基于POE和CSSA的冗余机械臂逆运动学求解方法

为提高7自由度冗余机械臂逆运动学求解精度,提出一种基于旋量指数积和混沌麻雀搜索算法的逆运动学求解方法。对一种7自由度仿人机械手臂建模,采用旋量指数积公式法建立机械臂正运动学方程并在MATLAB中进行验证。根据机械臂位置矢量和接近矢量构建适应度函数,利用混沌麻雀搜索算法求解冗余机械臂的逆解。在MATLAB软件中编写逆解算法程序,将求得的关节值代入所建立的正运动学模型,计算冗余机械臂末端期望位姿与实际位姿的误差。     

位姿水平的冗余自由度机械臂运动学逆解算法

本文通过分析七自由度机械臂构造特点,用曲面几何理论得到肘关节在笛卡尔空间中的点集,参考各关节角运动范围,可以求出冗余自由度机械臂逆运动学的全部构型解,从而可以方便地实现实现机械臂的全局优化。此方法既提高了解的精度,又减少了运算量,同时为速度解的解算提供了便利条件和新的思路。     

冗余机械臂的逆运动求解及轨迹规划

为解决冗余机械臂在逆运动学求解中出现多重解的问题,以Jaco2的7DOF-S通用机械臂为对象,提出了一种结合解析法与基于坐标变换的几何解法的逆运动算法.根据机械臂的几何结构,推导出中间转角的唯一解,并以此映射解算得到其余关节转角;经过Matlab Robotic Toolbox与Simu?link模块验证,表明该算法的...     

基于改进粒子群优化算法的冗余机械臂逆运动学求解

以末端执行器的位姿误差最小为优化目标,将机器人的逆运动学问题转换为一个等效的最优化问题,并利用提出的改进粒子群优化算法对该问题进行求解.该算法从粒子群的初始化、惯性权重调整策略、差分变异进化及搜索空间的越界处理等多方面对标准粒子群优化算法进行综合改进,同时构建了以粒子群进化和差分变异进化为基础的两阶段混合协同进化机制,...     

一种液压机械臂逆运动学求解的新算法

由于液压驱动机械臂与电机驱动的不同,在其逆运动学求解上也存在差别,针对本文涉及的液压机械臂的逆运动学问题,提出一种几何法和代数法相结合的新算法。首先应用几何法,确定第一个关节的值,再运用代数找出与第五个关节、第六个关节角度的关系,求解,最后通过几何法变化关系,求出其余各个关节角。通过Matlab、ADAMS软件仿真验证了算法的正确性。提出的算法直观、简洁、实用性强,并且适合大多数液压机械臂逆解的求解。     

一种冗余自由度机械臂逆运动学解析算法

针对7自由度机械臂逆运动学求解问题,在考虑了空间构型的复杂性和冗余自由度机械臂自运动流形的基础上,提出了一种逆运动学的位置解析算法,即参照"自由度模块化"的概念,进而将仿人机械臂的7自由度划分为两个4自由度的模块化单元。通过控制自由度模块化单元,将复杂的空间构型转化为平面构型,减少了计算的复杂性;同时基于"锚点"和"虚拟连杆"的概念,实现冗余自由度机械臂的位姿参数化,从而实现了机械臂逆运动学快速求解。     

求解SSRMS构型空间机械臂逆运动学的方法

SSRMS构型机械臂被广泛应用于空间在轨服务,但是由于冗余自由度以及肩、轴、腕部偏置的存在,导致逆运动学求解困难.关节角参数化方法虽然能求得逆运动学的解析解,但是求解成功与否高度依赖于参数的给定值.基于雅可比矩阵的求解方法考虑避奇异时会损失机械臂的运动性能.为此,提出了一种基于循环坐标下降法与关节角参数化方法联合的逆运...     

液压驱动的多冗余机械臂逆运动学算法

液压驱动的多冗余机械臂用常规方法很难实现实时、精确的自动化控制,提出了一种基于几何理论的数值迭代算法,能快速地求解出多冗余机械臂的运动学逆解,并利用此算法对混凝土泵车的臂架系统进行了模拟仿真,仿真结果表明,此算法符合泵车臂架系统的实时自动化控制。     

冗余机械臂逆运动学的多子群粒子群求解

为了提高冗余机械臂逆运动学求解精度,提出了多子群粒子群算法的求解方法。使用D-H法建立了冗余机械臂运动学模型,以机械臂末端执行器位姿误差最小为目标构造了目标函数。在粒子群算法基础上,提出了粒子的多策略进化方法和多子群协同搜索方法,粒子的不同子群对应不同的进化方法,也即具有不同的搜索优势,从而提高算法应对不同类型寻优问题的能力。经运动学逆解仿真分析,多子群粒子群算法和粒子群算法搜索的最优粒子对应姿态误差相差5个数量级,位置误差相差4个数量级,充分证明了多子群粒子群算法的寻优性能远远优于粒子群算法;经多工作点实验验证,多子群粒子群算法的稳定性和鲁棒性也优于粒子群算法。     

冗余机械臂逆运动学问题的多策略贪婪蜂群求解

为了提高冗余机械臂逆运动学问题求解的位置精度和姿态精度,提出了基于多策略贪婪蜂群算法的求解方法。介绍了KUKA LBR iiwa七自由度冗余机械臂构型,推导了机械臂正运动学的齐次变换矩阵,以减小机械臂末端执行器位置误差和姿态误差为目标建立了优化模型。介绍了标准人工蜂群算法原理并分析了算法存在的缺陷,优化了能够提高蜜蜂多样性的跟随蜂选择策略,以提高跟随蜂局部搜索能力为目的给定了3种位置更新策略,将新算法命名为多策略贪婪蜂群算法。将新蜂群算法应用于逆运动学求解,经仿真验证可知,多策略贪婪蜂群算法的求解质量和求解速度均好于标准蜂群算法,且多策略贪婪蜂群算法在连续多个位姿点逆运动学求解中也具有较高精度,以上结果证明了多策略贪婪蜂群算法在机械臂逆运动学求解中的优越性。     

存在关节限位的冗余机械臂逆运动学研究

针对冗余机械臂求逆解时由于关节限位造成关节角度可能取到危险位置的问题,以七自由度冗余机械臂为研究对象,提出一种躲避关节限位的逆运动学求解智能算法。首先,在机械臂正运动学方程的基础上引入最佳柔顺性优化约束条件,构建优化目标函数;其次,引入人工势场法对灰狼优化算法狼群初始化位置进行改进,并且非线性化灰狼优化算法的收敛因子;最后,采用MATLAB软件进行求逆解仿真。仿真结果表明,改进灰狼优化算法可以有效减小机械臂求逆解时取得的关节角度与零角度的差值,相比传统灰狼优化算法,该差值之和平均减小了35.31%,而且改进灰狼优化算法具有较高求解精度和较强收敛性,可以满足实际工作中机械臂求逆解的使用要求。     

基于长短期记忆网络的机械臂逆运动学解

为了解决传统的解析法用于机械臂逆运动学求解过程中存在操作烦琐和奇异点处无法逆运算等问题,提出了基于长短期记忆网络的机械臂逆运动学求解算法。通过对机械臂的正运动学和工作空间的分析,获取大量有效的机械臂关节空间数据和相对应的末端姿态数据,并作为训练样本。经过训练后,获得逆运动学解的高精度结果。对比传统解析法求解,基于长短期记忆网络方法的求解速度较快。此外,机器人仿真结果显示,相关轨迹无明显的抖动偏移。     

改进混沌麻雀搜索算法及其在冗余机械臂逆运动学求解中的应用

针对冗余机械臂不满足Pieper准则,无法获得逆运动学封闭解的问题,提出一种自适应混沌麻雀搜索算法（ACSSA）。首先,利用佳点集均匀分布特性生成初始化种群;其次,引入自适应动态权重,用于平衡全局和局部搜索能力,提高种群多样性,改善陷入局部最优的问题;最后,引入高斯变异,加强局部搜索能力,同时产生Tent混沌序列,防止陷入局部最优。将ACSSA应用到冗余机械臂逆向运动学求解中,分别对空间点到点运动和空间连续轨迹跟踪两种工况进行仿真,并与CSSA和SSA进行对比。结果表明：在第一种工况下,ACSSA在收敛精度上提高了2个数量级,在算法稳定性上比CSSA、SSA分别高出2、3个数量级;第二种工况下,在计算值与理论值的绝对误差精度和稳定性这两个评定指标上,ACSSA较CSSA提高了1个数量级,较SSA提高了6个数量级。充分说明了ACSSA具有精度高、收敛速度快的特性。     

一种五自由度机械臂逆运动学求解的几何法

针对五自由度机械臂自由度不足而导致的基于笛卡尔空间轨迹规划产生的目标末端位姿,可能不存在运动学逆解的情况,提出了一种基于自由度约束的末端位姿描述,并根据该位姿描述得出了一种五自由度机械臂逆运动学求解的几何方法。该方法基于机械臂模型的几何特性,通过将轨迹规划和运动学逆解2个阶段进行一定程度的结合,确保了轨迹规划得到的目标末端位姿的运动学逆解的存在性。通过仿真实验分析,证明了该方法的可行性与精确性。     

动态变步长果蝇算法求冗余机械臂逆运动学解

提取了基于动态变步长果蝇算法求解冗余机械臂逆运动学解的新方法。动态变步长果蝇算法(DCSFOA)在果蝇算法(FOA)算法的基础上,通过适应度值对果蝇种群进行动态划分,然后两个子群按照不同的公式进行搜索步长的计算并完成位置更新,增强了果蝇种群的寻优能力。数值实验表明,DSCFOA算法具有较强的全局搜索能力、较快的收敛速度和稳定性,是求解冗余机械臂逆运动学解的一种有效方法。     

基于逆运动学的柔性机械臂末端定位控制

针对具有形变特性的柔性机械臂,在运动过程中存在末端不易定位控制或定位精度低的问题,设计了一种线驱动柔性机械臂样机,通过分析其运动机理推导末端位置空间、臂体形态空间以及驱动空间三者之间的逆运动学关系;然后,提出了基于逆运动学模型的柔性机械臂末端定位控制方案;最后,利用CoppeliaSim仿真平台建立了柔性机械臂仿真模型...     

基于构形平面的水下机械臂运动学求解方法

基于构形平面的运动学方法,推导出一种解决水下机械臂的运动学求解方法。首先研究了空间机械臂的常见空间关节形式,通过简化建立了统一形式的运动学表达形式。然后介绍了构形平面方法的基本原理和方法,并对构形中多角度连接模块进行了建模。对设计的水下机械臂进行简略介绍,建立其运动学模型,采用构形平面方法详细推导了水下机械臂的运动学求解过程,最后进行实例仿真,验证方法的有效性。     

混合变异克隆选择算法及其在机械臂逆运动学问题中的应用

为改善克隆选择算法(CSA)在解决复杂优化问题时收敛质量不高的不足,提出一种基于混合变异的改进克隆选择算法(HMCSA),并将该算法用于解决冗余机械臂的逆运动学问题。改进算法采用了混合差分变异与克隆选择进化的两级混合协同搜索模式,有效平衡了算法的全局探索与局部开发,从而较好地克服了基本克隆选择算法容易陷入局部极值而早熟收敛的现象。通过抗体成功搜索经验的动态实时共享,加速了算法的收敛速度以及提升了算法的收敛精度。此外,与对比算法相比,HMCSA算法具有需要设置参数更少的优点,便于算法的应用推广。通过经典的基准测试函数优化问题验证了HMCSA算法的有效性;在冗余机械臂运动学逆解的优化求解中,HMCSA算法同样获得了较好的优化效果,为解决机器人的逆运动学问题提供了新思路。