为应对配网狭窄作业空间内视场遮挡对作业机器人环境感知和定位功能的影响,这里研究了基于遥操作和虚拟/增强现实(VR/AR)技术的高临场感动态视觉感知与定位系统。受人体仅通过弯曲身体就可对物体多角度观测的启发,设计搭建了包含VR头戴设备、六自由度机器人和双目相机的动态视觉感知系统,提出了针对该系统的异构型主从遥操作逆运动学模型,并建立了观测目标绝对位置粗定位模型。试验表明,这里建立的动态视觉系统具有较高临场感,双目相机对VR设备的位置跟踪平均误差≤1.7mm,姿态跟踪平均误差<2.36°;另一方面,系统在5个不同角度下对一个距离1.1米的红色固定小球球心的空间定位偏差≤1%,能为操控人员提供较精确较高的目标粗定位信息。

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。

为解决6R模块化串联机器人逆运动学求解精度和效率低的问题,运用D-H法对该机器人进行建模和正运动学分析,提出了解析法+BP神经网络相结合求逆运动学的方法。在逆运动学求解过程中,采用解析法求解前三个关节角度,采用BP神经网络建立运动学逆解模型求解后三个关节角度。为解决网络训练样本数据优选问题,采用核聚类理论和随机抽取算法对后三个关节的位姿参数样本进行优选,将逆运动学问题转化为基于BP的多输入多输出预测系统。运用该逆解模型进行复杂运动轨迹仿真,结果显示该神经网络模型求逆解的精度最高可达6.8212e-8°。并将该方法与解析法+BP神经网络不同的组合模式进行预测求解对比,结果表明该求逆解组合模式不但求解精度高,而且求解简单、泛化能力强。

针对冗余液压驱动四足机器人运动学逆解问题,提出一种基于扩展雅可比矩阵的冗余液压驱动四足机器人运动控制方法.该方法既能解决冗余自由度带来的逆解多解问题,还能使机器人足端入地角度满足摩擦锥要求避免足端滑动.首先,规划机器人足端轨迹得到机器人足端速度,在分析机器人足端入地角度对机器人运动性能影响的基础上,结合机器人腿部结构几何关系,建立扩展雅可比矩阵,确立机器人关节角度速度和足端速度的映射关系,即得到机器人关节角度的解.然后,在对角步态下,通过仿真对传统的梯度投影法和提出的扩展雅可比矩阵法进行对比,理论分析及仿真表明传统的梯度投影法存在误差累积,且在实时性上不如扩展雅可比矩阵法.最后,实验验证了基于扩展雅可比矩阵逆运动学分析方法的可行性和有效性.

为了解决液压驱动工程机械臂在实际工程作业中加装位置传感器会使得系统复杂,从而可靠性降低,以及在关节处位置闭环伺服控制会导致液压系统效率降低的问题,提出在比例液压油缸驱动的机械臂中用位姿闭环而非关节位置闭环构成机器人控制系统。使用惯性导航、激光雷达、视觉等获得机械臂末端姿态,通过机器人运动学逆解得到当前关节值,与目标关节值形成闭环从而获得关节速度给定值。通过比例液压系统驱动机械臂关节,进而控制位姿变化。推导了负载敏感比例阀控液压油缸传递函数、陀螺仪姿态解算方程并对机械臂进行逆运动学分析。使用MATLAB/Simulink建立基于关节速度控制的液压驱动机械臂位姿闭环控制仿真模型,进行仿真实验,结果验证了控制方法的可行性。

逆运动学问题是冗余度机器人运动控制、轨迹规划和动力学分析的基础,也是机器人学中最重要的问题之一。以末端执行器位姿的误差最小为优化目标,建立适应度函数,将求解冗余度机械手的逆运动学问题转化为一个等价的优化问题,在优化算法的基础上通过杂交变异果蝇优化算法(HMFOA)进行冗余度机械手逆运动学问题的求解。采用嗅觉搜索杂交突变机制和视觉搜索的动态实时更新机制,有效解决果蝇优化算法(FOA)的收敛问题,并提高算法的收敛速度。为进一步验证HMFOA的有效性,在七自由度机械手上对HMFOA进行了测试,将其结果与FOA、LGMS-FOA和AE-LGMSFOA等算法进行了比较,证明HMFOA能有效地解决冗余机械手的逆运动学问题。

针对传统机床配置方式导致多轴微加工中心存在扰动刚度等问题,文章提出一种由三轴微铣和六轴旋转工作台组成的九轴数控微加工中心,工作台可以实现自由旋转、滚动和偏摆,以及三个短行程直线运动,并研究其刀具轨迹生成与控制策略,在轨迹生成策略中进行了正向运动学和逆运动学建模,并分别对微铣平移轴和旋转工作台的转动轴进行控制策略研究,最后通过仿真与实验验证了文中提出方法的有效性,所生成的参考命令在进给极限范围内,并能够保证足够的精度。

机器人的逆运动学解析解由于其精度高、求解速度快,使其在诸多逆运动学求解方法中始终占据着重要的地位。然而,对于一般的6轴工业机器人而言,解析解的不唯一性导致在一个姿态下可能对应着多组解。因此多解的选取问题是解析解所必须面临和解决的一个问题。以一种构型的6轴机器人为例,在求得其解析解的基础上,基于解析解表达式的数学特性和运动的连续性,得到了两个关键推论,在此基础上提出了一种快速的逆解选取算法,并开发了虚拟样机软件进行仿真,验证了该选取算法的有效性和时间性能。

针对双臂服务机器人运动学的逆解问题,根据其构型特点提出一种逆运动学求解方法。首先,根据机械臂的结构特点,采用标准DH法对其进行建模,得到双臂的正运动学模型,同时采用逆变换方法将机械臂的姿态用欧拉角表示,进而得到机械臂位姿的一组广义坐标;然后,采用几何法和坐标系投影法对双臂6R机器人进行逆运动学求解,经分析计算后最多可得8组封闭解,并选取最优解;最后,基于MATLAB建立双臂的3D仿真运动平台,验证了逆运动学求解的正确性,为机械臂的轨迹规划和避碰奠定基础。

针对在研究抓取机械臂运动学逆解过程中所遇到的困难,计划选择一种基于软竞争机制的ART-RBF模型。在传统RBF神经网络的基础上,自适应控制生成隐含层节点数目,将相似度软竞争使用在第一阶段的学习中。采用软竞争机制,能够将隐含层各个节点都参与到对样本的学习,节点利用率提高,同时也能够减少类间混叠处样本的误差,提高预测精度。最后,利用ADAMS对机械臂进行运动仿真,并与所得运动学正解相比较,用来验证正解方程的正确性。结果表明,该软竞争算法能够一定程度上提高预测精度,仿真结果表明了所得正解数据的准确性,为后续运动控制提供依据。