基于遗传算法的机器人轨迹插值方法的研究

为了降低工业机器人在运动过程中关节的最大加速度,提升运动的平稳性。通过对机器人运动学分析,求出起始和终止关节角度,分别采用三次多项式和高阶多项式插值算法进行运动插值。分析两种方法的特点,提出一种新型多项式插值方法为三段多项式“414”插值算法。根据运动过程加速度连续且最小原则,采用遗传算法给出最优的两个时间节点。通过MATLAB进行仿真实验证明了“414”多项式插值方法能够使关节加速度变化更加平稳,解决了三次多项式插值算法不能约束加速度和五次多项式插值算法加速度过大的问题,降低了传动机构的冲击。     

基于粒子群优化算法的机器人最优轨迹规划

机器人轨迹规划是机器人研究中的一个重点方向,直接关系到机器人的工作效率。为了使机器人运动过程中角速度和角加速度连续,采用三次样条插值函数对运动轨迹进行规划。由于角速度过快和角加速度过大会导致机器人系统产生震动和冲击现象,因此利用粒子群优化算法对角速度以及角加速度约束下的机器人运动时间进行优化,使得机器人在平稳运行的同时保持运行时间最优。最后运用MATLAB机器人工具箱进行仿真实验,实验结果证明了该方法在机器人轨迹规划中的可行性。     

基于MATLAB Robotics Toolbox的UR5机器人轨迹规划与仿真

为了解UR5机器人实时轨迹变化情况,根据Denavit-Hartenberg参数法在MATLAB Robotics Toolbox中利用Link函数建立了UR机器人的三维数学模型,对UR5机器人进行了正、逆运动学求解与理论分析,推导出各个关节角之间的变化关系;利用三次多项式插值法对任意PTP (点到点)之间的空间轨迹规划进行理论分析,并结合MATLAB Robotics工具箱对UR5机器人数学模型进行了空间轨迹规划和仿真,得到了连续变化的轨迹曲线。仿真结果验证了机器人运动学模型的正确性和合理性,为UR系列机器人的进一步研究和应用提供了理论依据。     

工业机器人多目标轨迹优化

基于工业机器人时间、能量、冲击最优等多目标下的轨迹优化问题,采用多目标优化方法进行研究。采用七次B样条插值曲线,构造工业机器人连续并且两端端点的参数都可以进行设定的轨迹,保证了工业机器人的运动性能。然后采用改进遗传算法对工业机器人进行优化,得出Pareto最优解集。在自主研发的六自由度工业机器人上的仿真结果表明：七次B样条插值可以得到连续的机器人轨迹,改进的遗传算法可使B样条轨迹进行有效的多目标寻优,获得良好的Pareto前沿。     

基于轨迹压缩的机器人轨迹插值与仿真

针对机器人关节空间轨迹插值中插值点选择的复杂性,以Delta机器人动平台门字形轨迹为研究对象,提出一种基于轨迹压缩的轨迹插值方法。采用PH曲线平滑过渡动平台运动轨迹拐角,将任意轨迹点位置以3个主动杆的转动角度表示,形成关节空间轨迹;将遗传算法与改进的TDTR算法结合,对主动杆转动关节的轨迹进行离线压缩,得出特征轨迹点,作为5次NUBRS的插值点进行轨迹插值;与按时间与距离均匀划分所得相同数目的轨迹点作为插值点,进行轨迹插值数据对比,证明基于轨迹压缩的轨迹插值,关节角速度与加速度的最大值降低。仿真对比表明,此方法降低了动平台的最大加速度。测试实验结果验证仿真结论,动平台运动平稳,进行循环拾取操作的速率可达50次/min,证明该方法在提高运动平稳性方面具有优越性。     

工业机器人轨迹衔接方法研究

在笛卡尔空间下的机器人轨迹规划中,常用一段"小圆弧轨迹"衔接运动过程中的前后两条轨迹,以达到不用把速度降到0就能平稳拐弯的目的。对高速高精度机器人而言,平稳拐弯要求轨迹足够平滑,而小圆弧过渡方法会使关节的加速度轨迹发生跳变而影响轨迹的平滑性。针对这一不足,提出用五次多项式插值的方法平稳衔接两条轨迹,推导了该五次多项式系数矩阵的求解方法。通过仿真验证表明,新方法能使轨迹更加平滑。     

搬运机器人的轨迹规划

用五段三次多项式方法对一种搬运机器人的运行轨迹进行规划,并利用Matlab工具对该方法进行仿真分析.结果表明该方法能使运动轨迹的位置和速度都连续,尤其是加速度也连续,并且能够使机器人按照规定路径运动,保证机器人运行平稳不抖动,顺利避开障碍物,满足设计要求.     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

改进遗传算法的焊接机器人焊接路径优化方法研究

针对焊接机器人焊接路径规划存在的焊接路径长、能耗高等问题,提出一种改进遗传算法的焊接机器人焊接路径优化方法。通过Steger方法获取焊接有效条纹区域,采用灰度重心法和Hessian矩阵法分别对焊接作业区域展开粗提取和细提取,获取焊接信息。通过焊接作业特点,以焊接机器人最短焊接路径和最小能耗为目标,构建焊接机器人焊接路径规划模型,使用改进的遗传算法求解模型,获取焊接机器人焊接最佳路径,实现焊接路径优化。试验结果表明,所提方法的焊接路径最小达到了50.5 m,能耗仅为5.1 J,并且耗时最高仅为2.9 s,其有效解决焊接机器人路径优化问题,为焊接机器人路径优化提供有效的指导作用。     

基于遗传算法的腿轮式机器人运动姿态优化

在分析一种腿轮式机器人的运动原理的基础上,将具有12个自由度的腿轮式机器人简化为8连杆机构.利用三次多项式拟合机器人腿部髋关节和踝关节的位置轨迹,并通过动力学模型建立能量消耗表达式.然后应用遗传算法对多项式系数进行优化,获得了能量最优的运动姿态,最后对机器人的运动进行了仿真.     

基于量子风驱动优化算法的机器人路径规划

针对传统的算法在移动机器人路径规划中容易产生早熟现象和安全性差的问题,提出了量子风驱动优化算法。该算法将量子计算与风驱动算法相结合,在风驱动算法的基础上使用量子行为来解决优化问题,提高机器人运动路径的安全性。最后通过实验与仿真分析证明:与蚁群算法和免疫遗传算法相比,量子风驱动优化算法减少了机器人在运动中不必要的转弯,缩短了路径长度,提高了安全性,可以快速找出最优路径。     

基于布谷鸟算法的工业机器人轨迹跟踪控制

研究SCARA工业机器人在关节空间内的轨迹跟踪控制问题.实际应用中,系统的未建模特性、关节摩擦间隙和未知负载等因素将引起机器人动力学性能的变化,从而影响其轨迹跟踪控制;并且外界扰动也会增加机器人轨迹跟踪控制的难度.针对上述问题,提出一种基于布谷鸟算法优化的快速连续非奇异终端滑模控制策略.该方法利用布谷鸟算法寻优机制规划...     

模糊PID控制的桁架机器人轨迹规划研究

针对仓库用大型桁架机器人轨迹规划研究现状,将传统的五次多项式进行优化,设计并规划了一条以电机最大速度和加速度为约束的五次多项式轨迹,得出数学模型。为满足桁架机器人取物这一非线性系统的控制精度要求,设计一种以参数自适应模糊PID的控制方法,对规划好的轨迹作轨迹跟随实验。结果表明:该控制方法能够获得较好的路径跟随结果,可有效提高桁架机器人的运动精度,符合实际使用要求,对同类工程研究具有一定的参考价值。     

机器人轨迹规划目标逆解精度优化算法

应用常规D-H建模方法,建立6R机器人正运动学模型。当模型存在误差时,轨迹规划目标逆解含有误差,实际运行轨迹无法满足机器人作业精度。提出将目标位姿与实际位姿间误差作为迭代目标,基于Levenberg-Marquardt方法求逆,利用含有误差的模型参数,实现逆解精度迭代优化,输出修正后的关节角逆解,可使机器人实际运动以所需作业精度接近轨迹规划目标位姿。经仿真验证,算法可完成复杂的轨迹规划逆解精度优化,且避免运动学模型高精标定与参数识别,有实际应用价值。     

基于改进遗传算法零件加工工序优化研究

针对复杂零件加工特征多、加工工艺多样等问题,提出一种基于改进遗传算法的零件加工工序优化方法。该方法利用三维工步矩阵实现制造信息存储和表达,建立工步约束矩阵作为约束条件,以花费成本最低作为目标建立加工工序优化的数学模型;对基因进行分层编码,针对不同的决策层选择对应的交叉、变异算子,引入选择层编码实现加工车间加工方式和制造资源的动态决策;以箱体零件为例进行验证。结果表明：改进后的遗传算法提高了种群质量,加快了算法收敛的速度,得到了符合工序约束的加工序列,验证了改进方法的有效性。     

基于改进遗传算法的盘式制动器的优化设计

为了提高盘式制动器的制动效果,建立起制动力矩的数学模型,并使用一种改进遗传算法进行优化设计.该方法较简单遗传算法作了改进,采用实数编码,在判断个体适应度时提出了最优保存策略.与简单遗传算法相比,改进后的遗传算法在解决有约束非线性问题时,表现出良好的速度和有效性.最后通过实例计算分析表明该方法高效可行,优化结果可直接作为工程设计的参考.     

基于优化迭代学习算法的机器人运行轨迹跟踪控制

为控制机器人跟踪期望轨迹或使其达到指定的目标位姿,设计基于优化迭代学习算法的机器人运行轨迹跟踪控制模型。联合四驱WMR机械构架、主控传感器等交互型应用控制模块,在处理机器人运行轨迹信号的同时,遵照迭代学习算法的极值收敛性优化原理,建立关键动力学模型,实现对机器人运行轨迹的实时跟踪与控制。设计仿真对比实验,证实优化迭代学习算法对机器人运行轨迹的控制有效性。     

基于改进模糊自适应遗传算法的移动机器人路径规划

针对现有移动机器人路径规划方法运行效率低的问题,提出一种基于改进模糊自适应遗传算法的路径规划方法。基于领域知识对初始路径进行可行性筛选,提高可行路径比例。采用模糊逻辑控制器动态整定遗传算法运行参数,提高路径寻优速度,避免陷入局部最优路径;综合考虑机器人运行安全性要求,引入余弦函数平滑度评价因子,对不同的路径夹角施以不同的惩罚项,以改善路径平滑度。仿真结果验证了改进算法解决路径规划问题的有效性。