6R机器人逆运动学求解与运动轨迹仿真

针对如何提高6R机器人逆运动学求解的精度和效率问题,提出一种基于动态模糊神经网络进行求解的方法。根据6R机器人逆运动学方程组具有高维非线性、求解复杂的特点,对动态模糊神经网络进行改进,使其能够应用于多输入多输出系统,建立运动学逆解预测模型。通过正运动学方程获取工作空间位姿样本,以工作空间的位姿作为预测模型的输入变量,以关节空间中的关节角作为输出变量,用样本数据对逆解预测模型进行训练。最后,运用该模型对KR16-2机器人进行复杂运动轨迹仿真,并与RBF和BP神经网络模型的求解效果进行比较,结果显示,基于动态模糊神经网络的6R机器人运动学逆解预测模型具有精度高、鲁棒性优和泛化能力强的特点,证明了该方法的可行性和有效性。     

基于分块矩阵的6R机器人实时逆解算法

为提高6R机器人逆运动学求解的强实时性,提出了一种基于分块矩阵相乘来求解逆运动学的方法。将复杂的6个矩阵方程转换为含有6个未知变量的8个纯代数方程来进行求解,并在方程简化过程中引用符号运算预处理,避免了大量浮点运算带来累积误差。通过方程组的优化,可避免第3关节变量求解中产生增根的情况。试验结果表明,在同等精度要求下,该逆解算法相比于其他算法具有更强的实时性,得到精确的8组封闭解平均仅需0.009 7 ms,能够满足机器人的在线控制要求。     

基于分离-重构技术的6R机器人逆解新方法

提出一种利用分离-重构技术求6R机器人逆解的新方法.首先利用螺旋理论对机器人进行正向运动学建模,然后利用指数积公式的变换,证明了n自由度机器人的可分离性,以及重构连接的通用几何约束;最后以PUMA-560机器人为例,给出其分离及重新连接的几何约束条件.在满足约束条件的前提下,推导出各个关节角求解公式,最终求得机器人逆运...     

七自由机器人逆运动学研究

本文提出了一种具有球形腕的冗余度机器人逆运动学实时解的新方法。即采用位姿分解方式，使逆运动学划分为球形腕位置和姿态两部分。     

PUMA机器人逆运动学分析

分析了PUMA机器人位置结构和姿态结构的特点,根据末端执行器位置矢量和姿态转换矩阵,在考虑臂形标志的基础上建立运动学算法,在Matlab5.3上建立仿真实验系统,验证该算法的有效性。     

七自由度机器人逆运动学研究

本文提出了一种具有球形腕的冗余度机器人逆运动学实时解的新方法。即采用位姿分解方式，使逆运动学划分为球形腕位置和姿态两部分。与非分解方式的广义逆解相比，以ＢＵＡＡ—ＲＲ７—ＤＯＦ机器人为模型的仿真，表明了两者所产生的关节轨迹相差较小。同时本文方法保留了机器人的冗余特点，而且使复杂的逆运动学得到简化，适合于实时控制。     

喷浆机器人运动学逆问题

对一种新型的喷射混凝土机器人的运动学逆问题进行了详细的研究，由于用代数法求解此机器人运动学逆问题时方程繁琐鸡解，采用了数值算法，即年牛顿－拉普森算法，此算法可以保证收敛并且收敛速度也较快，可以满足在线实时控制的要求。     

焊接机器人运动学正逆解

为了达到使焊接机器人完成工作任务的目的,通过设立坐标系和建立运动方程对机器人进行运动学分析,解出运动学正解和逆解。利用已求出的转角形成手部的转动,使手部到达所需的焊接位置并满足焊接姿态的要求,通过焊接机器人程序控制完成焊接任务。研究结果表明:利用已求出的转角的转动可使手部到达所需的焊接位置和姿态。     

基于人工神经网络的机器人逆运动学问题的求解及控制系统

本文应用人工神经网络原理,探讨了机器人逆运动学问题的求解及其控制系统方案.     

基于RBF和BP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以及一般的神经网络收敛速度慢、精度不高的缺陷,提出一种由1个RBF(Radial Basis Function)网络和2个BP(Back Propagation)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个并行的神经网络,对输出分别求正运动学解,计算误差,选择误差最小的作为系统的输出,其中BP网络运用LM(Levenberg-Marquardt)方法进行训练.仿真表明:该方法可以有效的解决运动学逆问题,避免了传统解法中的一些棘手问题.     

空间一般6R机械手位置反解的新方法

将共形几何代数（CGA）和迪克逊（Dixon）结式引入串联机构逆运动分析中,对一般6R机器人的位置进行了反解. 先把齐次变换矩阵转以共形几何代数形式表示,在此基础上建立了共形几何代数形式的串联6R机械手运动学方程,再通过线性消元和Dixon结式消元消去5个变元,然后对Dixon结式进一步处理,最后得到1个一元16次方程. 这种算法也适用于其他具有16解的7R、1P5R和4R1C等串联机械手位置反解问题,具有一定的通用性.     

1P5R医用机器人的反解算法研究

本文研究了一种用于病人手术的1P5R医用机器人。针对该种机器人的具体结构,提出了一种新的位置反解算法。首先建立6个简单的运动学方程,经过消元后得到了一个一元12次多项式方程。说明在该种特殊情况下机器人的位置反解最多存在12个根,最后用数值算例进行了验证。     

基于MATLAB的6R焊接机器人运动学的仿真研究

为了更好地控制焊接机器人进行精准的焊接作业,以ABBIRB1600型焊接机器人为研究对象,利用MATLAB分析了它的正运动学、逆运动学和轨迹规划问题。基于标准D-H法对其进行建模,建立正运动学方程;在正向运动学的基础上,通过矩阵求逆的方法生成多组非线性方程并得到机器人各关节角度变量的8组解;在关节空间内对该机器人进行运动轨迹仿真,得到各关节轴的角位移、角速度和角加速度随时间变化的平滑曲线,仿真结果证明了所建立的运动学方程的正确性以及该机器人参数的合理性。为后续焊接机器人的轨迹规划研究提供了必要的理论基础和正确的运动学模型。     

三分支空间机器人的迭代运动学逆解

基于旋量理论指数积公式及空间雅可比矩阵,对三分支空间机器人逆运动学求解问题进行了研究,提出了一种通用的三分支机器人逆解迭代算法,并建立了统一的逆运动学求解模型。对于具有球腕结构的三分支机器人,给出了位姿解耦形式的简化算法。该算法较速度级控制法计算精度更高,且不依赖于机器人的构型,适合于构型不确定的模块化机器人。通过搬运物体的仿真试验,验证了算法的有效性。     

基于逆运动学的6-UPS并联机构运动学参数辨识方法

为了提高6-UPS并联机构的定位精度,研究了一种基于逆运动学的6-UPS并联机构运动学参数辨识方法.首先基于逆运动学建立了6-UPS并联机构的运动学参数辨识模型,然后通过Levenberg-Marquardt最小二乘法对模型进行求解,最后对该算法进行了仿真验证.结果表明该算法可以很快收敛,在测量设备没有测量误差的理想状态下,参数辨识精度达到10-10mm.在测量设备存在1μm、1″的误差状态下,参数辨识精度达到10-3mm,足以满足大部分应用场合下6-UPS的位姿精度要求.     

六自由度仿人手型机械手臂的位置逆算法

本文利用空间几何与矩阵变换结合的方法,解决仿人手型机械手臂的位置逆算法,推导出求解各关节角的解析公式。该算法计算量小,算法稳定、精确,可以满足实时,连续轨迹控制的要求。     

一种基于粒子群优化的粒子滤波改进算法

粒子群优化粒子滤波算法能有效改善粒子退化问题,但其适应度函数受量测噪声方差影响较大,限制了滤波精度的提高.为此,提出了一种基于粒子群优化的粒子滤波改进算法.该算法给出一种新的适应度函数,用当前状态估计值与各粒子状态的差值大小作为评价标准,使得最终优化粒子受噪声方差影响减小,在量测模型精度高的场合中提高了滤波精度.理论分析及仿真结果表明,本文所提算法的滤波性能优于标准粒子滤波与粒子群优化粒子滤波算法.     

基于改进PSO算法的自适应均衡算法

传统的自适应均衡算法存在收敛速度慢,稳定性差、均衡效果不理想等缺点,从而使自适应均衡器在高速光纤通信系统中的应用受到限制.具有梯度搜索因子的Grads-PSO算法,结合了传统数值优化方法在计算速度和计算精度上的优势,将梯度法引入粒子群算法中.在梯度搜索因子的指导下,PSO算法的运算过程显得更加有规则,从而提高了算法的收敛速度和运算精度.因此,本文提出将改进PSO算法用作自适应均衡器均衡算法.通过仿真实验表明,改进PSO算法具有收敛速度快,计算精度高的优点,将其作为自适应均衡器的控制算法可收到很好的均衡效果,优于传统的控制算法.