6R机器人实时逆运动学算法研究

提出一套解决各类6R机器人逆运动学问题的实时算法. 一般算法通过矢量计算和16阶矩阵分解得到一般6R机器人的最多16组逆运动学解. 封闭解法直接提取运动学等式求出关节变量的解析解. 组合算法将封闭解法或一般算法的结果作为初始值, 采用牛顿-拉夫森方法迭代出逆运动学精确解, 适用于所有接近满足封闭解条件或一般算法条件的6R机器人. 求解实验结果表明, 整套算法最大算法时间约为2.03 ms, 为任意几何结构的6R机器人应用于强实时系统提供了逆运动学解决方案.     

EMR系统机器人运动学和工作空间的分析

本文研究了EMR系统机器人的运动学和工作空间。首先对机器人的工作空间进行了分析,并提出了求解机器人末端灵活性的方法;接着解决了机器人位姿正运动学描述和逆运动学求解的问题;最后针对欠自由度的机器人结构,提出采用一组变量来描述机器人的速度运动学,避免了采用伪逆求逆速度运动学。     

基于神经网络的机器人操作手IKP精确求解

结合位置正解模型，利用BP网络求解了机器人逆运动学问题（IKP）．为提高求解 结果精度，采用迭代计算进行误差补偿，计算结果表明，该法迭代次数少，计算精度高且计 算速度接近机器人实时控制的要求．     

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。     

基于Paden-Kahan子问题的冗余度机器人运动学求解

针对7DOF机器人的逆运动学求解问题,提出了一种可提高运动控制精度的混合算法.这种算法使用 旋量理论来描述机器人的运动.它首先求出对运动学性能指标进行优化的速度级逆解;然后固定一个特殊关节,将 问题转化为非冗余度机器人的运动控制,应用Paden-Kahan子问题法得到逆运动学封闭解.通过仿真实例,证实了 这种混合算法的有效性.     

七自由度带电作业机器人逆运动学求解方法研究

本文以七自由度双臂带电作业机器人为研究对象,针对七自由度逆运动学求解计算复杂,实时控制困难的问题,在分析机器人的机械结构及建立正向运动学模型的基础上,采用位姿分解法与代数迭代法相结合的方式求解运动学逆解,将七自由度逆运动学求解转化为四自由度位置冗余问题,并设计了具体的程序流程图,经过仿真验证,该算法减小了逆运动学求解的计算量,提高了机器人控制的实时性。     

基于改进天牛须算法的电力攀爬机器人运动学逆解算法

为了提高电力系统的自动化水平,减轻电力工人在检修高压输电系统时的劳动强度,同时保障电力工人人身安全,提出并设计一种可以攀爬电力铁塔的六自由度关节式机器人,针对该构型进行运动学分析和求解.为解决传统的解析法用于机械臂逆运动学求解过程中存在操作繁琐和奇异点无法逆运算等问题,提出一种基于改进天牛须算法的电力攀爬机器人运动学逆解算法.首先,对电力攀爬机器人进行DH建模,得到正运动学方程;然后,使用正运动学方程和目标位姿建立代价函数,采用改进天牛须算法对代价函数优化;最后,使用Matlab实现此算法进行仿真验证.实验结果表明,与传统的天牛须算法、改进遗传算法以及改进粒子群算法相比,所提出算法具有较好的收敛性,求解精度较高.     

约束条件下的巡线机器人逆运动学求解

高压输电线路巡检机器人是一种多关节悬挂运动机构,要实现其运动控制就需要根据机器人的本身机构特点和悬挂系统的运动约束条件进行运动学分析.本文利用微分扭转法对巡线机器人的正向运动学进行了求解,并通过对机器人悬挂系统的力学分析,得到了机器人运动学的约束条件,并在这种约束条件下,采用了一种可用来进行实时控制的迭代循环坐标下降(CCD)算法,来进行机器人的逆运动学求解.这种迭代算法对于有运动约束系统的逆运动学求解具有较强的适用性,而且它具有较好的收敛性和有效性,适合于在线计算,便于巡线机器人的实时运动控制.     

机器人逆运动学求解的可视化算法

机器人逆运动学求解的可视化算法包含两部分，数值求解两个(或一个)非线性方程和4(或5)自由度机器人封闭解，实现了任意结构的6自由度机器人的逆运动学方程的求解，根据D-H参数表生成机器人三维模型实现机器人结构的可视化，有效地判断逆解的合理性，并为机器人学习提供了辅助工具。     

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。     

A neural-network committee machine approach to the inverse kinematics problem solution of robotic manipulators

In robotics, inverse kinematics problem solution is a fundamental problem in robotics. Many traditional inverse kinematics problem solutions, such as the geometric, iterative, and algebraic approaches, are inadequate for redundant robots. Recently, much attention has been focused on a neural-network-based inverse kinematics problem solution in robotics. However, the result obtained from the neural network requires to be improved for some sensitive tasks. In this paper, a neural-network committee machine (NNCM) was designed to solve the inverse kinematics of a 6-DOF redundant robotic manipulator to improve the precision of the solution. Ten neural networks (NN) were designed to obtain a committee machine to solve the inverse kinematics problem using separately prepared data set since a neural network can give better result than other ones. The data sets for the neural-network training were prepared using prepared simulation software including robot kinematics model. The solution of each neural network was evaluated using direct kinematics equation of the robot to select the best one. As a result, the committee machine implementation increased the performance of the learning.     

基于遗传算法的机器人运动学逆解

在分析以往逆解方法的基础上，提出了用遗传算法求解机器人运动学逆解的方法，给出了用于优化求解的适合度函数，并提出用二次编码法提高解的精度．计算机模拟证明：该方法能快速收敛于全局最优解，能给出机器人的可能解，并能计算冗余度机器人的逆解．     

仿尺蠖爬壁机器人自适应吸附及摇杆控制

为了解决真空吸附爬壁机器人爬行时,需要吸盘和壁面紧密贴合,不易操控的问题。建立了吸盘足至壁面的空间几何模型;基于D-H参数,建立了运动学模型,根据速度运动学逆解,设计了一种用于对称机构爬壁机器人的摇杆操作方法,将摇杆轴映射为关节速度闭环;根据位置运动学逆解,设计了自适应吸附动作,吸盘足与壁面距离小于设定阈值时,自动触发自适应吸附动作;搭建了机器人控制系统和自适应吸附装置,在水平壁面上进行爬行实验,验证了该方法可减小操控难度。     

A neuro-simulated annealing approach to the inverse kinematics solution of redundant robotic manipulators

The neural-network-based inverse kinematics solution is one of the recent topics in the robotics because of the fact that many traditional inverse kinematics problem solutions such as geometric, iterative and algebraic are inadequate for redundant robots. However, since the neural networks work with an acceptable error, the error at the end of inverse kinematics learning should be minimized. In this study, simulated annealing (SA) algorithm was used together with the neural-network-based inverse kinematics problem solution robots to minimize the error at the end effector. The solution method is applied to Stanford and Puma 560 six-joint robot models to show the efficiency. The proposed algorithm combines the characteristics of neural network and an optimization technique to obtain the best solution for the critical robotic applications. Three Elman neural networks were trained using separate training sets and different parameters, since one of them can give better results than the others can. The best result is selected within three neural network results by computing the end effector error via direct kinematics equation of the robotic manipulator. The decimal part of the neural network result was improved up to 10 digits using simulated annealing algorithm. The obtained best solution is given to the simulated annealing algorithm to find the best-fitting 10 digits for the decimal part of the solution. The end effector error was reduced significantly.     

基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法（dynamic window algorithm, DWA）在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。     

基于DTC-MOPSO算法的焊接机器人路径规划

点焊机器人在汽车白车身焊接中的应用大大提高了企业的生产效率,本文从焊接路径长度和能量两方面进行焊接机器人多目标路径规划．为了很好地解决这个问题,本文对一种新型多目标粒子群算法（三态协调搜索多目标粒子群优化算法）进行改进,得到适合于求解离散多目标优化问题的离散化三态协调搜索多目标粒子群算法（DTC-MOPSO）．通过和两个经典的优化算法比较,DTC-MOPSO算法在分散性和收敛性方面都有很好的优化性能．最后运用Matlab机器人工具箱对机器人的运动学、逆运动学以及逆动力学进行分析以求解机器人的路径长度和能耗,并将改进的算法应用于焊接机器人路径规划中,结果显示规划后的路径明显优于另外两种算法.     

Neural Network Solution for Forward Kinematics Problem of Cable Robots

Forward kinematics problem of cable robots is very difficult to solve the same as that of parallel robots and in the contrary to the serial manipulators’. This problem is almost impossible to solve analytically because of the nonlinearity and complexity of the robot’s kinematic equations. Numerical methods are the most common solutions for this problem of the parallel and cable robots. But, convergency of these methods is the drawback of using them. In this paper, neural network approach is used to solve the forward kinematics problem of an exemplary 3D cable robot. This problem is solved in the typical workspace of the robot. The neural network used in this paper is of the MLP type and a back propagation procedure is utilized to train the network. A simulation study is performed and the results show the advantages of this method in enhancement of convergency together with very small modeling errors.     

基于位置反解算法的并联机器人坐标变换方法

目的为提高工作效率,提升工业机器人的可靠性、稳定性和运动精度,避免机器人出现速度以及加速度的突变,对机器人的位置进行准确的控制。方法 以RBT-6T03P并联机器人为例,应用坐标变化法和位置反解算法对并联机器人机构的位置坐标进行分析并利用MATLAB进行仿真。结果 结果表明：通过位置反解对并联机器人的坐标进行变换求解是方便可行。结论 所述控制方法相对于并联机器人求正解算法更加简单、方便、快捷。