机器手臂是一个末端能动机械装置,其运动任务包括焊接,油漆,组装等,有着广泛的工业生产应用背景。冗余机器手臂因为拥有多余的自由度而拥有更大的操作空间和能满足更多的约束。比如,它可以有效地躲避自身物理极限和环境障碍物。但实时控制冗余机器人存在一个关键问题冗余度的解析。通过对经典的基于伪逆的冗余度解析方案的优缺点分析,我们提出了一种基于二次型优化的冗余度解析方案。该方案能将各种深含物理意义的目标函数统一为一个二次型优化目标;并以等式约束,不等式约束和双端约束来表述机器人的末端运动轨迹和自身物理约束。同时开发与应用对偶神经网络、基于线性变分不等式的原对偶神经网络等实时优化求解器来在线求解该二次型优化问题,从而做到冗余度的实时解析。各种冗余度解析方案(含重复运动和双判据等)的研究分析,以及它们在PUMA560、PA10等不同机器手臂模型上进行的计算机仿真验证,表明了该基于二次型优化的冗余度解析统一方案的有效性。本项目提出的一个统一的解析框架,有利于我们对现有工作更深刻、更系统的理解,也有利于我们对未来工作有更深远的展望。
英文主题词Redundant manipulator; quadratic program; neural network; repetitive motion planning; bi-critera