基于效应综合的设计历史产品逆求解方法

有效借鉴设计历史产品的设计思路与意图对于类似新产品研发具有重要意义,设计历史产品的设计意图捕捉是这一过程的关键问题。提出基于效应综合的设计历史产品从结构-原理方案-功能的逆求解方法,建立设计历史的动作单元模型,借助效应综合过程,反求出该结构的原理解;对原理解进行效应综合功能替换,形成'功能元'并按照能量、物料、信号三个流的输入输入逻辑关系构建出设计历史的较优功能结构,从而有效解读设计历史的设计意图。应用以上方法,开发了设计历史逆求解原型系统,以工程实例验证了有效性。

无监督学习型凿岩钻臂逆运动学求解方法

凿岩台车钻臂智能寻孔控制对提升凿岩钻孔作业精度和效率具有重要意义,逆运动学求解是实现钻臂精确快速寻孔控制的核心.现有解析法或数值法无法满足复杂钻臂逆运动学求解精度或时间效率要求,而传统神经网络方法依赖于标签数据,求解结果的可靠性较低.针对上述问题,本文提出一种考虑安全约束的无监督学习型神经网络逆运动学求解方法.区别于传统解法,该方法不依赖标签数据,直接将期望钻臂末端位姿作为网络输入,以实际末端位姿与期望末端位姿的差异作为优化目标,通过梯度下降驱动网络更新.同时,为确保关节位置的安全性,本文构造了安全碰撞惩罚,将罚项引入到求解目标函数中,促使网络输出的关节量满足特定环境的约束条件.上述的研究方法不仅提高了逆运动学求解的精度,而且显著降低了逆运动学解的碰撞率.实验结果表明,使用无监督学习型神经网络逆运动学求解方法所求得的寻孔误差均值在5~7 mm之间,相较于监督学习型方法,逆运动学求解精度提升约70.72%;引入约束后,该方法在不损失求解精度的前提下,逆运动学解的碰撞率降低了90.28%.

基于改进海洋捕食者算法的机械臂逆解求解

针对冗余机械臂逆运动学求解较难、精度较低的问题,在已有海洋捕食者算法(marine predators algorithm,MPA)基础上,引入Tent映射初始化策略、精英反向学习策略、自适应t分布变异机制,提出了改进海洋捕食者算法(IMPA),并将其应用于冗余机械臂逆解求解中。4个典型测试函数的测试结果表明,IMPA的求解精度和计算稳定性比MPA和另一种改进MPA更优;冗余机械臂逆解求解实例结果表明,IMPA的求解速度更快,求解精度和稳定性更佳,机械臂位姿精度提高,位姿误差降低,具有一定优势。

基于改进量子粒子群优化算法的机器人逆运动学求解

针对工业机器人在逆运动学求解过程中存在的位姿奇异、解不唯一、求解精度低等问题,提出了一种改进量子粒子群算法。首先,利用D-H参数法建立机器人运动学模型,以机械臂末端最小位姿误差为主要优化目标,加入运动前后关节角变化最小、行程平稳连续的约束条件,设计了目标函数;其次,通过采用Levy飞行策略改进粒子更新方式、非线性地动态调整收缩膨胀因子、采用变权重方法计算最优平均位置等方法设计了一种改进量子粒子群优化(IQPSO)算法;然后,模拟单点位姿和连续轨迹两种不同的求解情况进行三种算法(IQPSO、APSO、QPSO)的仿真对比实验,结果表明IQPSO算法具有收敛速度快、求解精度高等优点;最后,将IQPSO算法用于机械臂本体进行实物验证,实验结果表明IQPSO算法求解出的插值点所组成的轨迹连续且平滑,进一步证明了该算法应用于实际运动控制中的稳定性和可行性。

基于人工蜂群算法的冗余机械臂逆运动学求解

利用D-H法对冗余机械臂建立运动学模型,通过坐标系的转换得出正运动学的解;探讨人工蜂群算法对7DOF机械臂运动学求解的有效性,使用人工蜂群算法对冗余机械臂进行逆运动学求解,构造以位置误差以及求解时间为目标函数来寻求最优解;以最小位置误差和求解时间为目标,让机械臂运行到指定位置并将计算结果与粒子群算法进行比较。Matlab仿真实验表明:人工蜂群算法所计算的位置误差稳定在10-4 mm,其搜索精度、收敛精度以及收敛速度均优于粒子群算法,计算最优解所使用的时间也优于粒子群算法,所表现的稳定性以及鲁棒性更适用于冗余机械臂的逆运动学求解。

约束条件下的巡线机器人逆运动学求解

高压输电线路巡检机器人是一种多关节悬挂运动机构,要实现其运动控制就需要根据机器人的本身机构特点和悬挂系统的运动约束条件进行运动学分析.本文利用微分扭转法对巡线机器人的正向运动学进行了求解,并通过对机器人悬挂系统的力学分析,得到了机器人运动学的约束条件,并在这种约束条件下,采用了一种可用来进行实时控制的迭代循环坐标下降(CCD)算法,来进行机器人的逆运动学求解.这种迭代算法对于有运动约束系统的逆运动学求解具有较强的适用性,而且它具有较好的收敛性和有效性,适合于在线计算,便于巡线机器人的实时运动控制.

电磁式电压互感器“低频过电压激励-响应”逆问题求解

电磁式电压互感器(PT)作为电力系统中已大规模应用的电压感知设备,在低频电磁暂态电压激励下可能出现铁心饱和,引起二次响应电压波形畸变、测量误差激增。通过求解PT的“低频过电压激励-响应”逆问题,由PT二次响应电压计算得到其一次激励电压。该文基于电磁对偶原理建立计及铁心深度饱和特性的PT正向电路模型及其参数提取方法,进而构建其逆向数学模型,提出PT“低频过电压激励-响应”逆问题的求解方法。针对10kV真型PT的低频暂态仿真与试验数据进行“低频过电压激励-响应”逆问题求解方法的验证,结果表明:提出的逆向求解方法可将PT的低频电磁暂态测量误差从65.6%降低至10%,解决了其在低频暂态电压激励下的测量失真难题。

全局和声搜索方法及其在仿人灵巧臂逆运动学求解中的应用

仿人灵巧臂逆运动学(IK)问题可转化为等效的最小化问题,并采用数值优化方法求解.和声搜索(HS)是模拟乐师在音乐演奏中调整音调现象的一种启发式搜索方法,目前还尚未在机器人机械臂逆运动学问题中得到应用.本文提出一种基于粒子群体智能的全局和声搜索方法(GHSA),该方法在和声搜索算法中引入微粒群操作(PSO),采用粒子群策略替代常规和声搜索算法中的搜索法则创作新和声,通过粒子自身认知和群体知识更新和声变量位置信息平衡算法对解空间全局探索与局部开发间能力;同时算法还引入变异操作增强算法跳出局部最优解能力,基准函数测试表明该方法改善了全局搜索能力及求解可靠性.在此基础上以七自由度(7-DOF)冗余仿人灵巧臂为例,考虑以灵巧臂末端位姿误差和"舒适度"指标构建适应度函数并采用GHSA算法求解其逆运动学(IK)问题,数值仿真结果表明了该方法是解决仿人灵巧臂逆运动学问题的一种有效方法.

基于免疫RBF神经网络的逆运动学求解

求解机械臂逆运动学问题可以采用神经网络来建立逆运动学模型,通过遗传算法或BP算法训练神经网络的权值从而得到问题的解,在求解精度和收敛速度上有待进一步改进。采用人工免疫原理对RBF网络训练数据集的泛化能力在线调整隐层结构,生成RBF网络隐层。当网络结构确定时,采用递推最小二乘法确定网络连接权值。由此对神经网络的网络结构和连接权进行自适应调整和学习。通过仿真可以看出,用免疫原理训练的神经网络收敛速度快,泛化能力强,可大幅提高机械臂逆运动学求解精度。

采用人工神经网络法对电器触头的逆问题求解

提出了将人工神经网络与电磁场数值分析相结合进行电器电场优化设计的一种新方法.利用人工神经网络的合理结构得到了非线性逼近解,并结合电磁场数值分析计算的准确性,实现了电器结构优化设计逆问题求解的快速性和准确性.实例计算结果证明了人工神经网络(ANN)在优化设计中的可行性和有效性.

微分进化优化神经网络KUKA机器人逆运动学求解

结合KUKA机器人的正运动学分析,将正运动学求解的结果作为DE-BP优化网络的训练样本,求解了机器人逆运动学问题。

冗余机械臂逆运动学问题的多策略贪婪蜂群求解

为了提高冗余机械臂逆运动学问题求解的位置精度和姿态精度,提出了基于多策略贪婪蜂群算法的求解方法。介绍了KUKA LBR iiwa七自由度冗余机械臂构型,推导了机械臂正运动学的齐次变换矩阵,以减小机械臂末端执行器位置误差和姿态误差为目标建立了优化模型。介绍了标准人工蜂群算法原理并分析了算法存在的缺陷,优化了能够提高蜜蜂多样性的跟随蜂选择策略,以提高跟随蜂局部搜索能力为目的给定了3种位置更新策略,将新算法命名为多策略贪婪蜂群算法。将新蜂群算法应用于逆运动学求解,经仿真验证可知,多策略贪婪蜂群算法的求解质量和求解速度均好于标准蜂群算法,且多策略贪婪蜂群算法在连续多个位姿点逆运动学求解中也具有较高精度,以上结果证明了多策略贪婪蜂群算法在机械臂逆运动学求解中的优越性。

基于PSO优化BP神经网络的逆运动学求解研究

针对传统BP神经网络算法应用于机器人逆运动学求解时存在的因易陷入局部极值导致输出误差偏大的问题,该文提出了一种基于PSO优化的BP神经网络在求解机器人逆运动学中的应用。首先通过PSO算法迭代计算粒子适应度;其次,依据个体极值和群体极值的不断更新得到最优的BP网络初始权值阈值。该方法避免了局部极值问题并且加快了BP网络训练过程的收敛速度。实验结果表明,采用论文提出的方法对机器人逆运动学的求解得到误差小于0.1°的关节角输出。

基于D-H参数法的二自由度并联机械手逆运动学求解

根据企业对待加工零件质量大、抓取过程缓取缓放的需求,对自主研制的二自由度并联机械手进行逆运动学求解。首先建立控制机构的简化模型,在此基础上采用D-H参数法确立连杆坐标系,通过矩阵变换求得左右两条支链的主动臂转角与机械手末端在基坐标中位置的解析表达式。最终通过MATLAB编程验证得到:模型输出转角与末端轨迹关键点处主动臂转角一致,且末端运动位置轨迹与通过模型求得轨迹吻合。与基于动、静平台间的矢量关系及机构的约束方程建立运动学模型相比,D-H参数法在机构自由度的可扩展性方面具有很明显的优势且求解方便,各关节角正负符号的确定简单准确、不易出错。

基于四元数的工业机器人逆运动学避障求解

随着人工智能技术的发展,工业机器人大量应用于夹取、搬运等工作场景,但由于逆运动学求解复杂,位姿多重解等问题存在,导致机器人鲁棒性差,限制其工业应用范围。为了简化工业机器人逆运动学的求解过程,同时实现复杂障碍物场景下对机器人位姿的精确控制,本研究使用四元数进行机器人位姿解算,并提出一种结合避障模块的改进粒子群(F-PSO)算法。通过与模拟退火算法(SA)、遗传算法(GA)在不同目标位姿下的对比实验分析,证明F-PSO算法表现更为优越,在收敛精度上较传统算法高36.41%以上;在收敛速度上比传统算法快83.82%以上。实验结果表明,本研究提出的F-PSO算法不仅能够精确控制机器人的位姿,而且有效地提高了工作效率,实现了复杂障碍物场景下机器人夹取过程的优化。

基于SolidWorks六自由度机械臂的逆解求解与仿真

借助SolidWorks完善的二次开发功能,结合六自由度机械手臂的运动学逆解求解的理论研究,开发一种适用于大多数六自由度的机械手臂的逆解求解和运动仿真软件。首先运用基于三轴相交于一点的Pieper's solution解法来对机械手臂的运动学逆解进行求解,对于求解需要的矩阵则通过SolidWorks API中的矩阵相关函数来获取、计算;然后将求得的结果赋值给机械手臂模型中对应的角度来完成验证,对于一条连续的路径,则通过对路径上的每一点的计算、赋值,来验证规划所求得的路径的合理性。

基于PSO优化LSTM神经网络的机械臂逆运动学求解研究

针对机械臂逆运动学求解时使用传统解法实时性差,使用传统神经网络求解精度不高的问题,本文提出了一种利用粒子群算法(PSO)优化长短期记忆神经网络(LSTM)的逆运动学求解模型。首先建立串联式六自由度机械臂的模型进行运动学分析,获取训练数据,然后利用粒子群算法对长短期记忆网络的隐藏层神经单元数和学习率迭代寻优,参数优化后的LSTM学习机械臂末端执行器位姿与关节变量的映射关系,最后通过训练好的PSO-LSTM模型对机械臂的关节变量值进行预测得到逆运动学解。实验结果表明,模型的逆运动学求解速度维持在10 ms以内,与传统解法相比提高了数十倍,且模型的均方误差低至0.001,在提高求解速度的同时还能够保证求解精度。

改进蝴蝶优化算法及其在冗余机械臂逆运动学求解中的应用

针对蝴蝶优化算法(BOA)存在的不足,提出一种改进蝴蝶优化算法(IBOA)并将其应用于冗余机械臂逆运动学求解中。IBOA算法融入了动态转换概率策略、最优邻域扰动策略和随机惯性权重策略等3种策略,实现了算法收敛速、收敛精度的提升,克服了BOA算法易陷入局部最优、后期收敛精度不高的问题。3个基准函数的测试结果表明IBOA在求解精度、求解速度和计算稳定性更胜一筹。冗余机械臂运动学求解应用实例结果表明,IBOA得到的机械臂位姿误差更小,计算耗时更少,求解稳定性更好。

基于牛顿迭代法的香蕉采摘机器人逆运动学求解研究

香蕉采摘机器人要在各采样时刻根据果柄夹持机构的目标位置和姿态求得4个自由度的逆运动学解,其底座转角和末端转角可根据几何关系求得解析解,但水平位移和垂直位移因相互耦合呈非线性关系,难以通过解析法求得逆运动学解,故提出一种基于牛顿迭代法的香蕉采摘机器人逆运动学数值求解方法。首先根据采摘机器人的机械结构和几何关系,建立由4个自由度表示果柄夹持机构位置和姿态的正运动学模型,再据此构造水平位移和垂直位移2个自由度满足的方程组,并求出其雅可比矩阵的逆矩阵,然后利用牛顿迭代算法根据果柄夹持机构的目标位置和姿态求得水平位移和垂直位移的逆运动学解。试验结果表明:该方法求得采摘机器人底座转角和末端转角的逆解无误差。而对于水平位移和垂直位移的逆解,当果柄夹持机构取单个任意的目标位置和姿态,且牛顿迭代初值取固定初始位姿时,2次迭代的逆解误差小于0.1 mm,3次迭代的逆解无误差;当果柄夹持机构取连续运动中各采样时刻的目标位置和姿态,且牛顿迭代初值取上一采样时刻的逆解时,只需1次迭代即可得到高精度的逆解。

基于新旋量子问题改进一类6R串联机器人逆解算法

与传统工业串联机器人相比,后三个旋转关节轴线相交于一点、而前三个旋转关节轴线均不相交的六自由度串联机器人的工作空间较为完善,然而此类6R串联机器人逆解的求解较为复杂,限制了其应用。针对其逆解问题,提出一类新的Paden-Kahan子问题类型:将一点绕两个不相交且不平行的轴线依次旋转到指定点,以及其扩展问题类型:将一点绕两个不相交且不平行的轴线依次旋转直到该点到固定第一点和固定第二点的距离均为指定大小。通过构造与该点运动轨迹相垂直的垂直平面,推导和求解了该子问题的正解和逆解,结合其他已知的子问题,简化和求解此类6R串联机器人的逆解问题,并对其逆解的条件和数目进行讨论。与传统的消元法相比,采用该方法得到的逆解的几何意义更为明确、计算量少、求解效率更高,改进了此类6R串联机器人逆解算法。通过实例计算,验证了求解方法的有效性和可行性。