基于多目标遗传算法的Stewart平台运动学正解解算

Stewart平台的运动学解算是指对驱动杆杆长与动平台位姿的对应关系的求解。其运动学逆解只需根据空间坐标变换求得,而运动学正解需要对12个非线性方程进行解算。普通的数值解算方法迭代步数多,求解精度低。为解决Stewart平台运动学正解的解算问题,将pareto最优化理论引入遗传算法,提出一种基于多目标遗传算法(NSGA-Ⅱ)和最小二乘理论结合的算法。利用算法生成上平台姿态,利用反解解算出姿态对应的杆长,与已知杆长进行最小二乘拟合分析,当拟合度极高时认为此时的位姿即为运动学正解结果。此算法将上平台姿态的6个参数求解转化成多目标最优化问题,其只需迭代102次左右便能输出最优解,单次结果输出用时在1 min以内,且求解的均方根值误差不超过0. 1。是一种求解速度快、精度高的可行的运动学正解解算方法。     

仿生移动机器人并联机构运动学正解的鱼群算法求解

基于改进的人工鱼群算法,提出了并联机构运动学正解的求解方法。构建了仿生移动机器人处于支撑状态的并联机构模型,应用螺旋理论计算了该并联机构的空间机构自由度,构建了仿生移动机器人并联机构的运动学正解模型,利用鱼群算法对正解模型的约束方程组进行设计。对鱼群算法所用数学模型进行了构建,对改进后的人工鱼群行为进行了算法描述。仿真结果表明,该人工鱼群算法具有良好的寻优性能,满足仿生移动机器人并联机构正解模型的求解要求。     

位移补偿BP神经网络的3-PPR并联机构的正解研究

针对3-PPR并联机构的正运动学问题,利用运动学逆解结果,结合Levenberg-Marquardt训练方法,先后采用BP神经网络和改进型BP神经网络完成了该机构位姿从关节变量空间到工作变量空间的非线性映射,从而求得其运动学正解。为进一步提高正解精度,提出一种位移补偿算法对BP神经网络进行优化。将所提方法应用于该机构,并利用MATLAB进行求解,结果显示经过2.17 ms的迭代计算,正解结果的精度由10-3级提高到10-6级,从而验证了该算法的有效性和正确性,实现了3-PPR并联机构位姿的高精度和实时性控制。     

并联机构位置正解的人工蜂群和牛顿组合算法

将智能优化算法与数值迭代方法有机组合,构造一种并联机构位置正解求解的通用算法——混合人工蜂群和Newton迭代(Hybrid artificial bee colony and Newton iteration,HABC-Newton)算法。将差分进化(Differential evolution,DE)算法融入人工蜂群(Artificial bee colony,ABC)算法,形成一种能快速收敛到问题近优解的混合人工蜂群(Hybrid ABC,HABC)算法,再以该近优解为初值,应用Newton-Шамарский迭代法求出高精度位置正解。以4自由度4-SPS-CU并联机构正运动学分析为例,阐述基于HABC-Newton算法的并联机构正运动学分析方法。为了验证算法的有效性和普适性,给出4-SPS-CU、3-RRR两种耦合并联机构位置正解的数值算例。结果表明,HABC-Newton算法能以较少计算开销求得并联机构的全部高精度位置正解。还比较了HABC-Newton、ABC、DE和粒子群算法求并联机构位置正解的性能,数值实验显示,HABC-Newton算法的精度、稳健性和计算效率高于对比算法。     

基于PSO-BPNN和Newton-Raphson法融合的并联机构正运动学解法

以并联机构为研究对象,针对求解正运动学时神经网络法易陷入局部最优及Newton-Raphson法对迭代初值敏感的问题,提出了一种融合PSO-BPNN(Back propagation neural network,BPNN)和Newton-Raphson法的正运动学通用求解算法.建立了并联机构逆运动学方程,得到驱动杆值,以此为训练样本,利用粒子群算法(Particle swarm optimization,PSO)优化BPNN(PSO-BPNN)模型获得位置正解,再以PSO-BPNN的正解值作为Newton-Raphson法的迭代初值对并联机构正运动学问题进行求解.为验证算法的有效性和通用性,给出了3-PCR、3-PPR两种并联机构的算例仿真.结果表明,由于迭代初值选取与目标值相差较大,导致Newton-Raphson法无法收敛;相比于PSO-BPNN算法,PSO-BPNN和Newton-Raphson法相结合得到的绝对误差最少降低了99.68％和99.96％,迭代次数更少;该方法既克服了神经网络法局部收敛性差的缺点,又避免了初值选取对Newton-Raphson法求解精度的影响,具有较好的通用性.     

基于牛顿迭代的6-UPS并联机构运动学正解的研究

对自制的6-UPS并联机构的运动学问题进行了分析,利用数值法对该机构的运动学正解进行深入研究。通过运动学反解计算,在旋转矩阵和驱动杆长约束条件下,建立了运动学正解的数学模型,通过化简得到一组六个只含有三个姿态变量的非线性方程组;利用Mathematica软件求解上述方程,利用牛顿迭代法引入所有有效初值求解上述方程组得到正解结果,避免由于初值选取不当产生的漏解现象,并绘出对应的机构装配简图。经算例验证,方法使得算法的收敛速度以及高效寻找全部解得到很好的提高。     

6-SPS并联机构位置正解的改进粒子群算法

对6-SPS并联机构的运动学正解进行研究,得出6-SPS并联机构运动学正解的数学模型为一个非线性方程组.将所得的非线性方程组转化为无约束优化问题,并使用粒子群算法对其求解.针对并联机构运动学正解问题的多解性,提出改进的共享适应度粒子群算法.最后,用一个实例证明该方法是行之有效的.     

基于悬丝机构的目标飞行物位姿解算分析与实现

根据项目指标要求,提出了一种用六丝悬吊的方法控制形状复杂或不规则目标飞行物姿态的方案,建立了数学模型,研究了模型的正解和反解。着重讨论了用反解迭代逼近绳长的算法来求正解的过程。用Matlab对此算法进行编程,并通过一个算例实现了快速求出飞行物位姿唯一正解的思路。仿真计算结果验证了悬丝机构控制目标飞行物方案的可行性。     

五自由度串并联机构的运动学分析

提出了一种五自由度串并联机构,并对其作了正反解分析。利用杆长不变,采用矢量几何方法,求得了机构的位置反解。基于反解方程,利用数值迭代的方法,求机构并联部分的位置正解,再利用几何投影的办法,进一步求出了机构串联部分的位置正解,并通过实例对所推导出的正反解算法进行了验证,证明其是正确有效的。     

冗余约束绳驱并联机器人的位姿正解

提出一种基于Levenberg-Marquardt方法求解并联机器人的位姿正解算法。建立一种冗余约束的绳驱并联机器人运动学模型,将机构参数化以求解位姿反解问题。建立非线性正解方程组,取末端执行器的原始位姿作为迭代初值,运用所提出的算法求解位姿正解。利用Matlab/Simulink/xPC工具进行仿真实验,选取复杂的周期性圆曲线作为并联机器人的运动轨迹,进行实时仿真;经验证,该算法可完成精确的位姿正解运算,实现平稳的运动轨迹,具有良好的实时性。选取5种位姿组合,验证该算法的高效性,验算结果表明,该算法迭代次数少、运算时间短、求解精度高,为实现并联机器人的实时监测和复杂控制策略提供了一定的理论指导。     

基于调整步长牛顿法的Stewart并联机构位置正解

针对采用牛顿或拟牛顿迭代算法求解Stewart并联机构接近奇异位姿的位置正解时存在计算结果不收敛以及采用牛顿下山迭代算法求解时间较长的问题,提出了将调整步长牛顿法应用于并联机构位置正解。首先设计基于调整步长牛顿法的Stewart并联机构位置正解流程;然后,采用遗传算法以步长矩阵初值及等比参数为变量,以Stewart并联机构64种极限位姿正解所需迭代步数为目标,得到步长矩阵初值及等比参数最优值。通过数值算例,设置机构杆长绝对误差为0.01mm,对64种极限位姿进行正解,牛顿法与拟牛顿法共6种位姿正解不收敛;牛顿下山法10种位姿正解时间大于2.0ms;调整步长牛顿法正解时间均小于2.0ms。调整步长牛顿法为Stewart并联机构位置正解的实时应用提供了理论指导。     

基于BP神经网络的并联机器人运动学研究

位置正解是并联机器人机构应用的基础,本文探讨了人工神经网络在并联机器人机构位置正解求解中的应用。采用BP网络,利用位置逆解结果,通过训练学习,实现操作手从关节变量空间到工作变量空间的非线性映射;从而求得6-SPS并联机器人运动学正解。为提高正解结果精度,采用迭代计算进行误差补偿。给出了一种并联机器人操作手的仿真实例,计算结果表明:该法迭代次数少,计算精度高且计算速度接近机器人实时控制的要求。     

非对称式6/6-SPS型Stewart并联机构运动学正解的研究

对具有非对称式结构的6/6-SPS型Stewart并联机构的运动学正解进行研究。建立了一类具有非对称式结构的6/6-SPS型Stewart并联机构运动学正解的数学模型,构造了一个关于该并联机构动平台位置参数及姿态参数的多元多项式方程组。基于该方程组并采用Mathematica符号计算软件,编制了基于Mathematica语言的非对称式结构的6/6-SPS型Stewart并联机构运动学正解的求解程序,计算结果表明,对于任意给定的该并联机构的结构参数以及六个驱动杆杆长,该类6/6-SPS型Stewart并联机构的运动学正解在复数域内最多有28组解析解。并联机构运动学正解的研究为该类并联机构的工作空间分析、轨迹规划及控制奠定了重要的理论基础。     

6/6-SPS型Stewart并联机构运动学正解的研究

对具有半对称结构的6/6-SPS型Stewart并联机构的运动学正解进行了研究.建立了一类具有半对称结构的6/6-SPS型Stewart并联机构运动学正解的数学模型,构造了一个关于该并联机构动平台位置参数及姿态参数的多元多项式方程组.基于该方程组并采用Mathematica符号计算软件,编制了基于Mathematica语言的6/6-SPS型Stewart并联机构运动学正解的求解程序,计算结果表明,对于任意给定的该并联机构的结构参数以及六个驱动杆杆长,该类6/6-SPS型Stewart并联机构的运动学正解在复数域内最多有28组解析解.并联机构运动学正解的研究为该类并联机构的工作空间分析、轨迹规划及控制奠定了重要的理论基础.     

基于神经网络-牛顿混合算法的盾构机掘进位姿求解研究

为了解决盾构机推进系统运动学建模及正解求解困难等问题,采用简化等效模型法,构建了盾构机推进系统简化模型,将n-SPS的盾构并联推进系统简化为4-SPS的等效并联推进机构,并构建其运动学模型.根据建立的等效机构运动学模型,采用神经网络-牛顿混合算法求解盾构掘进位姿;利用神经网络的解域搜索功能,对初值进行预测并把预测结果代入牛顿迭代法进行计算求解,分析比较了单一神经网络预测值与BP神经网络-牛顿迭代混合算法计算结果的优劣性.研究发现,盾构机推进系统等效模型的建立可以大大简化运动学建模复杂度,而且利用混合算法求解运动学正解的求解精度更高,可以提高盾构机掘进位姿控制精度,从而提高掘进隧洞质量.     

三自由度并联姿态测量机构及其运动学参数最优化设计

提出了基于并联结构的三自由度姿态测量机构，将其连接到三自由度串联结构位置测量装置末端可以实现对被测物体六自由度位姿的综合测量。该测量机构克服了并联机构运动学正解的困难，得到运动平台姿态坐标参数的显式解。建立了基于全微分理论的姿态测量机构坐标参数误差模型，实现机构运动学参数的优化设计。误差因子分析使得机构运动学参数设计更为合理。     

带位移传感器的6-UPS并联机构运动学正解

闭环实时反馈控制依据运动学正解,但是运动学正解问题一直没有彻底解决。6-UPS并联机构(6-UPS)的运动学解析正解可通过消除变量,获得一元高次多项式方程,也有通过添加至少2个附加位移传感器方法求解,虽然随着研究的深入有所进展,但是仍然不足以应用于实时的闭环反馈控制。为了高性能的闭环实时反馈控制,提出一种6-UPS运动学正解的解析算法:在平面平台型6-UPS中心添加一个位移传感器,通过测出第7个杆长,基于四元数并采用新符号表示动平台的姿态矩阵,结合代数消元等方法对11个相容方程进行降次、降次、升次处理,最终求出面向闭环实时反馈控制所需要的6-UPS机构解析正解,解决了奇异性局限,且位置和姿态可获得唯一解,解决了多解选择的难题。通过数值算例验证了所提算法的正确性和有效性。     

一种新型三自由度平面并联机构的运动学研究

文中提出一种新型的三自由度平面并联机构,对其结构特点进行概述,并且针对其进行了运动学正解和逆解分析,得出了四组正解装配模式和八种逆解工作模式.另外利用极坐标搜索法得到了机构的定姿态工作空间,画出了其工作空间分布图.     

2T1R并联机构的运动学及工作空间分析

针对并联机构兼具误差小、精度高的特点,提出一种含1条冗余支链的新型2T1R双层并联机构。首先,构建坐标系,基于螺旋理论对机构的自由度进行分析,得出该机构具有3个自由度的结论,其中一条支链为冗余支链。其次,根据机构的运动特性,建立机构的运动学正解和逆解模型。通过具体的数值算例得出运动学正解模型的变化曲线和逆解的数值结果。将理论计算结果与ADAMS仿真结果进行对比分析,验证了所构建运动学模型的正确性。最后,进行机构的工作空间分析,得到动平台Ⅱ能显著扩大z向的工作空间和姿态角大小。该研究为机构的构型设计及实际应用提供理论依据。     

基于遗传算法和神经网络的六自由度并联平台位置正解

位置正解是并联平台机构应用的基础。提出了用GA +BP混合算法求六自由度并联平台位置正解的方法。首先用改进的Newton Raphson法对数学迭代模型进行求解运算 ,将所得的输入输出数据组作为训练样本 ,再用GA+BP混合算法对该模型进行了精确求解 ,仿真研究表明GA +BP混合算法运算速度快、计算精度高 ,用于求解并联平台机构的位置正解是一种比较理想的方法。