基于位姿分离算法的冗余机器人逆运动学分析

针对冗余机器人逆运动学求解复杂、实时性差的缺点,提出一种基于冗余机器人位姿分离的逆运动学求解算法。该算法以腕点矢量为目标,计算冗余机器人位置关节的逆解及位置关节对腕关节的误差补偿,得出腕关节逆运动学解。通过建立基于运动轨迹的逆运动学约束泛函,对冗余机器人的逆解进行了优化。得到机器人关节运动特性随约束泛函的变化曲线以及关节逆解的优化解流形。     

六自由度经济型工业机器人设计与运动学分析

设计了一种六自由度经济型工业机器人,从经济性考虑,完成了驱动电机、减速器及控制器的选型和各关节的结构设计,在保证性能要求的情况下降低了机器人的成本。根据D-H方法建立机器人的运动学数学模型,得出机器人末端点的运动方程,在Matlab环境下,采用蒙特卡洛法求出机器人的工作空间点云图,运用Robotics Toolbox对该机器人进行仿真建模,并进行了实例仿真。通过仿真结果分析机器人的运动情况,验证了运动学算法的正确性,符合预期的设计目标,为机器人轨迹规划和控制的研究提供了可靠的依据。     

机器人运动学逆解及奇异和多解的处理

针对后3个关节轴线相交于一点的6R工业机器人,提出一种有别于传统方法的位姿分离逆解算法,对逆解涉及的奇异和多解处理也做了详细分析,并仿真验证了该算法的正确性。该算法完全避免了矩阵求逆的运算,因此比一般的解析算法更加简单高效,便于实时控制。     

基于MATLAB的IRB2400工业机器人运动学分析

以IRB2400工业机器人为研究对象,对其机构和连杆参数进行分析,采用D-H法对机器人进行正运动学和逆运动学分析,建立运动学方程。在MATLAB环境下,运用Robotics Toolbox工具箱进行建模仿真,仿真结果证明了所建立的运动学正、逆解模型的合理性和正确性。     

基于RBF神经网络的MOTOMAN-UPJ型机器人运动学逆解

利用D—H参数对MOTOMAN—UPJ型机器人建立坐标系,推导出正运动学公式。将由此得到的运动学正解作为训练样本,利用RBF神经网络的局部逼近的优点,将求解机器人运动学逆解转化为对神经网络的权值进行训练。实现了机器人从工作空间到关节空间的非线性映射。使用12输入,单输出的RBF网络,对6自由度的MOTOMAN—UPJ机器人进行了计算仿真,验证了该方法的可行性。与传统解析法相比,大大减少了求解运动方程的计算量。与BP神经网络相比,加快了收敛速度,解决了实时性差的问题。     

PUMA机器人逆运动学求解新方法

本文分析了ＰＵＭＡ机器人位置结构和姿态结构的特点,根据末端执行器位置矢量和姿态转换矩阵,在考虑臂形标志的基础上建立逆运动学算法,在ＭＡＴＬＡＢ５．３上建立仿真实验系统,验证该算法的有效性。     

人形跑步机器人的逆运动学分析

提出一种人形跑步机器人逆运动学的分析方法。由于机器人在跑步时存在一个双脚离地的腾空阶段,因此建立了惯性坐标系、参考坐标系和物体坐标系,用来确定机器人身体各个部分的相对位置。采用齐次坐标转换矩阵分析机器人质心和双脚轨迹与机器人各个关节角度、角速度、角加速度等的关系,并用Newton-Raphson方法根据机器人质心轨迹和双脚轨迹计算出各个关节的运动参数,完成逆运动学分析。并通过算例验证这种方法的有效性。     

工业码垛机器人机构设计与运动学分析

研究与探讨了新型工业码垛机器人机构设计和运动学分析问题,对于机器人的核心机构设计问题进行了详细的数学推导,并通过实验数据对分析结论进行了验证,还根据数学推导结果计算出了机器人的工作空间,且通过Matlab对机器人的三维工作空间进行了仿真分析,仿真分析结果与机器人实际运行结果完全吻合.所做工作对开展新型工业码垛机器人理论研究与工程探索具有重要意义.     

基于MEA-BP神经网络的6DOF工业机器人逆运动学研究

针对6DOF工业机器人逆运动学求解存在计算量大、通用性差、有奇异性等问题,提出一种基于思维进化算法(MEA)优化BP神经网络的工业机器人逆运动学求解方法。在机器人工作范围内,随机生成若干组关节角度值,通过正运动学方程获得机器人末端连杆位置和姿态,以末端连杆位置和姿态作为模型输入,关节角度作为模型输出,通过对样本数据的训练确定模型参数。使用该模型进行机器人逆运动学求解,并与传统的基于BP和RBF神经网络的求解方法进行比较,结果表明:该求解方法精度高、泛化能力强。     

名优茶并联采摘机器人逆向运动学分析

结合并联机构的特点及茶叶采摘技术,创新性地开展了名优茶并联采摘机器人的研究。建立了机器人逆向运动学模型,利用齐次坐标变换计算出机器人运动学逆解;并在给定运动激励下,在MATLAB中绘制出动平台驱动臂的转角曲线。运用Pro/E绘制机器人三维图并导入ADAMS,建立了机器人虚拟样机模型,通过仿真获得驱动臂的转角曲线。上述两种方法的比较结果验证了机器人逆向运动学问题计算的正确性,同时表明了ADAMS仿真结果具有较好的精确性,并在此基础上制作了机器人原理样机。     

基于旋量理论的STANFORD机器人的逆运动学分析

针对Stanford机器人关节的结构特点,基于旋量理论,采用Paden-Kahan子问题的方法求解Stanford机器人的运动反解。研究表明:该方法可消除多关节耦合变量,大大简化计算量,计算精度高,为求解Stanford机器人的运动学逆解提供了一种新方法。     

基于OpenGL航空工业机器人手臂运动学仿真

以两种航空工业机器人(SCARA/PUMA)为研究对象,将其三维模型转换为STL文件。通过分析该三维模型的STL文件,研究数据存放的规律。在VS 2003的MFC中加载OpenGL的图形编程库,读取并显示STL文件中的机器人模型。根据机器人建模知识,进行运动学仿真,实现驱动模型实时显示功能。该方法对机器人手臂运动学分析有一定的通用性,为航空产品加工、制造及维护提供参考。     

基于旋量理论的6R工业机器人运动学建模与分析

针对六自由度工业机器人,基于旋量理论,运用旋量指数积方法对机器人进行运动学建模,基于此模型对机器人逆运动学进行求解。根据机器人的构型,提出一类子问题,即两关节相互平行且与第三关节垂直,运用旋量理论及已知的Paden-Kahan子问题对该类子问题的求解进行推导。基于旋量法对速度雅可比矩阵进行推导,在此基础上对机器人的奇异性进行分析,求出奇异形位各关节的角度值,为机器人的轨迹规划和实时控制提供理论基础和重要数据。运用MATLAB对运动学求解及奇异性分析进行仿真,仿真结果显示:所建立的运动学模型正确,求解算法精度高,奇异性分析结果正确。     

一种6轴搬动机器臂运动方程逆解的改良算法

为了提高一种6轴搬动机器臂运动方程逆解的准确性、易推广性,以一种实际工业机器臂模型为研究对象,建立实体的D-H模型,进行运动学正解仿真与分析,以及运动学逆解算法的改良和编程,运用MATLAB求逆解,进行仿真并与实验测得的结果比较,验证了逆解改良算法的正确性,文中对机器臂运动方程的逆解改良算法可应用于高校的机器人教学中。     

基于BP和RBF神经网络的机器人逆运动学算法

针对单一神经网络求逆运动学时存在求解精度不高、泛化能力差的问题,研究了工业机器人的工作空间及逆运动学求解算法。在对BP神经网络和RBF神经网络分析的基础上,提出了一种BP与RBF网络并行的7输入6输出神经网络模型。以一种协作型工业机械臂为例,首先建立其运动学模型并分析工作空间,然后求解正运动学获得数据集用于训练、验证和测试网络,最后得到符合要求的网络模型。仿真结果验证了网络的正确性,并行网络方法提高了单一神经网络的求解精度,同时求解速度优于解析法求逆运动学速度,证明了该方法的实用性。     

基于改进自适应粒子群算法的机器人逆解研究

为提高结构复杂、自由度较高机器人逆运动学求解的准确性,提出了一种改进的自适应粒子群算法(IAPSO).首先,通过改进DH(Denavit-Hartenberg)参数法建立了6自由度臂型抓取机器人模型的运动学方程;其次,在已有粒子群算法的基础上,利用种群曼哈顿距离实时判定种群的进化状态,并根据进化状态的不同确定自适应学习...     

工业机器人运动学分析和轨迹拟合研究

为更好地控制工业机器人进行精准的作业,以Puma560工业机器人为例,运用D-H表示法对工业机器人的结构和连杆参数进行分析,建立运动学方程。利用三次多项式插值方法规划出机器人关节角的运动轨迹。在分析了工业机器人运动学模型的基础上,提出了一种通过对机器人轨迹拟合计算表示机器人关节运动精度和机器人运动精度的方法,为后续提高机器人运动精度研究提供了理论依据。     

一种五轴冗余工业机械臂运动分析及仿真

冗余机械臂凭借广泛的运动空间、较高的灵活度等优势得到了广泛的关注,但其逆运动学求解复杂,计算量大。针对此问题,以某五轴冗余工业机械臂为例,根据D-H约定建立正运动模型,结合实际情况确定关节运动顺序,基于代数法建立逆运动求解模型,降低求解的复杂性,计算结果满足轨迹规划的要求。并基于关节空间采用五次多项式函数进行运动仿真验证,结果表明:各关节运行平稳,没有明显的突变点,满足机械臂的工作需求。