为了提升智能机器人位置自标定的精准度、稳定性,降低用时,设计基于粒子滤波的智能机器人位置自标定算法。根据智能机器人相邻连杆位置关系,描述机器人正运动学,通过粒子初始化、位置更新、权值更新、重组的粒子滤波方法标定机器人的模糊位置。根据三球座设备在机器人外部架构世界坐标系,将末端工具坐标系转换到世界坐标系中,令正运动学的起始点从基座变为三球座设备,根据机器人与设备间装配关系建立世界坐标系与基坐标系的变换矩阵,推导出位置自标定的线性模型,完成智能机器人位置自标定。仿真结果表明,该算法的自标定精准度较高、稳定性较高,标定用时较短,修正效果好,能满足快速标定需求。

机械臂的轨迹规划和控制的前提,是进行机械臂的正运动学分析。目前,主要的分析方法为D-H参数法。提出了一种比D-H法更快捷、更简单、利于计算的旋量理论方法。通过指数积公式对双臂作业系统进行运动学建模并建立正运动学方程。运用Simpack软件对双臂作业系统进行仿真分析,通过仿真的结果和正运动学方程所求解的结果对比,验证了通过旋量理论建立的正运动学模型的正确性。利用Matlab软件进行工作空间的分析,通过工作空间云图的对比,得到双臂作业系统的工作空间。

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

针对一种5轴执行机构末端建立二维、三维的定位模型,使之定位到给定目标点处。采用向量积方法确定关节实际旋转角度的取值范围。二维模型中,分别旋转大臂、小臂和腕部关节点,进行二维平面定位;三维模型中,分别旋转腰部、大臂、小臂和腕部关节点,进行三维空间定位。逆运动学求解时,对大臂俯仰角度进行迭代,解出所有的有效解,并用正运动学分析方法对所有解进行验算。按照执行机构运行效率最高原则,从所有有效解中计算最优解。最后,给出二维模型和三维模型最优解的各关节点运动轨迹、各关节点角度-时间关系曲线。仿真结果表明:定位精度在毫米级,能够满足定位需求。

以平面变几何桁架机构为二元驱动串并联机器人基本模块,将基本模块串联起来构成二元驱动串并联机器人离散系统,推导其正运动学方程,分析了其末端执行器的位置空间和姿态变化范围。根据上、下平台之间相对姿态转角为实数的约束条件,采用MATLAB语言编写并计算正运动学方程,以确定驱动腿变化量与结构参数之间的关系。该方法避免了因结构参数选取不当而无法求得姿态角的问题。该结论为二元驱动串并联机器人的结构设计与优化提供了理论基础。

针对3-PRS+2P混联机构进行了运动学分析,运用几何法与坐标变换相结合的方法建立了该机构的逆运动学方程,并求出该机构的逆运动学解析解。将求刀位点位姿转化为求动平台三顶点坐标的方式,建立该机构的正运动学模型,同时采用双参数数值延拓同伦算法求出正运动学的数值解。基于Maple计算出逆解的解析表达式,解的结构简明且易于编程,基于Matlab编程实现正解迭代过程,数值解达到精度要求。运用UG与Matlab的联合建模、计算与仿真的方式验证了正逆解的正确性。

一般的六自由度液压并联机器人的正解算法十分复杂。为此，针对6－3型并联液压机器人正运动学提出了快速的数值解法；采用数值方法对此6－3并联机器人的工作空间进行了分析；对液压并联机器人进行优化设计，并设计了一种新型的复合虎克铰，该结构较之传统的球铰具有转动范围大、使用寿命长、易维护等优势。