六自由度機(jī)械臂的動(dòng)態(tài)路徑規(guī)劃和控制研究.pdf

1、機(jī)器人學(xué)是近40多年來迅速發(fā)展起來的綜合性學(xué)科，是當(dāng)今世界科學(xué)技術(shù)發(fā)展最活躍的領(lǐng)域之一。機(jī)器人的路徑規(guī)劃在機(jī)器人的控制中具有重要的地位。路徑規(guī)劃問題在機(jī)器人學(xué)、超大規(guī)模集成電路、地理信息系統(tǒng)等眾多領(lǐng)域有著廣泛的應(yīng)用，其主要內(nèi)容涉及環(huán)境表達(dá)、規(guī)劃方法、路徑搜索以及人工智能等多個(gè)學(xué)科，長期以來一直受到人們的關(guān)注，很多學(xué)者從多方面進(jìn)行了探索和研究，雖取得了一些成果，但仍存在許多問題有待深入研究。
　　本文以PUMA560型六自由度機(jī)械臂

2、為研究對象，所做的研究工作包含以下四個(gè)方面：
　?。?）本文首先對機(jī)械臂運(yùn)動(dòng)學(xué)進(jìn)行了分析，通過坐標(biāo)變換和D-H方法建立了機(jī)械臂的正運(yùn)動(dòng)學(xué)模型。由于逆運(yùn)動(dòng)學(xué)模型是復(fù)雜的非線性映射問題，傳統(tǒng)方法求解困難，因此本文采用智能方法對其求解。先采用LMBP（Levenberg Marquardt-Back Propagation）神經(jīng)網(wǎng)絡(luò)對機(jī)械臂逆運(yùn)動(dòng)學(xué)進(jìn)行求解，為了進(jìn)一步提高精度又采用最小二乘支持向量機(jī)算法進(jìn)行相關(guān)探索。由仿真結(jié)果得到，對小

3、曲率和樣本特征已知的板型軌跡可用LMBP神經(jīng)網(wǎng)絡(luò)算法，而對于大曲率和樣本特征不確定的板型采用LSSVM方法求解的精度更高。
　?。?）給出了一個(gè)避障路徑規(guī)劃的模型。模型采用規(guī)則體包絡(luò)對障礙物進(jìn)行建模，將機(jī)械臂工作空間的三維問題轉(zhuǎn)化為二維問題，并結(jié)合A*搜索算法，極大地減少了計(jì)算量。針對此路徑規(guī)劃無法保證機(jī)械臂的安全性，且不能進(jìn)行動(dòng)態(tài)規(guī)劃的缺點(diǎn)，本文提出了一種基于改進(jìn)A*的動(dòng)態(tài)路徑規(guī)劃算法并進(jìn)行了仿真。該算法解決了原算法中存在的兩個(gè)

4、不足，機(jī)械臂在行走時(shí)遇到突然出現(xiàn)的動(dòng)態(tài)障礙物時(shí)，能根據(jù)機(jī)械臂自身的位置和朝向信息判斷障礙物的位置，更新環(huán)境信息，實(shí)時(shí)地進(jìn)行路徑重規(guī)劃，使機(jī)械臂最終能夠安全到達(dá)目標(biāo)節(jié)點(diǎn)。
　　（3）提出了一種改進(jìn)的粒子群算法，它可以擴(kuò)大粒子的隨機(jī)搜索范圍，大大的降低了粒子陷入局部最優(yōu)的可能性。在靜態(tài)環(huán)境下進(jìn)行了路徑規(guī)劃的仿真。仿真結(jié)果從最優(yōu)路徑、收斂路徑長度以及動(dòng)態(tài)收斂特性三方面進(jìn)行了比較分析，顯示改進(jìn)的粒子群算法比標(biāo)準(zhǔn)粒子群算法和帶壓縮因子以及慣