摘要：针对激光熔覆工业场景中对激光离焦量的高精度要求,提出了一种基于粒子群优化算法和天牛须搜索算法的智能组合算法,以最小化目标位姿误差为目标,设计组合算法的适应度公式。在组合算法中,引入机器人数学模型,通过粒子群优化算法求解符合精度要求的初步解,即机器人6个轴角的初值;再利用天牛须搜索算法,基于分块搜索的思路,将适应度分解为位置误差和姿态误差进行探索;同时做出动态惯性调整、自适应步长2个方面的改进策略,取组合适应度值最小的1组解输出,并作为机器人逆解的最优解。通过和单独的粒子群优化算法、天牛须搜索算法以及改进的差分进化算法的对比试验,表明组合算法在机器人运动学逆解方面具有收敛速度快和收敛精度较高的优势。

摘要：针对7自由度冗余机械臂运动学逆解求解时间过长以及通用性差等问题,通过对LeNet模型进行改进,对卷积核、激活函数、损失函数、优化算法、模型结构与初始参数等进行设计与选择,建立了卷积神经网络模型来进行求解。对卷积神经网络模型进行轨迹跟踪实验验证,结果表明:所得到的机械臂关节角度平滑,轨迹跟踪最大误差小于3 mm;所建立的模型是有效的且精度较高;此方法可求解机械臂运动学逆解问题。

摘要：针对类矩形隧道盾构施工中管片拼装机工作空间紧凑、移送距离远、管片姿态调整灵活的要求,提出一种新型单机械臂管片拼装机.介绍了该拼装机的组成与工作原理,重点推导了该型拼装机跟踪特定轨迹的运动学逆解计算方法,并通过数值计算结果与SolidWorks仿真结果间的对比验证了该型拼装机运动学逆解计算公式的正确性.研究表明:新型单机械臂管片拼装机在回转平面内的运动学逆解具有解析解,其计算除常规代数运算外还涉及三角函数运算.相关结论为新型单机械臂管片拼装机运动控制器设计提供了运动学基础.

摘要：为了减小多关节系统的时滞特性对液压挖掘机工作装置轨迹跟踪精度的影响,本文设计了考虑时滞的长短期记忆-广义回归级联网络和一种基于该网络模型的多关节控制系统。利用几何法分析闭式链运动状态,建立以摇臂关节为末端反馈关节的含闭式链的工作装置运动学逆解,通过4-3-3-3-4多项式轨迹规划算法在关节空间上生成轨迹。结合LSTM的时序处理能力和GRNN的强非线性映射能力,以比例阀信号和关节转角的各阶延迟以及目标转角作为网络输入特征,通过多关节联动辨识建立起输出信号和输入特征的映射关系模型,将关节模型作为逆控制器实现多关节轨迹跟踪。经AMESim-Simulink仿真验证:在空载或变载荷作用下,与不考虑时滞的LSTM系统比,考虑时滞的多关节控制系统能更准确、更迅速、更平滑地跟踪规划轨迹,误差小,并且系统具有较强鲁棒性。

摘要：用ProE软件建立了水轮机修复专用机器人的本体模型,在此基础上,利用Matlab循环程序求出机器人在给定关节变量下的运动学正解,以此作为训练样本,通过逐次训练6输入、6输出、2个隐含层的BP神经网络,得到机器人从工作空间到关节变量空间的非线性映射,从而实现了水轮机修复专用机器人运动学逆解的计算。

摘要：分析了平面连杆机构运动学逆解问题的复杂性,根据平面连杆机构的树结构表达方法,利用树结构的遍历算法并结合无约束优化方法,将运动学逆解问题分解为每个时间步的正解逼近,从而克服了运动学逆解复杂的运动路线生成问题,形成了自动求解平面连杆机构运动学逆问题的一种通用数值方法,该方法对任意指定的原动件的平面连杆机构运动分析也适用,数值算例表明该方法的有效性。

摘要：机器人运动学模型的建立普遍利用Denavit-Hartenberg（D-H）参数法，但是该代数方法的计算复杂度高。共形几何代数作为一种新的运算工具，具有几何直观性、简洁性，已经应用于机器人运动学。针对广泛应用的6自由度工业机器人，利用共形几何代数建立点、直线、圆周、平面和球体等几何对象，通过各对象之间的几何约束解决机器人运动学逆解。首先，以工业机器人典型的肩部、肘部和腕部结构为基础，定义3种结构形式；然后，利用已知的点以及相交约束关系建立直线、平面、圆周和球体等几何对象，通过它们的几何约束关系计算得到各个关节点并构造连杆直线；最后，构造旋转直线对象以及旋转平面并利用平行和垂直的几何约束关系计算各关节的旋转角，完成机器人逆解的计算。以常用的后3个关节轴线相交于1点和UniversalRobotUR3的6自由度关节机器人为例，利用该算法进行运动学逆解的验证，计算结果表明该算法的正确性。

摘要：针对机械臂运动控制器设计时存在的运动学逆问题求解精度以及多值性问题,采用一种利用熵聚类方法来训练RBF神经网络的算法来建立机械臂逆运动学模型。将基于熵聚类的K-means动态聚类算法应用于RBF神经网络中心值和宽度半径的学习,建立机械臂逆运动学模型。仿真结果表明,该方法在克服传统RBF神经网络学习算法的初值选择对网络性能的影响的同时,对机械臂运动学逆问题具有较好的求解精度,提高了网络训练的速度。

摘要：介绍了RBF网络及RBF网络基函数中心选取的重要性,将进化优选算法用于网络中心的选取。并利用D-H方法对PUMA560机器人进行研究,将正运动学推导结果作为训练样本。采用6个相同的12输入、单输出的RBF网络,实现PUMA560机器人运动学逆解计算,利用该方法大大减少了传统方法中的公式推导。计算结果表明,用RBF网络解决机器人运动学逆解问题精度高,收敛速度快。

摘要：为了实现对三节臂挖掘末端的精确控制,文中运用解析法对运动学逆解进行求解,依据此方法对普通臂挖掘机和三节臂挖掘机的30°斜坡工况进行作业范围仿真和对比分析,仿真结果表明:该机型平整的斜坡范围比普通臂的增加了7.41%。通过逆解可以确定出斜坡工况时间最优轨迹规划所经过的6个路径点,根据运动学约束,以4-3-3-3-4分段多项式进行插值,采用粒子群算法对各关节的插值时间进行优化,得到各个关节的位置、速度和加速度曲线。最后,将得到的关节角度信息转化在对应的油缸变化上,为特定工况下的挖掘轨迹控制提供依据。