基于粒子群算法的并联机器人运动学正解研究

并联机器人运动学正解问题由于涉及到求解非线性方程组问题而不易解决。在对粒子群算法研究的基础上,对其进行改进,以提高全局搜索能力。同时结合外点罚函数法,对并联机器人运动学正解问题重新进行建模,以便于使用粒子群算法进行求解。结合二者形成新的正解求解方法。最后使用该方法,以一台并联机器人为对象进行研究,获得了其运动学正解。     

基于改进粒子群算法的并联机器人运动学精度提高新方法

针对并联机器人在基于给定工作任务进行轨迹规划过程中,存在因机构误差引起的期望轨迹与理想轨迹之间的偏差,由此造成并联机器人运动学精度降低的问题,提出了一种并联机器人运动学精度提高新方法。首先将连续工作任务离散化为满足精度要求的若干理想位姿点,在建立并联机器人位姿误差模型基础上,将机构误差项转化为驱动杆误差;基于种群排列熵模型和粒子速度激活机制改进了粒子群算法,并利用改进的粒子群算法组合优化驱动杆参数,补偿并联机器人位姿误差,进而修正期望轨迹以提高并联机器人运动学精度。通过MATLAB和ADAMS仿真验证了所提出方法的可行性和有效性。     

基于改进粒子群算法的6-PTRT并联机器人运动学研究

以6-PTRT并联机器人为研究对象,根据其结构特点及构件间的约束关系,建立该机构的位置逆解模型,进一步求出各个滑块的运动规律。然后对该并联机构进行分析,采用坐标变换法建立该机构的位置正解数学模型,并利用改进的粒子群算法进行求解,将位置正解问题转化为有约束的多元非线性方程的寻优问题,从而验证该数学模型正确。此方法高效、易收敛、不依赖初值,为6-PTRT并联机器人的轨迹规划及控制提供了理论基础。     

基于几何法Delta并联机器人运动学分析

为避免解析法求解与数值法求解所具有的缺点,根据平行四边形结构的运动特性,简化了Delta并联机器人结构模型,并建立了3个惯性坐标系,将3个不同位置支链转换至相同状态下进行分析,采用几何法构造出机构位置正解与逆解的低阶方程组。根据刚性杆两端点运动速度在沿杆件方向分速度相同原理,构造了机构驱动输入与末端执行器输出的速度映射矩阵(速度雅克比矩阵)。运用Matlab软件进行编程,并通过实例验证了本机构位置正逆解算法的正确性。     

基于运动学的Delta机器人优化设计

机器人雅克比矩阵最小奇异值与条件数是其工作性能的重要评价指标。因此,针对研发的Delta机器人进行运动学分析,根据Delta机器人雅克比矩阵奇异值随尺度参数的变化规律曲线,确定一组最优设计尺度参数。同时对该Delta机器人进行全域条件数分析,得到Delta机器人操作性能在全域的变化规律,根据这一变化规律能有效地提高Delta机器人的工作性能。通过上述分析能够很好地对Delta机器人进行优化设计。     

基于改进粒子群算法的3RRR并联机器人的优化设计

基于二进制粒子群算法提出一种新的改进粒子群算法,同时将该改进算法应用于3RRR并联机器人的尺寸参数优化设计,并通过仿真实验表明了该改进算法有效可行,为该类机器人在农业及农产品加工中的应用提供了重要的理论依据。     

基于量子粒子群优化算法的机器人运动学标定方法

基于量子粒子群优化算法,提出一种同样适用于串联机器人和并联机器人的运动学标定方法。利用闭环矢量链方法和Denavit-Hartenberg矩阵法,分别建立并联机器人和串联机器人的运动学误差模型,将运动学误差模型内的几何误差源作为相应的机构参数修正量。由于机器人运动学误差模型表现有较强的非线性,因此确定模型内的机构参数修正量为优化变量,将机器人运动学参数标定问题转化为非线性系统的优化问题。采用量子粒子群优化算法对优化问题进行求解,利用优化获得的参数修正量更新运动学模型,以达到提高机器人运动精度的目的。以五轴并联机床的平面约束机构为研究对象,通过试验验证该标定方法的标定效果,并与模糊插值标定方法进行比较分析,结果表明在较大的工作空间内基于量子粒子群优化的运动学标定方法更为有效。     

基于粒子群优化方法的同心管连续型机器人运动学算法

针对一种应用于微创手术的同心管连续型机器人运动学算法展开研究,通过几种不同运动学算法比较,在兼顾精度以及计算复杂程度的前提下,选用最小能量法建立其运动学数学模型,并选择利用粒子群优化算法强大的寻优能力对相关能量函数寻求最优解。建立了从驱动空间参数到关节空间所有参数的映射关系,通过坐标变换和参数拟合,得到同心管连续型机器人从基点到末端点空间姿态的表达式。通过运动学算例和三维模型的运动学仿真获得的运动轨迹进行对比验证,说明了算法模型的可行性和准确性。     

基于运动学正解的Delta机器人工作空间分析

基于并联机器人机构学理论,对Delta机器人机构进行位置分析,建立Delta机器人运动学逆解模型,并通过几何法求得Delta机器人运动学正解。在运动学正解的基础上,分析了Delta机器人的工作空间,并利用MATLAB的计算与绘图功能,画出Delta机器人的工作空间,为Delta机器人的应用提供了重要参考依据。     

三自由度并联机器人运动学分析与研究

主要对三自由度Delta并联机器人进行逆运动学研究。首先在Delta机器人的动平台和静平台上分别建立动坐标系和静坐标系,根据其动静平台及各运动支链的结构特征建立其矢量方程,并由此推导其运动学方程,进一步推导出Delta并联机器人的逆运动学方程。逆运动学方程的两个解分别对应两种不同的机构构型,本文选择其中的一种构型作为研究对象。最后通过MATLAB和ADAMS联合使用对一个算例进行仿真分析,其仿真结果与预期结果一致,表明本文所采用的方法是可行的、正确的。     

Delta并联机器人运动学与动力学仿真分析

本文以Delta并联机器人为研究对象,用Matlab计算出运动轨迹,运用Pro／E软件建立其样机模型,导入到ADAMS软件中,添加约束驱动等,进行运动学和动力学仿真分析,所得结果与理论计算结果一致,为Delta并联机器人的设计、优化和运动控制提供参考依据.     

Delta机器人期望工作空间求解算法研究

针对并联机器人工作空间存在一些病态的不连续空间,提出来了一种Delta机器人期望工作空间的求解算法。首先,由Delta机器人运动学出发,给出了机器人实际工作空间的表达式,并将工作空间分成上下界进行求解;然后,通过将给定形状的规则期望工作空间的上下界与机器人实际工作空间的上下界进行比较,从而得到期望工作空间;最后,在Matlab软件上对算法进行了验证。所提出的算法可适合于不同形状期望工作空间的求解,并且较几何分析法更简便、更易于编程实现。     

BP神经网络求6PTRT型并联机器人正运动学精确解

采用BP神经网络,利用位置逆解结果,通过训练学习,实现操作从关节变量空间到工作变量空间的非线性映射,从而求出6PTRT型并联机器人的正运动学解.计算实例表明单用BP神经网络得到的精度并不高,所以为提高正解结果精度,引入误差补偿算法,并设计相应软件,所得数据表明,该算法计算精度高.     

Delta并联机器人运动学与动力学仿真研究

以Delta并联机器人为研究对象,用三维设计软件Pro/E建立其样机模型,通过简化Delta并联机器人机构模型,用D-H矩阵法建立其运动学方程,得出正、逆解,给定动平台的运动轨迹进行轨迹规划,用Matlab软件计算出各支链的驱动臂张角,将样机模型和计算结果导入到ADAMS软件中,添加约束驱动等,进行运动学和动力学仿真分析,所得结果与理论计算结果一致,为Delta并联机器人的设计、优化和运动控制提供依据.     

应用粒子群算法的3-RPS并联机器人机构位置正解

根据杆长约束条件,给出求解3-RPS并联机器人机构位置正解的无约束优化模型,并应用粒子群算法求解此优化问题。该算法具有控制参数少,全局优化能力较强等优点。数字实例表明,对于并联机构位置正解问题,粒子群算法收敛速度较快,精度较高。     

基于运动目标路径的粒子群优化算法研究

粒子群优化算法(PSO),是一种基于迭代的优化方法,能用于各类优化问题.首先分析传统粒子群优化的搜索策略与基本算法,通过修改限制因素,并对粒子群算法全局极值和个体极值选取方式的改进,从而得到了一个求解运动目标路径优化问题的算法.实验结果证明了算法的有效性.     

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。     

基于BP神经网络的并联机器人运动学研究

位置正解是并联机器人机构应用的基础,本文探讨了人工神经网络在并联机器人机构位置正解求解中的应用。采用BP网络,利用位置逆解结果,通过训练学习,实现操作手从关节变量空间到工作变量空间的非线性映射;从而求得6-SPS并联机器人运动学正解。为提高正解结果精度,采用迭代计算进行误差补偿。给出了一种并联机器人操作手的仿真实例,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。     

不确定性机器人轨迹跟踪控制的粒子群算法

由于机器人动力学系统中存在的不确定项以及外部干扰信号等因素的影响,传统控制方法实现机器人系统的轨迹跟踪时存在较大的跟踪误差。针对这一问题,提出了一种基于粒子群算法的机器人轨迹跟踪的学习补偿控制方法。首先利用PD控制的计算力矩法控制机器人系统的精确已知部分,再利用粒子群算法的进化学习功能对机器人系统中存在的不确定性因素进行补偿,消除不确定性因素对系统的影响,实现机器人系统运动轨迹跟踪的良好控制。文末以PUMA560型机器人为受控对象,给出了仿真算例,仿真结果表明了该方法的有效性。