基于AutoCAD的PUMA560机器人运动学正解分析

根据PUMA560的结构特点,构建了机器人的AutoCAD模型和D-H坐标系。采用机器人D-H坐标变换法,建立了PUMA560机器人运动学正解的数学模型。借助AutoCAD平台对工件中心位置和姿态进行测量,使得数学模型和CAD运动仿真得到了较全面的相互验证,对工业机器人运动性能研究具有积极意义。

基于图像的PUMA560机器人视觉伺服控制分析

为了较好地解决PUMA560机器人视觉伺服控制系统中的控制精度问题,提出一种基于图像的自适应视觉伺服控制策略.该控制策略以机器人运动学与动力方程、参数估计以及控制器的设计为基础.新型控制器能够在机器人运动的同时,在线估计雅可比矩阵和摄像机相对机器人末端的变换矩阵中的未知参数,并进行稳定性分析.仿真与试验结果表明,该新型控制器使系统具有较强的动态特性和稳态特性,可得到理想的控制效果.

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。

基于图像的PUMA560机器人视觉伺服系统仿真

采用基于图像的视觉伺服方法,基于机器人仿真工具箱(Robotics Toolbox for Matlab),在Matlab/Simulink环境下,运用子系统建立了基于图像的六自由度PUMA560机器人视觉伺服仿真模型。通过仿真试验,其结果表明所构建的机器人视觉伺服系统对于静态的目标定位能够达到较快的响应和较高的精度。

基于MATLAB与ADAMS的PUMA560机器人逆运动仿真

应用D-H法建立PUMA560机器人的关节坐标系和杆件参数,并在MATLAB环境下,利用对Robotics Toolbox(机器人工具箱)的二次开发对输入模型进行逆运动仿真,将所得数据导入Adam s进行验证,取得良好效果。

一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针对这一问题 ,本文以PUMA5 60机器人为被控对象 ,给出了一种 PUMA5 60机器人动力学模型的简化形式 ,采用 PD控制的计算力矩法 ,得到了机器人的闭环动态误差方程 ,在此基础上设计了机器人的控制器结构 ,提出了一种新的基于遗传算法(Genetic algorithm,GA)的机器人补偿学习控制方法。将 GA与计算力矩法相结合 ,利用进化学习来消除机器人中不确定因素的影响 ,实现对机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果 ,验证了该方法的有效性。

基于遗传算法的工业机器人时间最优轨迹规划及仿真研究

为了使工业机器人的末端执行器在任给路径下运行时间最短,在考虑机器人各关节速度、加速度、加加速度和力矩约束的情况下,以PUMA560为例,对工业机器人轨迹进行时间最优规划;在Matlab平台上,对该轨迹规划优化算法进行仿真,仿真结果表明机器人各关节时间最优轨迹规划比未处理的轨迹规划时间明显缩小6.999 4s,6.651 0s,6.351 2s,各个关节的轨迹曲线平滑,从而验证了该算法的有效性。

基于Internet机器人视觉伺服系统仿真实现

为利用视觉伺服技术实现机器人的网络遥操作,基于所给出的仿真模型,在Robotics Toolbox for Matlab工具箱的基础上,通过Matlab数据引擎技术,实现了基于Internet机器人视觉伺服系统的仿真。为增强系统的实时性,仿真中采用了数据的同步收发和时延缓冲策略。通过给出图像特征点的方式,操作者能够利用Internet实现对虚拟的Puma560机器人进行实时遥操作。

机器人视觉伺服仿真研究

介绍了机器人视觉伺服系统的概念、历史背景及其分类方法。对机器人及机器人视觉伺服仿真软件进行了详细介绍。最后,在LabView中实现了Puma560机器人追踪静态物体以及机器人动态响应的仿真。

基于MATLAB的机器人GUI仿真平台设计研究

在机器人的设计及研发过程中仿真技术是一种重要的辅助设计方法。通过分析典型串联机器人的结构特征,选取PUMA560机器人作为研究目标,运用D-H法分析其杆件参数并建立各杆件坐标系,建立机器人运动学方程;在MATLAB环境下,在GUI中调用Robotics Toolbox的相关程序,创建机器人仿真图形用户界面。对PUMA560进行正、逆运动学与运动轨迹仿真,并且在该仿真平台上进行运动学实验验证。实验数据表明,该仿真平台可以获得有效准确的仿真数据且能对机器人的运动轨迹作有效控制,可为后续轨迹优化提供分析基础,为相关机器人运动分析提供参考。

擦玻璃机器人的自适应阻抗控制研究

为了提高擦玻璃机器人在作业过程中的清洁度,以PUMA560机器人为研究模型,采用了自适应阻抗控制算法来设计控制器。根据自适应阻抗原理框图,在MATLAB中建立相应的仿真模型,对机器人末端位置和接触力进行跟踪仿真,然后引进粒子群算法对仿真模型中的几个参数进行优化处理,最后测量该仿真模型承受的最大期望力。仿真之后的结果表明,自适应阻抗控制器达到了预期的控制效果,粒子群算法的优化缩短了接触力的稳定时间,所测得的最大期望力在实际运用中有可行性。

基于运动学性能的串联机器人评价矩阵的建立及分析

六自由度串联机器人结构复杂、成本高,在执行搬运、喷涂、焊接等工业任务过程中,运动功能存在冗余。而四轴机器人也能够满足工业环境下大部分作业任务需求,因此为了客观地揭示四轴机器人的作业能力,从而指导工业机器人用户正确选型,针对串联机器人在作业过程中的速度、加速度展开研究,运用影响系数法建立了评价指标。利用MATLAB软件对PUMA560机器人及埃夫特ER6-C604机器人作业轨迹进行了仿真,并对实验结果进行了数据处理,建立了串联机器人评价矩阵,分析了两款机器人的作业能力。以PUMA560机器人的作业能力为标准对埃夫特ER6-C604四轴机器人的作业能力进行评价,为企业选取机器人提供参考。

A Novel Stochastic Algorithm Using Pythagorean Means for Minimization

In this paper, A Novel Stochastic Algorithm using Pythagorean means for minimization of the objective function is described. The algorithm is initially tested with Rastrigin’s function and compared with Genetic algorithm results for the function with the same initial conditions. After this, it is used in tuning the gains of fuzzy PD + I controller for trajectory control of PUMA 560 robot manipulator. The results are again verified with the results of genetic algorithm.