在保证机械臂关节最佳柔顺性的基础上,首先利用粒子群优化(PSO)算法对机械臂逆运动学求解进行了优化,提出了一种改进的粒子群算法,该算法不仅提高了计算精度还避免了局部最优,然后利用径向基函数(RBF)神经网络对优化过的样本数据进行训练,最终得到7轴机械臂的逆解。仿真结果表明,该算法能够保证较好的计算精度。

为了提高冗余机械臂逆运动学求解精度,提出了多子群粒子群算法的求解方法。使用D-H法建立了冗余机械臂运动学模型,以机械臂末端执行器位姿误差最小为目标构造了目标函数。在粒子群算法基础上,提出了粒子的多策略进化方法和多子群协同搜索方法,粒子的不同子群对应不同的进化方法,也即具有不同的搜索优势,从而提高算法应对不同类型寻优问题的能力。经运动学逆解仿真分析,多子群粒子群算法和粒子群算法搜索的最优粒子对应姿态误差相差5个数量级,位置误差相差4个数量级,充分证明了多子群粒子群算法的寻优性能远远优于粒子群算法;经多工作点实验验证,多子群粒子群算法的稳定性和鲁棒性也优于粒子群算法。

为了降低冗余机械臂末端执行器在挖掘过程中能量消耗,从而延长机械臂末端执行器工作时长。对此,这里设计了冗余机械臂能量消耗评价指标模型,并对能量消耗评价指标进行仿真验证。给出了冗余机械臂能量可操纵性椭球简图,引入机械臂能量的时间积分作为评价指标函数。对冗余机械臂末端执行器进行受力分析,推导出末端执行器表面受力求解模型,提出了能量消耗的计算程序。为了验证不同状态条件下的能量消耗,采用MATLAB软件对冗余机械臂能量评价指标、受力进行仿真。结果显示冗余机械臂连杆长度不同,能量消耗评价指标也不同,在第一连杆和第三连杆长度相等的情况下,能量消耗评价指标较小。同时,能量可操纵椭球中心到椭球周长的距离不同,机械臂末端执行器挖掘力也不同,挖掘力随着能量可操纵椭球中心到椭球周长的距离增大而减小。采用能...

为了减小冗余机械臂的工作时间和运动冲击,提出了基于增广lagrange-多学习行为粒子群算法的轨迹优化方法。介绍了7自由度冗余机械臂的构型,以减小工作时间和运动冲击为目标建立了约束优化模型。使用增广拉格朗日乘子法将约束优化问题转化为无约束优化问题。在粒子群算法中引入了3种新型的粒子学习行为,并依据学习行为价值确定粒子选择各学习行为的概率,既保证了粒子多样性也保证了收敛的快速性。经实验验证,多学习行为粒子群算法优化的轨迹在时间和冲击方面好于传统粒子群算法优化轨迹,且改进粒子群算法优化轨迹平滑,运动参数在约束范围内,以上结果验证了增广lagrange-多学习行为粒子群算法在机械臂轨迹优化方面的有效性和优越性。

为了提高冗余机械臂逆运动学问题求解的位置精度和姿态精度,提出了基于多策略贪婪蜂群算法的求解方法。介绍了KUKA LBR iiwa七自由度冗余机械臂构型,推导了机械臂正运动学的齐次变换矩阵,以减小机械臂末端执行器位置误差和姿态误差为目标建立了优化模型。介绍了标准人工蜂群算法原理并分析了算法存在的缺陷,优化了能够提高蜜蜂多样性的跟随蜂选择策略,以提高跟随蜂局部搜索能力为目的给定了3种位置更新策略,将新算法命名为多策略贪婪蜂群算法。将新蜂群算法应用于逆运动学求解,经仿真验证可知,多策略贪婪蜂群算法的求解质量和求解速度均好于标准蜂群算法,且多策略贪婪蜂群算法在连续多个位姿点逆运动学求解中也具有较高精度,以上结果证明了多策略贪婪蜂群算法在机械臂逆运动学求解中的优越性。

为简化机械臂逆运动学求解方法与提高解的精度,增强方法的普适性,利用智能优化算法,将运动学逆解变为最优化问题。首先,根据正运动学方程建立末端位姿误差目标函数,结合最佳柔顺性与能耗约束构建适应度函数,使机械臂在满足位姿误差要求时还具有最佳柔顺性与较低能量消耗;为使位置和姿态收敛精度统一并控制进化方向,引入位姿平衡系数与位姿误差调节系数;其次,把个体寻优出色的天牛须搜索与群体优化性能出色的差分进化算法融合,以此提高算法的收敛精度与速度;最后,对6R机械臂与冗余机械臂进行了逆解实验。结果表明,所提算法收敛精度高、速度快、通用性好。

为解决冗余机械臂在逆运动学求解中出现多重解的问题,以Jaco2的7DOF-S通用机械臂为对象,提出了一种结合解析法与基于坐标变换的几何解法的逆运动算法。根据机械臂的几何结构,推导出中间转角的唯一解,并以此映射解算得到其余关节转角;经过Matlab Robotic Toolbox与Simulink模块验证,表明该算法的精度、运算效率较高;基于已验证的运动学模型,提出了一种基于粗插补和精插值的五次插值规划算法,经Matlab轨迹规划验证模型的计算结果表明,各关节转动的连续性与平稳性较好。

以末端执行器的位姿误差最小为优化目标,将机器人的逆运动学问题转换为一个等效的最优化问题,并利用提出的改进粒子群优化算法对该问题进行求解。该算法从粒子群的初始化、惯性权重调整策略、差分变异进化及搜索空间的越界处理等多方面对标准粒子群优化算法进行综合改进,同时构建了以粒子群进化和差分变异进化为基础的两阶段混合协同进化机制,达到了有效平衡算法全局探索能力与局部开发能力的目的,提高了算法的收敛精度和收敛速度。以平面冗余机械臂和7自由度冗余机械臂的运动学逆解运算为例,将提出算法与对比算法用于逆运动学问题的求解。仿真结果表明,与对比算法比较,该算法具有更高的收敛精度、更快的收敛速度以及更强的寻优稳定性,能有效解决冗余机械臂的逆向运动学问题。

针对冗余机械臂关节位置约束问题,设计了冗余机械臂关节位置控制策略,在不同条件下对机械臂运动效果进行仿真验证。建立冗余机械臂简图模型,通过雅可比矩阵推导机械臂运动方程式。分析机械臂优先级任务体系构造,比较冗余机械臂在不同优先级条件下的极限状态,引入了机械臂监控系统。设置机械臂仿真环境,采用MATLAB软件对机械臂运动进行仿真。结果表明:机械臂2个关节都违背了极限限制;监控系统在保证关节位置规避限制的同时,会导致路径跟踪误差较大。但是,路径跟随误差不会影响所需的相对末端效应器运动,能够保持末端执行器的相对运动,保证抓取对象的稳定性;证明了冗余机械臂控制器的有效性。采用该策略避免了运动过程中的机械臂关节的限制,能够实现机械臂抓取物体的路径跟踪功能。

针对当前绿篱机械臂无法在复杂环境和非结构环境下作业的问题,提出一种具有更强环境适应性、更高自由度和更大工作空间的冗余线驱动绿篱修剪机械臂。利用坐标分析法建立了单关节的运动学模型,求解了绳长与关节转角的映射关系;基于D-H参数法分析了10-DOF机械臂的正向运动学数学模型,采用遗传算法研究冗余机械臂的逆向运动学,求解了冗余机械臂的运动学逆解。仿真结果证明,遗传算法的求解精度高且求解迅速;对机械臂各关节绳索间的耦合进行了分析并推导了解耦公式。通过仿真验证了机械臂正逆运动学模型的正确性以及解耦模型的正确性,为绳驱动冗余机械臂的控制和轨迹规划奠定了基础。