机器人逆运动学的微分进化与粒子群优化BP神经网络求解

针对采用传统反向传播(BP)神经网络算法进行逆运动学求解收敛速度慢的问题,提出将微分进化(DE)与粒子群优化(PSO)算法相结合,对用于机器人逆运动学求解的BP神经网络进行优化。基于机器人正解映射建立优化算法的目标函数,在PSO过程中,引入DE操作优化粒子进化方向,并将此混合算法用于BP神经网络权值与阈值的优化。对KUKA机器人进行仿真实验,结果表明:采用该文方法对机器人逆运动学问题的求解精度高,求得的关节角度误差小于0.1°;逆运动学求解结果所对应位姿矩阵的位置误差在0.1 mm数量级,具有较好的泛化能力。该文方法满足机器人位置和姿态方面的精度要求。     

机械臂逆运动学避障最优求解算法

针对多自由度机械臂在障碍物环境下逆运动学求解存在多解性和碰撞问题,研究了一种将碰撞检测算法、最短行程方法与差分进化算法相结合的具有避障能力的机械臂逆运动学最优求解算法。首先,以六自由度机械臂为研究对象,对机械臂和障碍物进行建模,并建立求逆运动学解的目标函数,目标函数由末端执行器位姿误差函数、目标角度与初始角度之间的变化量函数、碰撞检测函数加权求和组成;其次,利用差分进化算法对目标函数进行最优求解,为了减小函数权重对求解速度和精度的影响,设计了一种自适应权重优化算法,使得求解关节角度在优化求解初期快速达到最短行程位姿角度附近,而在优化求解后期具有更高的的求解精度,即可求得具有避障能力、行程最短且高精度的最优逆运动学解;最后,以UR5机械臂为例,通过MATLAB软件中的Robotics Toolbox工具箱对算法进行仿真验证,验证了算法的有效性。     

复杂多关节机械臂建模及逆运动学比较分析

针对含多种关节类型的复杂机械臂的建模问题, 在 D鄄H 参数法中引入虚拟关节建立运动学模型。 考虑机械臂逆运动学存在多解、 精度和实时性的问题, 通过4 种不同的 PSO(Particle Swarm Optimization)优化算法: 线性递减权重的粒子群(LPSO: Linear Decreasing Weight Particle Swarm Optimization)、 基于杂交的粒子群优化(CBPSO: Crossbreed Particle Swarm Optimization)、 基于模拟退火的粒子群(SAPSO: Simulated Annealing Particle Swarm Optimization)和混沌粒子群优化(CPSO: Choas Particle Swarm Optimization)进行计算。 随机选取工作空间的位置点, 验证优化算法能有效计算机械臂逆运动学解, 并对执行时间、 位置误差等方面进行了比较分析。 实验结果表明, 改进的 CBPSO 算法能有效计算复杂多关节机械臂的逆运动学解, 同时满足实际作业中对实时控制的要求。     

基于PSO-RBF的边坡安全系数预测

传统的径向基函数(RBF)神经网络在边坡稳定性预测中已经得到了广泛的应用,但由于其在预测中易陷入局部最优且参数选取不当会对收敛性产生影响.故引入粒子群算法(PSO)对RBF神经网络进行优化,利用其全局搜索能力对RBF神经网络的隐含层基函数中心值、宽度以及隐含层至输出层的连接权值进行参数寻优,建立了基于PSO-RBF的边坡安全系数预测模型.以114组边坡数据为训练样本,8组边坡数据为测试样本,结果显示基于PSO-RBF网络预测结果的最大误差为7.36%、最小为0.18%、平均误差为3.77%,而基于单纯RBF网络的预测结果的相应误差分析别为11.04%、1.34%、6.19%.可以看出,前者的预测结果明显优于后者,表明经粒子群算法优化后的RBF在预测精度上有了明显的提高.     

基于改进PSO-RBF神经网络的光伏功率预测

针对RBF算法的隐节点中心和参数会影响光伏发电功率的预测精度,提出了一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化径向基函数网络(Radial Basis Function,RBF)算法,通过寻找相似日,将相似日的实际功率和影响光伏发电功率的气象因子数据作为输入,同时利用改进PSO优化RBF网络参数,建立预测模型进行训练和预测。在粒子群优化算法中,通过动态调整惯性权重,有效地提高了非线性问题的求解能力,采用改进粒子群优化算法优化径向基神经网络参数,兼顾了PSO和RBF神经网络模型的优点,具有较好的收敛速度和预测精度。通过实际光伏发电数据验证表明,该算法具有较高的预测精度。     

一种冗余机械臂逆运动学求解和优化方法

为解决冗余机械臂逆运动学求解困难的问题,提出一种基于关节角参数的逆运动学求解和优化方法．首先推导了正向运动学,并基于关节角参数化法得出了解析逆运动学;然后提出综合考虑避关节极限约束与运动连续性约束的目标函数,该目标函数充分考虑了不同工作状态的差异性;最后引入带惯性权重的粒子群算法加快求解速度．实验结果表明：逆运动学求解平均时长为1.19μs,误差在10 nm以内,能够求出给定参数值的所有解,结合避关节极限和运动连续性的优化目标能够求出最优解,在直线与圆弧两种路径跟踪实验中比传统方法分别提高了68.4%和58.0%的优化效果．     

一种求解冗余机械臂逆运动学的自适应动态差分进化算法

针对冗余机械臂逆运动学难以直接求解且具有多解的问题,提出一种基于改进差分进化算法的逆运动学求解方法.以KUKA LBR iiwa七自由度机械臂为研究对象,验证该方法的有效性.针对基本差分进化算法易陷入局部搜索问题,引入自适应变异操作和随机变化交叉操作,使算法可根据迭代进程调整搜索强度.基于Denavit-Hartenberg方法建立七自由度机械臂运动学模型,改进逆运动学算法适应度函数与边界处理方法,最终求得最优逆运动学解.机械臂仿真实验以求解精度和稳定性为研究目标和评价指标,结果表明,在冗余机械臂逆运动学求解方面综合性能良好,具有较强的多工况拓展度和工程实用性.     

基于自运动的仿人七自由度机械臂逆解算法

基于七自由度(seven degrees of freedom,7-DOF)机械手臂的结构和自运动特性,提出通过对关节位置进行几何分析,求解机械臂逆运动学的方法.该方法在自运动构型的基础上,以0坐标系为其他坐标系的基系,根据同一向量在不同坐标系之间的投影特性与关节角之间存在着的对应关系,实现对七自由度机械臂逆运动学的求解.该方法能够求解出针对任一特定末端位姿的所有理论逆解.通过引入机械臂优化的二次目标,对所有理论逆解进行优化,可得最优逆解用于机械臂控制.与梯度投影法等通用算法相比,该方法具有直观简练、计算量小等优点,且不同的末端位姿求解过程互不影响,对系列性末端位姿连续求解不存在累积误差.     

改进的PSO-RBF神经网络在联合制碱中的应用

联合制碱过程是一类典型的复杂工业过程,具有时变、非线性、不确定性等特征,在线控制模型难以建立。针对联合制碱复杂工业过程控制精度不高、鲁棒性差等问题,提出一种改进的PSO-RBF神经网络控制算法。将粒子群优化算法和径向基神经网络相结合,使用改良的粒子群优化算法对RBF神经网络的隐含层基函数中心、宽度和输出层的连接权值进行寻优,建立基于改进的PSO算法优化后的RBF神经网络模型。将改进的PSO-RBF神经网络控制模型应用到联合制碱的关键工序碳化过程中,并与先前应用的模糊神经网络控制模型进行比较,经仿真研究验证表明,在联合制碱碳化过程中应用改进的PSO-RBF神经网络控制算法,其控制精度和系统鲁棒性得到了有效的提高,为解决一类复杂工业过程的建模与优化控制方法研究提供了有效的技术途径。     

关节角参数化结合接近矢量可行方向的五自由度机械臂逆运动学求解

五自由度的机械臂无法达到任意位姿，采用传统的位姿描述方式进行逆运动学求解时，极易产生无解的情况。文中以一种适用于清洁、喷涂、焊接等作业的、由4个旋转关节和1个移动关节构成的五自由度机械臂为例，建立运动学模型并进行逆运动学分析，在此基础上，提出一种关节角参数化结合接近矢量可行方向的逆运动学求解方法。该方法基于自由度约束的末端位姿描述，先通过关节角参数化将末端执行器的运动空间由三维降为二维，再采用几何法分析末端执行器在不同目标位置（远端、中间端、近端）时的接近矢量的可行方向，从而避免参数盲目取值，确保运动学逆解的存在，然后根据运动连续性和各关节的运动范围从中筛选出最优解。路径规划仿真结果表明，实际路径与规划路径非常吻合，关节运动平稳，证明了所提方法的可行性和准确性。文中研究的五自由度机械臂具有一定的代表性，逆运动学求解方法计算复杂度低，求解过程较为简便，求解思路可为欠自由度机械臂的逆运动学求解提供借鉴。     

结合旋量理论和代数方法的六自由度机械臂逆运动学求解算法

针对六自由度且具有相互平行的3个相邻关节轴的串联式机械臂逆运动学问题,提出一种结合旋量理论与代数方法的逆运动学求解方法。首先,通过旋量理论建立运动学模型,利用Paden-Kahan第1类子问题求解第1关节角度;其次,采用欧拉角理论,通过代数方法求解第5、6关节角度;最后,再次利用Paden-Kahan第1类子问题求解第2、3、4关节角度。以UR5协作机械臂为例,计算逆运动学得出8组解,其中逆解的最大位姿误差为10~(-15)数量级,证明了提出的逆运动学求解算法的准确性。     

基于PSO-RBF神经网络模型的原水水质评价方法及应用

针对自来水生产过程的原水水质评价问题,提出了一种基于PSO-RBF神经网络模型的原水水质评价方法.首先,根据水厂生产经验和历史数据分析,制定面向自来水生产过程的原水水质评价标准.然后,采用粒子群优化(PSO)算法训练的RBF神经网络模型,对苏州市相城水厂的进厂原水水质实施在线评价.最后,将进厂原水水质在线评价结果作为前...     

平面关节型机械手的运动学求解与仿真研究

根据平面关节型机械手的结构特征,运用杆件坐标系建立平面关节型机械手的运动学模型;通过建立A矩阵和矩阵变换实现机械手的位置、速度正运动学和逆运动学求解;在正运动学和逆运动学的数学模型基础上,选择MATLAB机器人工具箱为软件平台,建立平面关节型机械手模型并进行仿真,获得关节扭矩和角速度曲线,为伺服电机的选择、控制系统的设计和研发提供参考和决策依据。     

基于公交浮动车数据的城市主干道交通拥堵预测

交通拥堵预测是解决交通拥堵问题的前提。针对速度特性分析不全面的问题,基于公交浮动车数据,在速度时间相关性和空间相关性分析的基础上,加入了公交流量和时间占有率两个特征,提出了考虑时空特性和公交车流特性的改进粒子群优化的径向基函数神经网络(particle swarm optimization-radial basis function, PSO-RBF)速度预测模型。通过比较预测结果与速度阈值,得到城市主干道的交通拥堵情况。结果表明,与只考虑时空特性的预测结果相比,所提出的基于时空特性和公交车流特性的预测方法,可使模型预测的均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute error, MAE)分别降低13.58%、12.63%,决定系数达92.39%。同时,实例验证了改进的PSO-RBF神经网络模型的预测精度要优于标准的PSO-RBF神经网络。     

PUMA机械手逆运动方程求解新方法

给出PUMA机器人逆运动方程求解的一种新的解析法，推导出直接计算各转角变量正、余弦值的公式，计算出各解的转角量，从而避免对计算结果取值范围的讨论，为机器人的运动优化创造了条件。该求解方法简单，计算速度快，运用计算机仿真分析证明了计算结果的正确。     

基于粒子群算法的空间机械臂关节驱动力矩优化设计

采用绝对节点坐标方法对空间柔性机械臂臂杆进行动力学建模,采用自然坐标法对机械臂关节进行建模,最终得到刚柔耦合的空间机械臂动力学模型.对冗余自由度机械臂进行逆运动学分析,由规划的末端轨迹得到了含自运动项的关节转角轨迹.利用动力学方程中Lagrange乘子的物理意义,对机械臂系统进行逆动力学分析,推导了关节轴瓦与轴颈在运动过程中受到的关节驱动力/力矩.利用粒子群算法优化机械臂的自运动项,得到了最小化的关节驱动力矩能耗,从而形成了一种冗余空间机械臂关节驱动力矩优化设计新方法.在平面三连杆柔性机械臂进行了数值仿真,仿真结果表明:所提出的方法在实现末端轨迹跟踪的同时,能有效降低关节力矩能耗;得到的关节力矩连续性好,能够满足工程实际需要.      

基于高斯RBF神经网络的可伸缩机械臂系统动态建模与仿真

设计了一种新的多模块机器人机械臂系统,该机械臂的每个模块具有可伸缩杆和旋转节两部分.为了进行有效控制,给出了系统的解析公式和机械臂自适应控制的相关技术.使用高斯函数的RBF神经网络对系统的动态方程参数进行了估计,使用李亚普诺夫稳定性分析确定神经网络权重的自适应修正规则,并给出了相应的自适应控制器模型.对该机械臂系统的控制进行了计算机仿真分析,结果表明:该方法在响应时间和控制精度方面都有提高,并且在有负载等非线性事件突然干扰的情况下亦能进行有效控制.     

基于图像矩和矢量积法的六自由度机械臂视觉伺服控制

针对眼在手上的六自由度机械臂系统,提出一种基于图像的视觉伺服控制.通过图像矩和矢量积法,建立机器人正向、逆向运动学模型,引入雅可比矩阵解决机器人逆运动学解析问题.建立了图像矩特征变化量和笛卡尔空间的关节角速度之间的映射关系即复合雅可比矩阵,由矩特征变化量得到伺服过程中六自由度机器人各关节角速度.保证在图像逼近期望图像时,机械臂末端到达期望位置,并且此时关节角速度将收敛到零.仿真结果表明,计算复合雅可比矩阵的方法可控制机械臂渐近稳定到期望位置.