基于遗传算法的机器人运动学逆解

在分析以往逆解方法的基础上，提出了用遗传算法求解机器人运动学逆解的方法，给出了用于优化求解的适合度函数，并提出用二次编码法提高解的精度．计算机模拟证明：该方法能快速收敛于全局最优解，能给出机器人的可能解，并能计算冗余度机器人的逆解．

可重构机器人封闭形式的运动学逆解计算

由于可重构机器人构型的多样性,其运动学逆解的自动生成是应用中的关键问题。采用旋量和指数积公式建立可重构机器人的运动学模型,系统地分析了指数积公式的化简方法、子问题的分类和计算方法并加以实现,为可重构机器人封闭形式的运动学逆解提供了一种通用的可分解的计算方法,降低了求解的复杂性。通过一个典型实例验证了算法的有效性与可重用性。

基于RBF网络的SCARA机器人的运动学逆解

针对机器人逆运动学问题,在径向基函数神经网络也称RBF(Radial Basis Function)神经网络的基础上,提出了利用科利达公司提供的SCARA机器人的正解结果作为训练样本,通过逐次训练得到机器人从工作空间到关节空间的映射,从而实现运动学逆解计算的方法。此方法避免了公式推倒和编程计算的复杂过程,求解简单,实时性强。

类矩形隧道单机械臂管片拼装机运动学逆解

针对类矩形隧道盾构施工中管片拼装机工作空间紧凑、移送距离远、管片姿态调整灵活的要求,提出一种新型单机械臂管片拼装机.介绍了该拼装机的组成与工作原理,重点推导了该型拼装机跟踪特定轨迹的运动学逆解计算方法,并通过数值计算结果与SolidWorks仿真结果间的对比验证了该型拼装机运动学逆解计算公式的正确性.研究表明:新型单机械臂管片拼装机在回转平面内的运动学逆解具有解析解,其计算除常规代数运算外还涉及三角函数运算.相关结论为新型单机械臂管片拼装机运动控制器设计提供了运动学基础.

基于BP网络的水轮机修复专用机器人运动学逆解分析

用ProE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。

基于径向基函数网络的MOTOMAN机械手运动学逆解

从集合和数学观点 ,把运动学正解和逆解问题作为机器人关节空间和工作空间之间的非线性映射关系 ,将运动学逆解过程转换为神经网络权值训练问题。基于具有局部逼近能力的特点 ,将正解结果作为训练样本 ,用 6输入、单输出的RBF网络 ,实现了MOTOMAN机械手运动学逆解计算 ,避免了传统方法的繁琐公式推导。算例表明 ,采用RBF网络解决逆解问题比BP网络的计算精度略有提高。此外 。

基于平行机构的简便机器人运动学逆解算法

在机器人结构中,通过引入平行四边形机构,充分发挥其连杆的平移特性,可简化合并2平行回转轴关节的运动变换矩阵;当与另一正交回转关节组成基本运动单元时,能综合表示为一个等效变换矩阵.仅须2单元串联就能构造6回转关节机器人,且所推导的关节控制角公式简单,便于并行运算.经模拟试验表明:其逆解时间可缩减50%,运算精度提高80%.

ABB1410工业机器人的旋量运动学逆解方法

为了高效可靠实现工业机器人逆运动学求解,针对常见6自由度工业机器人"后3关节轴线相交,关节2、3轴线平行且与关节1轴线异面垂直"的结构特点,以ABB1410机器人为对象,建立旋量运动学模型,将几何关系法与PadenKahan子问题相结合,提出了一种运动学逆解方法。该方法首先利用机器人腕部点和前3关节轴线之间的几何关系求解关节角1,再将后5个关节角的求解转化为3个Panden-Kahan子问题1和1个子问题2,完整地给出了逆运动学封闭解。通过实验验证了该逆解算法的准确性和实用性。

袋装物料搬运机器人的运动学逆解

根据机器人D-H方法分析袋装物料搬运机器人的特点,利用坐标变换法和符号法对机器人机构运动学方程进行推导,得到5自由度袋装物料搬运机器人的逆运动学求解的通用公式,为实际的袋装物料搬运机构的位置及速度控制提供了依据。

五自由度上肢康复机器人的运动学逆解

康复机器人是目前研究的热点方向之一,针对五自由度上肢康复机械手臂,在完成手臂几何建模及运动学分析的基础上,求解了五个坐标变换矩阵的逆矩阵,推导了五个自由度θ1-θ5精确的解析解,完成了五自由度康复机械手臂的运动学逆解过程,为实际的医疗康复机构的位置及速度控制控制提供了依据。

RBF网络在PUMA560机器人运动学逆解中的应用

介绍了RBF网络及RBF网络基函数中心选取的重要性,将进化优选算法用于网络中心的选取。并利用D-H方法对PUMA560机器人进行研究,将正运动学推导结果作为训练样本。采用6个相同的12输入、单输出的RBF网络,实现PUMA560机器人运动学逆解计算,利用该方法大大减少了传统方法中的公式推导。计算结果表明,用RBF网络解决机器人运动学逆解问题精度高,收敛速度快。

几何的6R串联型焊接机器人运动学逆解算法

对满足后三个关节轴线相交于一点的6R串联型焊接机器人,最多具有8组封闭逆解,而其求解方法很多。几何算法求解过程直观简单,几何意义明确,但目前相关文献中的几何算法大都不完整,基本是前三个旋转角度用几何算法,后三个旋转角度用其它方法。依据焊接机器人的实际工况,将机器人2、3连杆的位形和的正负相组合,把运动学逆解分成四类,每类具有明确的几何意义,用几何的方法求解各类对应的关节角度,得到4组封闭解,简化了复杂的轨迹规划。通过对OTC-NB4焊接机器人的实例求解,验证了算法的正确性和具有非常高的精度。

采用APSO-LM-BP神经网络的挖掘机器人运动学逆解研究

针对挖掘机器人执行机构的运动学逆解求解难、速度慢的问题,提出一种基于APSO-LM-BP神经网络的逆运动学求解方法。利用自适应粒子群(APSO)算法对BP神经网络中的连接权值以及阈值进行优化,再把BP神经网络训练过程中的梯度下降法用LM算法代替,以克服传统BP神经网络的输出误差大,陷入局部极优解的缺陷。仿真结果表明,与传统BP神经网络相比,APSO-LM-BP神经网络输出误差大大降低,训练时间更短,改善了算法的收敛精度和收敛速度,且满足挖掘机器人运动学逆解要求。该方法可以推广至任意自由度串联机器人的逆运动学求解,具有较强的实用性。

PAM仿生肘关节运动学逆解建模及验证

针对三自由度气动人工肌肉(PAM)仿生肘关节,首先利用伪刚体模型法,建立其运动学逆解数学模型;其次,根据上述模型对机构运动学逆解进行仿真分析;最后,搭建气动肌肉仿生肘关节的仿真系统模型,利用所建运动学逆解模型实现对机构虚拟样机的PID控制。由仿真结果可以看出,在设计工作空间内,三根气动肌肉长度变化连续、平稳,说明机构在运动过程中,具有良好的平滑性;且通过调节PID参数,机构前臂圆盘转角轨迹曲线与期望轨迹曲线基本吻合,从而验证了机构运动学逆解模型的准确性。

用正交试验法选择BP网络参数研究机器人运动学逆解

探讨了用正交试验法选择BP网络训练参数对PUMA560机器人进行逆运动学求解.利用运动学正解得到的结果作为BP网络的训练数据和检验数据,通过6个12输入、1输出、2个隐层的BP网络实现了6个参数的逆解计算.网络的训练参数通过正交试验法进行优化组合而得出.仿真结果表明,该方法建立的BP网络具有较快的处理速度和较高的计算精度,训练好的网络可用于机器人的实时控制.

一种三坐标并联动力头——Sprint Z3的运动学逆解及尺度综合

研究一种三坐标并联动力头——Sprint Z3的运动学逆解和尺度综合问题。由于该机构为平动与转动耦合的并联机构,为解决其雅可比矩阵量纲不一致的问题,提出一种构造量纲一速度雅可比矩阵的方法,并利用该矩阵的条件数构造出运动学优化性能评价指标。为避免机构发生干涉,引入转角约束条件,并将尺度综合问题归结为求解一类非线性代数方程问题。通过算例验证了该尺度综合方法的有效性。

FANUC M-6iB关节型机器人运动学逆解研究及仿真

对FANUC M-6iB型机器人的运动学逆解进行了推导分析。采用前置D-H方法建立了运动学模型,通过对转换矩阵的观察分析,计算出了解析逆解。使用典型空间连续曲线作为目标轨迹,在MATLAB中进行了运动学模拟仿真,验证了逆解的准确性和运动的可行性,并使用图形用户界面GUI交互数据仿真了逆解结果。

5自由度混联式自由曲面研抛机床的运动学分析(二)——运动学逆解

以5自由度混联式自由曲面研抛机床的运动学正解分析为基础,对其运动学逆解问题展开了相关探讨。提出了用以限定工具研抛姿态的工艺条件和运动条件,分别给出了机床四类灵活程度工作空间中工具研抛姿态的确定方法。为后继的插补运动控制奠定了基础。

基于RBF神经网络的MOTOMAN-UPJ型机器人运动学逆解

利用D-H参数对MOTOMAN-UPJ型机器人建立坐标系,推导出正运动学公式。将由此得到的运动学正解作为训练样本,利用RBF神经网络的局部逼近的优点,将求解机器人运动学逆解转化为对神经网络的权值进行训练。实现了机器人从工作空间到关节空间的非线性映射。使用12输入,单输出的RBF网络,对6自由度的MOTOMAN-UPJ机器人进行了计算仿真,验证了该方法的可行性。与传统解析法相比,大大减少了求解运动方程的计算量。与BP神经网络相比,加快了收敛速度,解决了实时性差的问题。

欠自由度机器人的运动学逆解存在性神经网络判别

针对欠自由度机器人在工作空间内运动学逆解的存在性问题 ,提出虚拟关节法 ,并利用神经网络的学习能力 ,区分出可解子空间和不可解子空间 。