改进的Q学习算法在轨迹规划中的应用

为解决 Q 学习算法易陷入局部最优解问题, 改进了传统贪婪策略, 提出了一种分段渐近搜索策略。该策略通过动态调整策略参数, 使 Q 学习算法在学习过程中实现探索鄄学习鄄利用 3 个阶段的渐近跳转。 同时将该搜索策略应用于 Q 学习算法中, 使改进的 Q 学习算法能更快速地逼近全局最优解。 将改进算法应用于机械臂轨迹规划中, 其仿真结果表明, 该算法能稳定地引导机械臂沿最优轨迹快速到达目标位置。     

基于模拟退火鸡群算法的平面冗余机械臂逆解

针对平面冗余机械臂逆解求解复杂问题,提出一种基于模拟退火鸡群算法的优化方法。分析了冗余机械臂逆解求解模型,并确定约束条件,以此建立优化目标函数。在传统鸡群算法小鸡粒子位置更新中加入向公鸡粒子学习的功能,增强了小鸡粒子寻优的全局性;引入模拟退火算法提高了小鸡粒子向母鸡和公鸡粒子学习的自适应性。通过分析比较可知,改进算法的时间复杂度与原算法一致,利用测试函数对比仿真,验证了改进算法的稳定性和精度。该策略对由目标坐标求得的机械臂可行解进行寻优,得到了转动角度较小、满足一定精度的机械臂逆解。实验结果表明,该方法可使机械臂在一次位置迁移中平均少转动约1.91°。     

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。     

一种基于A*算法的空间多自由度机械臂路径规划方法

针对机械臂在运动过程中可能会与工作环境中的障碍物发生碰撞的问题,文章提出了一种基于A*算法的机器人避障路径规划算法。在给定的避障环境下运用A*算法搜索一条给定的自起点到终点的最优避障路径,考虑到机械臂在运动过程中的稳定性,采用二次B样条曲线对该路径进行平滑优化;根据标准的D-H法对机械臂进行建模,建立机械臂的运动学方程,并求取一组能够最优实现避障路径的运动学逆解;检测机械臂本体与障碍物是否发生碰撞,若发生碰撞,结合机器人逆解的多解性,重新选择最优的一组可行解。通过软件Solidworks建立虚拟样机导入ADAMS软件进行仿真实验,最终验证了基于A*算法的空间多自由度机械臂避障路径规划的有效性和可行性。     

基于改进蚁群算法的六自由度机械臂路径规划

针对空间六自由度机械臂路径规划问题,提出了一种基于改进蚁群算法的路径规划方法。以ABB1410型号的六自由度工业机械臂为研究对象,建立D-H运动模型以求解正、逆运动学方程。设计了碰撞检测算法,使用改进后的蚁群算法进行路径规划,把机械臂末端的运动轨迹看作是依次经过规划路径的点的集合,求解机械臂运动的反解,得到相应的关节转角,实现了机械臂的路径规划。通过仿真实验验证了该方法实现六自由度机械臂路径规划的有效性及可行性。     

双臂机器人自碰撞检测及其运动规划

针对双臂机器人运动规划过程中的自碰撞问题,提出了基于空间向量几何距离的机械臂自碰撞检测方法;改进了传统的人工势场法,并用线性结构的斥力场描述机械臂各杆件之间的相互关系,用于构造多杆碰撞检测的描述指标;利用线性斥力场描述的结构得到一种新的双臂机器人无自碰撞运动规划算法.结果表明,与传统的人工势场法相比,所提出的无自碰撞运动规划算法能够将线性斥力场引入无自碰撞规划算法中,并作为算子用于计算避免自碰撞的规划调整量,其结构简单、计算方便.同时,结合实际的双臂机器人物理参数,通过预先给定机器人运动轨迹的模拟,验证了无自碰撞运动规划算法的有效性.     

基于碰撞反馈的冗余机器人避障规划算法

针对复杂封闭类管道零件喷涂过程中避障的需求,该文提出了一种基于碰撞反馈的冗余机械臂避障算法,该算法利用投影相交法进行碰撞检测,将碰撞类型分为可规避碰撞及不可规避碰撞两类:针对可规避碰撞,提出了关节权值动态调整算法,通过加强对碰撞关节的运动限制,同时放宽对其他关节的约束,实现自运动优化避障;针对不可规避碰撞,提出了基于"...     

基于改进蚁群算法的工业机器人路径规划研究

针对蚁群算法在机械臂路径规划中存在的问题，如路径过长、收敛速度慢等，文章提出一种改进的蚁群算法。首先将蚁群分为外层蚁群和内层蚁群，分别设计不同的启发函数来提高搜索效率，并引入安全因子提高机械臂运动过程的安全性，利用外层蚁群初始化信息素，引导内层蚁群进行全局寻优；为了加强优质种群的寻优能力，在信息素更新原则中引入狼群的猎物分配机制，同时改善部分路径信息素浓度，防止算法陷入局部最优；得到的机械臂末端有效路径再经过机械臂逆运动学运算和碰撞检测，转化为一条机械臂最优位姿路径。仿真实验表明该算法能为机械臂在不同环境中规划出一条符合运动要求的避障路径。     

多臂凿岩机器人的碰撞检测方法研究

针对多臂凿岩机器人在隧道工作中易发生碰撞事故的问题,提出了一种多臂凿岩机器人的碰撞检测算法.该算法通过对机器人各机械臂间、钻臂与隧道间的实时距离进行计算和碰撞判别,实现凿岩机器人的碰撞检测.以空间圆柱体包络盒作为凿岩机器人各机械臂的碰撞检测模型,将凿岩机器人各机械臂间的碰撞检测问题转化为空间圆柱体包络盒距离求解问题,提出了一种空间两圆柱体碰撞判别方法.将钻臂与隧道轮廓的碰撞问题转化为钻臂在隧道壁面的投影矩形与隧道壁面的干涉问题,提出了一种钻臂与隧道轮廓的碰撞判别方法.最后在MATLAB软件和实际多臂凿岩机器人上进行实验,实验结果表明:该算法能实时检测凿岩机器人各机械臂间、钻臂和隧道间的碰撞情况,在钻臂进入非安全范围时及时给出碰撞信号,使系统及时预警从而避免碰撞干涉事故的发生.     

基于神经网络的强化学习在避障中的应用

为了提高移动机器人的自学习能力,在基于行为控制结构的基础上设计了智能控制结构,该结构引入了强化学习模块.神经网络具有很好的泛化能力,该文提出了基于神经网络的强化Q学习算法,克服了表格式Q学习算法只能应用到离散的状态中并需要大量存储空间的不足,最后结合智能控制结构应用到移动机器人的避障中.实验结果表明,该方法能够使移动机器人通过自学习实现自主避障.