七自由度机械臂逆运动学求解方法

针对SRS(spherical-roll-spherical-joint)结构的机械臂,提出了一种基于臂型角规划的逆运动学求解方法.根据目标位置设置臂型角,将臂型角作为冗余参数,利用机械臂的几何特征求出逆运动学解析解.同时,针对机械臂运动过程中可能产生的臂型角奇异位形工况,引入肘部位置约束获得运动学逆解.通过UG-Simulink联合仿真及物理试验,验证了方法的有效性.当机械臂位于肩关节奇异位形,可避免采用关节角参数化求解时产生无数组解的结果.在重力卸载环境下的抓捕和释放物理试验中,有效解决了空间运动受限时的空间奇异解问题.

基于脊线自修正的蛇形机械臂逆运动学求解

绳索驱动的蛇形机械臂具有超冗余的运动特性,提高了自身的灵活性及避障能力。但由于机械臂存在大量的自由度,这使得其逆运动学求解变得非常复杂,导致难以实现实时运动规划。因此,文中提出了一种新型的蛇形机械臂逆运动学求解方法,通过优化脊线及关节角度求解,实现了机械臂高效和实时的运动规划。首先,搭建了蛇形机械臂运动学模型,建立了蛇形机械臂关节空间与工作空间的映射关系;之后,提出了基于多种群蚁群优化的参考脊线求解策略,并设计了移位修正法确定多任务点脊线的空间构型,减少了脊线复杂求解的计算。此外,通过考虑拟合信息和关节约束,设计了一种结合并行趋近式规则的关节优化调整方法,推导出了蛇形机械臂的关节角度,实现了关节的连续性变化。结果表明:所提出的逆运动学求解方法可以有效降低计算复杂度,保证关节角度的有效性和连续性,以及末端位姿信息的精确性。

一种用于冗余机械臂解析逆运动学的多目标优化方法

为实现工程机械的多自由度臂架智能运动控制,本文结合参数化关节方法,改进MOEA/D形成:IM-IK算法(Improved MOEA/D-inverse kinematics),来解决冗余机械臂逆运动学问题,该算法在MOEA/D算法框架中加入自适应区间搜索策略以提升算法局部搜索能力,提高求解速度。本文将IM-IK算法应用到8自由度冗余机械臂上,与NSGA-II、MOEA/D及T-IK算法进行了试验对比,各项试验指标均证明了IM-IK算法在处理冗余机械臂的逆运动学问题上具有优于其他算法的综合性能,可在满足机械臂末端执行器位姿精度要求的前提下,同时保障机械臂关节运动连续性和有效避开关节极限。

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%.

航天员舱外操作载荷分析的逆运动学建模方法

针对航天员舱外活动中操作动作对扶手和脚限制器约束点造成的载荷进行精细化分析。对失重环境下航天员的运动特点进行了总结,采用逆运动学算法对航天员上肢操作动作进行建模;引入运动耗能、关节角与施力能力的关系、航天服活动反力矩等条件作为冗余系统约束;并考虑身高、体重、工作位点距离等精细化因素对操作载荷的影响。对沿扶手行走和搬运大质量物体典型算例的分析表明,此方法利用最小耗能准则进行出舱活动复杂运动的逆运动学求解具有可行性,基于本方法分析模型精细化参数影响,分析了操作力和力矩载荷与航天员体重、身高和工作位点距离的关系,并可据此开展更加精确的出舱活动操作载荷预测,为有关结构设计提供参考。

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。

自适应麻雀搜索法求解核运维机器人逆运动学解

探讨了核运维机器人在核设施内工作时,基于自适应麻雀搜索算法(ASSA)的核运维机器人逆运动学求解方法。ASSA在麻雀搜索算法(SSA)的基础上,将自适应步长策略引入SSA中警戒者的位置更新方式中,实现了算法寻优性能的提升。通过3个基准函数对ASSA的性能进行了测试,获得了比SSA更高的求解精度、更快的求解速度和更强的计算稳定性。实测结果表明:ASSA得到的核运维机器人位姿误差更小,计算耗时更少,求解稳定性更好。

基于残差BP神经网络的Baxter机器人逆运动学分析方法

提出1种基于残差BP(back propagation)神经网络的自适应逆运动学分析方法,围绕数据采集至实时控制的整个运动规划流程,采集140组位置和欧拉角数据,利用残差BP神经网络对Baxter机械臂进行逆运动学分析,拟合得到机械臂7个关节角度;将训练好的关节角度以话题的形式发布,通过在抓取物体的脚本中订阅该话题实现通讯;结合Rviz进行可视化展示和实物双臂协同实验,对4种物体模型分别用残差BP神经网络和普通BP神经网络进行抓取实验,验证所提方法的有效性。结果表明:所提方法的计算单点时间约8.1 ms,远小于机械臂的控制周期,可实现实时性的要求;在进行1500次训练的情况下,残差BP神经网络模型的均方误差为0.006,相比普通BP神经网络模型,误差降低0.077,提高了模型的准确性;所提方法的抓取成功率为87.5%,比普通BP神经网络提高了22.5%,验证了本文所提方法的有效性和实用性。

人体复合训练设备的逆运动学分析及仿真

针对传统的三轴人体离心机,提出了一种新型的四轴双臂人体短臂离心机。阐述了人体复合训练设备的基本结构及功能特点。根据逆运动学,提出了在给定3个方向上的人体过载值Gx、Gy、Gz时,可确定俯仰角度α和旋转角度β,以及主轴电机转速n和有效回转半径R之间的关系的控制要求。采用旋转矩阵坐标变换的方法,对设备的多自由度运动过程进行了分析,建立了数学模型,应用逆运动学求解了α、β、n、R。通过MATLAB仿真验证了分析方法的正确性,得出了Gt在Ox、Oy、Oz方向上的影响规律。总体的结构设计和模型建立与前人所设计的设备对比,轴的控制从三轴增加到了四轴,解决了逆运动学模型和模拟算法太过复杂的问题,用简单且计算量小的模型实现了给定人体过载值,确定离心机各轴的运动状态的目的,适合实际的运动控制应用,为电机选型以及控制系统设计提供有效的依据。

织机车间直捻机筒纱抓取机械臂逆运动学求解方法研究

纺织车间中通过协作机械臂代替工人实现对直捻机筒纱的自动更换,可降低工人劳动强度,提高筒纱卷绕的生产效率。在对机器人进行运动学建模与分析时,逆运动学求解是机器人运动学中关键部分。传统法求机器人逆解存在求解速度慢、求解过程复杂、结果稳定性差等问题,采用传统BP(BackPropa-gationgNeuralNetwork)神经网络求解又容易陷入局部极小值,针对上述问题,提出一种基于PSO优化算法(ParticleSwarmOptimizationAlgorithm)的BP神经网络机械臂逆运动学求解方法,通过PSO算法对BP神经网络的权值和阈值进行多次迭代优化,避免了局部最小值的问题,提高了神经网络的全局搜索能力。采用D-H法建立机器人运动学模型,根据机器人正运动学方程由关节角度解得末端位姿,将解得结果作为数据集,通过学习算法经多次迭代确定神经网络的模型参数,并对神经网络进行性能检验。实验结果表明:PSO-BP神经网络相比于传统的BP神经网络收敛速度快,该模型在搬运机器人逆运动学求解中精度高,满足纺织车间直捻机筒纱抓取作业的需要。

基于CNN的康复机器人逆运动学分析与轨迹规划

为提高脑卒中患者上肢康复训练的运动舒适性,设计一种具有运动依从性的上肢康复机器人。用D-H参数法建立机器人模型,进行正运动学分析,针对传统逆运动学求解方法的高复杂性,搭建一种卷积神经网络进行逆运动学求解,96.24%的预测角度所计算得到的关节位置,与标签位置误差在0~0.025m范围内。采用解析法分析机器人的工作空间,使用七次多项式插值法规划了一组康复训练动作,仿真结果符合患者的康复运动要求,能够提供高质量康复训练。

基于同伦延拓的冗余机械臂逆运动学优化算法研究

目的针对偏置冗余机械臂的逆运动学,采用传统数值法存在依赖初始值、奇异位姿收敛性差等问题,提出一种改进数值法。方法首先将非线性方程组转化为同伦方程组,引入同伦延拓算法能够有效避免依赖初始值的问题,同时能够获取逆运动学解空间。然后考虑奇异位姿,将同伦方程组转化为最小二乘问题,采用Levenberg Marquardt算法对同伦方程组进行路径追踪,以获取逆运动学解空间。最后将关节极限避免问题映射为解空间优化问题,引入二进制改进粒子群优化算法,获得最优逆运动学解。结果实验结果表明,相较于传统数值法,文中所提数值法针对逆运动学求解具有更高的收敛率、更快的收敛速度,同时二进制改进粒子群算法能够有效避免关节极限问题。结论采用文中所提数值法求解逆运动学的精度较高,能够满足实时性要求,对于机械臂用于包装作业具有一定的理论意义和工程应用价值。

串联六轴机械臂逆运动学几何解法

【目的】提高机械臂运动轨迹的控制精度和快速响应性能。【方法】采用特征点改进串联六轴机械臂运动学逆解的几何算法。【结果】机械臂末端位姿通过三个特征点表示,将前5个关节划分为关节1、关节2和关节3、关节4和关节5三组。前5个关节的角度由两个特征点确定,每组可得出两种连杆姿态,进而组合成前5节连杆的8种姿态,再根据前5节连杆的姿态和另一个特征点确定关节6的角度。通过与目标末端位姿进行对比,逆解计算出的转角值所确定的末端位姿无理论上的误差,并且与目标位姿一致。【结论】改进的串联六轴机械臂几何逆解算法计算过程简单且正确可行。

面向节点化运动学模型的几何逆运动学

针对在度量空间中利用距离表征机器人运动学模型时的逆运动学求解问题,提出了一种基于普氏分析和列文伯格-马夸尔特法的几何逆运动学模型及求解算法。通过节点化机器人,针对机器人构型构建其三维形状,将机器人的几何逆运动学问题转化为当前形状与目标形状差异最小化的优化问题。具体地,首先对当前形状和目标形状进行普氏分析,以普氏距离作为度量损失,根据构型相似度优先或实时性优先需求决定普氏重叠策略;然后基于列文伯格-马夸尔特优化框架求解所构建的优化问题;最后通过350组求解算例与主流算法进行定性与定量对比、分析。实验结果表明,在选择不同策略时,所提方法在绝对精度、构型相似度、计算耗时三方面均优于主流逆运动学求解方法。

关节角参数化结合接近矢量可行方向的五自由度机械臂逆运动学求解

五自由度的机械臂无法达到任意位姿,采用传统的位姿描述方式进行逆运动学求解时,极易产生无解的情况。文中以一种适用于清洁、喷涂、焊接等作业的、由4个旋转关节和1个移动关节构成的五自由度机械臂为例,建立运动学模型并进行逆运动学分析,在此基础上,提出一种关节角参数化结合接近矢量可行方向的逆运动学求解方法。该方法基于自由度约束的末端位姿描述,先通过关节角参数化将末端执行器的运动空间由三维降为二维,再采用几何法分析末端执行器在不同目标位置(远端、中间端、近端)时的接近矢量的可行方向,从而避免参数盲目取值,确保运动学逆解的存在,然后根据运动连续性和各关节的运动范围从中筛选出最优解。路径规划仿真结果表明,实际路径与规划路径非常吻合,关节运动平稳,证明了所提方法的可行性和准确性。文中研究的五自由度机械臂具有一定的代表性,逆运动学求解方法计算复杂度低,求解过程较为简便,求解思路可为欠自由度机械臂的逆运动学求解提供借鉴。

求解逆运动学的多策略蜻蜓算法

蜻蜓算法(Dragonfly Algorithm,DA)是一种新型群智能算法,存在求解精度不高、收敛速度慢、优化不稳定等不足.基于此,提出了一种多策略改进的蜻蜓算法(Multi-strategy Improved Dragonfly Algorithm,MIDA).首先通过Logistic混沌映射改善算法的初始种群,使算法能更快锁定最优解区域;其次融合共生生物搜索算法(Symbiotic Organisms Search,SOS)来增加个体间的信息交流;最后采用了余弦扰动避免蜻蜓算法过早陷入局部最优解,并且采用正交实验验证该算法的可行性.通过12个基准函数和求解逆运动学这一实际应用来验证MIDA的有效性.结果表明,MIDA在函数优化方面遥遥领先,在求解逆运动学问题中,优化效果比其他对比算法高10%~35%.

基于改进粒子群算法的机械臂逆运动学求解

为了克服一般传统方法在求解机器人逆运动学问题时的不足,通过构建合理的适应函数将机械手逆运动学问题转变为目标优化问题,然后通过群智能算法加以优化,进而求解逆运动学问题。给出一种粒子群算法的优化方法,通过动态惯性权重来调节算法全局搜索和局部搜索的能力,同时引入收缩学习因子来避免算法陷入局部最优。以机器人末端执行设备的位置误差最小,设机器人在运动过程中的能量消耗最小为优化目标,在一种串联仿人机械臂上进行了仿真实验。通过计算机仿真结果便可发现,与其他粒子群算法对比,经过改进的粒子群算法具有较好的收敛速率和求解精度。可以看出,该方案能够合理地进行机器人逆运动学问题的解决。

基于最小二乘法的逆运动学优化补偿算法

为解决全参数补偿导致逆运动学求解算法失效的问题,提出基于最小二乘法的逆运动学优化补偿算法。首先,该算法使用全参数补偿正运动学减小机器人末端位置误差;然后,使用不改变逆运动学求解算法的十参数直接补偿逆运动学求解关节角度;最后,建立微分方程组,并使用最小二乘法求解关节角度误差,对逆运动学求解算法进行优化补偿。在MATLAB中使用该算法对3组关节角度进行逆运动学解算,计算误差在0.000 1°左右;使用自主研发控制系统在6R型工业机器人进行实验,测得全参数补偿后的位置误差比转换十参数补偿后减小40.66%。实验结果证明逆运动学优化补偿算法的有效性。

一种并联机构全关节逆运动学分析方法

机器人机构逆运动学分析是开展其性能建模和优化设计的基础.然而,现有并联机构运动学逆解方法主要是针对给定位姿下驱动关节运动变量的求解,而对于非驱动关节运动变量则需基于机构的几何特性,通过反复迭代消元计算获得,因而难以形成代数化求解流程和数字化分析软件.针对上述问题,提出一种基于有限旋量的并联机构全关节位置逆解求解方法并开展其数字化软件研发.首先,提出并联机构全关节位置解求解流程,构造并联机构末端及其支链的初始位姿,利用有限旋量建立运动方程,并通过数值方法对运动方程进行求解.以一类两转动并联机构4RSR-SS为例,计算各支链的全关节位置解,并与仿真结果对比验证解的准确性.然后,在此基础上,建立全关节位置解的数字化算法,基于B/S架构开展并联机构运动学分析软件开发,构建运动学逆解、轨迹仿真和工作空间等功能模块,通过对3-PRS并联机构的全关节逆运动学分析验证软件的有效性.最后,从冗余参数、方程数目等方面与现有方法进行比较.提出的全关节逆运动学分析方法的优点在于:可构建简洁的运动方程并同时求解给定目标位姿下的所有关节变量,避免冗余参数和计算;涉及的所有步骤均可利用代数运算求解,有利于实现并联机器人机构逆运动学分析的数字化.

基于余弦函数的机器人逆运动学求解

基于雅可比矩阵反演的机器人逆运动学求解,存在奇异性的关键问题。根据雅可比矩阵相应的奇异值,给出了一种基于余弦函数和鲸鱼算法的阻尼自适应调节算法,对每个奇异向量提出不同的阻尼系数。此外,阻尼因子可随余弦函数灵活变化,利用鲸鱼算法寻找最佳的最大阻尼因子和奇异区域。仿真研究表明,对比其他相关方法,在奇异区域内累计跟踪误差更小。