一种求两足机器人运动学逆解的解析方法

在两足机器人的上身建立基坐标系,给出了一种解析方法,并用这种方法进行步态规划,通过仿真实验验证了该方法的正确性。同时没有把运动分解到横向面和纵向面以简化计算,而是一种完全3维的运动学分析方法,可以处理机器人任意复杂的下肢运动。该方法适用于目前常见的两足机器人自由度布置方式,因此具有一定的通用性。     

机器人仿真系统运动学逆解算

对目前应用的机器人运动学方程进行分析研究，揭示了采用传统运动学建模方法建立的运动学方程中存在的问题，并提出了改进措施。结合遥操作机器人仿真系统进行计算机仿真，结果表明了改进措施的正确性。     

基于BP网络的MOTOMAN机器人运动学逆解研究

探讨了BP网络在MOTOMAN机器人在运动学逆解中的应用。利用正解的结果作为训练样本，通过逐次训练6个输入节点、2个隐层、单输出节点的BP网络得到机器人从工作空间到关节空间的非线性映射，从而实现运动学逆解计算。     

机器人仿真系统运动学逆解算

对目前应用的机器人运动学方程进行分析研究 ,揭示了采用传统运动学建模方法建立的运动学方程中存在的问题 ,并提出了改进措施。结合遥操作机器人仿真系统进行计算机仿真 ,结果表明了改进措施的正确性     

工业机器人运动学逆解的几何求解方法

工业机器人运动学逆解求解方法的不同,其计算量也有很大的差别。常用的代数法求逆解存在计算繁琐,不易理解等缺点,几何法求逆解具有直观、计算量小的特点。以5自由度工业机器人为算例,详细介绍了几何法求逆解的过程,总结出了几何法求逆解的一般步骤:首先对机器人的结构进行分析,确定影响机器人末端操作器位置的相关关节,按机器人的结构直接求出各相关关节的逆解,然后利用所求的位置关节的逆解,通过简单的矩阵运算,可求得剩余关节的逆解。用仿真的方法验证了所求逆解的正确性:假设机器人各关节的转动不受限制,首先让各关节随机转过一定的角度,用机器人正运动学方程,获得机器人任意位姿,然后以此位姿为已知,用所求的逆解求相应的各关节所转过的角度,从而验证了方法的正确性。     

求冗余机器人逆运动学解的改进果蝇优化算法

为了解决冗余机器人逆运动学解求取中存在的计算量大和求解精度较低等问题,提出一种基于改进果蝇优化算法(IFOA)的解决方法。IFOA在果蝇算法(FOA)的基础上,在进化方程中添加向最差个体学习的改进策略来优化进化方程,增强了算法跳出局部最优和寻找全局最优的能力。对经典测试函数的仿真结果表明,相比于FOA,IFOA在收敛速度、收敛精度及收敛可靠性方面都有较大的提高。在求冗余机器人逆运动学解的实际应用中,IFOA能够有效提高精度、速度和稳定性,是求冗余机器人逆运动学解的一种有效方法。     

基于运动耦合结构的并联机器人运动学正逆解

根据运动学等效的原则，在并联机器人中引入等效串联机器人及分支等效串联机器人，以等效广义坐标为中间变量建立并联机器人运动学正道解求解算法。该算法能有效处理结构带来的运动耦合，并且规划的软件具有自动生成迭代初始点、避免多解性以及便于实际应用等特点，从而为并联机器人的结构设计与创新提供了理论支持。     

6自由度解耦机器人运动学逆解优化的研究

针对6自由度解耦机器人的多解问题,分析了机器人的正、逆运动学解,提出了基于最短行程原则的运动学逆解优化方法,确保机器人系统取得合适的逆解。该方法利用6自由度解耦机器人位置与姿态解耦的特性分别给出相应的目标函数,为提高逆解优化的效率,两个目标函数采取主从式的结构。这种优化方法基于关节变量的加权均值,计算简洁又体现了最短行程的原则。最后以PUMA560机器人为例验证该方法是有效的。     

水轮机修复专用机器人逆运动学求解

在用Pro／E软件建立水轮机修复专用机器人的本体模型的基础上，利用BP神经网络与误差补偿相结合的方法，求解了水轮机修复专用机器人逆运动学问题，计算结果表明，该法迭代次数少，计算精度高，满足机器人实施控制要求。     

机器人仿真系统运动学逆解算方法分析

对目前应用的机器人运动学方程进行分析研究，对采用传统运动学建模方法建立的运动学方程中存在的问题，提出了改进措施。结合遥操作机器人仿真系统进行计算机仿真，结果表明了改进措施的正确性。     

CRS型机械手的逆运动求解新算法

通过关节坐标的转换和旋转坐标系统的引入,给出了CRS机械手逆运动方程求解的一种新解析法,直接推导出各个关节转角变量的反三角公式,为机械手的运动优化和轨迹规划创造了条件.该算法避免大量的矩阵运算以及对计算结果取值范围的讨论,并且通过仿真分析证明了计算结果的正确性.除此之外,还通过真实的机械手验证了算法的优越性和合理性.     

基于BP网络的水轮机修复专用机器人运动学逆解分析

用Pro-E软件建立了水轮机修复专用机器人的本体模型，在此基础上，利用Matlab循环程序求出机器人在给定关节变量下的运动学正解，以此作为训练样本，通过逐次训练6输入、6输出、2个隐含层的BP神经网络，得到机器人从工作空间到关节变量空间的非线性映射，从而实现了水轮机修复专用机器人运动学逆解的计算。     

基于神经网络的机器人位置逆解

本文运用神经网络求解机器人运动学位置逆解。通过深入分析基于Ｋｏｈｏｎｅｎ网络原理和Ｗｉｄｒｏｗ－Ｈｏｆ误差修正的Ｍ．Ｒ．Ｓ．自组织神经网络及机器人运动学特性，创新了自组织神经网络训练算法。对ＰＵＭＡ５６０机器人的计算机仿真结果表明：本算法在自组织能力和定位控制精度方面有大幅度提高。     

基于神经网络的双足机器人逆运动学求解

运动学求解是双足机器人步态规划的基础。针对HIT—Ⅲ双足机器人实体，利用BP神经网络，求解了双足步行机器人逆运动学问题。为了满足机器人在线实时控制的要求及进一步提高运算精度，提出用迭代计算进行误差补偿的方法。计算结果表明，该法迭代次数少，计算精度高。     

巡线机器人运动学模型的建立及正逆解的求取

分析适用于水平两分裂导线的巡线机器人的结构特点,用D-H方法建立了巡线机器人的运动学模型,求得了运动学方程,研究了巡线机器人运动学正逆解的算法。     

危险作业机器人机械臂设计及其运动学分析

从危险作业机器人的任务需求出发创新设计了一种带有平移自由度的六自由度机械臂,建立了机械臂的虚拟样机模型,机械手工作域的仿真分析表明较好的满足了设计要求。同时,运用D-H法建立机器人的连杆坐标系,进行了正向运动学分析,推导出机械臂的运动学方程以及手爪坐标系相对于基坐标系的位姿矩阵,针对运动学方程的特点,提出了解析法和基于正向运动学分析的可行解估计法相结合的试探搜索算法进行逆运动学求解,实例分析和编程验算表明该方法稳健可靠,计算精度和处理速度能够满足机器人实时在线控制的要求,并且可以应用于机器人轨迹规划和跟踪控制。     

新型六自由度服务机器人的结构设计与运动学分析

设计了一种新型六自由度服务机器人机械臂,此机械臂采用部分解耦的结构,能在不明显增加体积的情况下,带来逆运动学求解快速的优点。采用D-H(Denabit-Hartenberg)法建模,获得机械臂正运动学模型,进行正运动学求解,并针对其结构特点,提出一种新的几何法来求解逆运动学问题。通过空间几何关系转换,得到逆解解析表达式和末端位置,该末端位置与正解的末端位置表达式完全相同,印证了几何方法理论上的正确性。经过数值计算验证了正运动学模型和逆解的正确性,为机器人接下来的路径规划和运动控制提供了理论基础。     

Generation of closed-form inverse kinematics for reconfigurable robots

For reconfigurable robots, the automatic generation of inverse kinematics is a key problem, because such robots may assume various configurations. In this paper, the screw and product-of-exponentials (POE) formula are used to model the kinematics of reconfigurable robots. The POE formula can be converted to canonical subproblems through decomposition and adjoint transformation. Three classes and 28 types of subproblems containing geometric or algebraic solutions are identified and solved, which can be reused in different configurations. A generalized, decomposable, and reusable approach for close-form inverse kinematics of reconfigurable robots is developed based on POE and subproblems. The effectiveness of this method is shown in an example. __________ Translated from Chinese Journal of Mechanical Engineering, 2006, 42(8): 210–214 [译自: 机械工程学报]     

A QP Artificial Neural Network inverse kinematic solution for accurate robot path control

In recent decades, Artificial Neural Networks (ANNs) have become the focus of considerable attention in many disciplines, including robot control, where they can be used to solve nonlinear control problems. One of these ANNs applications is that of the inverse kinematic problem, which is important in robot path planning. In this paper, a neural network is employed to analyse of inverse kinematics of PUMA 560 type robot. The neural network is designed to find exact kinematics of the robot. The neural network is a feedforward neural network (FNN). The FNN is trained with different types of learning algorithm for designing exact inverse model of the robot. The Unimation PUMA 560 is a robot with six degrees of freedom and rotational joints. Inverse neural network model of the robot is trained with different learning algorithms for finding exact model of the robot. From the simulation results, the proposed neural network has superior performance for modelling complex robot’s kinematics.