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.     

基于遗传算法的机器人运动学逆解

在分析以往逆解方法的基础上，提出了用遗传算法求解机器人运动学逆解的方法，给出了用于优化求解的适合度函数，并提出用二次编码法提高解的精度．计算机模拟证明：该方法能快速收敛于全局最优解，能给出机器人的可能解，并能计算冗余度机器人的逆解．     

基于OpenGL的6R工业机器人动态仿真

本文针对6R焊接机器人，在进行运动学分析的基础上，建立了正确的6R运动学模型。并采用OpenGL和VC 技术开发了一套实时仿真系统。给出了详细的设计、开发步骤，以及系统的界面和算法框图，该系统对机器人的动态仿真具有一定的通用性。对降低机器人的设计制造的成本有着重要的现实意义。     

基于神经网络的机器人位姿逆解

本文运用神经网络求解机器人运动学位姿逆解，突破了文献局限于研究位置逆解的状况，首次实现自组织神经网络求解机器人姿态逆解。     

软实时环境下机器人运动学逆解研究

为有效抑制串联机构的末端振动,使机器人运动系统的运行更加平滑,设计了以PC104为硬件基础、在RTLinux上进行二次软件开发的机器人控制系统。它通过PCI/ISA总线连接上位机和底层硬件接口电路,以控制伺服电机。分别研究了机器人系统的模型,以及在这一软实时系统上采用反变换法+Pieper方法求解机器人的逆运动学问题。通过比较工业机器人在伺服控制、板卡控制和软件控制三种模式下的运动性能,验证了软件方式的优越性,以及其在运动控制领域中的应用价值。     

PUMA机器人运动学逆解新算法

6R串联机器人的逆解求解复杂,使用传统的D-H算法求解该问题计算量大且无法避免奇异点.将PUMA机器人的逆运动学的求解分为位置求解和姿态求解两个过程.首先使用D-H方法进行位置求解得到关节角θ₁,θ₂,θ₃,然后使用单位四元数的方法求解出θ₄,θ₅,θ₆.最后,在PUMA机器上进行验证,新的方法能够正确求解出所有解析解.对比新方法、D-H方法和倍四元数的方法,新方法较D-H方法速度提高了15%左右.     

基于Paden-Kahan子问题的冗余度机器人运动学求解

针对7DOF机器人的逆运动学求解问题,提出了一种可提高运动控制精度的混合算法.这种算法使用 旋量理论来描述机器人的运动.它首先求出对运动学性能指标进行优化的速度级逆解;然后固定一个特殊关节,将 问题转化为非冗余度机器人的运动控制,应用Paden-Kahan子问题法得到逆运动学封闭解.通过仿真实例,证实了 这种混合算法的有效性.     

基于牛顿-拉夫逊迭代法的6自由度机器人逆解算法

为解决一般6自由度旋转关节机器人逆运动学问题,提出了一种用牛顿一拉夫逊迭代法逐次逼近目标位姿的逆解算法.根据正运动学方程建立雅克比矩阵,采用基于豪斯霍尔德的SVD分解求其伪逆来避免雅克比矩阵的奇异性问题,通过建立迭代规则并逐次迭代找到最优的逆运动学单解,实际应用时无需再建立多解取优策略.本算法具有较好的局部快速收敛性,能够达到较好的精度和速度,并在基于ARM9的嵌人式系统上实现了此算法.相应的测试表明:算法实时性能够满足系统要求,可应用于机器人实时控制系统.     

基于回转变换张量的6R机器人运动学研究

在牧野坐标系下建立了六自由度喷涂机器人的运动学模型,采用回转变换张量法求出了该机器人的正逆运动学解析表达式.算法在VS.NET平台上用组件技术实现并仿真,仿真结果验证了算法的正确性和实时性.     

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.     

仿人机器人逆运动学在线求解方法研究

针对仿人机器人逆运动学在线求解问题,从计算实时性与数值稳定性的角度展开研究。分析了仿人机器人下肢拓扑结构,建立其运动学模型与前向运动学描述,根据当前机器人逆运动学算法研究成果,将几何方法与阻尼最小二乘法相结合,并结合分段阻尼思想,提出一种仿人机器人在线逆运动学求解算法。根据运动规划结果,将所提方法与基于雅可比矩阵的广义逆方法通过仿真算例进行对比,验证了所提方法在奇异位形附近的数值稳定性和在线实施的可行性。     

改进末端跟随运动的超冗余蛇形臂机器人运动学逆解

针对超冗余蛇形臂机器人运动学逆解中计算量大、超关节极限和位形偏移量大的问题,提出了一种改进末端跟随运动的逆解算法．在末端跟随法中引入蛇形臂弯曲角度的约束,调整关节位置的更新方式,使关节在蛇形臂轴线上运动．通过依次更新关节的空间位置,将超冗余多节蛇形臂的运动学逆解转化为2自由度单节蛇形臂的运动学逆解．仿真分析了蛇形臂机器人在基座移动和基座固定条件下的轨迹跟踪效果,对比了同一目标位置下不同方法的性能．结果表明,改进后的算法能保证蛇形臂的弯曲角度不超过给定范围,关节的运动量从末端到基座依次减小,机器人的运动更协调;与基于雅可比矩阵的数值法和现有启发式方法相比,该方法运算量降低,机器人整体位形偏移量减小,能用于蛇形臂机器人的实时控制．     

基于6参数模型的6R串联机器人运动学参数辨识

为了避免运动学参数误差辨识中存在参数不连续、计算收敛速度慢的现象,基于一种6参数模型,在DH(Denavit-Hartenberg)法建立的杆件坐标系上建立了6R串联机器人的误差模型,并给出了参数转化公式.设计了计算机仿真实验,在存在驱动器、测量仪器随机噪声误差的条件下对比了使用MDH(改进DH)参数误差模型和6参数模型的仿真辨识效果.6参数模型和MDH模型辨识后定位平均误差分别降低了96.1%和52.9%.结果显示6参数模型具有良好的完备性、连续性.6参数模型的误差参数范围可以从制造公差中得出,辨识速度高于MDH模型,通过公差控制参数范围,消除了没有达到极小性要求对误差辨识的影响.应用此方法对一台SR165型机器人进行参数辨识,定位平均误差由2.5 mm降低至0.35 mm.     

基于OpenHaptics的六自由度串联机器人实时控制

随着串联机器人技术的发展,通过计算机编程实现的多种人机交互的机器人控制方法成为一个新的研究热点.对触觉输入输出设备、六自由度串联机器人的物理结构、通讯方式及编程接口进行研究,使用Geomagic公司的触觉输入输出设备Geomagic Touch为人机交互信息采集设备,利用设备配套的OpenHaptics编程套件,通过UR10机器人及其控制脚本URScript,构建了一个六自由度串联机器人的实时控制系统.     

FGA优化RBF网络的机器人逆运动学求解研究

针对如何提高六自由度机器人逆运动学的求解精度问题,采用FGA对RBF神经网络的节点中心向量、基宽向量以及网络隐含层到输出层的权向量进行优化,并将其应用于六自由度机器人的逆运动学求解。以机器人工作空间的位姿矩阵作为预测网络的输入变量,以关节空间中的关节角度作为输出变量,构建机器人逆解RBF预测网络,然后选取样本对网络进行训练。最后对网络进行测试,仿真结果显示,优化后的网络预测精度高,泛化能力强。     

Zynq软硬件平台的仿人机器人逆运动学求解系统

仿人机器人的手臂模仿人体手臂设计,灵活性很好,能胜任更加复杂的工作,但是其机械结构与传统工业机器人有较大区别,进行逆运动学求解时会遇到复杂的非线性方程组求解问题,这导致不管是用解析法还是迭代法都会因为复杂的运算而导致速度下降,精度降低,不能满足嵌入式系统的控制要求.机器人的几何结构可以提供更加直接的信息,几何法与解析法的结合成为解决这一问题的有效方法之一.而在嵌入式平台中,采用软硬件协同设计则能够进一步提高控制实时性以及系统可扩展性.     

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。     

基于GPU的图像快速旋转算法的研究及实现

本文提出一种基于GPU（图形处理器）的图像旋转并实时绘制方法。首先,文章概述了一种由GPU完成旋转变换的算法,指出其存在的问题与局限性;然后,引出基于GPU的图像旋转算法,并利用DirectX9．0作为软件开发包,在VC＋＋6．0平台实现了图像的旋转以及实时显示;最后,对两种方法的实验结果进行了比较与分析。算法充分吸收GPU在速度以及节约CPU资源等方面的优势,保证了图像旋转的运算速度与旋转质量。