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。     

基于BP神经网络的冗余度TT-VGT机器人轨迹规划

应用ＢＰ神经网络对冗余度ＴＴ－ＶＧＴ机器人的位置正解进行训练学习,进而求解机器人的位置反解问题。同时在应用神经网络求雅可比矩阵伪逆的基础上,基于机器人各差错联合体缇上,提出一种轨迹规划的方法,并对四重四面体的变几何杵架机器人进行仿真计算。     

空间3R机械手逆向运动学的多模块神经网络求解

提出用多模块神经网络的方法求解空间3R机械手的逆运动学多解。通过几何分析,将关节空间划分为多个只有唯一逆运动学解的关节子空间,每个子空间均用3个单输出的BP神经网络训练和求解。通过仿真试验并与其他方法对比,表明该方法不仅可以准确地划分逆运动学解的取值范围,还可以快速求得高精度的逆运动学多解。     

3-RSR并联机器人运动学研究

在已有研究的基础上,给出了更为简单、完善的3-RSR并联机器人封闭正解,以及一般结构参数下的逆解和对称结构参数时的封闭逆解的求解方法.该机构运动学正解的最大数目为16组,逆解数目最多有8组,求逆解较其它三自由度并联机器人复杂.     

A QP Artificial Neural Network inverse kinematic solution for accurate robot path control

In recent decades, Artificial Neural Networks (ANNs) have become the focus of considerable attention in many disciplines, including robot control, where they can be used to solve nonlinear control problems. One of these ANNs applications is that of the inverse kinematic problem, which is important in robot path planning. In this paper, a neural network is employed to analyse of inverse kinematics of PUMA 560 type robot. The neural network is designed to find exact kinematics of the robot. The neural network is a feedforward neural network (FNN). The FNN is trained with different types of learning algorithm for designing exact inverse model of the robot. The Unimation PUMA 560 is a robot with six degrees of freedom and rotational joints. Inverse neural network model of the robot is trained with different learning algorithms for finding exact model of the robot. From the simulation results, the proposed neural network has superior performance for modelling complex robot’s kinematics.     

基于BP神经网络的机器人运动学逆解新算法

介绍了BP神经网络原理及算法并利用改进的BP神经网络算法对UY自由度机器人运动学反解问题进行了探讨。通过BP网络建立运动学模型,选择贝叶斯算法,采用Matlab神经网络工具箱进行编程,同时按照一定的范围要求提供样本,在试验及数值模型提供的样本数据范围内,得出模型测试精度都能满足工程要求。文章还进行了BP网络训练,并用训练好的网络来求解运动学逆问题,取得了较好的效果,为机器人运动学逆问题算法提供了新的思路,对机器人动力学问题、轨迹规划、运动控制也有一定的启发作用。     

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。     

冗余自由度TT-VGT机器人的最优轨迹规划

应用分离矩阵法 ,对冗余度 TT- VGT机器人的逆运动学进行了研究。基于速度欧拉范数值最小 ,提出了冗余度 TT- VGT机器人轨迹规划的一种方法。并对四重四面体的变几何桁架机器人进行仿真计算 ,与伪逆法求解进行了比较 ,证明了方法的优越性。     

基于BP网络的尾焦收集机器人运动学逆解算法分析

利用改进的BP神经网络算法对尾焦收集机器人运动学逆解进行探讨,建立了尾焦收集机器人的运动学逆解的BP网络模型,进行了10输入、4输出和1个隐含层的BP网络训练,并用训练好的网络来求解运动学逆问题,取得了较好的效果,为机器人运动学逆问题算法提供了新的思路.     

7自由度拟人臂仿人运动的逆运动学解析解

为了求解末端位姿已知时拟人臂的仿人臂姿,以人臂运动特性为依据,针对7自由度拟人臂提出了一种新的逆运动学求解方法。该方法将人臂的末端运动转化为腕部的达点运动,利用肘部的自运动理论解耦了人臂的冗余度,并结合最小势能指标确定了自运动角。在利用末端位姿确定腕部位置的基础上,依据自运动角求解肘部位置,进而推导出拟人臂仿人运动的逆运动学解析表达式。试验和仿真结果证明了该方法解的仿人性和连续性。最后,从拟人臂的运动灵活性的角度分析了方法的失稳现象,结果表明自运动角发生突变时拟人臂奇异。该方法属于解析方法,有利于对拟人臂进行实时的仿人运动控制。     

基于径向基函数网络的MOTOMAN机械手运动学逆解

从集合和数学观点 ,把运动学正解和逆解问题作为机器人关节空间和工作空间之间的非线性映射关系 ,将运动学逆解过程转换为神经网络权值训练问题。基于具有局部逼近能力的特点 ,将正解结果作为训练样本 ,用 6输入、单输出的RBF网络 ,实现了MOTOMAN机械手运动学逆解计算 ,避免了传统方法的繁琐公式推导。算例表明 ,采用RBF网络解决逆解问题比BP网络的计算精度略有提高。此外 ,RBF网络有更快的收敛速度     

Optimization of parallel manipulator trajectory for obstacle and singularity avoidances based on neural network

This paper presents a novel method for singularity-free path planning and obstacle avoidance of parallel manipulators. A modified 3-4-5 interpolating polynomial is used to plan a trajectory for a planar 3-DOF parallel manipulator. The polynomial function which is smooth and continuous in displacement, velocity, and acceleration is used to find a smooth path avoiding the obstacles and singularities. An artificial neural network is implemented to solve forward kinematics of the manipulator to estimate the distance between gripper and singularity or obstacle. The simulating results demonstrate the efficiency of the proposed algorithm.     

冗余度机械臂的自运动流形计算及关节轨迹规划

为了求解冗余度机械臂的全部逆运动学解，以计算包含全部逆运动学解的自运动流形为目标，提出了一种新的自运动流形计算方法。该方法基于人工蜂群算法完成自运动流形各分支初值的搜索，解决了分支初值难以确定的问题，并提出了分支搜索策略，实现了完整流形分支的搜索。在此基础上，为提高自运动流形的计算效率，定义了自运动流形的全等性与渐变性并建立了流形库，通过索引流形库内的自运动流形能够快速计算工作空间任意位置的自运动流形。利用流形库对机械臂进行全局性能分析，得到了各流形分支的局部最优位形；以每条分支的局部最优位形作为初始位形进行关节轨迹规划，实现了给定末端轨迹的全局最优关节轨迹规划，并通过4R机械臂和7R机械臂验证了方法的有效性。该方法还可用于超冗余度机械臂自运动流形的计算，具有较好的通用性。     

基于神经网络的三自由度摇摆台运动学反解

针对传统的数值解法不能满足实时控制算法的要求，研究使用BP网络和径向基函数（RBF）神经网络求解三自由度摇摆台运动学反解的方法。通过离线的迭代算法生成高精度的样本点来训练神经网络，使用动量法、变学习率法和共轭梯度法提高BP网络的收敛速度。使用正交最小二乘法训练的RBF网络具有更小的泛化误差，更适合于实时控制应用。     

A study on avoiding joint limits for inverse kinematics of redundant manipulators using improved clamping weighted least-norm method

Journal of Mechanical Science and Technology - A general method is presented for the inverse kinematics resolution of redundant manipulators with joint limits. The success of avoiding joint angular...     

基于指数积公式的挖掘机运动学分析

本文运用了基于旋量理论的指数积方法,推导出挖掘机回转装置、动臂、斗杆、铲斗多杆件组成的串联开链机构的运动学方程,求解雅可比矩阵,并验证该方法的有效性。研究表明,利用指数积与平面几何相结合的方法求挖掘机运动学逆解,无需进行矩阵乘法运算,减少了运算量,更适合进行计算机编程运算;而且利用指数积方法计算挖掘机雅可比矩阵无需对运动学正解映射求微分,并能有效的避免因参数引起的奇异性。     

混合型三维移动并联机构及其运动学分析

为丰富空间并联机器人机型,提出了两种具有混合分支的三维移动并机器人机构模型。其中一种由两个ＣＲＲ分支,一个ＳＰＳ分支构成;另一种由两个ＣＰＲ分支,一个ＳＰＳ分支构成。在文中,采用螺旋理论分析了它能实现空间三维移动的机构学原理,计算了它的自由度;给出了其位置速度和加速度的正反解,并进行了数值验证。     

基于免疫进化神经网络的机械手逆运动控制

将免疫进化算法用于机械手逆运动神经网络控制，基于生物免疫系统的细胞克隆选择学说和生物进化过程中的变异思想构造了自适应变异算子，使系统能够根据环境条件自适应地确定各抗体的变异强度；通过亲和力抑制相似抗体生存并动态地产生新的抗体，以维持抗体种群的多样性。通过对机械手进行仿真试验，并与快速BP算法及标准遗传算法训练的结果进行比较，表明用免疫算法训练的神经网络具有良好的泛化能力，可大大提高机械手逆运动学求解精度。     

Solving the forward kinematics problem in parallel manipulators using an iterative artificial neural network strategy

In this paper we address the forward kinematics problem of a parallel manipulator and propose an iterative neural network strategy for its real-time solution to a desired level of accuracy. Parallel manipulators are closed kinematic structures that possess requisite rigidity to yield a high payload to self-weight ratio. Because of this unique feature, they have been employed in manufacturing, flight simulation systems, and medical robotics. However, it is this closed kinematic structure that has led to difficulty in their kinematic control, especially the forward kinematics control. The iterative neural network strategy we propose employs a trained neural network and an error compensation algorithm in the feedback loop. The proposed strategy was tested with data from a real-world flight simulation system. Results show that solutions with a maximum error in the position and orientation parameters of 0.25 mm and 0.01°, respectively, can be achieved in less than five iterations (or about 1 second). Because of the nature of this strategy, it is possible to implement it in a hardware form, which can result in a multi-fold reduction in the solution time for the same accuracy level.     

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。