基于时间与急动度最优的并联式采茶机器人轨迹规划混合策略

提出一种基于时间与急动度最优的速度曲线模型方法。分析了当前名优茶的叶芽采摘工作背景，提出一种Delta并联机构与视觉识别技术相结合的名优茶采摘机器人。建立名优茶的采摘轨迹周期并应用了改进的速度曲线模型，采用了Lamé曲线优化采摘轨迹改善Delta机构工作过程中存在的由于竖直水平运动切换引起的加速度突变问题。对调和急动模型完成适应性改进，应用适用于采茶特殊性的粒子群优化算法求解模型中最优的时间间隔参数，从而优化采茶轨迹周期中的工作时间。该模型遵守运动学约束，对采摘轨迹的时间与急动度综合优化，保持良好的轨迹平滑性。实验结果表明，该方法能够缩短采摘时间，提高效率，在急动度抑制方面有更好的性能，为名优茶采摘机器人路径规划提供了一种有效的方式。     

可移动着陆器腿足最优时间⁃急动度轨迹规划

为保证可移动着陆器在运动过程中腿足机构不产生较大的冲击和振动,对可移动着陆器腿足机构各关节空间内的运动轨迹进行了规划,并以时间-急动度最优为目标进行优化。首先,介绍了兼具着陆缓冲和星表移动等功能的六足可移动着陆器的设计方案,推导了腿足运动学,分析了落震缓冲性能;其次,通过运动学逆解求得足端迈步轨迹关键点在关节空间内的映射节点,对节点进行三次样条曲线拟合;然后,以节点时间间隔为变量,建立了最优时间-急动度轨迹优化模型;最后,通过多种群遗传算法对该模型全局最优解进行搜索求解。结果表明,可移动着陆器腿足机构具有稳定连续的运动性能,所规划的最优时间-急动度轨迹合理有效,腿足机构运动过程中无较大冲击和振动。     

名优茶采摘机器人工作空间分析

提出了一种机器人技术与图像识别技术相结合的名优茶叶采摘机器人。该机器人用于茶叶采摘的核心部件为Delta并联机构,具有三个平动自由度。通过对该机构进行运动学分析,推导出采摘机器人的运动学反解模型。利用单支链约束方程求解了采摘机器人的采摘空间,并基于Matlab建立了采摘机器人工作空间模型,绘制了工作空间立体图像。通过分析结果以及所求解的工作空间尺度范围显示,该名优茶采摘机器人工作空间能够实现茶垄全面覆盖,切实降低茶叶采摘的漏采率问题。     

名优茶采摘机器人的系统设计与试验

针对名优茶采摘劳动力短缺的现状,设计了一种适用于自然环境下作业的名优茶采摘机器人。系统由采摘机械手、3P-Delta机械臂、视觉系统和主控系统构成。机器人通过深度相机获取茶蓬图像,利用深度学习和骨架法计算采摘点。从名优茶的生长特征出发,建立了机械臂采摘轨迹模型,采用Bézier曲线对茶叶采摘路径进行优化,降低了机械臂在快速运动过程中的加速度突变,提高了采摘运动的平滑性。利用虚功原理建立机械臂动力学模型,基于滑模控制设计了机械臂采摘控制策略,优化了控制算法中的指数趋近律,有效地抑制了滑模面在快速趋近时的抖振现象。实地测试结果表明,采摘机器人能够实现名优茶的采摘,采摘率和完整率分别为75.53%和54.68%,平均采摘速度为0.451颗/s。     

码垛机器人修正正弦函数插值的轨迹规划

针对应用在医药包装生产线上的码垛机器人在高速作业过程中存在的振动和冲击问题,提出了一种加速度函数为三段修正正弦函数的轨迹规划新算法,以完成对码垛机器人关节空间的轨迹规划。从实际生产中常用的规划曲线中选择运动性能俱佳的优良曲线,在此基础上对其进行修正,然后结合遗传算法以最大速度、最大加速度以及最大急动度为目标进行参数优化,获得最优修正参数,并对修正前后的正弦函数曲线性能进行对比分析。最后研究结果表明,该算法能够使得速度和加速度的峰值均降低4.09%,提高了码垛机器人的动态性能,同时为码垛机器人的轨迹规划设计提供理论依据。     

基于Lamé曲线的Delta并联机器人拾放操作轨迹的优化与试验验证

提出了高速Delta并联机器人拾放操作轨迹的一种实现及优化的方法。在笛卡儿空间中利用Lamé曲线平滑竖直运动与水平运动之间的直角过渡部分,确定运动轨迹形状。用高阶多项式运动特性对一维曲线弧位移进行三维规划,获得运动轨迹插补点的位置、速度和加速度信息。通过Delta机器人运动学模型和动力学模型将笛卡儿空间内的轨迹信息映射到机器人关节空间,以关节电动机的近似输出能量函数为目标优化Lamé曲线的参数。在试验样机平台上进行测试,测量不同Lamé曲线参数的运动轨迹在运动停止后机构残余振动的情况,通过比较验证了参数优化后的轨迹具有良好的实际性能,能够获得满足实践要求的轨迹曲线。     

参数化路径的S-型进给速度最优规划

基于曲线的路径参数化表示,提出了基于S-型光滑进给速度规划的最小燃料控制模型,解决了运动控制的柔性S-型加减速控制启发式算法的最优性量化与评价问题.通过在规划问题中引入速度、加速度和急动度边界约束,定量描述了轨迹的最优性光滑进给量;考虑机械惯性,假设分段S-型速度轨迹的始终点加速度为零过渡,使得模型对称易于求解;根据S-型速度控制的结构化特点,将最优控制问题转换为求解非线性规划问题.最小燃料模型比一般最短时间模型具有更宽泛的含义和应用可行性.通过曲率极值点的判断,可分段给出参数曲线的S-型速度规划.从单轴到多轴阐述了S-型速度的燃料指标最优规划问题,并引入关联轨迹控制的能耗评价,通过算例说明了所提方法的有效性.     

针对高速Delta机器人杆件优化的研究

为了充分发挥高速Delta机器人误差累积小、运动速度快的优点,需对Delta机器人进行杆件优化的研究。在建立系统运动学和刚体动力学模型的基础上,定义了全局灵巧度与主动臂冲击振动函数,根据Delta机器人的实际工作要求,对其进行了轨迹规划。利用MATLAB遗传算法工具箱,分别以灵巧度与冲击振动函数作为适应度函数,求得各自全局的最优解,再以求得的最优解作为杆件尺寸的上下界,利用权重系数变换法将灵巧度与冲击振动函数这一多目标优化问题转化为单目标优化的问题,据此综合出一组满足优化目标的尺度参数,为Delta机器人的结构优化设计提供了参考依据。     

点焊机器人轨迹能耗模型及其优化算法研究

提出一种点焊机器人最优能耗轨迹优化方法,将机器人关节空间中的关键点用五次多项式曲线连接,并基于机器人动力学建立了永磁交流伺服电机驱动的点焊机器人轨迹能耗模型。在考虑运动学、动力学及生产周期约束的情况下,采用蜜蜂进化型遗传算法求解了点焊机器人最优能耗轨迹。为保证算法全局寻优和收敛速度,构建了一种非线性适应度函数。仿真结果表明,与之前算法相比,求解效率更高,且最优能耗轨迹较最短时间轨迹能耗明显减少。     

基于改进遗传算法的时间最优轨迹规划

提出一种工业机器人时间最优轨迹规划方法.将机器人关节空间的轨迹视为拟合关键点的三次样条曲线,以最优时间为目标建立最优时间轨迹规划的数学模型,同时考虑关节轨迹速度、加速度和加加速度的约束,结合目标函数值和约束条件提出一种用于进化算法的排序方法,以改进遗传算法为例优化关节空间的三次样条轨迹.应用谢菲尔德(Sheffield...     

一种并联机械手操作空间最优时间轨迹规划方法

提出一种并联机械手最优时间轨迹规划方法。在操作空间中将机器人的拾取点通过椭圆曲线进行连接,应用先进SCCA(Sine Constant Cosine Acceleration)凸轮运动曲线定义了椭圆路径运动规律,从而使机器人运动过程中关节速度、加速度及转矩曲线连续、平滑,动态性能较优。在此基础上,以关节速度、加速度及转矩为约束条件,以拾取时间最短为目标,采用自适应遗传算法对轨迹进行优化求解,算法中利用罚函数处理非线性约束问题。通过自行设计的Delta机器人仿真及试验结果,表明文中提出的轨迹与常用门字型轨迹相比,运动曲线更加平滑、自然,能有效减小关节空间冲击,缩短机器人拾取时间,提高工作效率。     

并联机构的运动学多目标轨迹规划方法

提出了一种能够满足装配任务对多种性能需求的并联机构无奇异轨迹规划方法。以运动学分析为基础,证明了一定位姿条件下实现并联机构无奇异轨迹规划的充要条件。然后利用五次B样条曲线对并联机构末端轨迹进行了参数化表达。选取了与装配任务相关的三个运动学性能指标,即总调姿时间,各支链急动度和调姿难易度,并定义为目标函数以评价轨迹的优劣。在仿真实例中,利用人工免疫算法求解了多目标轨迹优化模型并得到了末端轨迹中的36个B样条参数。最后利用平均最优解的评价方法得到了满足装配任务需求的并联机构末端最优轨迹及各支链轨迹。     

考虑关节摩擦的并联机器人平滑轨迹规划

针对一种空间3自由度并联机器人,提出一种近似时间最优的平滑轨迹规划算法。与基于动力学模型的传统轨迹规划算法相比,所提出的算法模型综合考虑了所有运动关节的摩擦力矩,通过虚功原理建立了运动机构完整的动力学模型,并将运动学和动力学约束条件转换为伪速度极值曲线,同时计算出伪加速度零值边界曲线,二者相结合能更准确地反映出规划轨迹应遵循的约束条件。利用五次样条曲线分段构建相平面下伪状态、伪速度和伪加速度的平滑运动轨迹曲线,从而保证了驱动力矩、关节速度和加速度的连续性。最后利用所提出的规划方法对一种并联机器人进行轨迹规划,并通过试验验证了该方法的有效性,指出了并联机器人与串联机器人轨迹规划存在的差异,该算法可用于同类工业机器人的在线轨迹规划。     

基于遗传算法的6-DOF机器人最优时间轨迹规划

针对机器人在特定工作坏境下工作效率低的情况,提出一种以时间为最优的轨迹规划方法。采用七次B样条曲线完成机器人各关节位置-时间序列的插值,并将运动学约束转化为B样条曲线控制顶点的约束,以机器人关节轨迹运行时间最优为优化指标,采用遗传算法对轨迹曲线执行时间最短寻优,规划出满足运动学约束及力矩平滑的时间最优轨迹。实验结果表明,该规划算法能够明显减小加加速度的累积效应,提高机器人执行轨迹的最优时间。     

基于能量指标的DELTA并联机器人拾放轨迹参数优化及验证EI北大核心CSCD

为了减少DELTA机器人高速工作时的能耗,对该机器人拾放轨迹的优化问题进行了研究。基于Lamé,Clothoid,分段多项式解决Adept Cycle轨迹的直角过渡问题,实现对轨迹的三维形状规划;基于Bang-bang,7次多项式与6次多项式解决轨迹插补点位置、速度、加速度的设计,实现对轨迹的一维位移与速度的规划。仿真通过DELTA机器人的运动学与动力学模型,求解映射到驱动关节上的速度与力矩分量,并参考电机输入电能与机器人机械能耗两种能耗指标对9种轨迹进行几何参数优化。在计算能耗的过程中考虑电机再生能量的问题,对现有的能耗计算方式进行了改进。在已搭载DELTA的平台上进行测试,验证仿真结果,找出具有最低能耗的轨迹。经过比较发现9种轨迹中,Bang-bang运动规律的分段多项式曲线为最优轨迹,且具有空间与时间可重复性。     

基于速度方向可操作度的冗余机器人关节轨迹优化

针对冗余度机器人机构的关节轨迹优化进行研究.在机器人速度可操作椭球和方向可操作度的基础上,定义冗余度机器人速度方向可操作度,以速度方向可操作度为性能指标,给出了冗余度机器人关节轨迹优化的一种新的方法.与伪逆优化结果比较,本文优化方法使得机器人速度方向可操作度达到期望值的时间明显减少,在给定方向上的传速性能得到显著改善.     

考虑气象因素的农业采摘机器人轨迹纠偏控制方法

为了减少气象因素对农业采摘机器人轨迹的影响,提出了考虑气象因素的农业采摘机器人轨迹纠偏控制方法,以解决机器人位姿精度较低和定位时间较长等问题。采用云储存技术对运动的目标果实进行检测与跟踪。利用改进的蚁群算法规划最优路径,通过 RBF 神经网络最佳逼近算法对动力学方程加以优化,加强其逼近能力,从而完成对采摘机器人轨迹纠偏的控制。实验结果表明,该方法可以有效地提高位姿精度、提高定位成功率、缩短定位时间并获得更为顺畅的采摘路径。     

基于机器学习的工业机器人多目标轨迹规划

为满足机器人工作轨迹的多样化需求,以时间、能量及冲击为优化目标提出了一种新的多目标麻雀搜索算法,用于寻找机器人的最优轨迹。首先,通过7次B样条插值方法构造关节空间轨迹,以此确立多目标综合最优轨迹规划模型。其次,采用违反约束度计算、非支配排序以及精英保留来改进麻雀搜索算法,使其能够处理机器人多目标轨迹规划问题。最后,用袋装树分类算法对随机种群内数据进行了筛选,并搭建5层BP神经网络来替代改进多目标麻雀搜索算法中适应度值的数值计算部分,从而提高算法求解效率。通过MATLAB仿真与实验证明了该算法优化所得轨迹的可行性及有效性。     

基于时间近似最优挖掘轨迹生成框架

为提高挖掘机自主作业的效率,针对一个完整的挖掘周期提出了一种时间近似最优挖掘轨迹生成框架。结合人工操作的经验进行分析,完成挖掘机的运动状态估计。利用三次样条曲线表示挖掘轨迹,并设定始末位置的速度和加速度,生成平滑的轨迹。采用改进的粒子群算法求取此类非线性规划问题,生成时间近似最优挖掘轨迹。为了验证该框架的可行性,对挖掘机工作时各关节的角度进行现场测量,将优化后的结果与现场试验数据进行对比。结果表明：提出的时间近似最优挖掘轨迹生成框架有效提高了自主挖掘机作业效率,为时间最优轨迹生成问题提供了一种解决方案。     

基于能量指标的DELTA并联机器人拾放轨迹参数优化及验证

为了减少DELTA机器人高速工作时的能耗,对该机器人拾放轨迹的优化问题进行了研究。基于Lamé,Clothoid,分段多项式解决Adept Cycle轨迹的直角过渡问题,实现对轨迹的三维形状规划;基于Bang-bang,7次多项式与6次多项式解决轨迹插补点位置、速度、加速度的设计,实现对轨迹的一维位移与速度的规划。仿真通过DELTA机器人的运动学与动力学模型,求解映射到驱动关节上的速度与力矩分量,并参考电机输入电能与机器人机械能耗两种能耗指标对9种轨迹进行几何参数优化。在计算能耗的过程中考虑电机再生能量的问题,对现有的能耗计算方式进行了改进。在已搭载DELTA的平台上进行测试,验证仿真结果,找出具有最低能耗的轨迹。经过比较发现9种轨迹中,Bang-bang运动规律的分段多项式曲线为最优轨迹,且具有空间与时间可重复性。