一种六自由度机器人运动参数标定方法的研究

针对六自由度机器人定位精度问题,在机器人运动学误差模型的基础上提出运动学参数标定方法。通过Levenberg-Marquardt算法实现机器人运动学参数偏差的预辨识,将这些辨识的参数偏差的次优值定义为初始个体分量的中心值,并利用差分进化算法完成精确的辨识,进而获得机器人运动学参数的较优值。为验证所提方法的有效性,采用激光跟踪器和数值模拟的方法进行了运动参数标定的实验研究,结果表明:所提出的运动学参数标定方法能显著提高六自由度机器人的定位精度。

多自由度机器人抓取末端振动自动稳健性控制技术

针对多自由度机器人抓取末端控制精度低、稳定性差、控制延迟长的问题,提出抓取末端振动自动稳健性控制技术。建立符合惯性力项、重力项、离心力项与哥式力项的动力学模型,分析多自由度机器人的动力学变量;选择自适应增益比例、位置加权因子、速度加权因子作为优化目标参数,补偿位置阻抗环境刚度与位置估算的参数误差;设计稳健的多自由度机器人抓取末端自动控制方法。实验结果表明:所提方法的抓取末端振动抑制效果较佳,完成控制指令时间短,控制精度好。

六自由度机器人空间划线轨迹规划算法

针对多点拉形后板料空间划线的问题,提出了一种六自由度机器人划线轨迹规划的算法。首先根据拉形件尺寸参数选取曲面的划线范围,然后利用作图软件分析曲面参数域内数据点,通过这些数据点的坐标关系提取出边界点,用以判定曲面的划线域,并将这个划线域投影到平面内,利用机器人逆运动学原理模拟显示出划线操作结果。实验证明,运用该算法可以解决板材区域选取问题,为成形件提供了一种有效的划线方法。

六自由度机器人设计分析与实现

对六自由度机器人进行运动学分析,用D-H方法获得了运动学正解、运动学逆解,为运动学轨迹规划打下基础。根据逆解和运动过程的要求,对六自由度机器人进行轨迹规划。将MATLAB软件中轨迹规划的结果在ADAMS软件中进行虚拟仿真,得到的实验数据为机器人运动过程的研究和结构优化提供理论依据。

多自由度机器人逆运动粒子群优化求解方法

多自由度串联机器人逆运动求解的传统方法是从逆运动方程出发求解析解,在机构存在冗余自由度的情况下会出现求解困难。提出了利用粒子群优化理论直接从正向运动方程出发,求解机器人关节变量的方法。讨论了通过粒子群优化算法的位置-速度搜索模型求解关节变量的方法和步骤。实验对比了求逆运动解析解和本方法结果的差异;验证了在约束条件下搜索关节变量值的效果。实验证实了本算法的有效性。

模块化六自由度机器人运动学标定与实验研究

针对自主研发的模块化六自由度轻载搬运机器人,使用激光跟踪仪并采用直接标定法进行了运动学标定与实验研究。采用D-H法构建了机器人连杆坐标系和机器人运动学模型,并运用微分变换的方法建立误差模型。通过激光跟踪仪测量机器人末端位置,将其与运动学模型求解得到的机器人末端位置进行比较,验证了误差模型的正确性。然后将误差模型计算得到的机器人连杆参数误差在机器人控制系统软件中进行修正。最后利用激光跟踪仪测量机器人的关节转角间隙误差,将误差值转换成脉冲数并在软件中进行补偿。机器人运动学标定实验表明,使用激光跟踪仪进行连杆参数误差补偿和关节转角间隙误差补偿可以明显的减小绝对定位误差,绝对定位误差降低了69.6%,定位精度有了明显的提高。

平面冗余自由度机器人自寻优运动优化方法

为了解决平面冗余自由度机器人的运动优化问题,提出一种自寻优方法。引入"臂角"参数,建立了平面4自由度机器人逆运动学的封闭解形式;针对机器人运动过程中远离关节极限的优化任务,提出一种自寻优方法,将4自由度机器人等效为四连杆机构,将优化目标转化为虚拟转矩作用于关节上,机器人将在虚拟力作用下向着平衡状态运动,最终实现机器人的运动优化。采用自寻优方法对机器人单点位姿及轨迹跟踪进行了运动仿真,结果表明:自寻优方法可以快速、有效地实现机器人的运动优化。

基于MATLAB的六自由度机器人轨迹规划与仿真

为实现机器人在工作中运行平稳、轨迹光滑连续,以六自由度工业焊接机器人为研究对象,提出应用五次多项式对各个关节进行轨迹规划的方法。根据建立的机器人运动学模型,运用MATlAb求解出机器人逆运动学问题,完成轨迹规划并进行图形仿真。仿真结果表明,五次多项式方法有效解决了加速度不连续的问题,得到了各个关节连续平滑的轨迹曲线,直观地验证了轨迹规划的效果,提供了一种高效可行的轨迹规划方法。

基于神经网络的并联3自由度机器人位置正解

并联机器人位置正解是机器人运动学中难点问题之一,常规求解方法比较复杂且难度较大,通常需要对大量的非线性方程组进行推导计算且得到的解不唯一。该文提出了一种将人工神经网络用于并联机器人位置正解求解的通用方法,并结合实际机构对并联3自由度机器人进行了具体求解。通过对神经网络拓扑结构的设计以及选取有效的学习算法并用大量的位置反解数据对神经网络进行训练,获得了用于求解位置正解的神经网络模型,该网络可以实现位置正解问题的求解计算,从而避免了复杂的推导和演算。计算机仿真与实验结果表明了该方法的有效性与可行性。

六自由度机器人的圆弧轨迹规划算法研究

在约束条件下提出了六自由度机器人的圆弧轨迹规划算法。该算法综合考虑了机器人位置与姿态的极限约束条件,还考虑了确定圆弧的三个已知点的位置与姿态的耦合对应关系。机器人位置规划的速度曲线为梯形曲线,而姿态的速度曲线为双梯形曲线。最后对该方法进行仿真,仿真结果达到预期效果。

基于螺旋理论的少自由度机器人速度反解及奇异性分析

采用螺旋理论对少自由度(自由度少于6)机器人的速度反解及奇异性进行了分析。根据机器人反螺旋系统确定了笛卡尔操作空间到关节空间的速度映射关系,并由螺旋及反螺旋理论所获得的雅可比矩阵对少自由度机器人的奇异性进行了分析。通过对4自由度Stanford型机器人的仿真研究说明了该方法的有效性。

基于残差BP神经网络的6自由度机器人视觉标定

基于视觉伺服控制的机器人手眼标定和逆运动学求解一直是视觉伺服领域的核心问题。随着应用场景的逐渐复杂,传统手眼标定方法已无法满足需求;随着网络深度的增加,单一BP神经网络逆运动学求解算法的误差趋于饱和甚至变大,无法进一步提升网络性能。针对以上问题,本文将手眼标定和逆运动学求解融合为拟合目标图像坐标到机器人各关节角之间的映射关系问题,提出了一种残差BP神经网络算法。使用多个残差网络模块的方式加深BP神经网络的深度,残差模块的输入信息可以在网络内跨层传输,较好地解决了因深度增加网络模型容易产生梯度消失而无法提升网络性能的问题;通过6自由度机器人雅可比方程对逆运动学解的空间进行划分,确定了8个独立的区域,基于独立区域方法对训练数据进行处理,从而避免了多自由度机器人逆运动学多解对网络学习的影响,网络训练精度提升了2个数量级,训练速度提高了2倍。在REBot-V-6R型6自由度机器人输送线分拣系统中进行二维平面抓取和三维实物抓取实验,实验结果验证了该方法的准确性。结果表明,该方法比1层BP神经网络、3层BP神经网络、5层BP神经网络的训练精度分别提高了4个数量级、2个数量级、5个数量级,测试精度提高2个数量级;与传统标定方法相比,本文方法节约了逆运动学求解过程的计算成本,抓取位姿精度提高了1个数量级。

绘制任意图形的两自由度机器人软件系统

在两自由度机器人原有软件系统的基础上,开发出了独立的绘图面板的服务程序。利用标准化的Windows操作系统环境,以动态链接库的方式提供独立的、可方便扩展的人机交互界面以及便捷的操作功能,不仅使原来仅能作简单示教的功能扩展成可以绘制具有复杂数学关系式的二维图形,而且使操作者通过鼠标操作就可以便捷完成任意的手画图形曲线的绘制。所开发的软件操作系统具有良好的可扩展性和通用性,利用同样的思想,还可以进一步为控制系统添加网络和视觉功能。

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 。

6自由度机器人手臂的设计与应用

机械手出现在20世纪中期,以其运动的重复性及准确性得到极大的发展,已经成为衡量一个国家制造业水平和科技水平的主要标准。通常机械手臂有机械系统,控制系统组成。其控制方式种类较多,早期以机械部件实现,近几十年微机技术成为控制的主要形式。本设计是在原有机械手臂配置的基础上,为其更深一步的开发与创新应用而进行的,设计内容将涉及包括:机械结构、电路控制、软件编程等内容。

六自由度机器人综合创新实验

以自动化制造实验系统中的六自由度机器人为研究对象,开发了六自由度机器人创新实验技术。在分析机器人传动系统结构和各关节之间联动关系的基础上,介绍了运动控制器的使用方法,重点阐述了机器人控制源程序的开发技术。实践证明,所开发的机器人创新实验技术对于学生完成该创新实验具有良好的指导作用。

七自由度机器人振动抑制的新方法

针对七自由度工业机器人刚性较差,运动过程中容易产生振动且抑制困难的问题,提出了一种控制算法,将时滞整形滤波器与动力学前馈补偿组合在一起,对机器人两个关节采用时滞滤波,并同时采用基于简化动力学模型的前馈补偿来实现机器人振动抑制。

二自由度机器人轨迹控制的研究

以加拿大Quanser公司开发的二自由度机器人系统为对象，研究二自由度机器人的轨迹控制问题。建立二自由度机器人系统的数学模型，利用测速反馈（PV）方法设计控制器并完成机器人的运动学分析；在Matlab环境下利用Simulink对系统进行仿真，并应用WinCon软件对系统进行实时控制。

六自由度机器人NURBS轨迹规划研究

针对机器人在运动过程中遇到较大的冲击和振动问题,为减轻冲击和振动的影响得到平滑的线条,延长机器人的使用寿命,以实验室的六自由度机器人为研究对象,分别采用五次多项式,五次NURBS规划机器人的运动轨迹,在MATLAB平台上进行仿真验证。规划结果表明:采用五次NURBS规划的运动轨迹加速度曲线光滑连续没有突变,运动性能优于五次多项式样条。

二自由度机器人的分层模糊控制

通过对不确定机器人轨迹跟踪控制特点的研究，提出了一种基于遗传算法的分层模糊控制方案，使得模糊规则个数和可调参数个数大大减少，便于实时控制。并在二自由度机器人的仿真研究中，验证了该方案的有效性。