这种控制方法不需要事先知道机器人动力学,它易于应用于特殊的控制问题或修改以适应实际系统中的变化,控制方法在时间上是有效的,且很适合于定点实现.学习控制算法的有效性通过4自由度的直接驱动机器人前两个关节在重复运动中的计算机仿真实验得到了验证.