Zynq软硬件平台的仿人机器人逆运动学求解系统

仿人机器人的手臂模仿人体手臂设计,灵活性很好,能胜任更加复杂的工作,但是其机械结构与传统工业机器人有较大区别,进行逆运动学求解时会遇到复杂的非线性方程组求解问题,这导致不管是用解析法还是迭代法都会因为复杂的运算而导致速度下降,精度降低,不能满足嵌入式系统的控制要求.机器人的几何结构可以提供更加直接的信息,几何法与解析法的结合成为解决这一问题的有效方法之一.而在嵌入式平台中,采用软硬件协同设计则能够进一步提高控制实时性以及系统可扩展性.     

Control-Based Solution to Inverse Kinematics for Mobile Manipulators Using Penalty Functions

This study offers the solution at the control feedback level to the inverse kinematics problem subject to state equality and inequality constraints for mobile manipulators. Based on the Lyapunov stability theory, a class of controllers generating the mobile manipulator trajectory whose attractor attained in a finite time, fulfills the above state constraints. The problem of both holonomic manipulability enforcement and collision avoidance is solved here based on an exterior penalty function approach which results in continuous mobile manipulator velocities near obstacles. The numerical simulation results carried out for a mobile manipulator consisting of a nonholonomic wheel and a holonomic manipulator of two revolute kinematic pairs, operating in both a constraint-free task space and task space including obstacles, illustrate the performance of the proposed controllers.     

A Geometric Theory for Analysis and Synthesis of Sub-6 DoF Parallel Manipulators

Mechanism synthesis is mostly dependent on the designer's experience and intuition and is difficult to automate. This paper aims to develop a rigorous and precise geometric theory for analysis and synthesis of sub-6 DoF (or lower mobility) parallel manipulators. Using Lie subgroups and submanifolds of the special Euclidean group SE(3), we first develop a unified framework for modelling commonly used primitive joints and task spaces. We provide a mathematically rigorous definition of the notion of motion type using conjugacy classes. Then, we introduce a new structure for subchains of parallel manipulators using the product of two subgroups of SE(3) and discuss its realization in terms of the primitive joints. We propose the notion of quotient manipulators that substantially enriches the topologies of serial manipulators. Finally, we present a general procedure for specifying the subchain structures given the desired motion type of a parallel manipulator. The parallel mechanism synthesis problem is thus solved using the realization techniques developed for serial manipulators. Generality of the theory is demonstrated by systematically generating a large class of feasible topologies for (parallel or serial) mechanisms with a desired motion type of either a Lie subgroup or a submanifold.     

基于回转变换张量的6R机器人运动学研究

在牧野坐标系下建立了六自由度喷涂机器人的运动学模型,采用回转变换张量法求出了该机器人的正逆运动学解析表达式.算法在VS.NET平台上用组件技术实现并仿真,仿真结果验证了算法的正确性和实时性.     

基于旋转子矩阵正交的6R机器人运动学逆解研究

以机器人运动学方程为基础,基于变换矩阵中旋转子矩阵正交的特性,提出一种6R机器人运动学逆解算法.通过矢量运算,得到含有4个未知变量的4个常系数非线性方程,辅以其它方程,最终得到8组封闭解.通过对钱江一号焊接机器人的实例求解,验证了该算法解决逆解问题仅需0.087 ms,比传统的反变换法具有更优的实时性能;平面工况的运动仿真验证了该算法的有效性.该算法可应用于6R机器人的强实时在线控制系统.     

基于三个并行BP神经网络的机器人逆运动学求解

针对传统的求逆运动学方法相当复杂,一般的神经网络收敛速度慢、精度不高的缺陷,提出一种由3个并行的BP(BackPropagation)神经网络组成的系统来解决运动学逆问题,输入数据分别通过3个并行的BP神经网络,再对输出分别求正运动学解,然后计算误差,最后选择误差最小的作为系统的输出;仿真表明,该方法可以有效地解决运动学逆问题,使用3个并行的BP神经网络可以使整个系统的误差更小,BP神经网络使用Levenberg-Marquardt训练方法,可以使学习收敛速度更快。     

基于RBF网络的机械手运动学逆解

通过对RBF网络学习算法的分析,并在此基础上对最近邻聚类算法进行改进,以提高训练速度;并针对最近邻聚类算法整体拟舍效果不十分理想.对网络的输出进行修正,提高了求解精度.采用所提出的改进算法训练RBF网络,建立机械手逆运动学模型.仿真结果表明了该算法的有效性.     

嵌入式工业机器人遗传算法逆解的实现

针对现有控制器的不足,选取OMAP3530和Linux操作系统构建整个工业机器人控制系统,突破了传统工业机器人的封闭结构,具有良好的可扩展性;以PUMA560工业机器人的运动学为模型,给出了一种求解工业机器人逆解的改进的遗传算法,在片上移植Linux系统并加载所需的内核模块,并将算法在该系统上编译运行;将该算法与普通遗传算法分别进行收敛速度和运算精度的对比,同时在不同平台上对算法进行运行时间的对比;实验结果表明该遗传算法具有运算精度高,运行速度快的优点;而且OMAP3530平台更小,功耗更低,完全能满足实时性的要求。     

一种运动旋量逆解子问题的求解及其应用

旋量理论在机器人运动学逆解过程中将运动方程分解为若干子问题,目前常见的子问题组合并不能完成所有机器人的逆解问题．本文提出了在机器人逆解过程中会遇到的另一种子问题的解法,并给出构造该子问题的限定条件．运用该解法,给出具有RTS运动链并联机器人的运动学逆解方法,并归纳出利用未知量组中对参考点起相同作用的旋量组合来简化计算的方法．该子问题的解决扩充、便利了旋量理论在机器人运动学逆解中的应用．     

机器人控制中的实用位置逆解算法研究

一般6R机器人的位置逆解具有非常重要的理论与实际意义.从数学角度分析,该问题可简化为求解多变元方程组。本文结合方程组的代数性质,运用一定的技巧,先将问题转化为求     

基于遗传粒子群的PUMA机器人逆运动求解

在优化机器人动态特性的中研究,由于机器人逆运动问题.随着运动关节的增多,逆运动求解问题越来越复杂,要建立通用的解析算法相当困难.针对目前运用的粒子群算法求解时收敛精度不高、易陷入局部最优的情况,提出利用遗传粒子群优化算法求解机器人逆运动问题.运用D-H表示法建立机器人数学模型,然后从正向运动方程出发建立优化算法的目标函数,在粒子群算法中引入遗传操作求解问题.对PUMA机器人的仿真结果表明,改进方法提高了机器人位置和姿态方面的求解精度,达到了有效计算及控制机器人参数的效果.     

基于CMAC的双足步行机器人逆运动学控制

针对双足步行机器人(Biped Walking Robot)腿部逆运动学模型求解问题,采用一种基于CMAC神经网络的机器人逆运动学控制方法,设计CMAC神经网络控制系统.控制系统采用2个CMAC神经网络控制器分别用来逼近步行机器人支撑腿与摆动腿的逆模型,跟踪通过三维线性倒立摆模型生成的给定腰部轨迹.建立步行机器人正运动学模型来调整CMAC神经网络权值,实现了步行器人腿部逆运动学映射.仿真结果表明,CMAC神经网络控制系统可以在保证机器人位姿良好的情况下跟踪给定的参考轨迹.三维运动学仿真结果进一步验证了控制算法的有效性.     

基于耗散理论的机器人神经网络鲁棒控制

为了更好地解决机器人系统中存在的参数不确定和外部干扰的鲁棒控制问题,提出一种基于耗散性理论的神经网络自适应鲁棒控制器,首先应用无源性理论对名义模型设计镇定控制器,然后利用RBF神经网络自适应学习系统的不确定部分,将神经网络逼近误差作为外部干扰,基于H∞控制理论使干扰对系统输出的影响抑制到所要求的最小程度,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒控制器,证明了系统的全局稳定性.仿真结果表明,这种控制器对机器人系统可能受到的干扰具有较好的抑制能力,提高了系统的鲁棒性,实现了系统轨迹的快速准确跟踪,又能很好地消除控制器的抖振,进而提高机器人工作性能.     

A TE-E Optimal Planning Technique Based on Screw Theory for Robot Trajectory in Workspace

In the previous study, the minimum time and energy have been both considered to improve the efficiency and reliability of the manipulator operations. For further guaranteeing the tracking precision of end effector, a TE-E optimal planning technique is presented in this paper to optimize the trajectory of end effector. TE-E means two optimization objectives and one constraint condition: T is the total motion time, the first E is the total kinetic energy consumption and the second E is the motion error due to trajectory planning. In this technique, a local optimization process is completed to find a time-energy optimal trajectory, which could improve the movement efficiency and reliability. In this local process, the screw theory is used to obtain the forward and inverse kinematic models for simplifying the computation. The multi-solution situation in inverse kinematic is considered. The modified cubic spline interpolation is applied in the joint space to obtain the good motion stability. The objective function is defined as the weighted sum of two optimization objectives. The local optimal trajectory is obtained by using the particle swarm optimization (PSO) algorithm. Finally, the motion errors are considered as a condition to determine the number of the path points and obtain the final optimal trajectory that has good tracking precision. The simulation experiment for QJ-1 welding manipulator is completed to verify the reliability and validity of this technique. In the optimal trajectory, the relationships between the motion time and parameters for each joint show a good performance in the motion. The comparison of motion errors obtained by using the previous and presented methods proves the validity of this presented technique.     

一种基于Lyapunov的机器人直角坐标系轨线控制

本文提出一种可以使机器人直接跟踪直角坐标轨线而无须进行坐标变换的控制方法.文中将讨论这种方法的物理意义,证明Lyapunov全局稳定性,并给出在PUMA 560模型上进行模拟实验的结果.     

FGA优化RBF网络的机器人逆运动学求解研究

针对如何提高六自由度机器人逆运动学的求解精度问题,采用FGA对RBF神经网络的节点中心向量、基宽向量以及网络隐含层到输出层的权向量进行优化,并将其应用于六自由度机器人的逆运动学求解。以机器人工作空间的位姿矩阵作为预测网络的输入变量,以关节空间中的关节角度作为输出变量,构建机器人逆解RBF预测网络,然后选取样本对网络进行训练。最后对网络进行测试,仿真结果显示,优化后的网络预测精度高,泛化能力强。     

基于逆系统理论的力觉临场感机器人系统控制

力觉临场感机器人系统是一个存在通信时延的非线性耦合MIMO系统,因此,直接对其进行远程遥控非常困难。为了解决这个难题,首先运用了逆系统方法将从机械手线性化,并将其解耦成若干个伪线性SISO子系统;同时假设遥控过程中的输入通信通道和反馈通信通道的时延时间都为已知常数,从而将通信时延和伪线性系统作为复合被控对象;最后对每个SISO子系统分别设计了Smith预估器。仿真试验结果证明了该控制方法的有效性。     

PUMA机器人运动学逆解新算法

6R串联机器人的逆解求解复杂,使用传统的D-H算法求解该问题计算量大且无法避免奇异点.将PUMA机器人的逆运动学的求解分为位置求解和姿态求解两个过程.首先使用D-H方法进行位置求解得到关节角θ₁,θ₂,θ₃,然后使用单位四元数的方法求解出θ₄,θ₅,θ₆.最后,在PUMA机器上进行验证,新的方法能够正确求解出所有解析解.对比新方法、D-H方法和倍四元数的方法,新方法较D-H方法速度提高了15%左右.     

软实时环境下机器人运动学逆解研究

为有效抑制串联机构的末端振动,使机器人运动系统的运行更加平滑,设计了以PC104为硬件基础、在RTLinux上进行二次软件开发的机器人控制系统。它通过PCI/ISA总线连接上位机和底层硬件接口电路,以控制伺服电机。分别研究了机器人系统的模型,以及在这一软实时系统上采用反变换法+Pieper方法求解机器人的逆运动学问题。通过比较工业机器人在伺服控制、板卡控制和软件控制三种模式下的运动性能,验证了软件方式的优越性,以及其在运动控制领域中的应用价值。     

A Class of Transpose Jacobian‐based NPID Regulators for Robot Manipulators with an Uncertain Kinematics

Transpose Jacobian‐based controllers present an attractive approach to robot set‐point control in Cartesian space that derive the end‐effector posture to a specified desired position and orientation with neither solving the inverse kinematics nor computing the inverse Jacobian. By a Lyapunov function with virtual artificial potential energy, a class of complete transpose Jacobian‐based Nonlinear proportional‐integral‐derivative regulators is proposed in this paper for robot manipulators with uncertain kinematics on the basis of the set of all continuous differentiable increasing functions. It shows globally asymptotic stability for the result closed‐loop system on the condition of suitable feedback gains and suitable parameter selection for the corresponding function set as well as artificial potential function, and only upper bound on Jacobian matrix error and Cartesian dynamics parameters are needed. The existing linear PID (LPID) regulators are the special cases of it. Nevertheless, in the case of LPID regulators, only locally asymptotic stability is guaranteed if the corresponding conditions are satisfied. Simulations demonstrate the result and robustness of transpose Jacobian‐based NPID regulators. © 2002 Wiley Periodicals, Inc.