六自由度機械臂避障路徑規(guī)劃研究.pdf

1、機械臂廣泛應用于工業(yè)生產，探測，軍工科技等領域。在我國電網行業(yè)，由于路徑規(guī)劃難度大的原因機械臂運用較少，本課題以國家電網的檢定機械臂為研究對象，主要研究機械臂自主路徑規(guī)劃問題。該機械臂主要完成的任務是智能電表的抓取，懸掛在檢定臺，以及螺釘的旋擰，之后是執(zhí)行器的吸盤掀開電表蓋，以及電表從檢定臺取下。本文依據六自由度機械臂工作特點，把路徑規(guī)劃合理地分為兩個階段，首先機械臂把電表從表箱中取出到某個給定位置，之后從給定位置搬運到檢定臺的某個位置

2、。
　　在研究檢定機器人避障之前，首先建立了機械臂DH參數模型，在此基礎上進行了運動學的正反解。機械臂手爪進入表箱取電表時，必須進入表箱內部，故不能將機器人底盤作為包圍盒處理。文中通過神經網絡將障礙物不等式約束映射到網絡結構，從而將路徑規(guī)劃轉化為優(yōu)化一個非線性代價函數的尋優(yōu)問題，該代價函數由碰撞罰函數和路徑長度共同組成。同時，該算法不僅能夠處理把路徑點作為質點的情況，而且可以處理考慮物體旋轉平移變換的多面體模型。針對局部極值點的問

3、題，通過神經網絡模擬退火混合優(yōu)化算法加以改善，該算法即利用了神經網絡的梯度搜索信息，又利用了模擬退火容易跳出局部極值得特點，最終使路徑點集趨向于最優(yōu)規(guī)劃路徑。在神經網絡規(guī)劃算法中，由于迭代步長η選取不當，容易導致震蕩或者收斂速度過慢，文中通過交叉迭代算法替代梯度下降算法，有效地解決了收斂速度較慢和搜索過程中的震蕩問題。文中通過DFP變梯度算法和神經網絡的梯度下降算法進行了對比。當電表從表箱中取出后到搬運到檢定臺目標位置這個階段，通過RR