机器人的逆运动学名词解释.doc

机器人的逆运动学名词解释 机器人的逆向运动学是，已知末端的位置和姿态，以及所有连杆的几何参数下，求解关节的位置。 二、两大类求解逆运动学的方法 逆运动学求解通常有两大类方法：解析法、数值法。 1.解析法（Analytical Solution） 特点：运算速度快（达到us级），通用性差，可以分为代数法与几何法进行求解。 串联机械臂有逆运动学解析解的充分条件是满足Pieper准则。即如果机器人满足两个充分条件中的一个，就会得到封闭解，这两个条件是： 三个相邻关节轴相交于一点； 三个相邻关节轴相互平行。 现在的大多数商品化的工业机器人在设计构型时，都会尽可能满足满足Pieper准则，因为解析法求解能够很快的使用较少的算力，使用较低成本的控制器就能求解，之后随着芯片算力的提升，感觉在未来，机器人公司也会在是否采用满足解析解的构型和采用特定构型并开发对应的逆解算法之间找一个平衡。 以PUMA560机器人为例，它的最后3个关节轴相交于一点。我们运用Pieper方法解出它的封闭解。对于UR5机械臂，其第2、第3、第4关节轴平行，满足Pieper准则其中的一条，即三个相邻的关节轴两两平行。 2.数值法（Numerical Solution） 特点：通用性高，但是求解速度较慢（ms级）。 除了一些特殊的机械臂构型外，机械臂逆运动学问题很难用解析解求解，因此在许多情况下会使用数值解求解。 通常设定一个优化目标函数，是把逆解求解问题转化为一个优化问题求数值解。 Newton-Raphson（NR）是数值解的一种方法。它需要基本的雅可比矩阵。然而，当且仅当原始方程的函数具有逆函数，且原始方程可解时，NR方法才会成功。从运动学的角度来看，前一个条件意味着机器人需要非冗余，机器人在从初始配置到最终配置的运动过程中不通过奇异点。后一个条件意味着机械臂的期望位置和方向需要在机器人的工作空间内，是可解的。由于这些限制，NR方法不能保证全局收敛性，因此它在很大程度上取决于初始值。 奇异性问题与基本雅可比矩阵的性质密切相关，这主要在微分逆运动学（differential inverse kinematics）相关领域?中进行了讨论，Whitney提出了使用Moore–Penrose的广义逆矩阵来解决这个问题。无论原始雅可比矩阵的秩如何，都通过构型的最小偏差使约束方程的残差最小化。Nakamura and Hanafusa指出，Whitney的方法不能解决构型在奇异点附近抖动的问题，并提出了引入阻尼因子的奇异鲁棒逆矩阵（singularity-robust inverse matrix）。Wampler 也提出了一种类似的方法，并提到它涉及到 Levenberg–Marquardt（LM）方法的框架。 可解性的问题和奇异点的问题一样需要考虑。大多数情况下，很难提前知道方程是否是可解的。一个合理的思想是用残差极小化代替逆运动学中的根查找问题。基于这一想法，有使用了最陡下降（ steepest descent，SD）和变量度量（Variable metric，VM）的方法。但前者的收敛速度较慢，而后者的可靠性较低，因此经常处于局部极小值。合理快速的解决方案是一类在每一步迭代中利用DIK的梯度方法。LM方法在其中具有较高的计算稳定性。虽然LM方法的收敛性能取决于阻尼因子的选择，但这个问题到目前为止还没有得到充分的讨论。Tomomichi Sugihara提出了一种选择LM方法的阻尼因子的方法，该方法对奇异性、可解性和快速收敛问题具有鲁棒性。通过一种相当简单的利用残差平方范数作为阻尼因子的方法来实现鲁棒性和收敛性，并通过对阻尼因子略有偏置来解决在奇异点附近，计算不稳定的问题。 2.1?雅可比矩阵求逆法（ Jacobian Inverse） 根据微分运动方程，可得x˙=J?q˙ 对雅可比矩阵求逆可得 q˙=J?1x˙ 如果机械臂的初始关节状态?q(0)?已知，最终的目标关节位置可以通过速度对时间的积分进行计算。 q(t)=∫0tq˙(?)d?+q(0)积分的计算可以通过数值方法对时间离散来实现，最简单是基于欧拉积分法，给定一个积分间隔?Δt?，如果?tk?时刻的关节位置与速度已知，?tk+1=tk+Δt?时刻的关节位置可以通过以下实现。 q(tk+1)=q(tk)+q˙(tk)Δt因此我们的逆解求解的关注点便聚焦于求解?Δθ，即?q˙(tk)Δt?。 基于微分运动学的思想，机械臂末端点的世界坐标系中的运动?Δx?可以近似用关节的运动?Δq?叠加得到，Δx?越小，线性关系越准确，即假设机器人从初始位置?qs?一步步地运动到目标位置?qe，每一步的步长为?Δθ?。 Δθ=J?1Δx一般迭代求解会对求解的步长做处理，即增加一个变量α，这样可以加快求解速度。最后得到如下的迭代公式