基于改进算法对机械臂运动学逆解进行优化的方法和系统与流程 专利技术说明

五金工具产品及配附件制造技术1.本发明涉及六自由度串联机器人技术领域，具体地，涉及一种基于改进算法对机械臂运动学逆解进行优化的方法和系统。背景技术：2.机械臂的运动学逆解是已知机械臂末端的位置，来求解各个关节的位置角，从而可以实现通过控制六个关节的电机角度来使机械臂末端达到指定的位置。运动学逆解的求解比较复杂，通常采用解析法和数值法的方式进行求解。数值法则适用性很强，能够对任意构型机械臂能进行逆运动学求解，但是由于其求解速度较慢，并且无法算出所有解的特点，无法满足工业机械臂的实时性控制要求。解析法的求解速度很快，并且能够求出所有解，但是适用性较差，一般一种解析法的求解只能适用于一种构型，并且该构型必须满足一定的条件，最常见的是pieper提出的一类3个相邻轴相交于一点或者三个相邻轴互相平行的六自由度机械臂，目前市面常用的工业机器人基本都采用该构型。对于具有pieper构型的机械臂，虽然可以使用解析法进行求解，但由于制造安装等误差会出现dh参数中的α角有一定偏差，常规的pieper构型的解析解进行求解时不会考虑α角的偏差，导致解析解的精度不高。3.专利文献cn107685330a(申请号：cn201710969628.6)公开了一种六自由度手腕偏置串联机器人的运动学逆解求解方法，所述方法是利用六自由度手腕无偏置串联机器人的运动学逆解的解析解作为六自由度手腕偏置串联机器人的运动学逆解近似解和迭代出发点，通过不断迭代逼近，求得满足精度的六自由度手腕偏置串联机器人运动学逆解数值解。该专利中研究的为手腕偏置情况下的运动学逆解，而本文中主要针对机械臂dh参数中α角有误差的情况进行逆解求解。该专利中的数值法采用迭代法进行求解，而本文中采用智能算法蚁群算法进行求解。4.现有技术中，由于加工安装误差导致的dh参数中α值并非特殊值，使用pieper构型逆解解析解解法时忽略了α角的误差，从而导致逆解精度较差。直接使用数值解进行求解的运算量较大，耗时较高，不满足实际实时性要求。技术实现要素：5.针对现有技术中的缺陷，本发明的目的是提供一种基于改进算法对机械臂运动学逆解进行优化的方法和系统。6.根据本发明提供的基于改进算法对机械臂运动学逆解进行优化的方法，包括：7.步骤1：使用标准dh参数法在机械臂各关节上建立坐标系，得到转换矩阵t；8.步骤2：在已知机械臂末端的位姿r(x,y,z,w,u,v)时，忽略机械臂各轴dh参数的误差，使用满足pieper准则的解析解逆解方法求解出六个关节角的各轴关节角度值θ1,θ2,θ3,θ4,θ5,θ6；9.步骤3：在将通过仪器标定得到的准确dh参数代入转换矩阵后得到准确的运动学正解矩阵表达式为g(θ1,θ2,θ3,θ4,θ5,θ6)；10.步骤4：构建目标函数，并将角度值θ1,θ2,θ3,θ4,θ5,θ6作为目标函数的初始条件进行求解，得到正确运动学逆解。11.优选的，所述步骤1包括：选取zi轴为关节i+1的轴向，若机器人远端没有关节n+1，则选取zn轴和zn+1轴重合，选取原点oi在过zi-1轴和zi轴的公法线上，选取xi轴沿过zi-1轴和zi轴的公法线，方向从zi-1轴指向zi轴，最后根据右手准则确定y轴，并根据dh表计算各轴间转换矩阵并得到整体转换矩阵t。12.优选的，转换矩阵表达式为：式中为机械臂相邻两关节坐标系间的传递矩阵，其表达式为：[0013][0014]式中，θi表示xi与xi+1的夹角；αi表示zi与zi+1的夹角；di表示xi与xi+1的距离；ai表示杆件长度，为zi与zi+1的距离；k为关节轴编号。[0015]优选的，所述步骤2包括：六个关节角的各轴关节角度值为：[0016][0017]θ5＝±arccos(s1ax-c1ay)[0018][0019][0020][0021][0022]m＝d5[(c1nx+s1ny)s6+(c1ox+s1oy)c6]-d6(c1ox+s1ay)+c1px+s1py[0023]n＝d5(nzs6+ozc6)-d6az+pz-d1[0024]其中，(n,o,a)为在机械臂各关节上建立的坐标系，p为坐标系上的一点；ci和si分别表示cosθi、sinθi；x,y,z,w,u,v分别表示机械臂末端的位姿。[0025]优选的，所述步骤4包括：以min(f)＝|g(θ1,θ2,θ3,θ4,θ5,θ6)-r|为目标函数，并以步骤2得到的角度值θ1,θ2,θ3,θ4,θ5,θ6作为算法的初始条件，代入蚁群算法中进行求解，设置迭代次数以及误差阈值，当蚁群算法求解出结果低于误差阈值时则认为求解成功，得到正确运动学逆解。[0026]根据本发明提供的基于改进算法对机械臂运动学逆解进行优化的系统，包括：[0027]模块m1：使用标准dh参数法在机械臂各关节上建立坐标系，得到转换矩阵t；[0028]模块m2：在已知机械臂末端的位姿r(x,y,z,w,u,v)时，忽略机械臂各轴dh参数的误差，使用满足pieper准则的解析解逆解方法求解出六个关节角的各轴关节角度值θ1,θ2,θ3,θ4,θ5,θ6；[0029]模块m3：在将通过仪器标定得到的准确dh参数代入转换矩阵后得到准确的运动学正解矩阵表达式为g(θ1,θ2,θ3,θ4,θ5,θ6)；[0030]模块m4：构建目标函数，并将角度值θ1,θ2,θ3,θ4,θ5,θ6作为目标函数的初始条件进行求解，得到正确运动学逆解。[0031]优选的，所述模块m1包括：选取zi轴为关节i+1的轴向，若机器人远端没有关节n+1，则选取zn轴和zn+1轴重合，选取原点oi在过zi-1轴和zi轴的公法线上，选取xi轴沿过zi-1轴和zi轴的公法线，方向从zi-1轴指向zi轴，最后根据右手准则确定y轴，并根据dh表计算各轴间转换矩阵并得到整体转换矩阵t。[0032]优选的，转换矩阵表达式为：式中为机械臂相邻两关节坐标系间的传递矩阵，其表达式为：[0033][0034]式中，θi表示xi与xi+1的夹角；αi表示zi与zi+1的夹角；di表示xi与xi+1的距离；ai表示杆件长度，为zi与zi+1的距离；k为关节轴编号。[0035]优选的，所述模块m2包括：六个关节角的各轴关节角度值为：[0036][0037]θ5＝±arccos(s1ax-c1ay)[0038][0039][0040][0041][0042]m＝d5[(c1nx+s1ny)s6+(c1ox+s1oy)c6]-d6(c1ox+s1ay)+c1px+s1py[0043]n＝d5(nzs6+ozc6)-d6az+pz-d1[0044]其中，(n,o,a)为在机械臂各关节上建立的坐标系，p为坐标系上的一点；ci和si分别表示cosθi、sinθi；x,y,z,w,u,v分别表示机械臂末端的位姿。[0045]优选的，所述模块m4包括：以min(f)＝|g(θ1,θ2,θ3,θ4,θ5,θ6)-r|为目标函数，并以模块m2得到的角度值θ1,θ2,θ3,θ4,θ5,θ6作为算法的初始条件，代入蚁群算法中进行求解，设置迭代次数以及误差阈值，当蚁群算法求解出结果低于误差阈值时则认为求解成功，得到正确运动学逆解。[0046]与现有技术相比，本发明具有如下的有益效果：[0047]本发明提出了一种使用解析法和数值法结合的方式来进行逆解求解，先不考虑α角的偏差，使用满足pieper构型的解析法解法解出大致解，然后将该解作为数值解的初始迭代位置来求解出最终解，减少了数值解的迭代次数，加快了求解速度，并且避免了数值解无法求解出所有解的情况。附图说明[0048]通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：[0049]图1为整体流程图。具体实施方式[0050]下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。[0051]实施例：[0052]针对目前机械臂逆解求解的解析算法都忽略掉α角进行计算的情况，本发明提出了考虑α角情况下的求解算法。[0053]如图1，本发明提出了一种基于改进算法对机械臂运动学逆解进行优化的方法，包括：[0054]步骤1：使用标准dh参数法在机械臂各关节上建立坐标系，具体为：选取zi轴为关节i+1的轴向。若机器人远端没有关节n+1，这时可以选取zn轴和zn+1轴重合，选取原点oi在过zi-1轴和zi轴的公法线上。选取xi轴沿过zi-1轴和zi轴的公法线，方向从zi-1轴指向zi轴，最后根据右手准则确定y轴，并根据dh表计算各轴间转换矩阵并得到整体转换矩阵t。[0055]步骤2：在已知机械臂末端的位姿r(x,y,z,w,u,v)时，将其转换成转换矩阵；[0056][0057]其中，(n,o,a)为在机械臂各关节上建立的坐标系，p为坐标系上的一点；[0058]忽略机械臂各轴dh参数的误差，使用满足pieper准则的解析解逆解方法求解出六个关节角的各轴关节角度值θ1,θ2,θ3,θ4,θ5,θ6；[0059][0060]θ5＝±arccos(s1ax-c1ay)[0061][0062][0063][0064][0065]上式中，ci和si分别表示cosθi、sinθi；[0066]m＝d5[(c1nx+s1ny)s6+(c1ox+s1oy)c6]-d6(c1ox+s1ay)+c1px+s1py[0067]n＝d5(nzs6+ozc6)-d6az+pz-d1[0068]其中，x,y,z,w,u,v分别表示机械臂末端的位姿。[0069]步骤3：在将通过仪器标定得到的准确dh参数代入转换矩阵后得到准确的运动学正解矩阵表达式为g(θ1,θ2,θ3,θ4,θ5,θ6)＝t。[0070]步骤4：以min(f)＝|g(θ1,θ2,θ3,θ4,θ5,θ6)-r|为目标函数，并以步骤2得到的角度值θ1,θ2,θ3,θ4,θ5,θ6作为算法的初始条件，代入蚁群算法中进行求解。[0071]步骤5：设置一定的迭代次数以及误差阈值，当蚁群算法求解出结果低于误差阈值时则认为求解成功，得到正确运动学逆解。[0072]实施例2：[0073]实施例2为实施例1的优选例。[0074]本发明提出了一种由于加工安装误差机械臂具有α角误差情况下逆解求解的方法，包括如下：[0075]1：建立机器人dh参数模型，得到转换矩阵式中为机械臂相邻两关节坐标系间的传递矩阵，其表达式为：[0076][0077]式中，θi表示xi与xi+1的夹角；αi表示zi与zi+1的夹角；di表示xi与xi+1的距离；ai表示杆件长度，为zi与zi+1的距离；k为关节轴编号。[0078]2：在已知机械臂末端的位姿r(x,y,z,w,u,v)时，忽略机械臂各轴dh参数的误差，得到dh参数表为：[0079][0080][0081]3：使用满足pieper准则的一般解析解逆解方法求解出六个关节角的各轴关节角度值θ1,θ2,θ3,θ4,θ5,θ6。[0082]4：将通过仪器标定出来的α角的偏差值加入到dh参数表，代入到1中得到准确的转换矩阵t，得到运动学正解方程为g(θ1,θ2,θ3,θ4,θ5,θ6)。[0083] θadα1θ10d190+α12θ2α200+α23θ3a300+α34θ40d490+α45θ50d5-90+α56θ60d60+α6[0084]5：使用蚁群算法建立目标函数min(f)＝|g(θ1,θ2,θ3,θ4,θ5,θ6)-r(x,y,z,w,u,v)|。[0085]6：以3中得到的角度值作为算法的初始迭代值，设置一定的迭代次数以及误差阈值进行求解，当蚁群算法求解出结果低于误差阈值时则认为求解成功，得到正确运动学逆解。[0086]本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。[0087]以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本技术的实施例和实施例中的特征可以任意相互组合。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!