共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
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。 相似文献
3.
5.
6.
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。 相似文献
7.
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。 相似文献
8.
基于量子粒子群优化算法的机器人运动学标定方法 总被引:6,自引:0,他引:6
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。 相似文献
9.
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。 相似文献
10.
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。 相似文献
11.
12.
13.
14.
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. 相似文献
15.
16.
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。 相似文献
17.
基于运动目标路径的粒子群优化算法研究 总被引:2,自引:0,他引:2
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. 相似文献
18.
19.
基于BP神经网络的并联机器人运动学研究 总被引:2,自引:0,他引:2
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。 相似文献
20.
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。 相似文献