【技术实现步骤摘要】
本专利技术涉及机器人领域，具体涉及一种无自碰撞的冗余机器人逆运动学求解方法。
技术介绍
1、机器人逆运动学问题指给定机器人末端执行器的位姿，求解可到达给定位姿的各关节角度值。随着机器人技术的快速发展，机器人在工业、农业和服务业等各个领域得到了广泛应用。它们被用来替代人工执行危险且繁琐的作业任务，极大提高了相关工作的效率和安全性。相比传统机器人，通过添加冗余自由度，冗余机器人具有更加灵活的操作性，从而可完成更复杂的作业任务。然而，传统的数值解法难以直接应用于冗余机器人的逆运动学问题求解，而且其逆解的组合往往是无穷的，如何高效计算冗余机器人的逆运动学解面临着挑战。
2、目前，冗余机器人逆运动学求解方法主要分为基于速度和基于位置两类。在基于速度的求解方法中，最具代表性的是梯度投影法，其主要缺点是需要计算机器人的雅可比矩阵的伪逆，因而计算效率较低，不利于实时求解。虽然通过拓展雅可比矩阵为方阵的方式，可以提高计算效率，但同时又会带来误差梯度累积的弊端。在基于位置的求解方法中，固定角度法和臂角法具有易于实现的优势，但这类方法会限制冗余机...
【技术保护点】
1.一种高精度无自碰撞的冗余机器人逆运动学计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的冗余机器人逆运动学计算方法，其特征在于，所述生成机器人各关节角度与对应末端姿态均剔除机械臂自碰撞情况。
3.根据权利要求1所述的冗余机器人逆运动学计算方法，其特征在于，在利用生成网络进行逆运动学求解前，对生成网络模型进行选定、设计，包括生成网络模型的隐藏层设计、损失函数选择，再对超参数进行确定，其中包括隐藏层数、隐层神经元数目和学习率。
4.根据权利要求1所述的冗余机器人逆运动学计算方法，其特征在于，生成网络训练过程包括：
...【技术特征摘要】
1.一种高精度无自碰撞的冗余机器人逆运动学计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的冗余机器人逆运动学计算方法，其特征在于，所述生成机器人各关节角度与对应末端姿态均剔除机械臂自碰撞情况。
3.根据权利要求1所述的冗余机器人逆运动学计算方法，其特征在于，在利用生成网络进行逆运动学求解前，对生成网络模型进行选定、设计，包括生成网络模型的隐藏层设计、损失函数选择，再对超参数进行确定，其中包括隐藏层数、隐层神经元数目和学习率。
4.根据权利要求1所述的冗余机器人逆运动学计算方法，其特征在于，生成网络训练过程包括：
5.如权利要求4所述的生成网络训练过程方法，其特征在于，生成网络输入各关节角度训练样本之前，将所述关节变量θi的数据进行归一化处理：将其转化为[-1，1]范围内的值；其中，ui为关节上极限，li为关节下极限。
6.根据权利要求1所述的冗余机器人逆运动学...
【专利技术属性】
技术研发人员：印峰，黄欣，王星喨，肖雄兵，彭慧鸿，方绮萱，钱博，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。