[發明專利]一種多自由度機器人的逆運動學通用求解方法

有效

• 申請號: 201410121131.5
• 申請日: 2014-03-28
• 公開（公告）號: CN103901898A
• 公開（公告）日: 2014-07-02
• 發明（設計）人: 魏延輝;杜振振;王澤鵬;何爽;周衛祥;簡晟琪;胡文彬;張慶
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G05D3/00
• 分類號: G05D3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明提供的是一種用于nR機器人運動學的半解析求解方法，特別是綜合了機器人關節的建模方法、加權的空間矢量投影法。

背景技術

隨著工業機器人技術的廣泛的應用，空間nR串聯機構的應用具有重要的意義。串聯機構運動學逆解是串聯機器人控制計算的先決條件，它直接關系到機器人離線編程、軌跡規劃、實時控制等工作，在機器人學中占有重要地位，只有通過運動學逆解把空間位姿轉換為關節變量，才能實現對機器人末端執行器按空間位姿進行編程控制(如直線軌跡和圓弧軌跡等)。

串聯機構運動學中，空間6R串聯機構的運動學逆解是最困難的，該問題與空間機構學中的單環7R機構運動學逆解屬于同一問題，曾被喻為空間機構運動分析中的珠穆朗瑪峰。各國學者對此開展很多有益的探索和研究。空間6R串聯機構的運動學逆解求解方法分為解析形式和數值形式。一般6R串聯操作臂運動學逆解因涉及結構參數多、解的非線性和耦合性以及需要求解代數方程等問題而變得難于得到解析解。解析解法適用于具有特殊幾何結構參數的6R串聯操作臂，可以應用矢量、螺旋或李代數方法得到理論解，這種方法具有計算結果準確、能夠得到全部解等優點，但需要進行大量的代數和矩陣運算，推導過程比較復雜，并且有解的條件是操作臂的位置和姿態具有解耦特征或其特征多項式的次數小于等于4。廖啟征將倍四元數引入空間串聯機器人運動學研究當中，解決了一個經典的6R機器人的逆運動學問題。2006年，有學者提出把串聯運動鏈拆成幾個簡單部分的組合，但該方法只適于某些解耦的特殊情況。以往用于串聯機構位置逆解數學建模的方法主要有D-H矩陣法、球面三角法、實矩陣法、對偶數法等,得到了各不相同的逆解算法，不具有通用性。Raghavan和Roth通過矢量運算由6個逆運動學等式構造14個基礎方程，消元運算后得到一元24次方程,求出最多16組逆運動學解，但存在8個增根.Manocha采用24階矩陣特征分解方法對Raghavan的算法進行改進，提高了逆運動學解算的穩定性和精度。為解決空間7R機構的位移分析難題，分別采用復數方法和矩陣運算構造10個基礎方程，進而得到一元16次方程，消除了增根。借鑒前期學者研究成果，將6R串聯型機器人逆運動學求解問題分為兩類：封閉解法求解滿足Pieper準則的6R機器人的逆運動學問題；矢量計算和符號運算將Manocha得到的目標矩陣從24階降低到16階,并以矩陣特征分解方法提高一般6R機器人逆運動學求解的效率和穩定性，并組合牛頓-拉夫森迭代算法解決非Pieper準則的6R機器人的逆運動學問題。

而對于6R串聯型機器人實際運動作業下，僅僅需要一種能夠實時快速找到滿足一定工作要求（如避障和動力學要求）和末端工作點位姿要求逆運動學解。為此產生了很多種數值形式的串聯機器人逆運動學求解方法。一個常用的數值方法是將6R串聯操作臂各關節的D-H參數中的徑向參數ai、αi和軸向參數si、θi分離，運用雙四元數方法或李代數方法將6R串聯操作臂運動學正解矩陣構造成兩個獨立的齊次變換線性方程組，通過將兩個方程組聯立逐次迭代或消元而得到關于各關節轉角的16組運動學逆解。如QIAO等運用雙四元數理論得到了一般6R串聯操作臂運動學逆解的數值解；ROCCO等運用李群、李代數等方法也得到了該問題的數值解。另一個比較常用的數值方法是將遺傳算法和神經網絡等工具引入6R操作臂的運動學逆解問題中，通過設定關節轉角進給值等約束條件，以運動學正解和目標值之間的差值最小化為目標函數，采用上述算法求解最佳擬合的關節轉角進給值。如CHIDDARWAR等比較了預測型與常規型神經網絡算法對求解效率的影響；等提出了一種考慮關節速度和加速度的3自由度機器人運動學逆解神經網絡算法；KALRA等提出了一種基于遺傳算法的6自由度工業機器人運動學逆解算法；HAMMOUR等采用連續傳算法規劃了6R操作臂的運動軌跡；ZHA[20]利用末端執行器位置和姿態矢量構成的曲面特征，通過遺傳算法搜尋該曲面最小特征值而獲得最優軌跡規劃等。

發明內容

本發明的目的在于提供一種能夠克服傳統解析方法的求解機器人構形的局限性和專一性，也能克服通用的迭代方法非實時性和精度問題的多自由度機器人的逆運動學通用求解方法。

本發明的目的是這樣實現的：

步驟1：向計算機輸入nR機器人的關節參數：機器人關節類型、關節尺寸參數、運動范圍、連接角度信息，對輸入的多自由度關節進行分解處理，將其分解成多個單自由度關節，并建立運動學模型，同時輸入空間的目標點位置和姿態矩陣；