基于遗传算法的机器人运动规划及计算机仿真

文摘

英文文摘

1引言

1.1机器人运动规划问题

1.2冗余度机器人运动规划研究概述

1.3遗传算法简介

1.4本文的工作

2冗余度机器人运动学理论基础和遗传算法的原理

2.1机器人运动学基本理论

2.1.1连杆参数与位姿变量

2.1.2位姿方程的正、逆解

2.1.3位姿方程逆解的数值方法

2.1.4冗余度机器人运动学

2.2遗传算法(GA)原理

2.2.1遗传算法的生物学背景

2.2.2遗传算法的结构

2.2.3遗传算法的基本特征

2.2.4遗传算法的搜索机制同其他搜索方法的比较

2.2.5遗传算法的基本定义和定理

3遗传算法在冗余度机器人运动规划中的实施

3.1实数编码方案

3.2搜索算子设计

3.3选择策略设定

3.4重组算子的设计

3.5改进变异算子的设计

3.6遗传算法参数的选择

3.7遗传算法运算类库的实现

3.7.1类CGene

3.7.2类CGA

4算例分析

4.1平面机器人算例

4.1.1连杆参数

4.1.2末端执行器位置的推导

4.1.3期望轨迹、适应值函数及运动约束的设置

4.1.4运动规划流程

4.1.5运动规划结果分析

4.2空间机器人算例

4.2.1机器人模型的选择

4.2.2最小关节速度优化目标

4.2.3期望轨迹的设置

4.2.4线性化采样速度的修正

4.2.5关节速度和加速度的求法

4.2.6计算结果

4.2.7小结

5机器人运动学仿真系统RobSys的实现

5.1 RobSys体现的面向对象设计思想

5.2实时仿真的概念

5.3 RobSys的构成

5.4 RobSys核心模块设计

5.4.1运算基础类CVector和CMatrix的实现

5.4.2机器人类CRob的实现

5.5 RobSys显示模块与控制模块的设计

5.5.1 OpenGL简介

5.5.2显示模块与控制模块的组成

5.6 RobSys的运动学仿真

5.6.1运动学正解

5.6.2运动学逆解

6结论与展望

6.1结论

6.2有待进一步探讨的问题

参考文献

致谢