机器人工作空间求解的蒙特卡洛法改进和体积求取

摘要

针对传统的蒙特卡洛法求解机器人工作空间时精确度不够的问题,提出了一种改进的蒙特卡洛法.用传统的蒙特卡洛法生成一个种子工作空间,基于标准差动态可调的正态分布对种子工作空间进行扩展.在扩展过程中设定一个精度阈值,确保得到的工作空间中每个位置都能被准确的描述.基于得到的工作空间,提出了一种体元化算法求取工作空间的体积,寻找到工作空间的边界部分和非边界部分,通过对边界部分的不断细化,降低了体积求取误差.为了验证算法的有效性和实用性,以九自由度的超冗余串联机械臂为例,对本文改进的蒙特卡洛法和提出的体积求取算法进行仿真分析.结果表明:采样点数量相同时,改进的蒙特卡洛法生成的工作空间边界光滑,“噪声小”;得到精确的工作空间时改进方法需要的采样点数仅是传统方法的4.67％;体积求取算法效率较高,相对误差小于1％;求得的工作空间体积可用于评估机械臂性能,为后续机械臂构型优化奠定了理论基础.