结合深度强化学习与变形五次多项式的搬运机器人关节轨迹规划

针对在生产节拍固定的情况下搬运机器人各关节的运动轨迹及时间分配问题,构建基于深度强化学习与变形五次多项式相结合的搬运机器人关节轨迹时间分配模型;设计以节拍要求、速度约束和加速度约束为目标的奖励函数,搭建神经网络,利用MATLAB/Simulink软件,得到满足生产节拍和运动学约束的时间序列,并利用单臂四自由度搬运机器人仿真实验,验证所构建模型的可行性和有效性。结果表明：单臂四自由度搬运机器人各关节的运行时间均为5.89 s,其中平移关节1、 3的最大速度分别为2 597.84、 1 697.97 mm/s,最大加速度分别为19 532.11、 31 302.61 mm/s²;旋转关节2、 4的速度大小相等且方向相反,最大角速度均为137.53 (°)/s,最大角加速度均为1 180.51 (°)/s²,均未超过运动学约束;所构建的模型可以解决在指定生产节拍下搬运机器人关节轨迹时间分配问题,实现搬运机器人搬运过程中各关节的运动均衡,改善搬运机器人运行的稳定性和有效性。     

双臂机器人协调运动的关节轨迹规划

针对双臂机器人协调运动,给出关节轨迹规划的两种方案,其一是基于最小载荷分配的关节轨迹规划,其二是基于最小关节广义驱动力的关节轨迹规划,均避免了矩阵的奇异值分解,适合于双臂机器人的实时控制。     

按摩机器人优化示教策略及BPNN-DMPs轨迹学习模型

针对按摩机器人作业对象面貌个性化差异,引用动态运动基元（DMPs）模型泛化位姿轨迹和力轨迹。为提高DMPs学习精度,提出了优化示教策略,基于按摩区域Mediapipe特征点计算作业对象间相似度,以此优选学习对象;其次,引入高斯混合回归,算法综合多次按摩信息以加强学习能力;最后,构建反向传播神经网络（BPNN）模型拟合DMPs算法的强迫项,从根本上改变了原本模型的局限性。实验表明,不增加运行时间下的BPNN-DMPs模型与DMPs、MDMPs和SADMPs算法相比,位置和姿态平均误差分别减少44.1%和54.5%、44.1%和54.5%、29.7%和46.4%。高斯混合回归能够综合多轨迹规律,优化示教策略实施效果显著,与未做优选对象相比,面部实验中的位置和姿态平均误差降低了52.3%和70.2%,标准差降低了46.3%和71.1%;背部实验中的位置、姿态和力平均误差降低了27.7%、66.7%和24.1%,标准差降低了25.7%、54.4%和44.1%。     

一种双机器人跟踪复杂边缘的协调规划方法

通过坐标变换将三维空间内的边缘跟踪问题转移到二维平面上进行研究,在边缘所在平面内描述和规划了双机器人协调跟踪边缘任务,考虑边缘的一般性,提出了基于边缘极值的分段跟踪算法,采用摆线函数的基本形式,在笛卡儿空间内,分别对双机器人的运动轨迹进行协调规划.以正弦曲线为跟踪实例进行了仿真实验,结果表明研究内容的可行性和适用性.图3,参8.     

六轴串联机器人位姿同步的实时轨迹规划

【目的】为实现工业机器人末端的位型控制,生成光滑末端位姿轨迹,提出一种位姿同步的实时规划策略。【方法】首先,基于非均匀B样条的路径规划方法,并结合基于单位四元数的姿态规划方法,拟合位姿示教点获取机器人末端位姿轨迹参数;然后,基于S形加减速曲线规划机器人末端切向速度;最后,根据曲线长度和曲线参数的对应关系,实时计算末端位姿。【结果】规划所得机器人末端路径通过所有示教点,曲线长度和参数的拟合误差小于0.01 mm,末端速度连续,在其他条件相同时,球面样条插值下的姿态过渡更平滑。【结论】当机器人末端沿算法指定的位姿路径移动时,末端速度可控,关节过渡平稳,这也验证了上述算法的有效性。     

一种机器人轨迹跟踪控制的迭代学习方法

针对机器人轨迹跟踪控制,提出了一种改进的D型迭代学习控制律.通过推导得出在机器人操作臂轨迹控制中的开环迭代学习控制律,得出的控制律除了利用机器人的关节位置及关节速度信息外,还引入了机器人的关节角加速度.另外,利用控制律中的机器人关节角加速度构成的学习律在二关节操作臂上进行了试验并且与Arimoto等提出的D型学习律进行了比较,结果表明所提出的控制律具有较高的学习速度.     

基于四元数的6-SPS并联机器人姿态奇异研究

基于四元数描述刚体的姿态,对6-SPS并联机器人姿态奇异做了研究,避免了欧拉角描述刚体姿态时的奇异性.推导出6-SPS并联机器人动平台处于给定位置时机构在三维空间中的姿态奇异轨迹解析表达式,并利用计算机给出其姿态奇异轨迹的三维可视化描述.得到在关于姿态参数的三维空间内的原点附近存在一个非奇异姿态空间,提出在此非奇异姿态空间内部寻找一个最小内切球,并以此球半径作为衡量机构在给定位置时的姿态能力的性能指标,最后研究了机构构形以及动平台位置对姿态能力的影响.     

一种新型翻转跳跃运动机器人的运动结构与轨迹规划

提出一种全新的单腿机器人运动模式——翻转跳跃运动模式，对其运动结构和轨迹规划进行了分析．与一般单腿机器人的弹簧结构完全不同，翻转跳跃运动机器人的运动结构仅由3个旋转关节构成；1个完整的翻转跳跃运动周期则由2个行走阶段和2个飞行阶段组成．在飞行阶段，由于机器人绕其质心的角动量守恒，各关节则不加控制．因此，可利用这种全新运动模式机器人特有的运动学和动力学特性，将其运动轨迹规划问题转化为2个非线性二阶约束条件下的最优化问题．给出了一个消耗能量最小的运动轨迹规划问题的仿真结果．     

机器人关节内插轨迹4－3－4分段法的分析与计算

机器人的运动，必须沿着贯穿空间一组点的曲线，从初始位置达到最终位置。若使机器人的运动符合上述要求，必须对其运动轨迹有一个合理的规划。本文将就在关节变量空间进行的关节内插轨迹４－３－４分段法进行分析与计算。使用这种方法，可以快速计算出机器人关节在任意轨迹段的位置、速度和加速度，描述机器人手部在规定路径上的运动     

基于三维视觉的焊接机器人轨迹跟踪

为改善激光焊接机器人的运动轨迹精度,提出一种基于视觉的机器人轨迹跟踪控制方法。该方法将摄像机安装于工业机器人末端构成视觉反馈的控制系统,采用阈值分割方法检测出激光焦点,利用灰度投影积分方法快速检测出焊缝线,然后以修正的线-线匹配和立体视觉技术计算出激光焦点和焊缝线的空间位置,得到激光焦点相对于焊缝线的误差,再结合机器人运动学原理控制机器人实时运动以消除此误差。实验结果表明该方法能够有效提高机器人轨迹精度。     

基于三维视觉的焊接机器人轨迹跟踪

为改善激光焊接机器人的运动轨迹精度,提出一种基于视觉的机器人轨迹跟踪控制方法。该方法将摄像机安装于工业机器人末端构成视觉反馈的控制系统,采用阈值分割方法检测出激光焦点,利用灰度投影积分方法快速检测出焊缝线,然后以修正的线-线匹配和立体视觉技术计算出激光焦点和焊缝线的空间位置,得到激光焦点相对于焊缝线的误差,再结合机器人运动学原理控制机器人实时运动以消除此误差。实验结果表明该方法能够有效提高机器人轨迹精度。     

基于确定学习的机器人故障诊断

针对存在扰动的机器人系统,提出了一种基于确定学习的故障诊断方法.基于确定学习理论,采用RBF神经网络获取正常模式和各种故障模式下的系统动态知识,并将学到的知识以常数神经网络权值的形式存储于模式库中.诊断过程不再需要重新训练神经网络,而是对已学知识的再利用,并运用动态模式识别的方法实现故障的快速检测与分离.仿真验证了所提方法的正确性和有效性.      

基于Kinect的双臂机器人动作模拟与轨迹规划

提出了一种基于Kinect的双臂机器人动作模拟与轨迹规划的方法。运用空间向量法计算出人体关节转动角度,通过建立人体关节与机器人关节的映射关系,将体感设备采集到的人体骨骼信息通过无线方式将控制命令传输给机器人,实现机器人的动作模拟。机器人的轨迹规划通过使用体感设备采集手臂末端位姿及运动轨迹,通过逆运动学求解,实现机器人手臂沿相同位姿运动。最后,通过仿真和实验验证了所提出方法的有效性。     

基于B样条路径的机器人时间最优轨迹规划

现代制造业要求机器人不仅能够实现常规的ＰＴＰ运动和简单的ＣＰ运动,而且还能够沿着任意特定路径进行高速运动．为此,对沿着特定路径运动的机器人的时间最优轨迹规划问题作深入研究,成功地运用了三次Ｂ样条对由一系列离散路径点组成的机器人特定路径进行了逼近,并利用动态规划方法,沿着逼近所得的机器人路径,对机器人进行了时间最优轨迹规划,从而保证机器人在不偏离原有路径的基础上,实现时间最优运动．通过计算机仿真实验,证明算法可行,效率较高．     

基于个性的协同强化学习模型

将个性行为绑定到信息Agent上，提出了一种基于个性的协同强化学习算法，让不同个性的Agent充当合适的角色．基于共同的目标和相同的信息，Agent可能产生共同的意图，规划出共同的行为，使得MAS可以适用于动态、实时、有干扰、对抗的环境中．     

基于人机协同的人形机器人实时任务规划

为降低任务规划的复杂度并提高机器人对动态环境的适应能力,提出一种基于人机协同的任务规划方法,将任务规划全过程划分为任务级和指令级.在任务级规划中,用户意图输入、任务描述和人形机器人的任务解析与智能推理相结合,为指令级规划提供依据.在指令级规划中,基于任务的三元分解模型建立模块化的规划结构,以直观的图形化方式组合任务分解出的三元素,构成各种不同的任务,实现对任意任务的实时规划,同时机器人系统通过指令解析和预判辅助规划过程,形成既能满足人的任务需求又符合规划合理性的指令序列.最后用实例验证所提方法的有效性与可行性.     

面向未知地形的四足机器人足端轨迹优化

在未知地形行走时,由于地形突变,采用常见步态算法的四足机器人容易受到冲击,导致失稳,为此,提出一种改进的四足机器人足端轨迹规划的算法。将足端运动轨迹分段优化,减小机器人在水平地面、上坡和下坡地形的足端力矩变化,增加四足机器人运动的稳定性。实验选用斯坦福四足机器人,记录俯仰角pitch、横滚角roll及足端力矩在机器人通过不同地形时的变化。实验结果表明,足端轨迹优化后的机器人在未知地形中行走的稳定性得到有效提升。     

基于迭代学习控制算法的下肢外骨骼机器人跟随特性研究

目前下肢外骨骼机器人存在的运动控制算法追踪人体髋关节和膝关节期望轨迹时存在误差,从而导致人机系统随动性能差。因此,本文提出迭代学习控制算法追踪人体髋关节和膝关节期望轨迹。首先,结合人体下肢结构分析,建立下肢外骨骼机器人动力学模型;其次,基于迭代学习控制算法建立下肢外骨骼机器人随动控制模型;最后,利用Matlab软件设计指数变增益闭环D型运动控制系统,分析收敛速度与谱半径的关系,追踪得到人体下肢髋关节和膝关节期望轨迹。仿真结果表明该算法能够有效提高下肢外骨骼机器人步态轨迹跟踪精度,提升人机系统随动性能。     

基于MATLAB Robotics工具箱的SCARA机器人轨迹规划与仿真

为研究SCARA机器人的轨迹规划,在MATLAB环境下,对该机器人运动学参数进行了设计,利用Robotics toolbox工具箱编制了简单的程序语句,建立该机器人运动学模型,讨论了标准D-H参数和改进D-H参数建模方法的区别,并对机器人的轨迹规划进行了仿真.通过仿真,直观地显示了机器人关节的运动,得到了连续平滑的机器人关节角度轨迹曲线.仿真实验表明,所设计的运动学参数是正确的,从而达到了预定的目标.该工具箱可以对机器人进行图形仿真,分析真实机器人控制时的数据结果,对机器人的研究开发具有较高的经济实用价值.     

基于滑模控制的四旋翼无人机的轨迹跟踪控制

针对四旋翼无人机,研究了基于滑模控制的轨迹跟踪问题.根据无人机复杂的数学模型,首先利用单位四元数法描述系统姿态,再将其分解为位置和姿态两个子系统;通过引入中间控制输入,跟踪三个自由度的位置信息;考虑到位置和姿态子系统分别受到干扰力和干扰力矩的影响,设计了鲁棒反演滑模控制器,保证了对目标轨迹的稳定跟踪.仿真结果验证了该控制方法的有效性.