冗余度机器人的多目标优化方法

摘要

随着冗余度机器人的应用场合日趋复杂，完成末端操作器任务和避障成为典型的冗余度机器人多目标问题之一。避障的实质是使得机器人及时躲避障碍，而不是使得机器人与障碍的距离越远越好。进一步地，成功躲避障碍并不意味着机器人不能靠近障碍，只要在完成末端操作器任务的过程中，机器人与障碍不碰撞即可。为了完成末端操作器任务和满足上述避障要求，需要研究相应的关节运动。完成末端操作器任务所需要的关节运动称为主运动。不影响末端操作器的位姿，只改变机器人的位形的关节运动称为自运动，它可以用来调整机器人与障碍的距离。显然，主运动也会影响机器人与障碍的距离。所以，解决完成末端操作器任务和避障的多目标问题的方法可以表述为，在完成末端操作器任务的过程中，在主运动和自运动的共同作用下，机器人与障碍不碰撞的方法。如果机器人与障碍不碰撞，本文认为主运动与自运动相协调，所以称这一方法为协调方法。
　　首先，讨论了主运动和自运动，并且建立了两种目标函数:一是机器人与障碍的最小距离;二是机器人各杆与障碍的距离的加权和。提出了一个平面四自由度模型，建立了它的MATLAB仿真模型，为后续的研究提供对象。
　　然后，为了衡量主运动和自运动对避障的影响，提出了避障作用值这一概念。通过分析梯度投影法的自运动避障作用值，引入加权广义逆表示自运动。通过参数化加权广义逆的权，实现自运动的控制。本文也对自运动的特性进行了说明。
　　其次，分析了负避障作用值的自运动的重要作用，提出了协调方法。协调方法的内容是:以主运动实现末端操作器的任务，基于及时避障的情形，在需要的时候采用合适的自运动，使机器人不与障碍发生碰撞。提出了两种控制策略，这两种控制策略是协调方法的具体表现形式。
　　接着，对于平面四自由度模型，发现采用协调方法可以躲避采用梯度投影法不能躲避的障碍。所以，对于平面四自由度机器人避免点障碍的情况，相对于梯度投影法，协调方法更有效。
　　最后，对于空间七自由度模型，分别采用梯度投影法和协调方法进行实验。梯度投影法和协调方法都能躲避不同的障碍，但是协调方法存在关节角速度不连续的不足。所以，对于空间七自由度机器人避免点障碍的情况，梯度投影法比协调方法更优越。

目录

声明

摘要

第1章 绪论

1．1 研究背景

1．2 国内外研究现状

1．3 论文研究的内容及意义

1．3．1 论文研究的内容

1．3．2 课题意义

1．4 论文组织结构

第2章 模型构建

2．1 运动学模型

2．2 主运动和自运动

2．3 目标函数

2．3．1 最小距离

2．3．2 加权距离

2．4 平面四自由度模型

2．4．1 机构模型

2．4．2 障碍位置

2．4．3 仿真模型

2．5 本章小结

第3章 冗余度机器人的自运动

3．1 避障作用值

3．1．1 定义

3．1．2 离散分析

3．1．3 避障作用值的验证

3．2 梯度投影法的自运动避障作用值

3．3 自运动的控制

3．3．1 加权广义逆

3．3．2 参数化

3．4 自运动的特性

3．4．1 自运动的收敛性

3．4．2 系数k的影响

3．5 本章小结

第4章 协调方法

4．1 引言

4．2 负避障作用值的自运动的作用

4．3 协调方法

4．4 控制策略

4．4．1 单独采用主运动或自运动策略

4．4．2 主运动中加入自运动策略

4．5 本章小结

第5章 平面四自由度机器人仿真

5．1 梯度投影法

5．2 单独采用主运动或自运动策略

5．3 主运动中加入自运动策略

5．4 本章小结

第6章 空间七自由度机器人仿真

6．1 空间机器人建模

6．1．1 后置模型

6．1．2 前置模型

6．1．3 空间七自由度机器人模型

6．2 计算雅可比矩阵

6．3 仿真

6．3．1 梯度投影法

6．3．2 单独采用主运动或自运动策略

6．3．3 主运动中加入自运动策略

6．4 本章小结

第7章 总结与展望

7．1 总结

7．2 展望

致谢

参考文献