新型6-HTRT并联机器人工作空间和参数研究

本文介绍了新型6-HTRT并联机器人的机构型式和工作原理，给出了考虑到约束条件的 位置逆解算法和存在多组解时的逆解选取准则．利用逆解算法和三维搜索，得到了确定该类 型机器人工作空间的方法和工作空间体积的计算公式．分析了6-HTRT并联机器人工作空间 的形态特点以及机器人结构参数和运动参数对工作空间体积的影响．     

6-DOF并联机器人并行控制算法与优化

为了实现对6-DOF并联机器人实时在线控制,并能取得良好的控制效果,对其运动控制算法的结构进行了深入剖析与研究,尤其对上平台中心的运动速度和角速度的计算及液压缸各杆的伸长速度计算矩阵进行了细致的研究,提出了并行算法及CPU的优化分配策略,大大提高了并联机器人的实时控制质量.     

工业用并联机器人位置正解的精确求解

利用工业用6-DOF并联机器人位置反解易于获得这一特性,把较难的六自由度并联机器人位置正解问题转化为应用位置反解结果作为训练样本进行学习,从而实现机械手从关节变量空间到工作变量空间的非线性映射。文中以工业用6-DOF并联机器人为例,采用BP算法对其正解进行了求解,并利用Matlab进行仿真,结果表明该方法计算精度高,克服了数值解法的求解精度受初值影响较大的缺点。经过验证,BP网络的求解精度满足了控制精确的要求。     

空间机器人目标捕获过程中碰撞运动分析

针对空间机器人目标捕获过程中的碰撞问题,提出了一种碰撞运动分析算法．基于空间机器人运动学 和动力学模型,利用碰撞过程中产生冲量的原理建立了碰撞动力学模型．针对具体的碰撞模型,利用空间解析几何 的方法进行了空间机器人与目标物之间的碰撞检测,设计了碰撞发生后机器人的运动分析算法．最后,通过仿真实 验验证了该算法的正确性和适用性．     

平面全柔性3-DOF过驱动并联机构的最优综合

以设计全柔性多自由度过驱动并联机构为目标,研究了平面3-DOF 4RRR过驱动并联机构的最优综合问题．从一般四分支3-DOF平面并联机构出发,建立了机构的运动学模型;给出了机构的4种可能拓扑结构分类,对不同拓扑结构类型机构的运动学和力学性能进行了分析比较．建立了并联机构全工作空间操作性改善优化模型,采用遗传算法进行优化设计并给出了实例,根据优化实例的结果设计制造了平面全柔性三自由度过驱动并联机构．以上方法对其它全柔性并联机构的优化设计具有参考价值．     

并联机器人工作空间的研究

本文对并联机器人的工作空间进行了研究.算法上采用输入转化的方法.使优化过程大为简化.在此基础上.对并联机器人工作空间的各截面进行了分析.并详细讨论了结构尺寸与工作空间的关系.得出扩大工作空间的几种途径.这对设计和应用并联机器人都有实际意义.     

求解并联机床工作空间的算法分析和研究

本文针对三自由度并联机床的机构进行了分析，并求出了其位置逆解。在此基础上对求解其工作空间所采用的算法进行了研究和分析，重点给出了边界搜索法的设计方法，并进行了相关算法的分析。结果表明，在机构没有空洞的情况下，边界搜索法是一种理想的求解工作空间的算法     

基于蒙特卡罗方法的除冰机器人作业空间边界提取

设计了一种输电线路除冰机器人的机械结构, 分析了该机构的作业空间问题. 在计算过程中, 引入Monte Carlo方法得到了机器人操作臂的工作空间. 采用该方法可避免对机器人运动方程的求逆解计算, 极大地简化了计算过程. 分析并指出传统的机器人工作空间边界提取方法精度有限, 且存在理论上的缺陷; 提出了一种新的基于局部点象限分布的边界点提取方法, 文中给出的算例表明, 该方法不仅精度高, 并且非常适合于处理机器人工作空间边界问题.     

基于边界搜索法的一种四自由度并联机器人工作空间分析

本文设计了一种新型四自由度并联机构,以动平台中心点为参考点进行了运动学逆解分析,采用边界搜索法分析并联机构定姿态时的工作空间,获得工作空间的三维图形.研究该并联机构的支链长度、动静平台半径和运动副转角等结构参数和运动参数对其工作空间大小的影响,为机构的参数优化提供理论依据.     

融合帧间差分与碰撞算法的快速跟踪预测算法

传统的运动目标跟踪预测算法难以保证机器人对高速运动目标的快速捕捉和提前预测,尤其是运动目标在滑行过程中发生碰撞改变了原有的运动方向,针对这一问题提出了基于帧间差分与碰撞算法相结合的运动目标跟踪预测算法.通过帧间差分法快速识别出平面内运动物体的具体位置和运动速度,根据其运动速度方向判别运动目标是否发生碰撞.当运动目标在运动过程中发生碰撞,采用LS-DYNA显示动力分析软件建立碰撞仿真模型,并用MATLAB拟合仿真数据得到碰撞算法,结合碰撞算法对运动目标的运动轨迹进行预测.结果表明以帧间差分和碰撞算法相结合的运动目标检测跟踪算法对于在平面内运动目标的跟踪预测方面速度更快,完全能够满足机器人对算法快速性的要求.