笛卡儿空间机器人轨迹规划方法

提出了笛卡儿空间机器人连续路径(CP)轨迹规划方法,移动轨迹在笛卡儿坐标系中由1组参数方程说明.时间间隔[0,T]分为m段,在每个时间段,多项式的系数可以用递归的形式求出.     

一种新的机器人轨迹规划方法

本文针对机器人最小时间轨迹规划问题提出了一种二次规划的优化方法，根据轨迹作预规划，在经基础上用机器人关节速度及驱动务矩的约束条件作修正规划，得到了最小时间轨迹的优化解。该规划方法简单实用，对跟踪路径无特殊要求。     

基于改进的Khatib方法的冗余机器人避障轨迹规划

讨论了人工势场方法中Khatib方法规划冗余度机器人手爪在障碍环境中的轨迹问题，基于Khatib方法提出由程序自动确定势场力比例因子的改进方法，寻找一条机器人手爪从起点到终点的安全路径。仿真结果表明，使用该方法计算时间短，参数选择设计合理。     

机器人轨迹规划的一个新方法

为了实现机器人所期望的运动,需要在关节坐标系或直角坐标中来描述和定义机器人的轨线与有关的姿态。机器人操作器末端的位置、姿态、速度和加速度在轨迹规划中应是连续的.同时考虑到CP 控制机器人的一般作业要求,作者导出了5-4-5样条函数.其次,利用相对当前工具坐标的欧拉变换来表示下一点的姿态,从而提高了姿态规划的效率.最后,作者用5-4-5样条函数实现关节与直角坐标空间平滑连接与切换。     

基于改进遗传算法的工业机器人能耗最优轨迹规划

为了降低工业机器人在工作过程中的能耗,提出了一种能耗最优的轨迹规划方法。将机器人的轨迹视为由空间中一系列的型值点构成,每相邻的型值点间由一段五次B样条曲线连接,得出机器人的轨迹函数。以动能作为目标能耗函数,同时考虑各个关节的运动学和动力学约束。对遗传算法进行改进,用于优化目标能耗函数,此改进遗传算法提高了算法的运算效率、局部搜索能力和实时性。对优化结果进行仿真,得出各个关节的运动学参数变化曲线,分析各个关节的曲线图知其均满足运动学和动力学约束条件,验证了此优化轨迹的合理性。     

机器人yoyo轨迹规划与控制

以机器人yoyo运动控制为例,提出了一种针对周期性动态系统进行轨迹规划的通用方法.把yoyo达到底端时机器人机械臂的高度作为中间状态,通过逐个循环逐个阶段求解该最优问题,可得机器人的参考轨迹和名义控制,同时也可以得到被控对象相应的返回映射.该方法也可用于其他类似的周期性动态系统.     

基于遗传算法的多关节焊接机器人轨迹规划

在给定的多关节焊接机器人焊接点中插入点，对这些点的坐标统一进行十进制编码，应用遗传算法进行轨迹规划，寻找三维空间下的最优轨迹。通过仿真，验证了该算法的可行性。与传统的优化方法相比，具有较强的鲁棒性。     

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。     

并联Delta机器人及其轨迹规划方法研究

并联Delta机器人具有定位精准、刚度高、可操作性好、结构紧凑等优点,被广泛应用于航空、航天、海底作业、微机电系统和辅助医疗等方面。从Delta机器人发展至今,解决智能自动生产线上的大批量或小批量柔性制造中的高速、高精度轨迹跟踪等拾放作业任务难题,是该领域研究的重点和难点。本文对国内外并联Delta机器人轨迹规划研究发展进行了回顾,重点阐述了并联Delta机器人拾放操作轨迹规划研究现状。针对并联Delta机器人的发展趋势进行了相关展望,以期为并联Delta机器人轨迹规划领域相关研究学者提供参考。     

机器人在笛卡尔空间中直线运动轨迹规划的一种方法

本文给出用有理二次参数曲线连接直线路径的算法．该方法包含了用园锥曲线（抛物线．双曲线，椭园）连接的所有形式，且便于处理轨迹误差问题.     

基于改进鲸鱼优化算法的码垛机器人时间最优轨迹规划

码垛机器人在运行轨迹过程中所消耗的时间直接影响到了其工作效率,针对码垛机器人的轨迹规划的时间问题,提出了一种改进的鲸鱼优化算法对时间进行优化。在基础的鲸鱼优化算法基础上,利用混沌映射初始化种群,引入自适应的权重和改进收敛因子,以提高算法的求解精度、收敛速度和全局搜索能力。首先,根据 D-H 参数法建立机器人的运动学模型;其次,在关节空间中利用3-5-3次多项式插值函数对机器人末端执行器经过的路径点进行规划,然后采用改进的鲸鱼优化算法对时间进行优化。最后通过 MATLAB软件进行效果仿真和对比。结果表明,与其它同类的算法相比,改进的鲸鱼优化算法的求解精度更高,收敛速度更快。将该方法与轨迹优化结合,与未采用算法优化的3-5-3多项式轨迹规划所需要的运行时间相比缩短了22.46％,且各个关节轨迹平稳连续,验证了该轨迹规划方法的有效性。     

基于改进的DDPG算法的蛇形机器人路径规划方法

针对蛇形机器人执行路径规划任务时,面对复杂环境传统强化学习算法出现的训练速度慢、容易陷入死区导致收敛速度慢等问题,提出了一种改进的深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法。首先,在策略-价值(actor-critic)网络中引入多层长短期记忆(long short-term memory, LSTM)神经网络模型,使其控制经验池中信息的记忆和遗忘程度;其次,通过最优化特征参数将CPG(central pattern generators)网络融入强化学习模型,并设计新型网络状态空间和奖励函数;最后,将改进算法与传统算法分别部署在Webots环境中进行仿真实验。结果表明,相比于传统算法,改进算法整体训练时间平均降低了15%,到达目标点迭代次数平均降低了22%,减少了行驶过程中陷入死区的次数,收敛速度也有明显的提升。因此所提算法可以有效地引导蛇形机器人躲避障碍物,为其在复杂环境下执行路径规划任务提供了新的思路。     

关节型机器人高承载轨迹规划方法

针对机器人在工作过程中存在关节载荷较大等问题,以饰面作业机器人（以下简称Hebut-KB机器人）为研究对象,提出一种面向大载荷施工作业环境下机器人驱动承载能力最优的轨迹规划方法。首先,对Hebut-KB机器人运动学及简化刚体动力学进行分析,使用多目标遗传算法（NSGA-II）求出在满足运动学与动力学约束条件下的多组优化解,然后建立起关节型机器人驱动承载能力的评价指标,最后通过驱动承载能力评价指标选取出潜在最优解。仿真和实验表明,使用驱动承载能力评价函数选取出的解可以达到综合最优效果,有效的提升了机器人的承载能力。     

基于改进高斯伪谱法的多无人机协同轨迹规划

针对当前伪谱法求解无人机轨迹存在的计算量大、运算时间长以及难以保证最优性等问题,提出了将粒子群算法与高斯伪谱法相结合的改进方法。首先,使用粒子群算法进行航迹预规划,保证近似最优解的快速实现;其次,针对高斯伪谱法配点的相对位置选取,对粒子群预规划的航迹点做拟合处理,并以此作为高斯伪谱法的初始参考指令,从而解决伪谱法的初值敏感问题,加快优化算法的收敛速度。最后,综合考虑无人机编队性能指标、飞行环境以及协同飞行约束等进行实验。实验结果验证了初值选取的重要性,同时表明了所设计算法可提升解的最优性与收敛速度。研究结果可为多无人机协同飞行控制快速规划出多维度、高精度的引导指令,对实现智能自主化飞行有一定参考价值。     

基于模糊规则的深海底作业机器车不等分状态时间轨线规划

针对深海底自行走履带作业机器车,给出了一种新的基于模糊规则的不等分状态时间轨线规划方案.为适应深海底环境的不确定性,采用基于模糊规则的不等分状态时间轨线规划改进等分贝塞尔曲线运动规划,控制机器车按照既定路线行走.在不平整地面的试验结果验证了算法的有效性.     

基于改进双向RRT算法的机器人路径规划

针对双向快速搜索随机树（BI-RRT）算法在路径规划中存在目标导向性差、收敛速度慢、路径拐点多的问题,提出了一种改进BI-RRT算法。通过目标导向引导随机树更快朝向目标点生长,提高收敛速度。引入贪婪路径优化策略,有效减少路径拐点,提高了路径规划算法的效率。同时提出了一种圆盘碰撞检测的算法,并在多个场景中用Matlab平台进行了圆盘移动机器人的路径规划仿真实验,实验结果验证了所提出算法的可行性和有效性。     

基于改进蚁群算法的二维码移动机器人路径规划方法

针对在结构化栅格工作环境下,基于蚁群算法的路径规划存在停滞和收敛速度慢的问题,提出了一种基于改进蚁群算法的二维码移动机器人路径规划方法.通过限制蚂蚁的搜索方向,即将机器人置于结构化栅格工作环境下,使其只能在水平和垂直方向上移动,进而提高算法的搜索效率.引入自适应期望函数和启发因子,动态调整状态转移概率,避免算法陷入停滞状态,提高算法的收敛速度.针对机器人在转弯过程中耗费时间较长的问题,通过引入转弯影响因子得到扩展路径长度,进而根据扩展路径长度选取最优路径.实验结果表明,提出的方法可以为二维码移动机器人规划出最优路径.     

工业机器人最优轨迹规划算法

为优化机器人的工作性能,在分析工业并联机器人工作特性的基础上,将执行时间最优、跃度最小、能量最小、运动学和动力学约束为目标函数,应用惩罚函数法并加入初始速度、加速度、跃度和力矩约束,且目标约束条件中加入谐振频率限制,依据所建立的目标函数进行了遗传算法优化求解,对所得结果进行了三次样条插值,并在一台三自由度的工业搬运并联机械手上进行了实验。结果表明,在保证工作效率和节约能量的条件下,该轨迹规划方法可以减少机械部分的跃度,避免机械部分的谐振,降低机械和电机的磨损。     

融合KCCA推断强化学习的机器人智能轨迹规划

针对当前模仿强化学习(LfDRL)框架面向新任务时并未考虑机器人各关节之间的联系,从而影响学习效果的不足,利用伪协方差矩阵的思想,基于再生核空间(RKHS)和广义瑞丽熵构建面向泛函指标的关节间摄动相关局部坐标系,进而设计出一种集成核典型相关分析(KCCA)与路径积分策略提升(PI~2)的强化学习方法.利用学习经验数据基于KCCA推断出机器人各关节间面向轨迹规划任务的隐含非线性启发式信息,引导PI~2搜索到最优/次优策略,使得机器人实现从示范轨迹规划任务到新轨迹规划任务的快速迁移学习,并高质量完成.选择顺应性装配机械手臂(SCARA)和优傲5(UR5)机器人的过单点、过两点迁移学习智能轨迹规划实验,结果表明:融合KCCA推断启发式信息的强化学习的平均代价下降率明显优于经典的PI~2算法,其机器人智能轨迹规划在提升学习收敛速度的同时也提高了机器人完成新任务的精度.