三指机器人手的雅可比矩阵及条件数

基于指端接触点建立了三指手的雅可比矩阵，提出了描述三指手速度。力传递特性的雅可比矩阵条件数。     

机器人相对雅可比矩阵解析求解方法研究

为了简化冗余度机器人雅可比矩阵的求解，本文给出了一种雅可比矩阵解析求解方法，该方法是将基坐标系建立在中间关节上，从而得到机器人的相对雅可比矩阵，使得雅可比矩阵表达简单，利用现有的公式对雅可比矩阵中的元素进行改写，将矢量叉乘变为矢量点乘，通过改写可以将雅可比矩阵中的元素计算用公式解析表达，使得计算过程简单，方便，与微分变换法和矢量叉乘法相比较，该方法概念清晰，计算规范，通过示例验证，该方法是正确的。     

3-RPC并联机构雅可比矩阵

建立雅可比矩阵是研究并联机构运动轨迹的重要方法。以3-RPC并联机构为研究对象,建立机构雅可比矩阵并以此为基础分析机构奇异位型。首先利用螺旋法分析3-RPC并联机构的每个分支,建立支链运动螺旋,然后运用反螺旋系建立3×6约束雅可比矩阵,确定驱动副后建立3×6驱动雅可比矩阵,综合两个矩阵得到3-RPC并联机构的6×6雅可比矩阵。对6×6雅可比矩阵进行奇异性分析,得到机构在极限条件下的奇异位型,可以有效避免机构卡死现象的发生。建立3-RPC并联机构雅可比矩阵对于分析机构的运动有重要意义。     

风洞6_PUS并联支撑机器人的雅可比矩阵

对6_PUS并联支撑机器人几种求取运动学雅可比矩阵的方法进行了概括,分别采用矢量微分法、速度投影响法、运动旋量法、一阶影响系数法和力雅可比法推导了该机器人的运动学雅可比矩阵,并总结了几种方法的优缺点。在对动平台运用力螺旋理论分析推导之后,提出了一种较简便的求取6_PUS并联支撑机器人雅可比矩阵的新方法,运用该方法获得的雅可比矩阵,可以直观地得到6_PUS并联支撑机器人发生奇异的条件。     

六自由度混联机构雅可比矩阵求解及奇异位形分析

提出一种由2个不同的三自由度并联机构串接而成的混联机构,针对下端和上端并联模块分别建立速度雅可比矩阵,然后通过上下两个并联模块的运动关系,建立整个混联机构的整体雅可比矩阵.雅可比矩阵是分析机构奇异位形的基础,通过令机构整体雅可比矩阵行列式为零,从而得到机构奇异的非线性方程来研究混联机构的奇异位形,同时运用MAPLE软件绘制出机构的奇异轨迹.该方法建立了由2个并联模块组成的混联机构的雅可比矩阵,具有一定的理论意义.     

采用SVR-雅可比估计器的焊接机器人视觉导引

为实现基于视觉的6-DOF机器人智能焊接过程的自动导引,提出了一种无标定视觉伺服控制模型.该模型采用多个支持向量回归(SVR)机进行图像雅可比矩阵估计,建立了图像特征和机器人关节角的非线性映射关系,能够在无标定条件下进行焊接机器人视觉导引的伺服控制.文中给出了采用高斯核函数的图像雅可比矩阵估算表达式,并在计算机控制下对SVR-雅可比估计器进行自动训练后,分别对EIH“手眼”和ETH“眼看手”两种摄像机配置方式的焊接机器人进行视觉定位导引试验.试验结果表明,采用SVR-雅可比估计器的焊接机器人视觉导引能够较准确地定位在期望目标,与传统的Broyden-估计器相比有更好的动态响应质量.     

探地雷达波波动像的雅可比系数矩阵

波动成像最关切的一步就是求取成像方程的系数矩阵，也就是雅可比系数矩阵，也即波场对物性参数的偏导数矩阵。从探地雷达波满足的有限元波动方程出发，推导得到随时间可变的雅可比系数矩阵满足的波动方程，并阐述了在时间域和频率域分别求解该雅可比系数矩阵的方法。     

基于鲁棒信息滤波器的图像雅可比矩阵在线估计

针对现有的图像雅可比矩阵无标定求解方法,分析了基于Kalman滤波、模糊自适应Kalman滤波和粒子滤波的图像雅可比矩阵在线估计的优缺点。为了进一步提高未知环境下的系统估计精度,选择基于滤波理论的估计框架,对系统模型进行调整,用鲁棒信息滤波器在线估计图像雅可比矩阵,该滤波算法对任意分布的有界噪声都具有较强的鲁棒性。仿真和实验结果表明,在未知系统噪声的情况下,该算法仍可以实现图像雅可比矩阵的精确估计。     

基于空间算子代数理论的多体系统 雅可比矩阵及其逆的描述与实现

雅可比矩阵及其逆在运动学和动力学方程的计算中有非常广泛的用途.使用空间算子代数理论来对雅可比矩阵及其逆的结构进行研究,形成了高效的速度和静力递推算法.随后对链式多体系统的D-H参数表达进行了进一步的研究,结合空间算子代数理论给出了雅可比矩阵及其逆的软件实现流程.最后,运用Matlab@符号计算库对雅可比矩阵及其逆的计算进行了实现,并通过与实际算例的对比验证了该方法的有效性.     

6-PRRS并联机器人正逆奇异性研究

基于雅可比矩阵研究了一种6-PRRS并联机器人的奇异性问题.对于正奇异,推导出一种基于速度投影的雅可比矩阵求解方法,提出了空间瞬时轴这一新的概念,并给出奇异产生时并联机构正奇异的表现形式.对于逆奇异,将并联机构拆分成多个串联机构,由指数积方法求得其雅可比矩阵,并证明了机构逆奇异产生时的雅可比矩阵为奇异.基于正、逆奇异,又提出了一种更为特殊的复合奇异现象,即在某个特定的空间位姿下,正、逆奇异同时发生,并给出了可能的存在形式.所提雅可比矩阵的求解过程及其奇异性的证明,以及对机构奇异的表现形式的描述,为研究并联机构的奇异性提供了新的、直观的方法.     

自动铺丝机器人Jacobian矩阵空间算子代数描述

应用空间算子代数理论,在mathmatica环境下对7自由度自动铺丝机器人的Jacobian矩阵进行了求解．通过对采用空间算子代数求解的自动铺丝机器人的Jacobian矩阵和采用微分法和矢量叉积方法得出的Jacobian矩阵进行对比,发现用空间算子代数理论求出的机器人的Jaco—bian矩阵形式简捷和具有明确的物理意义,并且对于任意结构形式的串联机器人的空间算子代数形式的Jacobian矩阵都具有解析的表达形式．研究表明采用空间算子代数求解串联机器人的Jacobian矩阵也是一种行之有效的方法．     

基于PSO-GA-BP神经网络的视觉伺服控制系统

传统的基于图像视觉伺服控制需要计算雅可比矩阵和解雅克比矩阵的逆,其结构复杂、计算量大且系统 的实时性不够理想。基于粒子群遗传算法优化的 BP(Back Propagation)神经网络(PSO-GA-BP: Particle Swarm Optimization-Genetic Algorithm-BP)通过学习图像特征空间到机器人运动空间的映射关系,实现了“眼在手上”的 机器人视觉伺服控制,通过优化 BP 神经网络的权值和阈值,防止了其训练时间长、收敛速度慢等弊端。实验 结果表明,优化后的算法运算效率较高,所设计的控制器能使机器人末端执行器在更短的时间内达到预期位 置,图像特征点运动位置的实际值与期望值平均误差约为 2 个像素,具有良好的收敛速度和控制精度。相关结 论可为机器人视觉伺服控制提供优化依据,提高算法的应用性能。     

信息融合下的无标定视觉伺服

本文在理论推导的基础上,针对手眼系统无标定视觉伺服,提出一种信息融合方法.由超声测距得到机械手末端与目标间的距离,在基于伪逆估计的信息融合无标定视觉伺服完成平面视觉伺服的同时,向目标靠近,实现单摄像机系统在三维空间的视觉伺服.仿真研究验证了文中提出的信息融合方法的有效性.     

2TPT-PTT并联机床运动学研究

提出了一种新型的2TPT-PTT三平移自由度并联机床构型·建立了运动学方程,给出运动学方程的正、逆解·通过对雅可比矩阵及其逆矩阵的研究,分析了机构的奇异性及各杆的速度·在Solidworks和visualNastrandesktop环境下建立其三维实体运动模型,并对各杆在三维空间内速度变化做了进一步研究·研究结果表明:对运动学方程所求正、逆解及雅可比矩阵正确,该机构具有结构紧凑、运动平稳、不存在奇异点、易于控制等优点,为并联机床的机构设计提供了一定的理论基础·     

3-PCR并联机构的奇异性分析

针对3-PCR新型空间三自由度并联机构进行分析.运用坐标变换法求得机构的位置方程,通过对位置方程的求导得到速度方程,进而推得机构的逆、正雅克比矩阵;以雅克比矩阵为基础分析该机构发生奇异的条件及奇异的类型.奇异性分析为研究该机构的工作空间及轨迹规划奠定了基础.     

解奇异非线性方程组的修正张量法

本文提出解奇异非线性方程组（解点的雅可比矩阵奇异）的修正张量法．修正张量法的主要思想是利用雅可比矩阵的差来构造低秩张量模型,并近似成线性模型来求解．这个修正张量法保持了解奇异问题的超线性收敛性,其计算效果也被部分数值试验结果所证实．     

基于极限学习机的未校准图像视觉伺服控制

解决非结构化环境中的机器人视觉伺服控制的主要问题是获得交互矩阵, 而解决交互矩阵的常见问题是交互矩阵伪逆的奇异性问题。 针对该问题, 提出了一种新型的基于图像的视觉伺服控制方法, 并采用增量式极限学习机解决图像雅可比矩阵的伪逆逼近问题。 为提高系统的收敛速度, 采用了具有自适应因子的速度改进控制器。 最后, 采用了六自由度机械手仿真, 验证了所提出方法的有效性和优势, 该算法提高了系统的鲁棒性, 避免了计算雅可比矩阵的伪逆的问题。     

前向神经网络临时极小点动态性能

对于只有一个隐含层的前向神经网络,分析了隐含层不同神经元之间权值数值相近但符号相反时会产生临时极小点的情况.并以临时极小点为平衡点建立了动力学模型,在平衡点附近线性化后得到了系统的Jacobian矩阵,证明了Jacobian矩阵一定是不定矩阵,因此Jacobian矩阵有符号相异的特征值,系统的平衡点即临时极小点为鞍点.并以异或问题为例进行仿真,仿真结果表明所得到的结论是正确的.     

一组尺度化的解非线性方程组的Bro-ABS一类方法

提出了一组尺度化的Broyden-ABS算法．算法中Jacobian矩阵的行向量为一组可变的尺度化Broyden公式所递推，在迭代过程中，行递推一直保持Jacobian矩阵的稀疏性，文章的最后一节，在标准假设下，证明了该方法的超线性和收敛性．