本文關(guān)鍵詞：6R工業(yè)機器人的運動軌跡規(guī)劃及仿真研究　出處：《中北大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 6R工業(yè)機器人 solidworks 運動學(xué)分析 軌跡規(guī)劃 RBF神經(jīng)網(wǎng)絡(luò)

【摘要】：隨著機器人技術(shù)越來越成熟,企業(yè)制造商越來越廣泛的使用機器人來完成工作任務(wù)。其中六自由度關(guān)節(jié)式機器人由于其操作空間大并且結(jié)構(gòu)緊湊在制造業(yè)領(lǐng)域中廣泛使用,它是生產(chǎn)制造中應(yīng)用最廣泛的機器人。由于關(guān)節(jié)式機器人的諸多優(yōu)點,本文設(shè)計和分析了一個負載為6kg的關(guān)節(jié)式機器人。首先,對機器人常用的幾種類型進行分析,最終選擇關(guān)節(jié)式機器人進行設(shè)計,然后對其每個關(guān)節(jié)的結(jié)構(gòu)進行設(shè)計,并建立solidworks三維模型圖,使得機器人的整體結(jié)構(gòu)更加直觀;機器人要實現(xiàn)運動,就必須對其驅(qū)動系統(tǒng)進行設(shè)計,因此,根據(jù)經(jīng)驗及其他機器人樣機,對工業(yè)機器人的電機和減速器進行選型;建立對工業(yè)機器人的連桿坐標系,得到其D-H參數(shù),根據(jù)這些參數(shù)建立機器人的運動學(xué)方程,并運用Matlab Robotics toolbox工具箱對機器人的各個桿件進行建模,組成一個完整的機器人模型,對其進行正逆運動學(xué)和工作空間的仿真分析。其次,介紹了機器人的兩種軌跡規(guī)劃方法,這兩種方法分別是關(guān)節(jié)空間軌跡規(guī)劃和笛卡爾空間軌跡規(guī)劃,然后對兩者進行分析比較,綜合兩者的優(yōu)缺點,最終本文選擇關(guān)節(jié)空間進行軌跡規(guī)劃;選取軌跡規(guī)劃方法后結(jié)合matlab的強大功能對機器人的運動軌跡進行仿真,得到機器人末端的角位移、速度和加速度曲線,仿真得到的曲線光滑無突變,使得機器人可以按照預(yù)定的軌跡完成任務(wù)。最后,簡單介紹RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),對RBF神經(jīng)網(wǎng)絡(luò)的matlab設(shè)計進行研究;由于RBF神經(jīng)網(wǎng)絡(luò)規(guī)模大、學(xué)習(xí)速度快、函數(shù)逼近擬合功能優(yōu)的特點,將其運用到關(guān)節(jié)式機器人的軌跡規(guī)劃中,結(jié)合matlab工具箱的強大功能,對機器人的軌跡進行仿真,得到機器人光滑的角位移曲線,神經(jīng)網(wǎng)絡(luò)得到的角位移曲線光滑,且與軌跡規(guī)劃得到的曲線基本一致,說明了把RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用到工業(yè)機器人軌跡規(guī)劃中是合理可行的。
[Abstract]:As robotics becomes more and more mature. Enterprise manufacturers are increasingly using robots to accomplish their tasks. Among them, six-degree-of-freedom joint robots are widely used in manufacturing due to their large operating space and compact structure. It is the most widely used robot in production and manufacture. Because of its many advantages, this paper designs and analyzes a robot with a load of 6kg. First of all. The common types of robot are analyzed. Finally, the joint robot is selected to design, and then the structure of each joint is designed, and the solidworks 3D model diagram is established. Make the whole structure of robot more intuitive; In order to realize the motion, the robot must design its drive system. Therefore, according to the experience and other robot prototype, the motor and reducer of the industrial robot are selected. The D-H parameters are obtained by establishing the coordinate system of the connecting rod of the industrial robot, and the kinematics equation of the robot is established according to these parameters. The Matlab Robotics toolbox toolbox is used to model each member of the robot to form a complete robot model. The forward and inverse kinematics and workspace simulation are analyzed. Secondly, two trajectory planning methods of robot are introduced, which are joint space trajectory planning and Descartes space trajectory planning. Then the two are analyzed and compared, and the advantages and disadvantages of the two are synthesised. Finally, the joint space is chosen for trajectory planning in this paper. After selecting the trajectory planning method and combining with the powerful function of matlab, the trajectory of the robot is simulated, and the angular displacement, velocity and acceleration curves at the end of the robot are obtained. Finally, the structure of RBF neural network is briefly introduced, and the matlab design of RBF neural network is studied. Due to the large scale, fast learning speed and excellent function of function approximation, RBF neural network is applied to the trajectory planning of joint robot and combined with the powerful function of matlab toolbox. The trajectory of the robot is simulated and the smooth angular displacement curve of the robot is obtained. The angular displacement curve obtained by the neural network is smooth and basically consistent with the curve obtained by the trajectory planning. It is reasonable and feasible to apply RBF neural network to industrial robot trajectory planning.
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP242

【參考文獻】

相關(guān)期刊論文 前6條

1 張紅霞;;國內(nèi)外工業(yè)機器人發(fā)展現(xiàn)狀與趨勢研究[J];電子世界;2013年12期

2 陳德林;楊志幫;;可重構(gòu)機器人設(shè)計理論與研究[J];制造業(yè)自動化;2013年10期

3 姚輝苗;寇子明;;基于Solidworks的換繩組件關(guān)鍵零件參數(shù)化設(shè)計[J];煤礦機械;2013年05期

4 孫志杰;王善軍;張雪鑫;;工業(yè)機器人發(fā)展現(xiàn)狀與趨勢[J];吉林工程技術(shù)師范學(xué)院學(xué)報;2011年07期

5 周雪峰;江勵;朱海飛;蔡傳武;管貽生;張憲民;;一個模塊化機器人平臺的設(shè)計[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2011年04期

6 李烈;;我國工業(yè)機器人發(fā)展現(xiàn)狀淺談[J];科技致富向?qū)?2011年05期

相關(guān)碩士學(xué)位論文 前10條

1 鄭家旺;多傳感器融合的涂裝機器人研發(fā)[D];武漢理工大學(xué);2011年

2 張忠奎;關(guān)節(jié)型機器人設(shè)計平臺的開發(fā)及軌跡規(guī)劃算法研究[D];山東理工大學(xué);2010年

3 陶智量;基于MATLAB的6自由度工業(yè)機器人仿真研究[D];吉林大學(xué);2009年

4 王長潤;機器人柔性焊裝線整線控制技術(shù)研究[D];合肥工業(yè)大學(xué);2009年

5 楊梁玉;RBF神經(jīng)網(wǎng)絡(luò)在認股權(quán)證定價中的應(yīng)用研究[D];廈門大學(xué);2009年

6 劉超;通用型機器人關(guān)節(jié)運動控制器的研制[D];中南大學(xué);2008年

7 孔德鵬;地面移動機器人的瞬態(tài)特性分析與仿真[D];南京理工大學(xué);2008年

8 李翠明;工業(yè)機器人迭代學(xué)習(xí)控制策略研究[D];蘭州理工大學(xué);2008年

9 吳泰巍;基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)格性能預(yù)測[D];吉林大學(xué);2008年

10 胡鵬;開放式機器人控制系統(tǒng)研究與實現(xiàn)[D];武漢科技大學(xué);2006年

，

本文編號：1388111