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。     

空间3R机械手运动学方程及其雅可比矩阵

本给出空间3R机械手的运动描述，通过变换矩阵推导出运动学方程。以运动学方程为依据，计算出雅可比矩阵，为进一步分析提供条件。     

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。     

基于雅可比矩阵的连续型机器人灵活性分析

连续型机器人是一种新型的仿生机器人,由于其内在的柔顺结构,适合在狭小复杂等领域中进行探测、抓持等操作.相比于传统的刚性机器人,连续型机器人不仅具有更高的安全性,而且有望获得更高的灵活性,但是目前却很少有针对连续型机器人的灵活性展开分析的研究.针对这种情况,设计开发了一种采用模块化关节的连续型机器人,基于运动学模型与雅可比矩阵等相关概念,对连续型机器人的局部灵活性指标以及全域灵活性指标进行了定义和计算,并发现当机器人的总长在一定范围内、采用不同关节长度设计时,对应的工作空间中各末端点灵活性分布存在较大的差异.而后,结合连续型机器人的结构特点,引入粒子群仿生优化算法,利用灵活性来指导机器人的关节长度设计,使机器人获得全域灵活性指标下最优的关节灵活性.最后,引入操作灵敏度指标来对采用最优关节长度设计的连续型机器人进行直观的灵活性仿真与实验验证,并与传统的各关节长度一致的结构设计进行了对比实验.结果揭示了机器人灵敏度指标与基于雅可比矩阵条件数的灵活性指标之间的关系,即灵活性较高的末端点其各向灵敏度分布亦较为均匀.     

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。     

雅可比矩阵在机器人运动中的应用

利用雅可比矩阵的性质研究机器人的逆运动问题,特别地讨论了带冗余度和矩阵奇异的情形.首先给出逆运动的求解方法,然后给出它的应用,用梯度下降法给出关节角的迭代公式,最后给出模拟仿真结果.仿真结果表明该方法准确高效,为机器人的运动规划和控制的实现奠定基础.      

空间4-UPU并联机器人的运动学研究

运用自然坐标法研究了空间4-UPU（万向铰-移动铰-万向铰）并联机器人的运动学正解问题．通过共用并联机器人两两构件间的公共点或公共向量的笛卡尔坐标减少自然坐标的数量,从而简化了整个分析过程．在用自然坐标法处理多体机器人系统时,由于变量仅仅引进了末端执行器上关键点的笛卡尔坐标,因此,约束方程或者是二次的或者是线性的,这就使得并联机器人的运动学分析中不会出现任何超越函数．该建模过程方法简单、统一,非常有利于计算机编程处理．     

用于机器人受力分析的雅可比矩阵及应用

根据雅可比矩阵，导出了一种用于机器人坐标系间静力变换的一种简便而实用的方法。分析了在稳定平衡状态下，由于终端效应器上的作用力而在各个关节上产生的力和力矩，从而为合理地确定各关节的动力元件及力控制提供了可靠的依据。以作者所研究的ＬＬ－ＥＴ型机器人为例，给出了该方法的具体应用。     

工业机器人奇异位形的分析及雅可比矩阵推导

机械手运动过程中的奇异位形是很重要的,而奇异位形对于研究机械手的动力学问题也是十分重要的。雅可比矩阵正是研究这种微分关系的数学方法,它反映了操作空间速度与关节空间速度之间的线性映射关系。本文推导了六自由度关节机器人的雅可比矩阵,对关节型机器人的动力学及轨迹规划进一步研究提供了理论支持。     

基于粒子滤波的雅可比矩阵在线估计技术

研究基于图像的机器人视觉伺服技术中雅可比矩阵的在线估计方法.以雅可比矩阵的元素构成系统状态向量,将问题转化为对系统的状态估计问题.引入非线性非高斯系统的粒子滤波算法,在该算法的框架下在线估计图像雅可比矩阵.以非高斯环境下二自由度机械手跟踪运动目标这一应用背景为例,分别对新提出方法与已有基于Kalman滤波的估计方法进行了实验比较.结果证明,前者具有更高的估计精度和更强的鲁棒性,基于粒子滤波的方法不仅可以避免系统标定,而且对系统噪声的类型没有具体要求.     

基于Broyden在线图像雅可比矩阵辨识的视觉伺服

为了在显微视觉中进行无标定的视觉伺服任务,提出了一种基于切比雪夫多项式构成成本函数的Broyden 图像雅可比矩阵估计方法.比较了由递归最小二乘算法构成成本函数和由切比雪夫多项式算法构成成本函数的特点,在不依赖先验知识的情况下,切比雪夫多项式算法构成成本函数的Broyden 图像雅可比矩阵估计方法有较好的收敛速度和系统性能.对多个微小目标物体和末端执行器应用了模糊C均值聚类进行分类与识别,然后根据得到的图像雅可比矩阵辨识器,在显微视觉环境下进行了微小物体的跟踪实验,仿真和实验验证了算法的有效性和可行性.     

基于6-DOF的空间机器人运动学研究

针对空间机器人在轨服务任务,建立了一种六自由度机械臂模型,并建立了各关节的杆件坐标系。对机械臂各关节进行了运动学分析,对各关节末端运动空间进行了仿真。在对机械手抓捕目标飞行器分析之后,提出了一种保持平台、机械手和目标飞行器三者姿态稳定的抓捕目标方案。最后对该抓捕过程进行了运动规划,对各关节角运动情况进行了研究。     

弱Lipschitz矢量函数的广义雅可比式

针对 一类弱Ｌｉｐｓｃｈｉｔｚ矢量函数，定义了它的广义雅可比式，并给出相应的链式法则。     

Stewart 运动平台的雅可比矩阵条件数的研究

从运动学的观点出发，对Ｓｔｅｗａｒｔ平台的雅可比矩阵的条件数与结构尺寸之间的关系进行了分析，给出了机构的结构参数与雅可比矩阵条件数之间的无量纲化关系曲线．在此基础上，得出了益于降低条件数、提高机构的运动控制性能的设计参数．     

Stewart运动平台的雅可比矩阵条件数的研究

从运动学的观点出发，对Ｗｔｅｗａｒｔ平台的雅可比矩阵的条件数与结构尺寸的之间的关系进行了分析，给出了机构的结构参数与雅可比矩阵条件数之间的无量纲化关系曲线，在此基础上，得出了益于降低条件数、提高机构的运动控制性能的设计参数。     

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。     

基于节点雅可比矩阵确定弱节点排序的指标比较

针对只对系统中某些关键负荷节点进行弱节点排序的需要,提出了衡量节点雅可比矩阵奇异的若干指标,将这些指标应用于弱节点排序并对其有效性进行了评价．算例表明除行列式指标外其他各种指标均适合于弱节点排序,而节点灵敏度指标由于其鲜明的物理意义而被推荐用于弱节点排序．     

雅可比旋量的装配体并联结构公差分析方法研究

针对使用雅可比旋量模型进行公差分析时,装配体局部并联结构累积公差难以计算的问题,提出了一种考虑配合表面接触状态的分步计算方法。该方法构建了局部并联结构的功能要求形成连接图,对装配结果的形成过程进行了描述,进一步建立了零部件的雅可比旋量模型,计算了配合表面在零部件坐标系下的变动旋量。设计了配合平面空间位置关系检测算法,保证了配合平面间正确的物理接触;使用差分进化算法,以正确装配后被装配零部件重心最低为优化目标,计算了局部并联结构的公差累积结果。在充分利用设计信息的基础上,完成了含局部并联链的装配连接关系图向单一串联链的转化。以汽轮机通流间隙的建模和计算为例,验证所提方法的可行性。结果表明：所提方法对相关公差和配合信息进行了合理的平衡,能够显著提高模型的精确性和可靠性。     

直线驱动型Delta并联机器人运动学研究

与旋转驱动型相比,直线驱动型Delta并联机器人具有更大的工作空间和更好的结构刚度,但其运动学分析算法研究较少且复杂。针对上述问题,本文在简化直线驱动型Delta并联机器人运动模型的基础上,提出基于坐标关系的运动学问题求解算法。首先简化直线驱动型Delta并联机器人结构,并进行结构建模;然后设定空间坐标系,将机器人的结构关系转化成坐标关系;最后根据其坐标关系,建立三元二次方程组,求解运动学关系。其中,方程组多解取舍问题可通过约束条件的限制有效解决。实验结果表明,本文算法简单合理、鲁棒性好,使用价值高。     

矩阵分块雅可比迭代的一个收敛新判据

给出了解线性方程组矩阵分块雅可比迭代收敛的一个新的较弱的充分条件,该结果改进和推广了前人的方法,扩大了应用范围．