基于ELM-IWO机械臂运动学逆解算法研究

为了提高机械臂控制中运动学逆解的速度和准确度,提出了一种基于入侵性杂草优化的机械臂运动学逆解方法.通过D-H法建立了工业六自由度机械臂的正向运动学模型,并利用训练速度较快的ELM(极限学习机)计算机械臂关节角度向量,即输出其逆运动学初解.利用IWO(入侵性杂草优化)算法对得到的初始逆解进行优化,取最小适应度下的杂草位置作为输出,以便得到最佳的逆运动学求解.实验结果表明,相比基于PSO-BP神经网络的求解方法,基于ELM-IWO算法的机械臂末端执行器的精度更高,实时性更好.     

自适应粒子群算法求冗余机械臂逆运动学解

以正向运动学方程为基础，冗余机械臂逆运动学解问题转换为等效最小值问题，提出一种自适应粒子群算法求解该问题。为了保持粒子群的活力，在算法内引入弹射操作。如果粒子满足设定自适应判别函数，粒子将按概率被从当前位置发射到较远区域。为了配合弹射操作，提出一种新的粒子优劣的判断机制，使得粒子可以被弹射飞出可行域。数值实验表明，算法具有较强的全局搜索能力和较快的搜索速度，是求解冗余机械臂逆运动学解的一种有效方法。     

排爆机械臂逆运动学的模拟退火神经网络算法

采用传统方法计算没有封闭解的机械臂的逆运动学运算量大、精度无法保证,对于复杂结构很难满足实时精确控制的要求;6个并行三层双隐层前馈神经网络被设计用来解决排爆机器臂的逆运动学问题,神经网络的应用受到输出误差的限制,需要减小网络输出误差;针对机械臂结构,以神经网络输出为初始值,对网络输出关节变量进行实值编码,采用分离位姿模拟退火算法对的机械臂末端位置、姿态分别进行优化;仿真结果显示,该方法有效地减小了网络输出误差,在运算结果精确性和运算速度方面满足排爆机械臂求逆运动学解的要求.     

基于BP神经网络的排爆机械臂逆运动学分析

机械臂逆运动学是已知末端执行器的位姿求解机械臂各关节变量,主要用于机械臂末端执行器的精确定位和轨迹规划,如何高效的求解机械臂运动学逆解是机械臂轨迹控制的难点;针对传统的机械臂逆运动学求解方法复杂且存在多解等问题,提出一种基于BP神经网络的机械臂逆运动学求解方法;以四自由度机械臂为研究对象,对其运动学原理进行分析,建立BP神经网络模型并对神经网络算法进行改进,最后使用MATLAB进行仿真验证;仿真结果表明:使用BP神经网络模型求解机械臂逆运动学问题设计过程简单,求解精度较高,一定程度上避免了传统方法的不足,是一种可行的机械臂逆运动学求解方法。     

基于遗传算法的机械臂逆运动学问题解决方案

提出应用遗传算法求解机械臂的逆运动学问题,将种群定义于机械臂的关节角轨迹层面,利用连续性函数实现算法的初始化算子,交叉算子和变异算子。算法仅使用表现型数据表示方式,克服了传统遗传算法在数据的基因型和表现型之间频繁地进行编码和解码操作。通过和传统遗传算法进行对比分析,验证了所提出的方法能够避免传统遗传算法求解逆运动学问题时存在的多重切换点现象,能够获得更平滑的关节角轨迹,缩短了算法的收敛时间,生成的笛卡尔轨迹具有更高的精度。     

高精度解耦六自由度机械臂逆运动学解法

根据6自由度机械臂正交解耦的结构特点,采用位姿分解方式,将6自由度逆运动学降为3自由度位置逆运动学、3自由度方向逆运动学;利用欧儿里德范数导出机械臂定位、定向的逆运动学解析解,使机械臂高速、准确运动.在定向控制方面,提出一种以单位四元数为目标输入的控制形式,只需计算两个角度逆解,既简化计算,又利于实际操作;利用逆运动学计算机械臂的工作空间和奇异点空间,借助移动机器人车体自由度弥补因计算以及关节长度不够引起的奇异位形,极大扩展了机械手臂的有效运动区域.     

基于人工神经网络的机械臂运动学分析

随着现代科技的日新月异,智能机械臂在实际生产制造中的应用越来越广泛。为了更加清晰地观测机械臂末端运动轨迹,实现直观地看到路径规划结果的特殊功能,就需要提升逆运动学求解的速度和精度。常规的方法是使用BP神经网络进行研究,但是这种方法存在收敛速度慢、局部极小值频出等问题。就针对这些问题改进了算法,实验结果表明该改进算法在实际应用中是可行的,并且该算法不仅能够提升收敛速度,还能提高逆运动学求解的准确率,可以较好应用于机械手逆运动学求解的问题。     

基于IGAPSO算法的宏微机械臂逆运动求解

工程四自由度宏微机械臂的传统逆运动求解方法需要大量公式推导,繁琐且复杂,新出现的智能优化算法在应用上存在缺陷和不足,本文在结合原有粒子群和遗传算法的基础上,提出了改进遗传粒子群逆解算法。以2F2R机械臂为例,首先利用齐次变换法构建机械臂运动学模型,然后基于Matalab Robotics Toolbox搭建仿真模型,并训练和测试模型。测试结果表明,遗传粒子群算法有效提高了机械臂的逆解速度和关节角精度。     

冗余机械臂逆运动学求解方法研究进展

随着科学技术的发展,冗余机械臂凭借其多自由度的特性获得学者的广泛关注.其中包括执行指定任务时,需要将任务路径转换为关节空间轨迹,进行逆运动学求解,求取非线性函数的连续逆映射.该求解过程尤为重要且非常复杂,国内外学者对此开展了大量研究.这里将冗余机械臂逆运动学求解方法进行分类,归纳整理出各类求解方法,分别概述解析法、数值解法、智能算法以及对应子方法的基本原理、对比及研究现状.最后,指出逆运动学求解方法面临的核心问题以及发展趋势.     

一种仿人机械臂的运动学逆解的几何求解方法

运用几何方法求解一种具有7个旋转自由度的仿人机械臂的运动学逆解,并运用特定的寻优指标,搜索与指定末端位姿对应的关节角空间最优解.这种解法没有理论误差并且解算速度足够快,有利于在线实时控制机械臂的运动.     

排爆机械臂的运动学仿真

在机械臂性能优化设计的研究中,为了使排爆机械臂能够灵活、有效的处理爆炸物,需对其进行运动学仿真,针对所设计的排爆机械臂的机械结构,通过D-H方法建立相应的运动学模型,运用矩阵逆乘的方法分离变量,求得了运动学正解和逆解.用MATLAB平台中机器人工具箱编程并建立ADAMS虚拟样机,对机械臂的末端位移、速度和加速度做了运动学仿真,通过仿真验证了机构设计的合理性和仿真方法的正确性.结果为排爆机器人的结构设计和优化,为排爆机械臂的电机选择提供了依据.     

六自由度机械臂逆运动学算法

根据D-H参数法确定六自由度机械臂的运动学方程,结合平面几何法和欧拉角变换法将机械臂的逆运动学求解问题分为两部分,一通过平面几何法确定机械臂腕部点的坐标与前三个关节角的关系,二通过欧拉角变换法确定机械臂末端姿态与后三个关节角的关系,根据逆运动解的选取原则从八组解中选取最优解;利用MATLAB中的Robotics Toolbox建立机械臂的正运动学模型,通过多组位姿下的正逆运动解对比验证逆运动学求解算法的准确性;利用VC++中的QueryPerformanceCounter函数和MATLAB中tic-toc语句得到不同算法所消耗的平均时间,通过消耗时间的对比说明该算法的快速性;利用VC++编程实现机械臂写字的过程,通过对比输入字的形状与机械臂末端的实际运动轨迹,进一步验证该算法是一种快速而准确的逆运动学求解算法。     

一种基于进化方向的新的差分进化算法

变异策略对差分进化算法（DE）算法的成功与否起到至关重要的作用.然而,方向信息在DE变异策略的设计当中并没有被充分地挖掘,且对于如何平衡进化速度和种群多样性这两者之间的矛盾也没有得到很好的解决方案.研究了个体在进化选择操作前后产生的差量信息在变异操作上的导向作用,提出了一种新的基于进化方向的变异策略“DE/current-to-pbest/1/Gvector”.同时,为了测试我们这种新的方向信息能否提高算法的优化能力,我们在自适应差分进化算法（JADE）的基础上提出了一种新的算法DVDE.对CEC2005常用的12个测试函数做了仿真实验,实验结果证明DVDE的算法性能平均优于其他5个目前来说性能最好的DE算法（JADE,SaDE,CoDE,jDE,EPSDE）,特别是对于单峰函数,效果更为明显.实验结果也说明进化方向的加入对于提高算法的收敛速度以及保护种群的多样性避免算法过早陷入局部最优起到了较好的作用.     

自适应蚁群差分进化算法

针对传统差分进化算法在求解高维复杂问题时存在通用性差、鲁棒性低、收敛速度慢和求解精度低等问题,提出一种基于蚁群算法的自适应多模式差分变异策略.算法在每代进化中,个体根据各变异进化模式上的信息素大小,采用轮盘赌选择策略选择变异算子,并根据各变异算子对优化所做贡献的大小对信息素进行动态更新,贡献大的变异算子可以获得更多被选择的机会,使得各变异算子发挥其最大性能,从而提高算法的收敛速度和通用性.对5个高维的benchmark函数进行算法验证,实验结果表明,该算法很好的提高了差分进化算法的通用性和鲁棒性,有效地克服了收敛速度慢和早熟等问题.     

基于改进离散差分进化算法的桁架优化

为提高离散桁架优化问题的计算效率,提出一种改进的离散差分进化算法.基于种群多样性自适应地选择变异策略以平衡探索和收敛能力,根据个体差异度和种群多样性缩减种群规模以减少计算量,在进行结构分析前舍弃较大的实验个体规避无用计算,并引入精英选择技术解决选择阶段目标个体和实验个体数量不等的问题,在此基础上,给出一种将数值之间的距...     

一种基于思维进化算法的神经网络求解机器人逆运动学问题

研究了SCARA机器人的逆运动学问题,提出了一种采用思维进化算法来学习神经网络连接权值的方法。并将该算法成功地应用于求解机器人的逆运动学问题。计算机仿真表明,这种神经网络方法不仅具有较快的收敛速度,而且大大提高了求解的精度。     

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．     

混合差分进化算法

为了克服差分进化算法容易出现早熟和收敛速度慢的问题,提出了一种混合差分进化算法.该算法在趋药性差分进化算法(CDE)的基础上,通过对较优个体进行变异操作,维护了种群多样性、避免早熟;通过将较差的个体与较优个体进行杂交,提高了开采能力、加快了收敛速度.基于这两种策略,算法的开采能力与探索能力达到了平衡.用该算法解决标准函数优化问题,并将仿真结果与其他算法进行比较,数值结果表明该文算法具有较快的收敛速度和很强的跳出局部最优的能力.     

基于六维线性插值的六自由度机械臂逆运动学方程求解方法

针对一般结构的六自由度（DOF）机械臂逆运动学方程求解困难的问题,提出六维线性插值理论。首先,从大量的经验数据中搜索7个相邻的非线性相关的节点组成超体;然后,利用这7个节点得到六元一次线性预测函数;最后,使用预测函数进行插值和反插值运算预测位姿和关节角。使用Matlab仿真按照正运动学方程产生100万组经验数据,并对目标位姿进行反向插值,迭代预测6个关节角。实验结果表明,相比径向基网络（RBFN）、六维线性反插值法,所提方法能够更快、更准地逼近目标位姿。所提方法是基于数据的算法,避免了复杂的理论,可以满足机器人日常应用的要求。     

基于混合变异策略的改进差分进化算法及函数优化

针对差分进化算法DE 传统变异策略不能有效平衡全局搜索和局部搜索,并且算 子固定,导致算法早收敛、搜索效率较低。基于DE 变异策略性能,提出一种混合变异策略, 力图平衡算法探索和开发能力,使得前期增强全局搜索,保持种群多样性; 后期偏重局部搜 索,尽快收敛到全局最优值。同时操作算子采用随机正态缩放因子F 和时变交叉概率因子CＲ, 进一步改善算法性能。几个典型Benchmarks 测试函数实验表明: 该改进型差分进化算法能有 效避免早收敛,较好地提高算法的全局收敛能力和搜索效率。