关键词:
机器人
运动学
动力学
轨迹规划
BP神经网络
动态规划
三次B样条插值
仿真与实验
摘要:
随着机器人技术的迅猛发展和市场的迫切需求,我国已将机器人行业列为“中国制造2025”的重点研究领域。本文以产学研合作为基础,以Dobot机器人为例,进行功能扩展,二次开发,研发了一台教学型四自由度桌面机器人,旨在让学生更加深刻地认知和了解机器人。在研发过程中,本文着重对桌面机器人运动学、动力学和轨迹规划的算法进行了研究。为了避免解被丢失的可能性和保证角的精度。本文根据桌面机器人的位姿结构特点,运用D-H法建立了该机器人各关节坐标系和运动学方程,进行了正逆运动学分析,得到了正逆解表达式,并将双变量反正切函数运用到了逆解的表达式中,通过真实数据验证了其正逆解的正确性。同时,对该机器人的微分运动进行了分析,通过构造法得到了桌面机器人的雅可比矩阵。运动学分析为桌面机器人动力学和轨迹规划的分析研究打下了坚实的基础。针对传统机器人动力学建模方法推导过程复杂,模型求解困难,计算误差大,且难度随着机器人自由度数的增加而迅速增加的问题。本文受到人工智能的启发,提出新方法,让机器人自己学会动力学建模。采用关节变量作为输入,各关节所对应的力矩值作为输出,构建了三层BP神经网络模型来解决桌面机器人动力学逆问题。为了使模型训练收敛速度更快,更加稳定,在训练中引入了弹性梯度下降算法。运用MATLAB编程,将各关节所对应的力矩预测值与计算所得实际值进行了对比,达到了误差精度要求。预测结果表明,桌面机器人力矩主要由2、3关节承受,其余关节受力较小,所建立的BP神经网络模型能够有效的预测桌面机器人在任意姿态下各关节所需的力矩值。采用人工智能的方法来解决机器人动力学问题对今后机器人动力学问题的研究具有很大的参考价值。为了寻求最佳运动路径,解决逆解多重解和机器人运动平稳性问题。首先,设计了桌面机器人轨迹规划器算法流程图,并在Solidworks中通过桌面机器人的装配关系采用示教的方式获取了起始点和终止点的位置。其次,在笛卡尔空间中利用直线插补算法和调用逆解公式求出了关节角序列,并用动态规划算法选出了一组最优解序列。最后,针对离散的最优解,再利用三次B样条插值对其进行了连续化处理。通过实例验证和MATLAB编程仿真,结果表明,得到了桌面机器人的最佳运动路径并保证了机器人运动的平稳性,也验证了算法的正确性。为了提高机器人设计效率。本文运用MATLAB GUIDE开发了机器人分析仿真平台,该平台实现了机器人运动学正逆问题、动力学正逆问题、动画演示和轨迹规划等分析仿真功能。并将仿真结果以数图的形式输出,可视化效果高。桌面机器人在运动学分析的基础之上。利用BP神经网络解决了逆动力学问题。运用直线插补、动态规划和三次B样条插值算法获得了最佳运动路径。通过开发分析仿真平台,有效地提高了桌面机器人的设计效率。本文的研究成果可以为机器人的设计和研究提供一种可借鉴的方法。