论文部分内容阅读
随着计算机技术、微电子技术等的快速发展,机器人技术得到了飞速发展。人们对机器人各方面性能的要求也在日益提高,不再仅仅满足于完成指定任务,还要求在保证工作质量的同时能够缩短运行时间,从而提高机器人的工作效率。为了满足该要求,本文以七自由度串联机器人Robai Cyton Gamma 300为研究对象,运用五次B样条曲线构造机器人各关节运动轨迹。在满足运动学约束条件下,运用改进的遗传算法对运动轨迹进行时间最优规划,既使机器人在运动过程中平稳、无震动,降低关节间磨损,延长使用寿命,又使机器人沿原有路径运动时间最短。首先,介绍了机器人技术的研究现状和发展趋势,全面总结了近年来国内外学者对机器人轨迹规划研究的成果。阐述了机器人的运动学理论,采用D-H法对七自由度串联机器人Robai Cyton Gamma 300进行运动学建模。分析了目前求解机器人逆运动学方程的方法,本文采用遗传算法优化BP神经网络求解机器人运动学逆解,实现了将机器人末端执行器在笛卡尔空间的位姿转换到关节空间中各关节变量值。然后,从关节空间和笛卡尔空间两个方面详细介绍了几种常用的轨迹规划方法,深入研究了B样条曲线构造机器人各关节运动轨迹的过程。通过对机器人进行示教操作得到其末端执行器在笛卡尔空间的路径点,分别采用三次B样条曲线和五次B样条曲线构造机器人的运动轨迹,在MATLAB中仿真对比分析可知,五次B样条曲线规划的各关节运动轨迹平滑,速度、加速度和加加速度曲线变化连续,说明机器人在运动过程中平稳、无震动。最后,基于传统遗传算法,本文对其在编码方式、选择算子、交叉概率和变异概率等方面进行改进。利用实数编码能提高算法的效率,采用排序选择算子能更方便、高效地选择出适应度高的个体,自适应交叉概率和变异概率既能保证全局寻优,又能提高局部搜索能力。通过仿真结果对比分析可得,在满足运动约束条件下,改进的遗传算法明显地缩短了机器人沿原轨迹运动的时间,从而提高了机器人的工作效率。