激光加工机器人在相贯线切割中的轨迹规划

针对激光加工机器人在相贯线切割过程中对激光头的姿态要求严格以及相贯线位置模型复杂的问题,提出了一种控制激光头位置和姿态的连续轨迹规划方法。将激光头与切割点处待加工曲面的法线方向保持同轴,通过求解激光头与切割点处待加工曲面的夹角来确定激光头的姿态;根据相贯线模型的特点,给出一种由圆柱面上三点(任意两点不在同一条母线上)确定相贯线轨迹的激光头位置插补算法。通过仿真验证了该轨迹规划方法可以有效地完成对激光头位置和姿态的控制。该方法计算量小、操作方便,对工业机器人在三维加工时的轨迹规划有一定参考价值。     

基于改进蚁群算法的机器人末端路径排序优化

建立了针对机器人加工时的末端运动路径排序优化问题的数学模型,将该模型转化为广义旅行商问题并用蚁群算法求解。同时对经典的蚁群算法进行了改进,即采用多阶段搜索策略、邻域搜索策略及多蚁种搜索策略,使改进后的蚁群算法能为机器人求取一条更优的末端运动路径。计算机仿真与机器人加工实验结果表明,改进蚁群算法所得的末端运动路径比基本蚁群算法所得结果缩短了3%以上。     

基于智能蚁群算法的移动机器人轨迹规划

为了提高移动机器人工作效率,减小能量损耗,优化机器人运动轨迹。建立了移动机器人运动学模型,在此基础上提出了一种智能蚁群算法的机器人误差补偿轨迹优化方法。通过蚁群搜索算法对关节空间内的驱动轮进行轨迹优化,从而实现移动机器人轨迹规划过程中的误差补偿轨迹优化。仿真结果表明,所提出的方法能够有效对机器人误差进行补偿,实现了机器人运动过程中的轨迹跟踪,保证了机器人的运动精度。     

工业机器人轨迹规划研究现状综述

凭借良好的环境适应性、高效率、高生产质量以及7×24工作模式,工业机器人广泛地应用于喷涂、焊接、码垛、搬运等自动化生产中.轨迹规划是工业机器人完成作业任务运动控制的基础,直接决定了机器人工作质量.为了全面了解轨迹规划现有研究方法,首先阐述了轨迹规划的基本流程,根据轨迹规划的原理不同对现有轨迹规划方法进行了分类,并分别对各种插补曲线函数、最优轨迹规划以及求解算法的性能特点进行了详细的分析与总结.最后对轨迹规划在插补曲线构造和求解算法方面的现存问题做出了分析和讨论,并展望了轨迹规划的发展趋势.     

基于参数优化蚁群算法的机器人路径规划研究

采用蚁群算法(Ant Colony Optimization,ACO)求解棉花搬运机器人全局路径规划时,会出现规划效率低、蚁群算法参数的改变对规划效果影响大等问题。提出了一种粒子群参数优化的改进蚁群算法,该算法能够根据地图情况的不同智能地调节参数组合,从而在各种地图中能够发挥蚁群算法的最佳性能。通过实验数据分析蚁群算法重要参数对规划效率的影响,进行参数优化;针对改进后算法耗时大的问题,提出粒子群算法的动态惯性权重调整策略和改进的蚁群算法信息素更新策略,保证求解质量的同时,提高了优化效率,在障碍物分布不同的地图中进行仿真实验,通过与蚁群算法路径规划结果的对比,证明了粒子群参数优化的改进蚁群算法能够发挥蚁群算法最佳性能,可提高移动机器人到达目标点的速度并降低机器人运动过程中的损耗。     

基于加工操作单元的多态蚁群装夹规划方法

针对基于加工特征的计算机辅助装夹规划问题,提出一种基于多态蚁群算法的装夹规划优化方法。根据零件的加工特征,定义了加工操作单元,建立零件的装夹规划模型;接着提出了集成顺序优先约束的多态蚁群求解装夹规划的优化算法。其中顺序优先约束是通过对加工操作单元的划分,实现禁忌加工操作单元的动态调整;多态蚁群算法将局域搜索与全局搜索进行结合,并根据状态转移概率在可行的加工操作单元中进行选择,完成整个装夹路径的规划。最后通过典型零件装夹规划的实例,验证了提出的多态蚁群算法在求解装夹规划问题中的可行性和有效性。     

基于改进蚁群算法的激光切割加工路径优化研究

针对激光切割加工全局路径优化采用传统蚁群系统算法时,存在收敛速度慢、易陷入局部最优的问题,对蚁群系统算法进行了改进研究。利用激光加工图元的起点和终点信息,建立了图元等价TSP问题的数学模型,提出了通过最邻近插入算法对蚁群系统算法路径规划结果进行了再优化的改进算法;详细阐述了改进蚁群系统算法的实现步骤,分析了传统蚁群系统算法和改进蚁群系统算法的迭代次数和优化效果。研究结果表明:该改进蚁群系统算法加快了收敛速度,迭代次数减少了约30%,缩短了激光加工所走路径的总长度,并成功应用到自主开发的高速激光切割加工系统中。     

一种自由曲面抛光机器人轨迹规划方法

针对机器人抛光自由曲面轨迹规划困难,抛光精度不高等问题,提出了一种机器人抛光轨迹规划方法。该方法在UG软件环境下完成对自由曲面的建模,借鉴铣削加工中刀轨生成方法并结合抛光工艺特点,利用等残余高度算法生成抛光轨迹,在此基础上,提出了改进的Douglas-Peucker算法,该算法用于对抛光刀触点的提取,能够将弓高误差控制在给定的范围内,提高抛光精度,最后根据连续抛光刀位点数据求解出机器人各关节转角。实例表明,该抛光轨迹规划方法精度高,可解决自由曲面抛光轨迹规划问题。     

基于非线性优化算法的工业机器人轨迹跟踪自动控制

为完成机器人高效率工业生产任务，提出一种基于非线性优化算法的工业机器人轨迹跟踪自动控制方法。考虑杆件运动重力因素，从角速度、加速度等方面明确工业机器人动力学规律；使用具备非线性优化性质的蚁群算法规划运动轨迹，引入人工势场法计算待选节点和目标节点的间距，评估当前路径是否为最佳路径并更新信息素，输出最优工业机器人运行路线；计算机器人相对功率因数校正控制量，运用粒子群算法求解轨迹跟踪预测控制序列，通过支持向量机构建轨迹跟踪自动控制模型。实验结果表明，所提方法的轨迹跟踪稳定性强、精度高，能满足工业生产的实时动态需求，实用性强。     

基于S7-1200PLC和时域分析的工业机器人移动轨迹最优化规划方法

受到规划算法的影响，导致工业机器人协同规划过程的平均求解耗时较高。因此，提出基于S7-1200PLC和时域分析的工业机器人移动轨迹最优化规划方法。针对工业机器人的实际工作环境，提取轨迹规划约束条件，并依托于S7-1200PLC，设计轨迹跟踪控制器，参数化预测时域内的工业机器人移动轨迹控制增量，建立滚动时域轨迹规划算法，结合滚动规划框架，得到最优的工业机器人移动轨迹最优化规划序列。实验结果表明：所提出的最优化规划方法协同规划求解耗时，相比其他两种方法，分别降低了51.52%和60.25%。     

基于改进蚁群算法的移动机器人路径规划研究

为了提高机器人路径规划算法的收敛速度和收敛精度,提出了基于改进遗传算法的机器人路径规划方法。介绍了栅格建模方法,分析了传统蚁群算法原理。提出了蚂蚁相遇策略提高了算法搜索效率,提出了蚂蚁回退策略避免陷入U形陷阱,设置了信息素感应阈值扩大了算法前期的搜索范围,改进了信息素残留方法使蚁群能够记忆最优路径,提出了信息素自适应调整方法,兼顾了算法前期的大范围搜索和后期的快速收敛。经仿真实验验证,相比于传统蚁群算法,改进算法具有更快的收敛速度、更优的规划结果,且改进算法的蚁群轨迹更加集中至最优解附近。     

改进蚁群算法的变电站群机器人路径规划研究

群机器人提高了单个机器人的工作效率,同时群机器人协作路径规划是保障机器人之间能够安全运行的前提,对此提出了一种基于改进蚁群算法的路径规划研究,是在蚁群搜索路径时产生个别蚂蚁开辟没走过的道路,采用分块式的格局让机器人在变电站巡检更少的触碰,利用改进蚁群算法在变电站中规划一条总路径最短的有效路径。所提出改进的蚁群算法提高了传统蚁群算法的搜索能力,明显改变了传统算法的局部性调整,而且在搜索过程中体现改进蚁群算法对机器人路径规划的有效性。     

基于蚁群算法变电站带电高压开关合闸路径最优的双体机器人轨迹规划

针对合闸过程中最优路径规划问题,采用蚁群算法求解合闸需走的最短路径,实现合闸路径最优化。为了实现在执行最优路径时,巡检机器人能够平滑高效率地完成目标作业,采用五次多项式对最优路径进行轨迹规划,实现控制每一个路径点的运动属性,从而达到预期要求。实验数据表明,采用蚁群算法实现了相对最短的机械手移动路径,经过五次多项式插值运算,使得全局中最大的误差控制在0.03cm。     

双臂机器人神经网络解耦与路径规划算法研究

针对双臂机器人的手臂运动控制问题,研究了其神经网解耦和路径规划算法。首先,对其双臂机械结构进行了分析,总结了各个关节对机器人末端位姿的影响;其次,通过MDH法建立了连杆坐标系,并给出了机械臂的运动学模型,进而依据手臂末端位置与姿态解耦的特点,通过三层BP神经网络与解析法相结合的方式研究了解耦逆运动学算法,避免了蚁群算法收敛较慢的问题;最后针对S曲线介绍了规划过程中各个参数的求解和适配方法,提出一种基于数值积分的B样条求解方法实现曲线拟合,优化空间曲线的平顺性;最后,对运动学算法与轨迹规划算法的有效性进行了验证。     

基于多目标粒子群优化算法的6R工业机器人轨迹优化

为了提高工业机器人的工作效率以及运动稳定性,对机器人轨迹进行了优化。在机器人任务空间中用NURBS曲线描述机器人末端轨迹,采用机器人逆运动学求解算法将任务空间轨迹转化到关节空间;提出了一种自适应罚函数的约束多目标骨干粒子群优化算法,对机器人运动时间、加速度、跃度等指标进行多目标优化,该算法采用自适应指数罚函数对约束进行处理,有利于引导算法更快进入可行区域,搜索好的目标值。最后,通过机器人加工实验,验证所提出算法的正确性和有效性。     

改进蚁群算法在焊接机器人路径规划中的应用

路径规划是机器人研究的核心内容之一。为了解决针对于白车身生产线焊接机器人路径规划效率低下的问题,提出了一种改进的焊接机器人路径规划的方法,分析了焊接机器人路径规划问题的构成。并针对基础蚁群算法在解决焊接机器人路径规划时,容易出现搜索时间过长、效率低、容易陷入局部最优等问题,引用了粒子群算法。利用粒子群算法对蚁群算法随机产生的若干组较优解进行交叉和变异操作,得到了更有效的解。最后在MATLAB中利用优化后的蚁群算法计算最佳焊接路径,并与基础蚁群算法的结果对比。对比情况表明:优化的蚁群算法在解决焊接机器人路径规划问题上能得到更优的焊接路径和稳定性。     

改进蚁群算法下激光切割加工工艺优化研究

针对传统算法下激光切割加工工艺速度慢的问题,提出改进蚁群算法下激光切割加工工艺优化设计,根据激光切割加工工艺原理,选择激光切割加工工艺参数,在此基础上对穿孔点进行确定,并引用蚁群算法,确定激光切割加工路径,选择出最短路径,以此实现对激光切割加工工艺的优化。为保证此次设计的优化方法具有一定的实际应用意义,与改进前的加工工艺进行了对比,结果表明,该优化方法能减少激光器在每个加工轮廓之间移动所需要的时间,并且通过蚁群算法能够更快得到最优加工路径。     

网壳钢结构节点相贯线轨迹生成和校验方法

针对现有网壳钢结构节点相贯线轨迹求解算法复杂及切割精度差等问题,研究复杂截面网壳钢结构节点相贯线切割轨迹生成和检验方法,提高钢结构节点制造效率和质量。在建立节点贯口相贯线解析模型的基础上,以支管母线运动方法构造复杂相贯曲线切割轨迹实时求解算法;以相邻模瓣端面对角顶点距离为依据生成切割轨迹校验文件。提出的方法用于带坡口复杂相贯线的粗插补轨迹数据求取和检验,为一种5自由度混联机器人提供切割轨迹数据。     

基于改进蚁群算法的多服务机器人路径规划

为解决多服务机器人全局路径规划的问题,将基本蚁群算法应用到多服务机器人全局路径规划上,并对基本的蚁群算法作了改进.对基于算法的多服务机器人系统的构成进行了描述,接着对多服务机器人系统环境的表示方法及算法中对应问题的描述和定义进行了研究.对应用到多服务机器人系统的基本蚁群算法提出了几种改进的策略,并对改进的蚁群算法应用到...     

工业机器人关节空间轨迹规划及优化研究综述

随着机器人技术的发展,工业机器人广泛应用于自动化生产之中,极大地提高了生产效率以及自动化程度。轨迹规划是完成作业任务的关键环节,而轨迹优化则进一步提高了任务完成质量,也顺应了工业发展的需要。对工业机器人关节空间的轨迹规划及优化研究进展进行了综述。首先,简述了关节空间轨迹规划算法,指出多项式插值是主要方式,B样条曲线因其优良特性是今后发展的必然趋势。然后,对不同目标下的轨迹优化进行了全面综述,指出优化目标的确定以及算法的改进等还存在的问题。最后,对今后的发展方向进行了展望,多目标优化求解方式以及约束的动态调整等将是今后的研究重点。