[發明專利]一種6自由度機械臂逆運動學求解方法

有效

• 申請號: 201811098865.0
• 申請日: 2018-09-20
• 公開（公告）號: CN109344477B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 張明;李春泉;尚玉玲;黨選舉;黃紅艷;李彩林
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F30/17
• 分類號: G06F30/17
• 代理公司: 南寧東智知識產權代理事務所(特殊普通合伙) 45117
• 代理人: 巢雄輝;汪治興

本發明公開了一種6自由度機械臂逆運動學求解方法，涉及工業機器人領域，本方法首先利用蒙特卡洛方法，為機械臂關節空間賦予一定數量的隨機樣本，通過計算每個樣本對應的機械臂末端位置，選取其中滿足目標位置條件的樣本作為遺傳算法初始種群的一部分；遺傳算法初始種群的另外部分由隨機個體組成，再通過遺傳算法求解機械臂的運動學逆解。本發明一方面通過蒙特卡洛方法優化遺傳算法的初始種群，有效提高遺傳算法的搜索速度與搜索成功率；另一方面通過隨機個體的加入保證了遺傳種群的多樣性，提高了遺傳算法的全局搜索能力。

技術領域

本發明涉及工業機器人領域，尤其涉及一種基于蒙特卡洛方法與遺傳算法相結合的混合求解多自由度機械臂逆運動學求解方法。

背景技術

機械臂的逆運動學求解是工業機器人應用的基礎，是機械臂控制的先決條件，直接關系到機器人離線編程、軌跡規劃、實時控制等任務。運動學逆解在機器人學中占有重要地位，只有將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。

串聯機械臂的運動學逆解較為困難，各國學者進行了大量的探索和研究。運動學逆解的求解方法主要分為解析法、數值法、幾何法等。如解析方法簡單直觀，運算速度快，但是只有滿足特定幾何條件的機械臂結構才能使用解析法求解：即后3個關節軸相交于一點或有3個關節軸相互平行。通過學者Doty的分析，24類6自由度正交機械臂結構，只有5類有解析解，其余結構是否有解析解尚不能確定。雅可比矩陣求解關節變量的迭代算法是數值法的基本思想，多種非線性優化方法被應用于逆解的數值方法，但是普遍存在運算量大，收斂速度慢的特點。近年來，有學者采用解析與數值計算相結合的方法，在一定程度上提高了計算速度。上述方法涉及矩陣的逆運算和反三角函數的運算，計算量及限制條件等方面存在不足。

運動學逆解的另外一類流派是采用智能算法進行求解，如遺傳算法、粒子群算法、神經網絡等。智能算法求解運動學逆解，限制條件少、適用范圍廣，但是存在收斂慢，陷于局部極小致使結果的精度無法保證等缺陷。此類方法通過一組隨機的初始關節角度作為初始種群，通過不斷迭代更新，使得每次迭代的結果逐漸向真實解收斂。但是相關算法對初始種群的選擇依賴較高，初始種群的好壞直接影響到計算結果。

D-H矩陣(D-H方法)是Denavit和Hartenberg兩位學者在1955年提出一種通用的位姿計算方法。這種方法在機器人的每個連桿上都固定一個坐標系，然后用4×4的齊次變換矩陣來描述相鄰兩連桿的空間關系。通過依次變換可最終推導出末端執行器相對于基坐標系的位姿，從而建立機器人的運動學方程。對于6自由度機械臂而言，D-H矩陣可標識為如下形式，其中A_i為第i個連桿的變換矩陣，R為3*3的旋轉矩陣，P為1*3的位置矩陣，I通常為1，6自由度機械臂的變換矩陣T₆為：

發明內容

本發明的目的在于提供一種6自由度機械臂逆運動學求解方法，從而解決了現有運動學逆解求解速度慢、精度不高的缺點。

為實現上述目的，本發明提供了一種6自由度機械臂逆運動學求解方法，包括以下步驟：

S1、根據機械臂的參數建立機械臂的D-H矩陣；

S2、根據機械臂的結構和機械臂的參數，確定S3的閾值，即機械臂末端位置與目標位置P^E的最大距離；

S3、采用蒙特卡洛方法為機械臂全部關節賦予隨機角度生成隨機樣本，通過所述D-H矩陣計算每個所述隨機樣本對應的機械臂末端位置，保留滿足條件的機械臂末端位置為樣本；

S4、以S3保留的樣本為種群組，增加新的隨機種群組合成遺傳算法的初始種群，利用遺傳算法求得運動學逆解。

進一步的，所述機械臂的參數包括：每個所述機械臂的長度、扭轉角度、偏移量及關節角度。

進一步的，所述S3具體包括以下步驟：