一种新的符号求解机器人逆运动学的分离变量法

本文提出一种新的分离变量法，在ＰＡＵＬ分离变量法失败的情况下，它能从位置方程组中递推地分离出可解析求解的简单三角／代数方程。该方法是ＰＡＵＬ方法的又一补充。     

机器人逆运动学求解的可视化算法

机器人逆运动学求解的可视化算法包含两部分，数值求解两个(或一个)非线性方程和4(或5)自由度机器人封闭解，实现了任意结构的6自由度机器人的逆运动学方程的求解，根据D-H参数表生成机器人三维模型实现机器人结构的可视化，有效地判断逆解的合理性，并为机器人学习提供了辅助工具。     

基于三个并行BP神经网络的机器人逆运动学求解

针对传统的求逆运动学方法相当复杂,一般的神经网络收敛速度慢、精度不高的缺陷,提出一种由3个并行的BP(BackPropagation)神经网络组成的系统来解决运动学逆问题,输入数据分别通过3个并行的BP神经网络,再对输出分别求正运动学解,然后计算误差,最后选择误差最小的作为系统的输出;仿真表明,该方法可以有效地解决运动学逆问题,使用3个并行的BP神经网络可以使整个系统的误差更小,BP神经网络使用Levenberg-Marquardt训练方法,可以使学习收敛速度更快。     

基于神经网络的机器人的逆运动学分析

文章提出了基于BP神经网络算法的机器人逆运动学的求解方法,给出了基于神经网络的机器人逆运动学求解的具体步骤和设计神经网络的相关注意事项.通过时KLD-600六自由度机器人仿真表明该算法简单可靠.     

机器人运动学逆的数值迭代法

本文针对一类无封闭解的机器人运动学逆问题构造了一个一维非线性方程。从而将机器人运动学逆问题对6个关节变量的数值迭代求解转化为一维非线性方程求根的问题。从而提高了计算速度。经对JRS—80点焊机器人的应用,证明了该方法的可靠性与实用性。     

一种基于思维进化算法的神经网络求解机器人逆运动学问题

研究了SCARA机器人的逆运动学问题,提出了一种采用思维进化算法来学习神经网络连接权值的方法。并将该算法成功地应用于求解机器人的逆运动学问题。计算机仿真表明,这种神经网络方法不仅具有较快的收敛速度,而且大大提高了求解的精度。     

一种求解机器人操作器运动学逆问题的分解解法

本文提出了一种新的求解操作器运动学逆问题的分解解法,它是对现有的代数解法和几何解法的综合.文中结合 PUMA 操作器对该解法作了具体阐述.     

6R机器人实时逆运动学算法研究

提出一套解决各类6R机器人逆运动学问题的实时算法. 一般算法通过矢量计算和16阶矩阵分解得到一般6R机器人的最多16组逆运动学解. 封闭解法直接提取运动学等式求出关节变量的解析解. 组合算法将封闭解法或一般算法的结果作为初始值, 采用牛顿-拉夫森方法迭代出逆运动学精确解, 适用于所有接近满足封闭解条件或一般算法条件的6R机器人. 求解实验结果表明, 整套算法最大算法时间约为2.03 ms, 为任意几何结构的6R机器人应用于强实时系统提供了逆运动学解决方案.     

面向冗余机器人实时控制的逆运动学求解有效方法

针对7自由度冗余机器人实时运动控制,对机器人逆运动学提出了一种新的求解方法.采用位姿分解方式,使7自由度冗余机器人逆运动学简化为4自由度位置逆运动学求解.在梯度投影法得到位置优化解的基础上,利用机器人封闭解公式求得一组优化解.通过对7自由度机器人仿真分析,表明了该方法的有效性.     

架空输电线路巡线机器人的视觉导航

巡线机器人沿相线行走时必须探测识别和定位各种障碍物,并根据障碍类型规划越障行为。针对220 kV架空输电线路的结构特点,利用视觉传感器,设计了基于结构约束的障碍识别算法,完成了障碍识别和分类。根据障碍物的结构特点,设计了一种自适应多窗口区域立体匹配算法,实现了障碍物的双目视觉定位。模拟线路实验结果表明,算法能可靠地从复杂背景中识别并定位出防振锤、悬垂线夹和耐张线夹等障碍物,满足了巡线机器人导航要求。     

基于知识库的输电线路巡检机器人的越障控制

介绍了一种高压输电线路巡检机器人越障控制方法。高压输电线路巡检机器人在翻越同一障碍物时重复同一套操作动作,可通过在实验室进行越障过程示教,离线学习形成操作知识库,实际越障时自动调用操作知识库并与在线信号相结合完成自主越障动作。讨论了知识库的一般组成和功能,并分析了激光传感器定位的方法以实现巡检机器人滚动轮与导线“对中”。经过实验验证,该控制方法具有稳定可靠,硬件结构简便,能可靠地完成控制任务,实现自主越障。     

欠驱动平面机器人逆运动学求解研究——粒子群优化神经网络算法求解

针对欠驱动平面机器人三连杆简化模型,分析模型的动力学方程及其积分特性,采用模型退化方法,将该模型的方程式从部分可积降阶为两个完全可积的子方程式,计算关节之间的角度约束关系。为克服粒子群算法实现逆运动学求解收敛慢、易陷入局部最优等缺陷,依据得到的关节角度约束关系,以实际角度与理想角度的误差平方和作为适应度函数,提出利用粒子群优化神经网络的学习型算法进行求解。仿真实验验证了方法的有效性。     

6R关节型机器人运动学建模

为满足新开发的多机器人实验系统编程需要,研究了6R机器人运动学逆解问题.推导了代数逆解结果,并研究了将其用于实际控制系统时,逆解的漏解、增根和多解问题.与传统方法比较,采用了便于程序模块化的坐标系设置方式,在需要经常更换作业工具的多机器人系统中更为适用.推导过程只需2次矩阵逆乘,步骤简单.基于VC++和OpenGL技术编制了系统程序,检验了方法的有效性.以其中一个位姿为例,对比几何方法得出的结果,验证了算法的正确性.研究的结果适用于MOTOMAN-UP6和PUMA560等相似构型的所有机器人.     

结合MPGA-RBFNN的一般机器人逆运动学求解

针对一般机器人逆运动学求解过程中存在的求解速度慢、精度低的问题，将多种群遗传算法（multiple population genetic algorithm，MPGA）引入径向基函数神经网络（radial basis functions neural network，RBFNN），提出一种适用于一般机器人的高精度MPGA-RBFNN算法。该算法采用3层结构的RBFNN进行一般机器人逆运动学求解，结合一般机器人的正运动学模型，采用MPGA优化RBFNN的网络结构和连接权值的方法，同时应用混合编码和演化的方式，实现了从机器人工作空间位姿到关节角度的非线性映射，从而避免了复杂的公式推导并提高了求解速度。采用6R一般机器人作为实验平台进行实验，实验结果表明:MPGA-RBFNN算法不仅提高了一般机器人在逆运动学中的求解速度，而且MPGA-RBFNN算法的训练成功率和逆解的计算准确率也得到了提高。     

A study of neural network based inverse kinematics solution for a three-joint robot

A neural network based inverse kinematics solution of a robotic manipulator is presented in this paper. Inverse kinematics problem is generally more complex for robotic manipulators. Many traditional solutions such as geometric, iterative and algebraic are inadequate if the joint structure of the manipulator is more complex. In this study, a three-joint robotic manipulator simulation software, developed in our previous studies, is used. Firstly, we have generated many initial and final points in the work volume of the robotic manipulator by using cubic trajectory planning. Then, all of the angles according to the real-world coordinates (x, y, z) are recorded in a file named as training set of neural network. Lastly, we have used a designed neural network to solve the inverse kinematics problem. The designed neural network has given the correct angles according to the given (x, y, z) cartesian coordinates. The online working feature of neural network makes it very successful and popular in this solution.     

机器人逆运动学差分自适应混沌粒子群求解

采用D-H法通过连杆坐标系变换矩阵建立机械臂运动控制模型,该模型呈现非常严重的非线性特性,传统方法难以求解。由于动态差分算法具有很强的全局搜索能力,而粒子群算法具有精确的局部搜索能力的特点,融合改进的动态差分算法和粒子群算法,并引入混沌映射初始种群和粒子群学习因子与惯性权重的自适应算法,提出多子群分层差分自适应混沌粒子群算法。该算法采用的多子群分层结构能提升个体共享群体信息的能力,底层利用动态差分算法进行全局搜索,顶层精英群利用改进的粒子群算法进行局部搜索。仿真试验和实际应用表明该算法在稳定性、搜索成功率以及收敛精度有显著提高,能有效解决机器人逆运动学模型的求解。     

A novel power line inspection robot with dual-parallelogram architecture and its vibration suppression control

Developing a climbing robot to inspect the power transmission line is a state-of-the-art method. To enhance the obstacle-crossing ability, a novel tri-arm robot with dual-parallelogram architecture (DPA) is developed. The DPA can improve the efficiency to move each arm in 3D space, keep the force on each arm well balanced, and enhance the adjacent-obstacle-crossing ability. Besides that, the centroid of the payload can shift in a large range which could greatly decrease the motor load. The dynamic model of the robot considering the floating base effect and link elastic distortion is constructed, based on which a state feedback controller is proposed to suppress the system vibration caused by the link dynamic coupling, link elastic distortion and external disturbance. A linear matrix inequality-based regional pole placement method is introduced to tune the state feedback gains, and an empirical parameter regulation strategy is employed to compensate the model parameter inaccuracy and state estimation error. Both simulation and real robot experiment results verify the effectiveness of the proposed method for system vibration suppression. The experiments on the prototype robot verify the feasibility of the designed mechanism.     

基于机器鱼的水下无线输电装置的研究

在水下无线输电技术研究中,考虑水环境对水下无线输电的影响,对无线输电发射与接收线圈距离变化时的情况进行研究分析。分析机器鱼无线输电装置的总体结构,重点讨论水下无线输电技术的线圈形状设计、线圈电感量与匝数的计算方法。使用电磁感应的无线传输方式,结合串联-串联的谐振拓扑组成水下无线输电装置并进行实验。当两线圈间距离变化时,无线输电装置的输出功率、电压仍然能够满足负载的要求,传输效率能够达到最大。