CN110434851A - 一种5自由度机械臂逆运动学求解方法 - Google Patents
一种5自由度机械臂逆运动学求解方法 Download PDFInfo
- Publication number
- CN110434851A CN110434851A CN201910548364.6A CN201910548364A CN110434851A CN 110434851 A CN110434851 A CN 110434851A CN 201910548364 A CN201910548364 A CN 201910548364A CN 110434851 A CN110434851 A CN 110434851A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- error function
- coordinate system
- inverse kinematics
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
一种5自由度机械臂逆运动学求解方法,包括以下步骤:1)根据机械臂D‑H参数建立正运动学模型;2)建立机械臂末端位姿误差函数模型;3)基于进化策略算法最小化末端位姿误差函数;4)迭代机械臂逆运动学方程至误差函数允许误差内;5)若迭代结束,误差函数仍未收敛至零或允许误差内,则返回步骤2)中更换初始关节值,重新计算。本发明提供了一种可以有效解决机械臂逆运动学迭代求解时,雅克比矩阵不满秩导致机械臂逆运动学无解的情况。该机械臂逆运动学求解方法具有较快的速度和极高的精度。
Description
技术领域
本发明涉及工业机器人的机械臂控制系统,尤其涉及一种基于蒙特卡洛方法与进化策略(ES)相结合的多自由度机械臂的逆运动学求解方法。
背景技术
随着科学技术和控制技术的发展,机器人被广泛应用于科研、军事、工业以及物流等领域。机械臂为机器人控制中的主要执行机构,该机构的合理性与可靠性将极大地影响整个机器人的应用。
机械臂逆运动学求解通常用于研究具有关节型结构的位姿,是机器人研究领域的基础技术。机械臂逆运动学通过将机械臂末端执行器的位姿从三维笛卡尔空间映射到内部关节空间对应的关节量,从而降低对机械臂控制的难度。机械臂逆运动学要解决的问题是找出一组关节角度使机械臂末端达到理想位姿,即末端坐标系与理想坐标系重合。
机械臂的逆运动学是非线性的问题——求解时必须考虑其解的存在性、多重解性、求解方法。逆运动学求解策略主要分为两类:1、封闭解。2、数值解。
封闭解具有较快的逆向求解速度、封闭的表达式的优点,是多组逆运动学解中的一个特殊解。机械臂逆运动学若要得到封闭解,机械臂机构必须要满足Pieper 准则,即机械臂三个相邻关节轴线交于一点或互相平行。封闭解法往往针对机械臂逆运动学方程不高于四次的多项式、不用迭代便可以完全求解的情况。
对于串联的机械臂而言,逆运动学的封闭解求解比较复杂。而数值法具有计算简单,并且对于任意复杂的机械臂都能进行逆运动学求解。常见的数值法包括: 雅克比矩阵伪逆法,阻尼最小二乘法等。通过雅克比矩阵求解逆运动学方程的解是逆运动学数值迭代求解的基本方法,但存在当雅克比矩阵不满秩时,逆运动学方程无解的情况。
逆运动学数值法求解的另一种思路是通过启发式算法来进行迭代优化求解,如遗传算法、模拟退火算法、人工神经网络等。启发式算法通过给定初始值,不断进行迭代更新,当误差达到所需精度时得到迭代结果。此类算法使用范围广泛,受限制约束少,但存在迭代次数较多、收敛较较慢、易陷入局部最优解、对初始值依赖程度高等缺陷。
发明内容
通过雅克比逆矩阵求解机械臂逆运动学方程时,为了克服由于机构奇异性的局部自由度退化导致逆运动学解不存在的现象,本发明提供了一种基于进化策略的5自由度机械臂逆运动学求解方法,具有较快的速度和极高的精度。
本发明解决其技术问题所采用的技术方案是:
一种5自由度机械臂逆运动学求解方法,包括以下步骤:
1)根据机械臂D-H参数建立正运动学模型
通过D-H参数确定机械臂每个连杆上的坐标系以及其坐标系之间的转换关系,连杆坐标系{i}相对于坐标系{i-1}的变换矩阵Ai,两相邻杆件的坐标系变换关系式根据D-H法则得:
上式各参数含义为杆件i相对于杆件i-1先绕轴zi-1旋转θi角度,再沿轴zi-1方向移动di距离,再沿轴xi-1移动距离,再绕轴xi-1旋转αi角度;
将各个连杆变换矩阵Ai(i=1,2,...,n)相乘得到机械臂末端坐标系相对于固定坐标系的变换矩阵表达式:
即为坐标系{n}相对于坐标系{0}的变换矩阵。是关于n个关节变量 q1,q2,...,qn的函数,则:
根据式(3),得机械臂的正运动学方程:
式(4)表明了机械臂末端位置P3*1、姿态R3*3与各关节变量之间的函数关系;
2)建立机械臂末端位姿误差函数模型
采用正态分布随机关节变量样本qsample,任意选取一组qe=(θ1,...,θn)作为初始猜测关节角,通过正运动学将该组关节角转换成末端位姿信息矩阵其中机械臂末端位置Pe∈R3,末端姿态Re∈R3*3是3*3的旋转矩阵,O为1*3的零矩阵;
对于给定的末端期望位姿信息矩阵其中末端期望位置Pd∈R3,末端期望姿态Rd∈R3*3,O为1*3的零矩阵,通过初始末端姿态Re与末端期望姿态Rd的內积求得两姿态矩阵各轴的欧拉角[r p γ],其中r为绕x轴的旋转量,p为绕y轴的旋转量,γ为绕z轴的旋转量,末端初始猜测位姿和期望位姿的差分别表示为:
Δpe=pd-pe,Δpe∈R3 (5)
ΔRe=[r p γ]
定义末端位姿误差向量为e=[Δpe ΔRe]∈R1*6,末端位姿误差函数如下
3)目标是在当前状态小的扰动下计算末端误差函数,即最小化误差函数 Err(θ),将返回的函数值计入到一个新的状态,迭代直至Err(θ)在允许误差内;
4)进化策略算法首先通过蒙特卡洛方法采样n个随机的方向εi,该采样服从均值为零,方差不变σ的正态分布,基本更新状态规则如下:
式(7)中,θt+1是t+1时刻的关节量,θt是t时刻的关节量,α是学习因子,(7) 式表明状态更新沿着εi的方向,并且更新的方向与误差大小成正比,更大的误差函数值Err(θ),意味在该方向上移动地更远,即状态更新地越快;
式(8)采用有限差分近似的方式来计算误差函数Err(θ)在θ点处的近似梯度, gσ(θ)采用了对偶采样,有效地降低正态分布随机样本的方差;
5)不断地迭代(7)式,更新状态,直至误差函数收敛至零附近或迭代允许误差内,退出迭代,输出迭代结果qout(θ)=[θ1 ... θn],表明在允许误差内,末端姿态信息矩阵已与末端期望姿态信息矩阵重合,即得到机械臂逆运动学方程的解qout(θ)=[θ1 ... θn];
6)若上式步骤中,迭代结束,误差函数仍未收敛至零或允许误差内,则表明该解是局部最优解,返回步骤2)中更换初始关节值,使其跳出局部最优解。
本发明的技术构思为:首先,根据机器人的D-H参数建立机械臂正运动学模型。然后,基于该模型给出误差函数指标并将其转化为一个最优化问题。最后,采用进化策略求解优化问题,当误差函数收敛至零或允许误差范围内,得到最优结果,即机械臂逆运动学方程的最优解。
本发明的有益效果主要表现在:通过将机械臂末端当前姿态和期望姿态做误差函数转化为一个最优化问题,能够有效解决了机械臂逆运动学迭代求解时,雅克比矩阵不满秩导致机械臂逆运动学无解的情况。该机械臂逆运动学求解方法具有较快的速度和极高的精度。
附图说明
图1是机械臂逆运动学方程问题描述图。
图2是本发明一种5自由度的机械臂逆运动学方程求解算法流程图。
图3基于进化策略逆运动学求解的各关节迭代结果图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图3,一种基于进化策略的5自由度机械臂逆运动学解法,包括以下步骤:
1)根据机械臂D-H参数建立正运动学模型
表1为Youbot机械臂D-H参数表:
表1
通过D-H参数表确定机械臂每个连杆上的坐标系以及其坐标系之间的转换关系。连杆坐标系{i}相对于坐标系{i-1}的变换矩阵Ai,两相邻杆件的坐标系变换关系式根据D-H法则得:
上式各参数含义为杆件i相对于杆件i-1先绕轴zi-1旋转θi角度,再沿轴zi-1方向移动di距离,再沿轴xi-1移动距离,再绕轴xi-1旋转αi角度;
将各个连杆变换矩阵Ai(i=1,2,...,n)相乘可以得到机械臂末端坐标系相对于固定坐标系的变换矩阵表达式:
即为坐标系{n}相对于坐标系{0}的变换矩阵,是关于n个关节变量 q1,q2,...,qn的函数,则:
根据式(3),得机械臂的正运动学方程:
式(4)表明了机械臂末端位置P3*1、姿态R3*3与各关节变量之间的函数关系;
2)建立机械臂末端位姿误差函数模型
采用正态分布随机关节变量样本qsample,任意选取一组qe=(θ1,...,θn)作为初始猜测关节角,通过正运动学将该组关节角转换成末端位姿信息矩阵其中机械臂末端位置Pe∈R3,末端姿态Re∈R3*3是3*3的旋转矩阵,O为1*3的零矩阵;
对于给定的末端期望位姿信息矩阵其中末端期望位置Pd∈R3,末端期望姿态Rd∈R3*3,O为1*3的零矩阵,通过初始末端姿态Re与末端期望姿态Rd的內积求得两姿态矩阵各轴的欧拉角[r p γ],其中r为绕x轴的旋转量,p为绕y轴的旋转量,γ为绕z轴的旋转量。末端初始猜测位姿和期望位姿的差分别表示为:
Δpe=pd-pe,Δpe∈R3 (5)
ΔRe=[r p γ]
定义末端位姿误差向量为e=[Δpe ΔRe]∈R1*6,末端位姿误差函数如下
3)目标是在当前状态小的扰动下计算末端误差函数,即最小化误差函数 Err(θ),将返回的函数值计入到一个新的状态,迭代直至Err(θ)在允许误差内;
4)进化策略算法首先通过蒙特卡洛方法采样n个随机的方向εi,该采样服从均值为零,方差不变σ的正态分布,基本更新状态规则如下:
式(7)中,θt+1是t+1时刻的关节量,θt是t时刻的关节量,α是学习因子。(7) 式表明状态更新沿着εi的方向,并且更新的方向与误差大小成正比,更大的误差函数值Err(θ),意味在该方向上移动地更远,即状态更新地越快;
式(8)采用有限差分近似的方式来计算误差函数Err(θ)在θ点处的近似梯度, gσ(θ)采用了对偶采样,有效地降低正态分布随机样本的方差;
5)不断地迭代(7)式,更新状态,直至误差函数收敛至零附近或迭代允许误差内,退出迭代,输出迭代结果qout(θ)=[θ1 ... θn]。表明在允许误差内,末端姿态信息矩阵已与末端期望姿态信息矩阵重合,即得到机械臂逆运动学方程的解qout(θ)=[θ1 ... θn];
6)若上式步骤中,迭代结束,误差函数仍未收敛至零或允许误差内,则表明该解是局部最优解,返回步骤2)中更换初始关节值,使其跳出局部最优解;
7)该逆运动学求解各关节迭代结果,如图3所示,横坐标为迭代时间/秒,纵坐标为各关节变化量/弧度,图3中可看出,该逆运动学求解方法在较短的时间内能够有效地求解,并且具有极高精度,因此本发明的可操作性强。
Claims (1)
1.一种5自由度机械臂逆运动学求解方法,其特征在于,所述方法包括以下步骤:
1)根据机械臂D-H参数建立正运动学模型
通过D-H参数确定机械臂每个连杆上的坐标系以及其坐标系之间的转换关系,连杆坐标系{i}相对于坐标系{i-1}的变换矩阵Ai,两相邻杆件的坐标系变换关系式根据D-H法则得:
上式各参数含义为杆件i相对于杆件i-1先绕轴zi-1旋转θi角度,再沿轴zi-1方向移动di距离,再沿轴xi-1移动距离,再绕轴xi-1旋转αi角度;
将各个连杆变换矩阵Ai(i=1,2,...,n)相乘得到机械臂末端坐标系相对于固定坐标系的变换矩阵表达式:
即为坐标系{n}相对于坐标系{0}的变换矩阵,是关于n个关节变量q1,q2,...,qn的函数,则:
根据式(3),得机械臂的正运动学方程:
式(4)表明了机械臂末端位置P3*1、姿态R3*3与各关节变量之间的函数关系;
2)建立机械臂末端位姿误差函数模型
采用正态分布随机关节变量样本qsample,任意选取一组qe=(θ1,...,θn)作为初始猜测关节角,通过正运动学将该组关节角转换成末端位姿信息矩阵其中机械臂末端位置Pe∈R3,末端姿态Re∈R3*3是3*3的旋转矩阵,O为1*3的零矩阵;
对于给定的末端期望位姿信息矩阵其中末端期望位置Pd∈R3,末端期望姿态Rd∈R3*3,O为1*3的零矩阵,通过初始末端姿态Re与末端期望姿态Rd的內积求得两姿态矩阵各轴的欧拉角[r p γ],其中r为绕x轴的旋转量,p为绕y轴的旋转量,γ为绕z轴的旋转量,末端初始猜测位姿和期望位姿的差分别表示为:
Δpe=pd-pe,Δpe∈R3 (5)
ΔRe=[r p γ]
定义末端位姿误差向量为e=[Δpe ΔRe]∈R1*6,末端位姿误差函数如下
3)目标是在当前状态小的扰动下计算末端误差函数,即最小化误差函数Err(θ),将返回的函数值计入到一个新的状态,迭代直至Err(θ)在允许误差内;
4)进化策略算法首先通过蒙特卡洛方法采样n个随机的方向εi,该采样服从均值为零,方差不变σ的正态分布,基本更新状态规则如下:
式(7)中,θt+1是t+1时刻的关节量,θt是t时刻的关节量,α是学习因子,(7)式表明状态更新沿着εi的方向,并且更新的方向与误差大小成正比,更大的误差函数值Err(θ),意味在该方向上移动地更远,即状态更新地越快;
式(8)采用有限差分近似的方式来计算误差函数Err(θ)在θ点处的近似梯度,gσ(θ)采用了对偶采样,有效地降低正态分布随机样本的方差;
5)不断地迭代(7)式,更新状态,直至误差函数收敛至零附近或迭代允许误差内,退出迭代,输出迭代结果qout(θ)=[θ1 ... θn],表明在允许误差内,末端姿态信息矩阵已与末端期望姿态信息矩阵重合,即得到机械臂逆运动学方程的解qout(θ)=[θ1... θn];
6)若上式步骤中,迭代结束,误差函数仍未收敛至零或允许误差内,则表明该解是局部最优解,返回步骤2)中更换初始关节值,使其跳出局部最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910548364.6A CN110434851B (zh) | 2019-06-24 | 2019-06-24 | 一种5自由度机械臂逆运动学求解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910548364.6A CN110434851B (zh) | 2019-06-24 | 2019-06-24 | 一种5自由度机械臂逆运动学求解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110434851A true CN110434851A (zh) | 2019-11-12 |
CN110434851B CN110434851B (zh) | 2020-11-27 |
Family
ID=68428241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910548364.6A Active CN110434851B (zh) | 2019-06-24 | 2019-06-24 | 一种5自由度机械臂逆运动学求解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110434851B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111360825A (zh) * | 2020-02-28 | 2020-07-03 | 上海航天控制技术研究所 | 一种串联六自由度机械臂逆运动学解算方法及介质 |
CN111421552A (zh) * | 2020-05-09 | 2020-07-17 | 云南电网有限责任公司电力科学研究院 | 一种巡检机器人双操作臂的协同控制方法 |
CN111571584A (zh) * | 2020-04-28 | 2020-08-25 | 石家庄钢铁有限责任公司 | 一种成捆棒材机器人贴标路径规划及奇异性校验方法 |
CN111687844A (zh) * | 2020-06-19 | 2020-09-22 | 浙江大学 | 一种使用机械臂抬起最少次数完成不可重复覆盖任务的方法 |
CN111914416A (zh) * | 2020-07-24 | 2020-11-10 | 之江实验室 | 一种高能效轻量化结构双足机器人的逆运动学求解方法 |
CN111983924A (zh) * | 2020-07-29 | 2020-11-24 | 华南理工大学 | 基于强化学习的机器人时间最优轨迹规划方法及控制器 |
CN111993417A (zh) * | 2020-08-04 | 2020-11-27 | 北京航空航天大学 | 一种基于rbf神经网络的机械臂自适应阻抗控制方法 |
CN112347409A (zh) * | 2020-09-30 | 2021-02-09 | 北京工业大学 | 一种基于遗传算法优化bp神经网络的冗余机械臂求逆解的方法 |
CN112765879A (zh) * | 2021-01-12 | 2021-05-07 | 中国人民解放军国防科技大学 | 基于神经网络和构型编码的机械臂逆运动学求解方法 |
CN112936272A (zh) * | 2021-02-04 | 2021-06-11 | 清华大学深圳国际研究生院 | 一种机械臂的奇异构型的判断方法和求解方法 |
WO2021135405A1 (zh) * | 2020-01-02 | 2021-07-08 | 中山大学 | 一种面向机械臂的无运动学模型轨迹跟踪方法及一种机械臂系统 |
CN113352327A (zh) * | 2021-06-28 | 2021-09-07 | 深圳亿嘉和科技研发有限公司 | 五自由度机械臂关节变量确定方法 |
CN114012728A (zh) * | 2021-11-12 | 2022-02-08 | 哈尔滨工业大学(威海) | 适用于两段6自由度连续体机械臂的逆运动学求解方法 |
CN114102609A (zh) * | 2021-12-27 | 2022-03-01 | 仲恺农业工程学院 | 基于牛顿迭代法的香蕉采摘机器人逆运动学计算方法 |
CN114800534A (zh) * | 2022-06-29 | 2022-07-29 | 杭州三坛医疗科技有限公司 | 一种机械臂控制方法及装置 |
CN114888793A (zh) * | 2022-04-21 | 2022-08-12 | 同济大学 | 一种多臂双光束激光焊接机器人双层协同控制方法 |
CN115982893A (zh) * | 2023-03-20 | 2023-04-18 | 广东工业大学 | 多自由度机构运动学建模方法、装置、设备和存储介质 |
CN116587283A (zh) * | 2023-06-16 | 2023-08-15 | 南方电网电力科技股份有限公司 | 一种机械臂控制零点标定方法及相关装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0728514A (ja) * | 1993-06-23 | 1995-01-31 | Kobe Steel Ltd | 機差導出方法 |
KR19980084765A (ko) * | 1997-05-26 | 1998-12-05 | 윤종용 | 로봇의 기구학적 파라메터의 측정 방법 |
US6826450B2 (en) * | 2001-04-16 | 2004-11-30 | Fanuc Ltd. | Robot controller |
CN105773623A (zh) * | 2016-04-29 | 2016-07-20 | 江南大学 | 基于预测型间接迭代学习的scara机器人轨迹跟踪控制方法 |
CN107457783A (zh) * | 2017-07-25 | 2017-12-12 | 电子科技大学 | 基于pd控制器的六自由度机械臂自适应智能检测方法 |
CN109278048A (zh) * | 2018-11-28 | 2019-01-29 | 山东省科学院自动化研究所 | 五轴焊接机器人的焊接路径规划方法及五轴焊接机器人 |
CN109807880A (zh) * | 2017-11-22 | 2019-05-28 | 深圳光启合众科技有限公司 | 机械臂的逆解方法、装置和机器人 |
-
2019
- 2019-06-24 CN CN201910548364.6A patent/CN110434851B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0728514A (ja) * | 1993-06-23 | 1995-01-31 | Kobe Steel Ltd | 機差導出方法 |
KR19980084765A (ko) * | 1997-05-26 | 1998-12-05 | 윤종용 | 로봇의 기구학적 파라메터의 측정 방법 |
US6826450B2 (en) * | 2001-04-16 | 2004-11-30 | Fanuc Ltd. | Robot controller |
CN105773623A (zh) * | 2016-04-29 | 2016-07-20 | 江南大学 | 基于预测型间接迭代学习的scara机器人轨迹跟踪控制方法 |
CN107457783A (zh) * | 2017-07-25 | 2017-12-12 | 电子科技大学 | 基于pd控制器的六自由度机械臂自适应智能检测方法 |
CN109807880A (zh) * | 2017-11-22 | 2019-05-28 | 深圳光启合众科技有限公司 | 机械臂的逆解方法、装置和机器人 |
CN109278048A (zh) * | 2018-11-28 | 2019-01-29 | 山东省科学院自动化研究所 | 五轴焊接机器人的焊接路径规划方法及五轴焊接机器人 |
Non-Patent Citations (2)
Title |
---|
杨丽红等: "工业机器人定位精度标定技术的研究", 《控制工程》 * |
邹丽梅等: "6R 机器人轨迹规划目标逆解精度优化算法", 《机床与液压》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021135405A1 (zh) * | 2020-01-02 | 2021-07-08 | 中山大学 | 一种面向机械臂的无运动学模型轨迹跟踪方法及一种机械臂系统 |
CN111360825A (zh) * | 2020-02-28 | 2020-07-03 | 上海航天控制技术研究所 | 一种串联六自由度机械臂逆运动学解算方法及介质 |
CN111360825B (zh) * | 2020-02-28 | 2021-08-10 | 上海航天控制技术研究所 | 一种串联六自由度机械臂逆运动学解算方法及介质 |
CN111571584A (zh) * | 2020-04-28 | 2020-08-25 | 石家庄钢铁有限责任公司 | 一种成捆棒材机器人贴标路径规划及奇异性校验方法 |
CN111421552A (zh) * | 2020-05-09 | 2020-07-17 | 云南电网有限责任公司电力科学研究院 | 一种巡检机器人双操作臂的协同控制方法 |
CN111421552B (zh) * | 2020-05-09 | 2022-06-07 | 云南电网有限责任公司电力科学研究院 | 一种巡检机器人双操作臂的协同控制方法 |
CN111687844A (zh) * | 2020-06-19 | 2020-09-22 | 浙江大学 | 一种使用机械臂抬起最少次数完成不可重复覆盖任务的方法 |
CN111914416A (zh) * | 2020-07-24 | 2020-11-10 | 之江实验室 | 一种高能效轻量化结构双足机器人的逆运动学求解方法 |
CN111983924A (zh) * | 2020-07-29 | 2020-11-24 | 华南理工大学 | 基于强化学习的机器人时间最优轨迹规划方法及控制器 |
CN111983924B (zh) * | 2020-07-29 | 2022-03-15 | 华南理工大学 | 基于强化学习的机器人时间最优轨迹规划方法及控制器 |
CN111993417A (zh) * | 2020-08-04 | 2020-11-27 | 北京航空航天大学 | 一种基于rbf神经网络的机械臂自适应阻抗控制方法 |
CN111993417B (zh) * | 2020-08-04 | 2021-07-20 | 北京航空航天大学 | 一种基于rbf神经网络的机械臂自适应阻抗控制方法 |
CN112347409A (zh) * | 2020-09-30 | 2021-02-09 | 北京工业大学 | 一种基于遗传算法优化bp神经网络的冗余机械臂求逆解的方法 |
CN112765879A (zh) * | 2021-01-12 | 2021-05-07 | 中国人民解放军国防科技大学 | 基于神经网络和构型编码的机械臂逆运动学求解方法 |
CN112936272A (zh) * | 2021-02-04 | 2021-06-11 | 清华大学深圳国际研究生院 | 一种机械臂的奇异构型的判断方法和求解方法 |
CN112936272B (zh) * | 2021-02-04 | 2024-03-15 | 清华大学深圳国际研究生院 | 一种机械臂的奇异构型的判断方法和求解方法 |
CN113352327A (zh) * | 2021-06-28 | 2021-09-07 | 深圳亿嘉和科技研发有限公司 | 五自由度机械臂关节变量确定方法 |
CN114012728A (zh) * | 2021-11-12 | 2022-02-08 | 哈尔滨工业大学(威海) | 适用于两段6自由度连续体机械臂的逆运动学求解方法 |
CN114012728B (zh) * | 2021-11-12 | 2023-04-25 | 哈尔滨工业大学(威海) | 适用于两段6自由度连续体机械臂的逆运动学求解方法 |
CN114102609A (zh) * | 2021-12-27 | 2022-03-01 | 仲恺农业工程学院 | 基于牛顿迭代法的香蕉采摘机器人逆运动学计算方法 |
CN114888793A (zh) * | 2022-04-21 | 2022-08-12 | 同济大学 | 一种多臂双光束激光焊接机器人双层协同控制方法 |
CN114800534A (zh) * | 2022-06-29 | 2022-07-29 | 杭州三坛医疗科技有限公司 | 一种机械臂控制方法及装置 |
CN115982893A (zh) * | 2023-03-20 | 2023-04-18 | 广东工业大学 | 多自由度机构运动学建模方法、装置、设备和存储介质 |
CN116587283A (zh) * | 2023-06-16 | 2023-08-15 | 南方电网电力科技股份有限公司 | 一种机械臂控制零点标定方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110434851B (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110434851A (zh) | 一种5自由度机械臂逆运动学求解方法 | |
CN112091979B (zh) | 一种基于位置级逆运动学的七自由度机械臂限位优化方法 | |
CN106777656B (zh) | 一种基于pmpsd的工业机器人绝对精度校准方法 | |
CN112605996B (zh) | 一种面向冗余机械臂的无模型碰撞避免控制方法 | |
CN108908347B (zh) | 一种面向冗余移动机械臂容错型重复运动规划方法 | |
CN111590566B (zh) | 一种适用于全构型的空间机械臂运动学参数在轨标定方法 | |
Tong et al. | Analytical inverse kinematic computation for 7-DOF redundant sliding manipulators | |
Park et al. | Robot multiple contact control | |
CN113510709A (zh) | 基于深度强化学习的工业机器人位姿精度在线补偿方法 | |
CN113459094B (zh) | 一种工业机器人工具坐标系及零点自标定方法 | |
CN113160334A (zh) | 一种基于手眼相机的双机器人系统标定方法 | |
CN113580148A (zh) | 基于等效运动链的并联机器人运动学标定方法 | |
Zhang et al. | A simple and rapid calibration methodology for industrial robot based on geometric constraint and two-step error | |
CN114147726A (zh) | 一种几何误差与非几何误差相结合的机器人标定方法 | |
CN109366486B (zh) | 柔性机器人逆运动学求解方法、系统、设备、存储介质 | |
Zhang et al. | Acceleration analysis of 6-RR-RP-RR parallel manipulator with offset hinges by means of a hybrid method | |
Qi et al. | Accuracy Improvement Calibrations for the Double‐Position 4‐PPPS Aircraft Docking System | |
Dewandhana et al. | Forward Kinematics with Full-Arm Analysis on “T-FLoW” 3.0 Humanoid Robot | |
CN112847441B (zh) | 基于梯度下降法的六轴机器人坐标偏移检测方法和装置 | |
CN115933374A (zh) | 一种工业机器人负载参数静态辨识及辨识位姿优化方法 | |
Lin et al. | Accuracy Compensation Technology of Closed-Loop Feedback of Industrial Robot Joints. | |
Shi et al. | Practical inverse kinematic solution based on calibrated parameters using in engineering | |
Malla et al. | Simplified model to study the kinematics of manipulators with parallelogram linkages | |
CN114734440B (zh) | 一种混联双臂搬运机器人运动学参数精准标定方法 | |
Zhao et al. | A 7DOF redundant robotic arm inverse kinematic solution algorithm based on Bald Eagle swarm intelligent optimization algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |