【摘 要】
:
最优轨迹规划是机器人领域的一个研究热点,有着广泛的应用。运行平稳性和时间最优性是机器人最优轨迹规划问题中最主要的优化目标之二。本文以多轴串联机械臂为研究对象,在理论分析的基础上,借助Levenberg-Marquardt迭代(LM迭代)、B样条插值、凸优化等技术,开展运行平稳性约束的机械臂时间最优轨迹规划技术研究。求解逆运动学问题是解决多轴串联机械臂轨迹规划问题的基础,数值解法由于其较好的通用性被
【基金项目】
:
大连市科技创新基金项目“面向复杂加工-检测路径的机械臂高精轨迹规划关键技术”(No. 2018J12GX038);
论文部分内容阅读
最优轨迹规划是机器人领域的一个研究热点,有着广泛的应用。运行平稳性和时间最优性是机器人最优轨迹规划问题中最主要的优化目标之二。本文以多轴串联机械臂为研究对象,在理论分析的基础上,借助Levenberg-Marquardt迭代(LM迭代)、B样条插值、凸优化等技术,开展运行平稳性约束的机械臂时间最优轨迹规划技术研究。求解逆运动学问题是解决多轴串联机械臂轨迹规划问题的基础,数值解法由于其较好的通用性被广泛应用于求解过程中,但常规的串联机械臂逆运动学数值解法存在收敛速度慢和易出现不收敛问题。针对上述问题,提出了一种改进的多轴串联机械臂逆运动学问题数值解法,改进了LM迭代法中参数因子迭代策略,并额外设置步长因子提高迭代收敛速度。此外,由于多轴串联机械臂逆运动学问题还存在多解情况,在工作空间路径转换为关节空间路径过程中,给定的工作空间路径对应多条关节空间路径,需要从中进行选择。针对这一问题,基于改进的数值解法,结合多段有向图和最短路径搜索算法,求解了有助于提高轨迹时间最优性的多轴串联机械臂关节空间转角最小路径。确定多轴串联机械臂关节空间转角最小路径后,得到的关节空间路径与给定的工作空间路径之间存在误差。针对这一问题,确定了在使用5次B样条插值的前提下,路径点(插值点)个数与误差中位数之间存在负指数关系,并建立了“确定负指数关系—划分路径点加密区—重新选取路径点”的误差减小策略,能够在关节空间转角最小路径求解过程中指导路径点选取。最后,以运行平稳性约束的时间最优轨迹为目标,提出了基于凸优化的多轴串联机械臂高速平稳运动轨迹规划方法。方法中,基于最优控制理论寻找最大加/减速度之间的转换点;又基于相邻路径点间做匀加速/匀减速运动的假设,推导了相邻路径点间速度和加速度迭代计算公式;并在此基础上,创新将优化问题中非线性的加加速度约束等效转化为线性的加速度约束,保证了优化问题的凸性和计算速度。最后通过在每个路径点处求解凸优化问题,计算满足加加速度约束的最大速度,获得了满足运行平稳性约束的机械臂时间最优轨迹。本文在研究运行平稳性约束的机械臂时间最优轨迹规划技术过程中,针对各类问题所形成的求解方法和规划方法均可用于多轴串联机械臂求解器和控制器中,规划满足运行平稳性约束的时间最优轨迹,有助于推动多轴串联机械臂控制和跟踪领域发展。
其他文献
涡流检测技术是重要的无损检测技术之一,探头是涡流传感器的关键元件,平面螺旋线圈具有一致性好、检测精度高、环境适用性好等优点,已经在涡流传感器探头中得到广泛应用。随着检测需求增加,探测线圈的小型化、精密化、阵列化和柔性化已经成为电涡流传感器探头的发展方向,本文基于MEMS技术,为电涡流探头的设计与制作,提供新的方法。本文的主要研究内容如下:(1)分析涡流检测中探测线圈阻抗变化与耦合系数的关系,研究电
近年来,由于自动驾驶行业的兴起,点云等三维数据的处理成为了其中最具有挑战性的研究任务之一。虽然深度学习相应算法处理的二维图像已经获得了优越的性能,但是在三维数据的处理上却并没有达到相应的效果。本文则是主要针对点云分类问题,结合已有点云处理方法,提出了一种全新的直接处理点云的分类网络。为了克服点云的稀疏性问题,本文提出了一种层次化的点云分类网络,从局部不断提取并聚集点云特征。为了克服点云下采样过程中
高性能航空发动机的气动稳定性问题主要来自压气机,压气机的工作负荷能力和稳定性对整个发动机的工作效率和安全性至关重要。由于压气机中不稳定流动先兆发生机理极为复杂且变化极为迅速,因此压气机流动失稳建模与预测技术一直是压气机流动稳定性研究的关键难点。本文针对压气机失稳预测的特点和难点,创新性地引入深度学习方法,主要开展了以下几个方面的工作:1.基于压气机喘振实验数据的压气机失速特性分析。通过观察失速形态
回归模型作为数据分析领域的一个重要研究方向,已被广泛应用于医疗、航空航天和工业生产等多个领域。随着研究对象的日益复杂,为更全面刻画系统的特征,许多学者将粒计算思想引入到系统建模过程中,构造输出为不同形式信息粒的模型,相应模型不仅可以拟合建模数据,还可以为建模结果提供语义解释。本文将区间信息粒化技术用于Takagi-Sugeno(TS)模糊系统建模和可解释性分析过程中,论文主要研究内容如下:首先,本
航空发动机因工作包线宽广、工作环境多变,以及强非线性和不确定性等特性,其控制系统设计要求严格。航空发动机控制系统的研究工作一直备受航空领域和控制应用领域的重视,其中结合自适应控制的算法被认为是未来发展的趋势。因此,本课题以某型双转子涡扇发动机为被控对象,开展无模型自适应控制算法研究以及搭建硬件在环仿真系统。最后,通过开展硬件在环试验,为所研究的控制算法的实际应用提供可行性验证。本课题主要工作如下:
近些年,基于多智能体系统的分布式优化算法得到了人们的广泛关注与研究,并在越来越多的领域发挥作用。分布式优化算法充分利用多智能体网络鲁棒性高、可扩展性强的优势,将计算任务分布到各个节点上以提高处理效率。然而,在实际应用中,通信故障或者节点宕机都会引起信息传递的不均衡,即无法保证多智能体通信网络构成的图是无向图或者有向平衡图,使得分布式优化算法失效。因此,研究非平衡图下的分布式优化算法具有很高的实际应
近年来人工智能和机器人产业快速发展,利用机械臂取代人从事一些繁重的重复性劳动成为一种必然趋势。随着机械臂的工作环境越来越复杂,实际应用场景中目标的姿态复杂多变,为机械臂的精确抓取带来巨大的挑战。因此,研究目标的位姿估计和抓取控制具有很大的研究意义。本文以目标位姿估计为背景,研究了基于特征点匹配的目标位姿估计以及机械臂的抓取控制方法,内容如下:在目标位姿估计方面,引入了特征点匹配方法对目标进行识别。
航空发动机控制系统作为发动机的“大脑与神经”,是保证发动机在气动、热力和机械设计等限制条件下以及全包线内稳定工作的关键功能系统。近年来,航空发动机分布式控制系统作为一种重量轻、易维护、高可靠性的控制系统架构成为研究热点,但是分布式架构下网络通信引入了影响系统性能的时延。因此,时延补偿策略的研究具有重要意义。本文依托某研究所“分布式架构下时延稳定性分析及补偿方法研究”项目,开展涡扇发动机H∞输出反馈
优化工业能源配置、提升能源使用效率是节能降碳减排的主要途径之一,对生产过程中关键变量的预测有助于制定合理的能源使用计划。工业过程产生的大量数据为建立数据模型提供了有力支持。然而,一方面,由于工业现场情况复杂,需要根据实际需求对预测模型不断进行快速更新,另一方面,采集数据常带有随机缺失点,为预测工作带来极大挑战。作为一种具有宽度结构的神经网络,宽度学习系统能够快速有效的对模型进行更新,因此适用于工业
生物机器人是电子设备和生物的结合体。研究生物机器人,可以在保留生物自身习性的基础上,通过电子设备施加外部刺激,使得生物按照人类的主观意愿行动,帮助人类完成特殊任务。本文以家鸽为研究对象,设计一套生物机器人微型化主控系统,本文的具体工作包括:(1)提出一种多维度信息融合控制方法。以家鸽习性为基础,结合家鸽日常的生活规律以及天气、季节等环境因素,给出控制决策范围。通过行为训练与奖惩机制,强化家鸽的受控