基于高斯混合模型的機(jī)械臂運(yùn)動(dòng)規(guī)劃和路徑優(yōu)化研究
發(fā)布時(shí)間:2023-10-21 12:49
利用人工示教等傳統(tǒng)方法控制機(jī)械臂動(dòng)作,存在著過(guò)程繁瑣、成本高、效率低等許多不足,已不能滿足如今工業(yè)制造領(lǐng)域的要求。為提高機(jī)械臂的智能化程度和易用性,同時(shí)保證機(jī)械臂可以安全平穩(wěn)的工作,其運(yùn)動(dòng)規(guī)劃和路徑優(yōu)化問(wèn)題成為了近年來(lái)的研究重點(diǎn)。機(jī)械臂運(yùn)動(dòng)規(guī)劃常用于解決機(jī)械臂在其關(guān)節(jié)空間自主避障的問(wèn)題。針對(duì)其規(guī)劃維度高的特點(diǎn),基于采樣的運(yùn)動(dòng)規(guī)劃方法不需要對(duì)關(guān)節(jié)空間進(jìn)行顯式描述,而是利用碰撞檢測(cè)判斷障礙物信息,從而能有效探索高維關(guān)節(jié)空間連通性,是解決機(jī)械臂運(yùn)動(dòng)規(guī)劃問(wèn)題的重要手段。但在面對(duì)復(fù)雜工況下的作業(yè)任務(wù)時(shí),不僅要滿足避碰等約束,還需要確保規(guī)劃器的運(yùn)算效率以及路徑質(zhì)量。為此本文提出了一種結(jié)合高斯混合模型的自適應(yīng)采樣策略和碰撞檢測(cè)器,以提高基于采樣的運(yùn)動(dòng)規(guī)劃算法的運(yùn)算效率;隨后利用交互式路徑漸近最優(yōu)算法以除去冗余運(yùn)動(dòng)并收斂到長(zhǎng)度最短路徑;再將其作為初始軌跡,利用隨機(jī)軌跡平滑算法得到同時(shí)滿足避碰、關(guān)節(jié)角約束的連續(xù)平滑軌跡,其中基于高斯混合模型估計(jì)障礙代價(jià)函數(shù),取代了對(duì)歐幾里得距離的復(fù)雜計(jì)算;最后在仿真和實(shí)際實(shí)驗(yàn)中對(duì)算法進(jìn)行驗(yàn)證。具體研究?jī)?nèi)容如下:首先,分析了基于采樣的運(yùn)動(dòng)規(guī)劃算法的基本原理,其中采樣和碰撞...
【文章頁(yè)數(shù)】:83 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題研究的背景和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀與分析
1.2.1 機(jī)械臂運(yùn)動(dòng)規(guī)劃方法研究現(xiàn)狀
1.2.2 機(jī)械臂路徑優(yōu)化方法研究現(xiàn)狀
1.2.3 文獻(xiàn)綜述分析
1.3 課題主要研究?jī)?nèi)容
第2章 基于高斯混合模型的機(jī)械臂運(yùn)動(dòng)規(guī)劃研究
2.1 引言
2.2 快速搜索隨機(jī)樹(shù)算法研究
2.2.1 問(wèn)題定義
2.2.2 RRT算法的基本原理
2.2.3 RRT-Connect算法的基本原理
2.3 基于高斯混合模型的運(yùn)動(dòng)規(guī)劃算法研究
2.3.1 高斯混合模型的訓(xùn)練
2.3.2 基于高斯分布的訓(xùn)練樣本集獲得
2.3.3 基于高斯混合模型的自適應(yīng)采樣研究
2.3.4 基于AABB包圍盒的碰撞檢測(cè)方法
2.3.5 基于高斯混合模型的碰撞檢測(cè)方法
2.3.6 基于高斯混合模型的機(jī)械臂運(yùn)動(dòng)規(guī)劃
2.4 基于高斯混合模型的運(yùn)動(dòng)規(guī)劃算法仿真驗(yàn)證
2.4.1 基于高斯混合模型的二維運(yùn)動(dòng)規(guī)劃仿真驗(yàn)證
2.4.2 基于高斯混合模型的機(jī)械臂運(yùn)動(dòng)規(guī)劃仿真驗(yàn)證
2.5 本章小結(jié)
第3章 機(jī)械臂路徑優(yōu)化方法研究
3.1 引言
3.2 交互式路徑漸近最優(yōu)算法研究
3.2.1 啟發(fā)式路徑簡(jiǎn)化
3.2.2 路徑融合漸近最優(yōu)
3.2.3 漸近最優(yōu)路徑生成
3.3 隨機(jī)軌跡平滑算法研究
3.3.1 隨機(jī)最優(yōu)控制和路徑積分
3.3.2 隨機(jī)軌跡平滑問(wèn)題描述
3.3.3 基于高斯混合模型的代價(jià)函數(shù)設(shè)置
3.3.4 軌跡迭代更新
3.4 機(jī)械臂路徑優(yōu)化算法仿真研究
3.4.1 交互式路徑漸近最優(yōu)算法仿真驗(yàn)證
3.4.2 隨機(jī)軌跡平滑算法仿真驗(yàn)證
3.5 本章小結(jié)
第4章 機(jī)械臂運(yùn)動(dòng)規(guī)劃和路徑優(yōu)化實(shí)驗(yàn)研究
4.1 引言
4.2 實(shí)驗(yàn)平臺(tái)搭建
4.2.1 基于ROS的機(jī)器人仿真平臺(tái)搭建
4.2.2 機(jī)械臂實(shí)驗(yàn)平臺(tái)搭建
4.2.3 機(jī)械臂手眼標(biāo)定
4.2.4 基于三維點(diǎn)云的Octomap地圖搭建
4.3 實(shí)驗(yàn)驗(yàn)證與分析
4.3.1 辦公場(chǎng)景下機(jī)械臂避障實(shí)驗(yàn)分析
4.3.2 復(fù)雜環(huán)境中機(jī)械臂避障實(shí)驗(yàn)分析
4.3.3 同一場(chǎng)景下機(jī)械臂不同規(guī)劃實(shí)驗(yàn)分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及其它成果
致謝
本文編號(hào):3855862
【文章頁(yè)數(shù)】:83 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題研究的背景和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀與分析
1.2.1 機(jī)械臂運(yùn)動(dòng)規(guī)劃方法研究現(xiàn)狀
1.2.2 機(jī)械臂路徑優(yōu)化方法研究現(xiàn)狀
1.2.3 文獻(xiàn)綜述分析
1.3 課題主要研究?jī)?nèi)容
第2章 基于高斯混合模型的機(jī)械臂運(yùn)動(dòng)規(guī)劃研究
2.1 引言
2.2 快速搜索隨機(jī)樹(shù)算法研究
2.2.1 問(wèn)題定義
2.2.2 RRT算法的基本原理
2.2.3 RRT-Connect算法的基本原理
2.3 基于高斯混合模型的運(yùn)動(dòng)規(guī)劃算法研究
2.3.1 高斯混合模型的訓(xùn)練
2.3.2 基于高斯分布的訓(xùn)練樣本集獲得
2.3.3 基于高斯混合模型的自適應(yīng)采樣研究
2.3.4 基于AABB包圍盒的碰撞檢測(cè)方法
2.3.5 基于高斯混合模型的碰撞檢測(cè)方法
2.3.6 基于高斯混合模型的機(jī)械臂運(yùn)動(dòng)規(guī)劃
2.4 基于高斯混合模型的運(yùn)動(dòng)規(guī)劃算法仿真驗(yàn)證
2.4.1 基于高斯混合模型的二維運(yùn)動(dòng)規(guī)劃仿真驗(yàn)證
2.4.2 基于高斯混合模型的機(jī)械臂運(yùn)動(dòng)規(guī)劃仿真驗(yàn)證
2.5 本章小結(jié)
第3章 機(jī)械臂路徑優(yōu)化方法研究
3.1 引言
3.2 交互式路徑漸近最優(yōu)算法研究
3.2.1 啟發(fā)式路徑簡(jiǎn)化
3.2.2 路徑融合漸近最優(yōu)
3.2.3 漸近最優(yōu)路徑生成
3.3 隨機(jī)軌跡平滑算法研究
3.3.1 隨機(jī)最優(yōu)控制和路徑積分
3.3.2 隨機(jī)軌跡平滑問(wèn)題描述
3.3.3 基于高斯混合模型的代價(jià)函數(shù)設(shè)置
3.3.4 軌跡迭代更新
3.4 機(jī)械臂路徑優(yōu)化算法仿真研究
3.4.1 交互式路徑漸近最優(yōu)算法仿真驗(yàn)證
3.4.2 隨機(jī)軌跡平滑算法仿真驗(yàn)證
3.5 本章小結(jié)
第4章 機(jī)械臂運(yùn)動(dòng)規(guī)劃和路徑優(yōu)化實(shí)驗(yàn)研究
4.1 引言
4.2 實(shí)驗(yàn)平臺(tái)搭建
4.2.1 基于ROS的機(jī)器人仿真平臺(tái)搭建
4.2.2 機(jī)械臂實(shí)驗(yàn)平臺(tái)搭建
4.2.3 機(jī)械臂手眼標(biāo)定
4.2.4 基于三維點(diǎn)云的Octomap地圖搭建
4.3 實(shí)驗(yàn)驗(yàn)證與分析
4.3.1 辦公場(chǎng)景下機(jī)械臂避障實(shí)驗(yàn)分析
4.3.2 復(fù)雜環(huán)境中機(jī)械臂避障實(shí)驗(yàn)分析
4.3.3 同一場(chǎng)景下機(jī)械臂不同規(guī)劃實(shí)驗(yàn)分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及其它成果
致謝
本文編號(hào):3855862
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3855862.html
最近更新
教材專著