基于神经网络的冗余机器手臂障碍物躲避和实时解析

摘要

机器手臂是一个末端能动的机械装置，已经被广泛应用在工业自动化方面。对于非冗余机器手臂来说，当机器手臂末端完成指定的运动时，它的关节由于没有多余的自由度，不能去完成别的动作，从而失去了灵活性。而冗余机器手臂可以利用自身的冗余关节来除去这个约束，使得机器手臂更加灵活，实现对作业环境中障碍物的躲避。 本文首先介绍了冗余机器手臂的运动学和动力学理论，重点研究了逆运动学问题，然后建立起了障碍物躲避的实时求解模型。冗余机器手臂逆运动学控制的避障算法被统一为等式、不等式和双端约束的二次规划(QP)问题。同时，为了避免关节角偏差现象，我们提出了改进的避障算法。 为了解决时变的QP问题，本文运用递归神经网络在速度层上进行冗余度解析。将基于线性变分不等式(LVI)的原对偶神经网络与现有的神经网络做一简单的比较，并从理论上证明LVI原对偶神经网络的优点。用PA10机器手臂进行模拟试验，仿真结果验证了该网络求解的有效性和实时解析性。最后分析了工作中的不足，提出了以后工作的几点展望。

目录

文摘

英文文摘

声明

第1章绪论

1.1 课题研究背景

1.2 冗余机器手臂的研究内容

1.3 神经网络的研究现状

1.4 本文的主要研究内容及成果

第2章冗余机器手臂的运动学理论

2.1 引言

2.2 机器人运动学的基本问题

2.3 雅克比矩阵和关节奇异

2.4 机器人的动力学简介

2.5 本章小结

第3章障碍物躲避分析和模型的建立

3.1 引言

3.2 逆运动学的传统算法

3.3 问题的描述和模型的建立

3.4 二次规划问题与障碍物躲避问题

3.5 本章小结

第4章 二次规划问题的实时求解

4.1 引言

4.2 二次规划问题与反馈神经网络

4.3 LVI原对偶神经网络的动力学方程

4.4 LVI原对偶神经网络的收敛性分析

4.5 本章小结

第5章冗余机器手臂的仿真试验

5.1 引言

5.2 PA10机器手臂的障碍物躲避

5.3 无关节角偏差的避障算法和仿真

5.4 本章小结

第6章结论与展望

6.1 本文总结

6.2 工作展望

参考文献

附录

致谢