冗余仿人臂避关节物理约束的一种逆运动学问题求解方法

冗余仿人臂有无穷多组逆运动学解满足末端位姿要求,但由于其连杆机构与形状的设计仿人臂每个自由度都有关节位置物理约束。为使所求取的逆运动学解最大化地远离仿人臂关节限位,提出冗余仿人臂(8-DOF)一种几何-数值迭代相结合求解逆运动学问题方法,该方法在计算出仿人臂逆运动学解几何表达式基础上,以仿人臂的'远离限位度'指标构建适应度函数并以此为寻优目标,通过粒子群优化方法(Particle swarm optimization,PSO)搜索冗余关节角最优组合,并获得满足仿人臂末端位姿要求的最优逆运动学解。该方法不仅解决了冗余仿人臂逆运动学多解问题,而且所求关节角不存在理论误差、求解速度快及所求关节角远离关节位置限位裕量大的优点,仿真试验验证了该方法有效性。

气动肌肉驱动仿人臂的设计

设计了一个由气动肌肉驱动的仿人臂 ,该臂具有 4个自由度 ,肩部采用虎克铰形式。其具有重量轻、控制容易及柔顺性好等优点。初步试验表明 。

面向乒乓球对弈作业的七自由度仿人臂多目标轨迹规划

人类能对乒乓球拥有快速对弈作业的运动技能,并能以一种动作能耗小且舒适自然的手臂构型进行动作,其原因是由于人在长期的学习训练过程中积累了丰富的具有相应运动特性的"知识"信息.受人臂动作此行为机制启发,提出一种七自由度仿人臂面向乒乓球作业的多目标轨迹规划方法.该方法考虑仿人臂乒乓球作业的机构物理约束、障碍约束与任务约束条件,以仿人臂作业轨迹的能量消耗与臂姿构型舒适性为优化准则,采用多目标粒子群优化方法优选动作轨迹的决策变量获得一组最优的Pareto解集,决策者可根据实际决策需求选择其中一非支配解;在此基础上利用仿人臂多目标轨迹优选方法对其整个作业任务空间学习训练,构建仿人臂乒乓球对弈作业"知识"库.仿真试验结果表明该方法能较好地逼近真实的Pareto前沿,实现全局多目标寻优,且所优选的轨迹能满足仿人臂乒乓球作业的机构物理约束、障碍约束与任务约束条件,实际仿人臂动作测试也验证了该方法的有效性.

基于虚拟力反馈的7-DOF仿人臂逆运动学求解方法

提出一种新型障碍空间描述法。利用其构成的虚拟力场对仿人臂产生的扭矩及关节优化 ,实时选择一个冗余关节并求等效虚拟扭矩 ,以其构成力反馈控制该冗余关节。将 6自由度逆运动学解法用于仿人臂其余 6个关节。仿真试验结果表明 ,这种新型逆运动学解法具有理想的避障效果 ,同时简化了逆动力学的求解 。

改进CMA-ES算法及其在7自由度仿人臂逆运动学求解中的应用

提出一种改进的CMA-ES算法:将原算法随机生成初始均值点,改为由佳点集中优秀个体加权求和得到;增加越界敏感因子和步长缩放系数,用于新个体存在越界行为时,修正步长更新。以7自由度仿人臂为例,用改进的CMA-ES算法求逆运动学解,结果表明改进的CMA-ES算法可实时、高精度地求解:在点对点运动中,改进的算法单次求解时间约为9.7 ms,适应度函数稳定在10^-8级别;在工作空间的连续轨迹中,位置跟踪误差稳定在10^-5 mm级别,单次平均求解时间约为14.1 ms。

七自由度冗余仿人臂的障碍实时回避

针对具有末端位姿约束的仿人臂,给出一种实现障碍回避的新方法。将障碍物和仿人臂假想为带电体,处在障碍物构成电场中的仿人臂将受到虚拟电场力的作用。用力学方法将该虚拟作用力分解到各关节,并以分解后虚拟力为指标实时地选择一冗余关节,对该关节构成力反馈,实现障碍的实时回避。该方法使障碍回避过程不再依赖于运动学优化,将冗余度机械臂转化为非冗余度机械臂,直接给出位置形式的逆解。

改进型PYR全方位关节及在柔性臂中的应用

深入剖析了PYR型关节机构,在总结以往研究基础上集中解决该类手腕、关节机构的进一步小型化以及存在的刚度问题,研制出了新型PYR关节及手腕机构;基于模块化、组合式设计思想,研制了七自由度仿人手臂。本研究的意义还在于,基于这种小型化、模块化的PYR关节,很容易设计、研制多自由度柔性手腕、机器人柔性臂,从而为汽车、空间领域提供高灵活性的机器人新机构。

A hybrid biogeography-based optimization method for the inverse kinematics problem of an 8-DOF redundant humanoid manipulator

目的:针对多自由度且关节结构复杂并带有关节位置物理约束的冗余仿人臂系统,研究其逆运动学问题的求解。创新点:提出一种BBO和DE算法相融合的混合生物地理学优化方法(HBBO),并将其应用于8自由度冗余臂逆运动学问题求解中,并取得了良好的求解效果。方法:冗余臂逆运动学问题可以转化为等效的最小化问题,并可采用数值方法求解。首先,提出一种BBO和DE算法相融合的混合生物地理学优化方法(算法3)。该方法使用混合迁移策略,即标准BBO迁移与DE/best/1/bin差分策略,生成新栖息地(算法1),并采用高斯变异操作改善群体的多样性(算法2)。然后,以冗余仿人臂末端位姿误差和"远离限位度"指标构建优化目标函数,采用混合生物地理学优化方法求解8自由度冗余臂逆运动学问题。与SGA、DE及BBO方法比较,本文方法求解该问题所获得的结果更优(图2、表3),仿人臂连杆构型也验证了其末端位姿满足期望要求(图4)。结论:提出了基于混合生物地理学优化(HBBO)的8自由度冗余仿人臂逆运动学问题数值求解方法。与常规方法比较,该方法求解精度更高。