冗余机器人的双向自运动路径规划

冗余机器人的自运动路径规划是在保持手端任务向量不变的情况下,在关节空间内寻找一条连接机器人初始关节构形和期望关节构型的几何路径.本文给出一种双向自运动路径规划算法,其基本思想是使位于初始关节构形的真实机器人和位于期望关节构形的虚拟机器人在自运动流形上运动并收敛到同一关节构形,从而得到一条连接初始和期望关节构形的自运动几何路径.该算法克服了以往算法容易陷入局部极小构形的缺陷.仿真结果证实了算法的有效性.     

协作机器人及其运动规划方法研究综述

协作机器人是一种新型工业机器人,利用物联网感知等新兴技术进行智能人机交互,实现与人类近距离协同工作以提高生产效率.因此,协作机器人近年来备受关注,成为了机器人领域最热门的研究方向之一.介绍了协作机器人的基本情况,包括主要产品、机器人本体设计以及应用案例;介绍了常见的人机协作方法,重点围绕人机协作中的高效、简单、安全三个...     

多个关节机器人分布式协作运动规划

由多个关节自治机器人构成的协作系统具有高度非线性和严重耦合性,为此提出了分布式协作运动规划方法(DCMP).应用大系统理论的分解协调方法,通过预估协调变量,解耦协作运动规划问题,使其分解为各个机器人个体的独立子规划,得到能够分布式迭代计算的子系统优化模型.利用协同进化算法在全局优化和约束条件处理方面的优势,DCMP解决高维组合C空间的空间—时间优化搜索问题、静态和动态约束问题,尤其是其它方法难以克服的速度约束问题.仿真实验结果证明了本文方法的有效性.     

工业机器人运动规划研究进展

由于工业机器人构型空间和工作环境的复杂性,传统运动规划算法难以在有限时间内进行路径求解,如何提高算法的规划效率与最优性成为研究热点。本文跟踪目前工业机器人运动规划算法的发展现状,针对主流随机采样算法的原理与发展脉络进行了细致分析与总结。在此基础上,详细阐述了基于强化学习的随机采样算法,该方法引入了规划学习机制,在保证求解速度的同时,还能不断提高求解质量。同时对当前运动规划算法存在的一些不足提出了建议与展望。     

冗余自由度工业机器人模糊自适应PID控制研究

为提高汽车生产中涂胶工序的工作效率和空间利用率,改善机器人避障性能,设计了一款具有7自由度的冗余度工业涂胶机器人,并对其控制方法开展研究。针对现有PID控制方法应用于非线性时变的多自由度多刚体串联式开链系统时,控制效果有限、难以达到系统精度要求等问题,基于传统PID控制和模糊自适应控制算法,提出了一种带有重力补偿的模糊自适应PID混合控制方法。该方法在对冗余度工业机器人进行动力学分析的基础上,基于牛顿-欧拉分析法建立了冗余度机器人动力学模型,基于动力学分析设计了带有重力补偿的模糊自适应参数整定PID控制策略,建立了控制器模型,通过Matlab仿真实验表明,具有模糊自适应参数整定PID控制较有重力补偿的传统PID控制具有更好的控制效果。     

基于协进化路标法的多机器人协作运动规划

针对多关节式机器人协作运动规划方面的难点,在随机路标法的启发下,提出了新颖的协进化路标规划法．这种方法充分利用了协进化算法在优化搜索方面的启发功能和遗传算法对约束条件的处理方法,解决了高维组合C空间的优化搜索问题、静态和动态约束问题和运动轨迹的时间优化问题．并且,通过实验验证了算法的有效性．     

冗余自由度超声检测机器人的逆运动学分析

针对一类冗余自由度超声检测机器人的传统逆运动学求解算法耗时长且准确度低的问题,提出了一种基于集合划分和解析解法相结合的逆运动学求解算法。首先采用De-navit-Hartenberg方法建立检测机器人的运动学方程;其次,利用解析解法求出机器人逆解的解析表达式,并提出三种自由度分配方案;最后,选择合适的自由度分配方案,据此对超声波探头位姿集合作划分,结合逆解解析式求出运动学逆解。实际应用中,借助十一轴超声波检测机器人,利用该算法对具有复杂外形的飞机螺旋桨叶片进行检测。结果表明,与传统的纯数值解法相比,该算法能够快速得到精确的运动学逆解。     

机器人路径规划的快速扩展随机树算法综述

路径规划是移动机器人的重要研究内容。快速扩展随机树（Rapidly-Exploring Random Tree，RRT）算法因在机器人路径规划中的成功应用，自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法，相对传统路径规划算法，具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质，并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后，展望了算法未来的研究方向与挑战。     

多机器人协作搬运路径规划研究

针对多机器人协作系统,提出了一种新的混合定点转动和遗传算法的方法,解决其协作路径规划问题。该方法利用遗传算法并行计算、不易陷入局部最优的优点,具备概率上寻找全局最优解的能力,同时结合了定点转动法易实现、有效减少单机器人路径浪费的优点。仿真实验结果表明,该规划方法运算速度较快,在得到有效规划路径的同时,也易于实现对单机器人的控制。     

仿人机器人手臂抓取运动规划广义逆RRT算法

针对高维空间冗余仿人机器人手臂抓取对象运动规划时所面临的目标位形未知、抓取空间受限、位形空间存在大量障碍物等难题,提出了一种广义逆快速探索随机树法(RRT)避碰运动方法.首先,提出分层子维空间运动规划概念模型,建立了仿人机器人上肢手臂运动学和逆运动学模型;其次,提出一种加权最小范数广义逆RRT规划算法;最后,通过计算机三维仿真,采用基于有向包围盒法开发的碰撞检测算法,验证了该算法的有效性.     

机器人运动规划方法的研究

针对路径规划以及碰撞检测这一研究的重点问题,提出了G-空间法、人工势力场法、遗传算法等。序列规划问题一般转化为旅行商问题来求解。在综合现有序列规划和路径规划方法的基础上,提出两种机器人运动规划算法：基于任意路径的运动规划算法和基于直线路径的运动规划算法,思路简单,能对各种机器人工程任务进行运动规划。     

六自由度机器人控制系统设计与研究

研究机器人运动的精确控制问题.为使实验教学机器人实现平稳与高精度的运动,提出了一种六自由度机器人控制系统总体方案,采用分布式结构,研发了高精度运动器LM629的位置伺服控制系统.阐述了控制系统的工作原理,设计了硬件电路与系统软件,下位机与上位PC机采用CAN总线的通讯方式.分析了机器人运动产生抖振现象的影响因素,并提出了重力补偿控制方法.对LM629的PID控制算法进行了改进,采用积分分离PID控制算法,具有更好的动态和静态特性.对系统的控制效果进行仿真与验证,证明了机器人点位控制与连续轨迹控制效果,结果表明机器人运动平稳,精度满足使用要求.     

冗余度机械臂零初始加速度运动规划方案研究

针对冗余度机械臂加速度非零初始值的情况,探讨了一种基于伪逆的加速度层优化控制方案。利用约束函数以使关节从零初始加速度开始运动,并引入关节速度/位置的反馈信息,采用速度/位置误差补偿方法改善运动学方程。通过上述方案对机械臂进行优化控制,可及时减小末端执行器的速度误差和位置误差,从而保证轨迹跟踪的精度。利用MATLAB软件对平面三连杆机械臂跟踪圆形和星形轨迹进行了实验。实验表明末端执行器位置误差在5s内达到10-6 m精度,机械臂能顺利完成跟踪任务。     

基于模糊优化的仿人机器人运动规划研究

文章主要是对仿人型两足机器人(简称仿人机器人)的运动稳定性进行分析、研究,建立了一套动力学模型,并运用模糊优化的方法分析其运动参数.实验表明:该方法在很大程度上提高了仿人两足机器人的运动稳定性.     

冗余度机器人自运动中的混沌运动及其控制

以一个平面3R刚性冗余度机器人为研究对象,采用PD调节器进行工作空间内的负反馈,控制机器人末端重复跟踪工作空间内封闭路径,对此过程中机器人自运动中可能存在的混沌运动进行了研究.通过运动仿真和相图,以及计算系统的最大李亚普诺夫指数,研究发现,基于雅可比矩阵的伪逆,求解冗余度机器人运动学逆解时其自运动是混沌的.首次应用延迟反馈控制法对所发现的混沌运动进行控制,在适当的参数条件下,成功地将混沌运动转变为规则的周期运动.􀁱 􀁽     

基于终态神经网络的冗余机械臂重复运动规划

为解决冗余机械臂在运动过程中出现的关节角漂移现象,提出了一种终态吸引优化指标,形成冗余机械臂重复运动规划的二次优化方法。采用具有有限值激活函数的终态神经网络来求解,在初值位置偏移目标位置的情形下,实现冗余机械臂有限时间收敛的重复运动规划任务。同时,分别以新型的终态神经网络(TNN)和其加速网络(ATNN)求解运动规划问题,该网络求解方法具有终态吸引特性,能够在有限的时间内得到有效解。相比具有渐近收敛动态特性的神经网络(ANN),终态神经网络方法不仅改变了收敛速度,而且提高了收敛的精度。基于冗余机械臂PUMA560的计算机仿真结果表明了所提方法的有效性和实时性。     

移动机器人目标捕捉运动规划研究

提出一种应用于移动机器人在动态环境下捕捉目标的运动规划方法.该方法基于模糊控制理论.利用所要捕捉目标的位置与速度信息,依据人类的驾驶经验制定模糊规则.通过移动机器人转向角与速度的控制.实现了对动态运动目标的捕捉.仿真实验验证了该算法的有效性.     

Robot Motion Planning: A Game-Theoretic Foundation

Analysis techniques and algorithms for basic path planning have become quite valuable in a variety of applications such as robotics, virtual prototyping, computer graphics, and computational biology. Yet, basic path planning represents a very restricted version of general motion planning problems often encountered in robotics. Many problems can involve complications such as sensing and model uncertainties, nonholonomy, dynamics, multiple robots and goals, optimality criteria, unpredictability, and nonstationarity, in addition to standard geometric workspace constraints. This paper proposes a unified, game-theoretic mathematical foundation upon which analysis and algorithms can be developed for this broader class of problems, and is inspired by the similar benefits that were obtained by using unified configuration-space concepts for basic path planning. By taking this approach, a general algorithm has been obtained for computing approximate optimal solutions to a broad class of motion planning problems, including those involving uncertainty in sensing and control, environment uncertainties, and the coordination of multiple robots. Received November 11, 1996; revised March 13, 1998.     

非完整约束下的机器人运动规划算法

由非完整约束定义提出一种改进RRT(快速搜索随机树)算法,解决受动力学约束的移动机器人运动规划问题.该算法将移动机器人的非完整约束条件与RRT搜索算法相结合.针对RRT算法在全局状态空间均匀随机搜索导致算法无谓耗费代价大的缺陷,引入目标偏向思想,并选择计算复杂度低的距离参数提高求解速度.通过几类典型的非完整约束下的机器...     

Robot Motion Planning in Dynamic Uncertain Environments

In the real world, mobile robots often operate in dynamic and uncertain environments. Therefore, it is necessary to develop a motion planner capable of real-time planning that also addresses uncertainty concerns. In this paper, a new algorithm, Dynamic AO* (DAO*), is developed for navigation tasks of mobile robots. DAO* not only performs a good anytime behavior and offers a fast replanning framework, but also considers the motion uncertainty. Moreover, by incorporating DAO* with D* Lite, a new planning architecture, DDAO*, is represented to efficiently search in large state spaces. Finally, simulations and experiments are shown to verify the efficiency of the proposed algorithms.