一、PUMA机器人的精度设计（论文文献综述）
武慧莹[1]（2021）在《基于无模型自适应预测控制的机械臂视觉伺服控制研究》文中研究说明随着计算机视觉的不断进步,视觉伺服技术被引入机械臂控制领域,成为机械臂控制领域研究的核心内容之一。机械臂在工作过程中通过摄像机获得图像信息,使得操作系统更加灵活,因此,机械臂视觉伺服控制系统具有非常重要的研究价值。本文以六自由度机械臂视觉伺服系统这种结构复杂的多入多出系统为研究对象,针对视觉模型参数和摄像机内部参数未知的问题,以多入多出紧格式无模型自适应控制算法为基础,对机械臂视觉伺服系统进行了研究,主要研究内容如下:首先,考虑到图像处理的结果直接影响到控制精度,研究了图像预处理、边缘检测和特征点提取方法,给出了基于图像处理的目标物体中心点像素坐标的确定方法。其次,为解决视觉伺服系统模型不确定性对控制系统性能的影响,提出了基于无模型自适应（Model Free Adaptive Control,MFAC）的机械臂视觉伺服控制方法。使用视觉伺服系统输入输出数据设计控制器,将目标物体的特征点信息和期望特征之间的差值作为反馈信息传递给控制器驱动机械臂运动,使得目标图像特征点像素坐标达到期望位置。仿真结果验证了无模型自适应视觉控制方法在视觉伺服系统模型不确定情况下的有效性。最后,为进一步提高系统的控制精度,本文提出了无模型自适应预测控制（Model Free Adaptive Predictive Control,MFAPC）的视觉伺服控制方法。通过在每一个时刻建立机械臂视觉伺服系统等价的动态线性化数据模型,利用机械臂视觉伺服系统输入输出数据估计系统的伪偏导数,同时应用预测控制算法计算最优控制量。仿真实验验证了无模型自适应视觉预测控制方法在无标定环境下和模型未知环境下的有效性。
赵新宇[2]（2021）在《基于六维力传感器的机械臂阻抗控制研究》文中提出我国实现“中国制造2025”国家战略的关键是实现智能制造,而机器人是实现智能制造的关键。机械臂作为机器人的一种,主要执行包括焊接、喷涂、装配、搬运、抛光等需要柔顺操作的任务。机械臂的柔顺操作主要依赖对机械臂力的柔顺控制,利用柔顺控制可以完成大量复杂的工作,因此,机械臂的柔顺控制是目前机器人领域一个重要的研究方向。本文围绕机械臂的柔顺控制,进行机械臂末端负载动力学参数辨识方法、末端接触力感知、末端碰撞位置检测方法以及阻抗控制策略的研究。首先,研究了机械臂的运动学与动力学。建立机械臂的运动学与动力学模型并进行仿真分析与验证,仿真结果证明了建立的机械臂运动学与动力学模型的正确性。其次,研究了机械臂末端接触力感知与末端碰撞位置检测方法。以七自由度冗余液压重载机械臂为研究对象,研究机械臂末端负载的重力/力矩及传感器零点误差的补偿方法,并根据冗余液压重载机械臂的运动关系模型进行仿真实验,结果表明,所提方法能够消除机械臂末端负载重力及传感器零点偏差的影响,得到末端接触力/力矩,利用接触力/力矩对末端碰撞位置的检测较准确。然后,研究了机械臂的末端负载动力学参数辨识方法。以七自由度冗余液压重载机械臂为研究对象,建立了机械臂末端负载动力学参数辨识模型,设计了机械臂各运动关节的最优激励轨迹,对液压重载机械臂末端负载进行参数辨识仿真实验,并在验证轨迹下对辨识参数进行评价,结果表明参数辨识结果可靠。最后,研究了机械臂的阻抗控制策略。建立阻抗模型,分析阻抗参数对阻抗控制性能的影响,利用遗传算法寻找最优阻抗参数组合。引入自适应控制策略与在线调整自适应率的方法,分析自适应阻抗控制的稳定性与收敛性,对自适应阻抗控制系统进行仿真实验,结果表明控制系统的鲁棒性较好,机械臂在未知环境下能够很好的实现力跟踪控制。
赵军[3]（2021）在《基于自适应动态规划的机器人系统鲁棒控制研究》文中指出机器人是智能制造系统的重要组成单元之一,也是支撑我国制造产业转型升级的重要装备。由于机器人在运行过程中总是受到外界的干扰,在系统建模过程中也往往存在不确定性,因此对机器人系统开展鲁棒控制研究以确保存在建模误差和外界干扰情况下的高性能控制就显得尤为重要。目前,针对机器人的非线性系统鲁棒控制存在求解困难的理论难题。针对上述需求,本论文将以串联型工业机器人为例,探索其鲁棒控制器设计以及在线求解方法,从而降低控制系统设计对机器人精准建模的要求,提升机器人系统的综合性能,并针对典型的机器人系统开展仿真验证和实验研究。论文旨在为机器人控制系统设计提供新的思路,并解决鲁棒控制在线求解的科学难题。本课题的主要研究内容如下:（1）基于自适应动态规划的机器人鲁棒控制。首先以经典的PUMA560系列机器人为例,介绍串联机器人动力学模型构建方法,并介绍了实验室自主设计的一款SCARA机器人平台,分析了机器人系统模型中存在的不确定性以及模型转化方法。在此基础上,给出机器人鲁棒控制问题描述,研究将不确定机器人系统鲁棒控制问题等价为标称系统最优控制问题的途径,给出通过求解最优控制问题间接得到鲁棒控制问题解的新思路。最后,为实现最优控制问题的在线求解,引入自适应动态规划（Adaptive dynamic programming,ADP）方法使用神经网络在线逼近最优方程的解,并设计了一个新的基于参数估计误差驱动的自适应律在线更新神经网络权值,保证了最优控制解及神经网络权值的收敛性。该方法摒弃了传统ADP结构中执行神经网络（Actor NN）的使用,降低了计算量。（2）基于自适应动态规划的机器人鲁棒跟踪控制。由于机器人的轨迹跟踪精度是确保机器人工作性能的重要指标,故研究了基于最优控制的机器人鲁棒跟踪控制器设计和在线求解。首先,将不确定机器人系统的鲁棒跟踪控制问题等价为标称系统的最优跟踪控制问题。为实现跟踪控制,传统最优跟踪控制一般将原控制分为稳态控制与瞬态控制两部分分开设计。不同于该思路,本文融合跟踪误差动态与参考轨迹动态构造增广系统,实现可一步求解的最优跟踪控制问题,并引入折扣因子保证性能指标函数的有界性。为实现最优控制在线求解,基于ADP思想引入神经网络在线逼近最优性能指标函数,并设计了相应的自适应律完成神经网络权值和最优控制在线更新,进而得到鲁棒控制解。（3）基于输入/输出数据驱动的机器人输出反馈鲁棒控制。现有的鲁棒和最优控制算法大多需要完整的系统状态,但在机器人运行中部分状态（如:加速度）是不可测的,这限制一些先进控制算法的实际应用。为实现机器人输出反馈（仅需关节运动位置信息）鲁棒控制,提出将不确定系统输出反馈鲁棒控制问题等价为标称系统的输出反馈最优控制问题,进而避免了传统观测器的设计。使用输入/输出数据即可重构输出反馈的最优黎卡提方程（Modified algebraic Riccati equation,MARE）,并使用克罗内克积和向量化操作将MARE写为线性参数化形式。为实现MARE的在线求解,设计一个基于输入/输出数据驱动自适应律来实现对MARE中未知参数的估计。考虑到求解过程中系统维数过高的问题,引入降维操作保证了在线学习的可行性。（4）基于输入/输出数据驱动的机器人输出反馈鲁棒跟踪控制。进一步研究输出反馈鲁棒跟踪控制问题,融合参考轨迹信号与系统状态构造增广系统,其输出为参考轨迹与实际输出轨迹的误差。进而将不确定增广系统输出反馈鲁棒跟踪控制问题等价为标称增广系统输出反馈最优跟踪控制问题,引入折扣因子构造有界最优性能指标函数,得到新的输出跟踪黎卡提方程（Modified tracking algebraic Riccati equation,MTARE）。为实现该MTARE的在线求解,引入基于参数估计误差设计自适应律,保证了未知估计参数的收敛性,最终实现输出反馈控制律的在线求解。在完成理论研究的同时,以经典的PUMA560工业机器人模型为对象开展对比仿真验证。同时,在实验室自主设计了一款SCARA机器人实验平台对上述理论研究成果进行了实验验证。仿真与实验结果均表明,所提出的控制算法在机器人控制过程中具有收敛速度快、能耗低,且能克服建模误差的优势。实验结果也验证了所提控制方法的优越性和潜在的工程实用性。所提出的鲁棒控制和在线学习算法可进一步应用于其它类型工业机器人甚至智能机器人控制器设计中。
张瑞阳[4]（2020）在《面向冗余机械臂速度层的自适应重复运动规划研究》文中认为在机械工业中,机械臂逆运动学规划是一个重要的研究方向。对于机械臂的逆运动学规划,传统的伪逆方案无法保证机械臂不超出物理约束;传统的二次规划方案需要知道精确的机械臂物理参数。在实际应用中,常会出现由于物理磨损造成的机械臂的物理参数不同于真实值,机械臂关节超出物理约束造成机械臂损坏等现象,上述情况下传统的方案不适用。本文讨论了机械臂逆运动学规划问题,设计了一种基于自适应神经网络的逆运动学方案。对于物理参数未知或者错误的机械臂,该方案能保证机械臂关节不超出物理极限的情况下完成重复运动。本文的主要工作和成果如下:1.针对机械臂的重复运动问题,讨论了一种基于二次规划的重复运动方案,通过最小化机械臂关节角当前值和关节角初始值的差,结合神经动力学法,设计了一种可实现重复运动的性能指标,使得关节角在运动结束后回到初始位置。对于该二次规划,利用拉格朗日法将二次规划转化为线性系统进行求解。实验结果验证了该性能指标实现重复运动的有效性。2.针对未知模型的机械臂轨迹规划问题,讨论了一种基于伪逆的自适应轨迹规划方案,通过递归神经网络寻找适用的机械臂雅克比矩阵,摆脱了对机械臂数学模型的依赖,仅利用输入输出信息便可对模型未知的机械臂进行控制。理论分析和实验结果验证了该方案应对未知模型的可行性。3.为了使未知模型的机械臂在完成重复运动的基础上关节角不超出其物理约束,提出了一种基于自适应神经网络的逆运动学方案。针对机械臂物理约束,在能解决重复运动的二次规划基础上,引入关节角约束,投影神经网络可以求解包含物理约束的二次规划;为应对参数未知,将机械臂的雅克比矩阵分解出与未知参数相关的部分,结合投影神经网络,设计了一种自适应神经网络用于求解。理论分析证明了该方案的可行性,实验结果也充分验证了该方案的优越性。
任伟[5]（2020）在《六自由度工业机器人轨迹规划研究》文中研究表明伴随着工业信息化、智能化时代的持续推进,工业机器人技术的发展越来越成为了我国工业技术持续发展的重要助推力。在实际工业生产作业中,对于机器人工作效率方面的内容不断被提及,不再是简单追求其准确平稳地实现指定作业任务,同时也要求其作业时间能够尽可能地缩短。由此,可以发现工业机器人轨迹规划中有关时间最优方面的研究工作,对于实际工程应用和轨迹规划技术的进一步发展,都具有举足轻重、不可或缺的研究价值和意义。因此,本文选取六自由度PUMA560工业机器人当作分析对象,并基于运动学变量约束和时间优化的限制条件,对其实现点到点之间轨迹的时间最优化规划任务,并以期为工业机器人在点到点之间的轨迹规划研究,提供一种连续平滑的、安全稳定的时间最优规划方案。具体研究工作如下:（1）对工业机器人相关的空间点位姿、坐标转换、齐次坐标变换等运动学数学基础进行详细介绍。在此基础上,运用改进的D-H参数法和代数解法,对PUMA560机器人连杆结构和运动学相关问题进行讨论分析,并建立了相应的数学模型。最终,借助MATLAB以及Robotics toolbox,对所建的数学模型、机器人机械结构模型、机器人正常运行空间实现仿真。仿真结果验证了所建模型的正确性,也对运行工作空间进行了正确的仿真。（2）对不同轨迹规划空间的基本轨迹规划算法进行了分析,主要介绍了有关直线、圆弧、多项式、B样条曲线等插补算法,并讨论了不同插补算法的长处与弊端。基于此,提出一种4-5-4多项式混合插补算法,具体从该算法的构造原理、算法要求和实现方法等内容进行了分析。最终,借助MATLAB完成本文所提改进算法的测试和对比分析工作,结果证明了其正确性、可控性和优越性。（3）针对标准的PSO优化算法存在着易陷入局部最优、不易获得全局最优解的问题,提出一种将标准的PSO优化算法与自然选择机理和自适应惯性权重因子相结合的改进方案。利用标准的PSO、基于杂交的PSO算法（BreedPSO）、基于模拟退火的PSO算法（SimuAPSO）和本文改进的 PSO 算法对 Sphere、Rastrigin、Griewank三组不同测试函数进行了相关的测试工作,测试结果证明了本文所提改进方案的正确性、优越性。（4）基于以上研究,提出利用改进的PSO优化算法与4-5-4多项式混合插补算法相结合的方案,并将关节运行的角度、速度以及加速度等相关变量约束信息作为限制条件,完成工业机器人在点到点之间有关时间最优的轨迹规划。最终运用仿真实验,验证了本文所提轨迹规划方案的正确性,并且能够使运行时间得到明显缩短,即实现了高效性。
王波[6]（2020）在《基于模糊神经网络与旋量理论的6R机械臂运动和动力研究》文中指出当今数字化与智能制造是制造业发展的必然趋势,工业机械臂作为智能工厂的关键,迎来了新一轮的发展机遇。作为现代工业发展的重要基础,工业机械臂的运动精度已经成为衡量一个国家科技和制造水平的重要标志。本文以工业机械臂的一种PUMA560为主要研究对象,分别讨论了6R机械臂的正运动学、逆运动学、动力学、控制方法,主要内容有:首先,基于角轴表示法与DH方法对6R工业机械臂进行了运动学建模,推导出PUMA560正运动学的解,讨论了两种表示方法的区别与联系,利用解析法求出了PUMA560的逆运动学解。以旋量定理为基础得到了空间坐标系中与物体坐标系中末端执行器的速度转换,推导出了用来转换末端执行器速度与关节速度的雅可比矩阵,并利用雅可比矩阵解释了造成奇异位姿的原因,以几个雅可比矩阵推出的量引出了可操作性的概念。其次,提出了一种新逆运动学模型。机械臂腰、肩、肘关节转角由自适应模糊神经系统（ANFIS）求解,腕俯仰、腕摆动、腕旋转关节转角由解析法求解。用此模型得到的解没有姿态误差,但有由ANFIS结构影响的位置误差。以PUMA560为研究对象由实验结果得出,选取SΦ1000mm半球作为训练空间,训练点数为20000个,隶属度函数（MF）的个数为6时,所得的逆解模型效果最好。结果显示平均位置误差为0.158mm,选取合适的工作空间后可将其空间内99.9%的点的位置误差控制在0.5mm内。1000点逆解计算时间为0.082s,而传统的解析法需要3s左右,极大的缩短了计算时间。根据以上特性可以将此模型运用于分拣系统这类实时规划系统中,提高速度、节省计算资源、且误差控制在可接受的范围内。再次,分别讨论了关节空间与笛卡尔空间的轨迹规划问题。在关节空间中主要有五次多项式、梯形速度等方法,还讨论了多段多维的轨迹生成方法,在笛卡尔空间中,利用姿态四元数球形的线性插值解决了旋转的规划问题。最后,以牛顿欧拉方程和拉格朗日方程推导了机械臂的动力学方程。讨论了前馈控制与计算力矩控制的不同,前馈控制方法得到的实际偏差振动幅度大,计算力矩控制方法的误差会随着时间逐渐增大。
何建成[7]（2020）在《基于粒子群算法多目标机械臂轨迹规划研究》文中认为随着控制技术与制造技术的进一步发展,工业机器人已成为现代制造业不可或缺的制造装备之一。工业机器人以其高度的通用性、适应性、耐久性和稳定性进一步确立了其在应用领域的优势。现今,机器人不再为实现常规的运动与控制去完成指定的任务,对其运行过程中的精确性、效率性、稳定性提出了更高的要求。机器人轨迹规划作为机器人控制系统研究中的重要部分,一直是研究人员作为提升机器人性能的重点研究方向。本文基于粒子群迭代算法原理与仿真相结合,对机器人轨迹规划展开了相关的研究。主要的研究内容包括以下几个方面:（1）本文以PUMA560型六自由度机器人为研究对象,对机器人机械结构进行了分析,采用D-H参数法建立机械臂的有效数学模型;利用MATLAB软件建立仿真模型,进行正逆运动学运动过程仿真实验。（2）基于逆运动学过程,依据代数法的机理,采用改进的数值计算M程序对逆解进行求解,得到最接近于当前机器人的八组逆解值,且整个程序的求解过程仅为1.5秒,并利用MATLAB软件计算结果验证了M程序计算的正确性,相对误差可控制在0.4%以内。（3）在机器人运行轨迹曲线线性插值方式的选择上,选择高阶多项式曲线建立机器人运行插值轨迹。得到初始与末了均可指定,且运行过程中各点的关节角度、关节角速度和关节角加速度都具有连续性的轨迹。机器人的整个运行轨迹连续且平滑,一定程度上避免了冲击与振动的产生。（4）对关节空间多目标最优轨迹规划方法进行了研究与分析。基于多目标粒子群算法,在考虑多约束条件下,实现机器人运行轨迹多目标（时间、能量消耗、脉动冲击）综合优化。将优化后的结果运用归一化的方法进行数据处理,得到优化后时间性能指标的优化达到了7%、能量消耗性能指标的优化达到了40%、脉动冲击性能指标的优化达到了44%的优化结果。（5）采用ADAMS/View搭建机器人虚拟样模型。导入迭代求优后的轨迹曲线对机器人进行运动学仿真实验。并通过后处理模块ADAMS/PostProcessor验证了多约束条件下多目标轨迹规划迭代算法的正确性。
金轲[8]（2020）在《面向零件表面三维重建的机器人视觉系统标定与控制技术研究》文中提出当工业机器人视觉系统用于工件表面三维测量任务时,为了获得较好的测量精度,不仅需要对机器人视觉系统进行标定,还需要对相机进行拍摄位置规划与定位控制,以获得足够多的工件表面关键特征信息。现有的工业机器人视觉测量方案中,相机的拍摄位置需要根据人为经验进行规划,而相机定位通过机器人控制器的开环控制实现。然而,该方案无法保证工件表面的关键特征位于相机视野内,会导致关键特征信息缺失,影响三维重建精度。针对以上问题,本学位论文以面向零件表面三维重建的机器人视觉系统为研究对象,将视觉伺服控制引入到相机拍摄定位过程中,在此基础上,针对系统中的标定与控制技术展开了进一步的研究。主要研究内容如下:针对测量系统中的六自由度工业机器人,基于Denavit–Hartenberg方法建立了机器人正向运动学模型。随后,分别构建了机器人逆运动学求解的解析法和数值法,并对两种逆运动学求解方法进行了仿真实验验证。实验结果验证了逆运动学求解方法的有效性。针对测量系统中的单目相机,建立了相机成像模型,基于张正友标定法进行了相机标定实验。在此基础上,介绍了经典的手眼标定方法。针对传统手眼标定方法的不足,提出了基于差分进化算法的手眼标定方法。随后,搭建了手眼标定实验平台,将本方法与传统方法的标定结果进行对比,实验结果验证了本方法的有效性。基于机器人视觉系统,建立了视觉伺服控制框架。针对实际视觉伺服控制系统存在的时滞效应问题,提出了基于微分求积法的时滞视觉伺服控制方法。随后分别搭建了仿真实验平台和实物实验平台,验证了所述方法的可行性与有效性。搭建了基于机器人视觉系统的三维测量平台,基于视觉伺服控制方法,采集了多视角工件图像。在此基础上,通过三维点云的稀疏重建技术与稠密重建技术,完成零件表面三维重建实验。实验结果验证了本文所述的面向零件表面三维重建的机器人视觉系统标定与控制技术的有效性。
张亚宾[9]（2020）在《基于改进双树RRT算法的串联操作臂避障运动规划研究》文中研究说明在“工业4.0”和“中国制造2025”双重社会背景下,制造业成为立国之本、兴国之器、强国之基。虽然串联机器人操作臂在制造业领域里已经得到广泛的作用,但是传统串联操作臂的避障运动规划严重依赖人工示教,因此存在着工作量大、自动化程度低等问题。本文提出改进双树RRT（Rapid-Exploration Random Tree）算法与Dijkstra算法结合实现串联操作臂的快速避障运动规划,并以Dobot三自由度和PUMA560六自由度操作臂为研究对象,对模型构建与运动学分析、碰撞检测、路径规划以及轨迹规划等内容展开了研究。论文的主要内容如下:首先,通过操作臂正逆运动学方程和Denavit-Hartenberg（D-H）参数法,在MATLAB Robotics Toolbox（机器人工具箱）中构建了Dobot和PUMA560串联操作臂的三维数学模型。基于Monte Carlo（蒙特卡罗）点云法和计算机图形学生成了各自的工作空间模型,并对操作臂和空间障碍物包络模型的干涉关系进行了数学描述。然后,针对传统规划算法运算效率较低的缺点,提出改进双树RRT避障路径规划算法,引入了扩展目标点变更、极致贪婪策略和新的碰撞检测模型改善算法,并利用Dijkstra算法对改进扩展算法得到的规划路径进行二次优化,提高了路径平滑性。在二维和三维场景中对改进算法和传统算法进行仿真对比,结果证明了改进算法在避障路径规划时间和长度上具有优越性。最后,分别在笛卡尔空间和关节空间对两种操作臂进行路径规划,得到操作臂笛卡尔空间坐标路径点和关节空间关节角度路径点信息。为了进一步得到运动轨迹的时间信息,应用三次和五次B样条轨迹规划插补方法,分别对笛卡尔空间路径映射关节角度和关节空间规划关节角度路径点进行插补规划,获得各个关节关于时间的角度、角速度和角加速度曲线,并进行对比分析。通过对操作臂运动建模和仿真结果分析,本文提出的避障运动规划算法具有可行性,对操作臂避障运动控制具有一定的理论意义和实际应用的参考价值。
宋吉[10]（2020）在《工业机器人轨迹规划与几何参数标定研究》文中提出随着现代工业、制造业领域智能化程度的不断提升,更加需要工业机器人以快速、高效和高精准度的特点满足产业升级的需求。然而工业机器人在安装、故障检测应用中存在运转速率低、末端工具定位精度差等问题。为了提高机器人的工作效率及末端定位精度,本文对机器人的空间轨迹规划及几何参数标定进行研究,本文主要从以下三个部分展开研究。⑴本文对PUMA-560机械臂构件参数进行建模,根据各关节的连杆参数建立连杆D-H坐标系。通过D-H坐标系建立机械臂运动学方程,详细推导了机器人运动学的正解和逆解。运用MATLAB软件对其运动学仿真分析,并求解方程的正、逆解变换矩阵和雅克比矩阵,验证了所建机器人连杆模型的正确性。⑵较为深入研究了三次B样条在关节空间下轨迹规划的插值函数,并采用改进遗传算法解决了关节空间下轨迹时间最优的问题。在关节空间分析多项式插值算法、改进B样条算法和遗传算法规划轨迹,运用MATLAB对轨迹进行关节空间规划仿真,对比仿真结果的各关节角度、角速度和角加速度曲线变化可以发现,改进三次B样条插值算法规划出的关节速度轨迹更加平滑,加速度曲线没有明显突变,能够准确有效的经过曲线指定节点。采用改进遗传算法规划的轨迹在一个任务时间周期内有效提高了工作效率,为工程上处理精度相对较高的机械臂作业任务提供了保障。⑶通过机器人末端装配工业相机方式检测出某个位姿下机器人末端在空间中的实际坐标值,该位姿下机器人控制器中的数据与测量值存在偏差,利用该偏差结合机器人的关节方程建立约束,运用遗传算法求解约束条件下的最优几何参数值,标定后新的几何参数驱动控制机器人时,机器人的末端定位精度有效提高,该方法可以为工业生产任务中的末端定位精度研究提供有效基础。
二、PUMA机器人的精度设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、PUMA机器人的精度设计（论文提纲范文）
（1）基于无模型自适应预测控制的机械臂视觉伺服控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 机器人视觉伺服系统概述 |
| 1.3 基于图像的视觉伺服控制方法研究现状 |
| 1.4 主要研究内容和结构安排 |
| 2 六自由度机械臂视觉伺服系统理论研究 |
| 2.1 连杆坐标系 |
| 2.2 六自由度机械臂运动学问题分析 |
| 2.3 视觉伺服系统视觉模型 |
| 2.4 本章小结 |
| 3 基于无模型自适应控制的视觉伺服控制方法 |
| 3.1 目标物体中心点像素坐标提取 |
| 3.1.1 图像预处理 |
| 3.1.2 图像边缘检测方法 |
| 3.2 目标物体中心点坐标 |
| 3.2.1 目标物体角点检测 |
| 3.2.2 目标物体中心点像素坐标 |
| 3.3 无模型自适应控制系统设计 |
| 3.4 仿真结果验证 |
| 3.4.1 PUMA560机械臂视觉伺服定位 |
| 3.4.2 PUMA560机械臂视觉伺服轨迹跟踪 |
| 3.5 本章小结 |
| 4 基于无模型自适应预测控制的视觉伺服控制方法 |
| 4.1 无模型自适应预测控制系统设计 |
| 4.1.1 控制系统设计 |
| 4.1.2 控制算法 |
| 4.1.3 伪偏导数估计算法和预报算法 |
| 4.2 仿真结果验证 |
| 4.2.1 无扰动的PUMA560机械臂视觉伺服轨迹跟踪 |
| 4.2.2 有扰动的PUMA560机械臂视觉伺服轨迹跟踪 |
| 4.3 本章小节 |
| 5 总结与展望 |
| 5.1 本文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）基于六维力传感器的机械臂阻抗控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 柔顺控制研究现状 |
| 1.2.2 机械臂末端接触力感知研究现状 |
| 1.2.3 机械臂末端负载动力学参数辨识研究现状 |
| 1.3 本文研究内容 |
| 第2章 机械臂运动学与动力学分析 |
| 2.1 引言 |
| 2.2 机械臂位姿描述与齐次变换 |
| 2.3 机械臂运动学 |
| 2.3.1 PUMA560正运动学与仿真分析 |
| 2.3.2 PUMA560逆运动学与仿真分析 |
| 2.3.3 PUMA560运动仿真分析 |
| 2.4 机械臂动力学 |
| 2.4.1 机械臂的拉格朗日动力学 |
| 2.4.2 PUMA560动力学与仿真分析 |
| 2.5 基于ADAMS的PUMA560仿真 |
| 2.5.1 基于ADAMS运动学仿真 |
| 2.5.2 基于ADAMS动力学仿真 |
| 2.6 本章小结 |
| 第3章 机械臂末端力感知与碰撞位置检测 |
| 3.1 引言 |
| 3.2 六维力传感器介绍 |
| 3.3 机械臂末端接触力感知 |
| 3.4 机械臂末端碰撞位置检测 |
| 3.5 仿真实验与结果分析 |
| 3.5.1 末端接触力感知仿真实验与结果分析 |
| 3.5.2 末端碰撞位置检测仿真实验与结果分析 |
| 3.6 本章小结 |
| 第4章 机械臂末端负载动力学参数辨识 |
| 4.1 引言 |
| 4.2 机械臂末端负载动力学参数辨识方法 |
| 4.2.1 机械臂运动学与动力学递推 |
| 4.2.2 机械臂末端负载动力学参数辨识模型 |
| 4.3 激励轨迹设计与优化 |
| 4.3.1 激励轨迹设计 |
| 4.3.2 激励轨迹优化 |
| 4.4 仿真实验与结果分析 |
| 4.5 本章小结 |
| 第5章 机械臂阻抗控制研究 |
| 5.1 引言 |
| 5.2 基于位置的阻抗控制 |
| 5.2.1 阻抗控制模型 |
| 5.2.2 基于位置的阻抗控制方法 |
| 5.2.3 阻抗控制系统仿真模型 |
| 5.3 阻抗控制性能分析与寻优 |
| 5.3.1 阻抗参数对控制性能的影响 |
| 5.3.2 阻抗控制稳态误差分析 |
| 5.3.3 基于遗传算法的阻抗参数寻优 |
| 5.4 自适应阻抗控制 |
| 5.4.1 自适应阻抗制方法 |
| 5.4.2 稳定性与收敛性分析 |
| 5.4.3 自适应阻抗控制仿真与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的论文、专利和参与的项目 |
| 学位论文评阅及答辩情况表 |
（3）基于自适应动态规划的机器人系统鲁棒控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 工业机器人研究现状 |
| 1.3.1 工业机器人发展现状 |
| 1.3.2 工业机器人控制研究现状 |
| 1.4 自适应动态规划研究现状 |
| 1.4.1 自适应动态规划 |
| 1.4.2 基于自适应动态规划的最优控制 |
| 1.4.3 基于自适应动态规划的鲁棒控制 |
| 1.5 现有研究存在的问题 |
| 1.6 论文主要研究内容 |
| 第二章 基于自适应动态规划的机器人鲁棒控制 |
| 2.1 引言 |
| 2.2 PUMA560工业机器人建模 |
| 2.2.1 PUMA560工业机器人结构及参数 |
| 2.2.2 PUMA560工业机器人动力学模型 |
| 2.3 SCARA机器人系统及建模 |
| 2.3.1 SCARA机器人结构及参数 |
| 2.3.2 SCARA机器人动力学建模 |
| 2.3.3 SCARA机器人系统集成 |
| 2.3.4 SCARA机器人运动控制系统 |
| 2.4 机器人鲁棒控制问题描述 |
| 2.5 鲁棒控制与最优控制等价性 |
| 2.6 机器人鲁棒控制设计 |
| 2.6.1 自适应动态规划推导 |
| 2.6.2 自适应学习算法设计 |
| 2.6.3 稳定性分析 |
| 2.7 仿真验证 |
| 2.8 实验验证 |
| 2.8.1 不确定性上界 |
| 2.8.2 实验设置 |
| 2.8.3 实验结果 |
| 2.9 本章小结 |
| 第三章 基于自适应动态规划的机器人鲁棒跟踪控制 |
| 3.1 引言 |
| 3.2 机器人鲁棒跟踪控制问题描述 |
| 3.3 鲁棒跟踪控制与最优跟踪控制等价性 |
| 3.4 机器人鲁棒跟踪控制设计 |
| 3.4.1 自适应学习算法设计 |
| 3.4.2 稳定性分析 |
| 3.5 仿真与实验研究 |
| 3.5.1 仿真验证 |
| 3.5.2 实验验证 |
| 3.6 本章小结 |
| 第四章 基于输入/输出数据驱动的机器人输出反馈鲁棒控制 |
| 4.1 引言 |
| 4.2 机器人输出反馈鲁棒控制问题描述 |
| 4.3 输出反馈鲁棒控制与输出反馈最优控制等价性 |
| 4.4 数据驱动机器人输出反馈鲁棒控制设计 |
| 4.5 输出反馈最优控制方程数据驱动求解 |
| 4.5.1 输出黎卡提方程的构建 |
| 4.5.2 数据驱动自适应律设计 |
| 4.5.3 稳定性分析 |
| 4.6 仿真与实验研究 |
| 4.6.1 仿真验证 |
| 4.6.2 实验验证 |
| 4.7 本章小结 |
| 第五章 基于输入/输出数据驱动的机器人输出反馈鲁棒跟踪控制 |
| 5.1 引言 |
| 5.2 机器人输出反馈鲁棒跟踪控制问题描述 |
| 5.3 数据驱动输出反馈鲁棒跟踪控制设计 |
| 5.4 输出反馈最优跟踪控制方程数据驱动求解 |
| 5.4.1 输出跟踪黎卡提方程的构建 |
| 5.4.2 数据驱动自适应律设计 |
| 5.4.3 稳定性分析 |
| 5.5 仿真与实验研究 |
| 5.5.1 仿真验证 |
| 5.5.2 实验验证 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 工作成果 |
| 6.2 创新点总结 |
| 6.3 工作展望 |
| 致谢 |
| 参考文献 |
| 附录A: 攻读博士期间发表与录用论文情况 |
| 附录B: 攻读博士期间授权专利情况 |
| 附录C: 攻读博士期间参与项目情况 |
（4）面向冗余机械臂速度层的自适应重复运动规划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状分析 |
| 1.3 本文的研究内容 |
| 第2章 机械臂运动学建模 |
| 2.1 机械臂运动学相关基础 |
| 2.1.1 位姿描述 |
| 2.1.2 坐标变换 |
| 2.1.3 机械臂D-H法 |
| 2.1.4 机械臂雅可比矩阵 |
| 2.2 平面三杆机械臂的运动学模型 |
| 2.3 PUMA560机械臂的运动学模型 |
| 2.4 移动机械臂运动学 |
| 2.5 本章小结 |
| 第3章 机械臂二次规划方案与自适应方案 |
| 3.1 基于二次规划的重复运动方案 |
| 3.1.1 重复运动的性能指标设计及证明 |
| 3.1.2 二次规划求解 |
| 3.2 基于伪逆的自适应轨迹规划方案 |
| 3.2.1 基于伪逆轨迹规划方案 |
| 3.2.2 基于伪逆自适应轨迹规划方案设计 |
| 3.2.3 JMA方案理论证明 |
| 3.3 本章小结 |
| 第4章 基于自适应神经网络的机械臂逆运动学方案 |
| 4.1 带物理极限的二次规划 |
| 4.2 自适应神经网络设计 |
| 4.3 自适应神经网络理论证明 |
| 4.4 本章小结 |
| 第5章 机械臂仿真结果与分析 |
| 5.1 平面机械臂仿真结果 |
| 5.1.1 QP方案的仿真结果 |
| 5.1.2 APNN方案的仿真结果 |
| 5.2 PUMA560机械臂的仿真结果 |
| 5.2.1 JMA方案的仿真结果 |
| 5.2.2 APNN方案的仿真结果 |
| 5.3 移动机械臂的仿真结果 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参加的科研项目和成果 |
（5）六自由度工业机器人轨迹规划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 工业机器人国内外发展历程 |
| 1.2.1 国外发展历程 |
| 1.2.2 国内发展历程 |
| 1.3 工业机器人轨迹规划研究现状 |
| 1.4 本文研究内容与章节安排 |
| 第2章 工业机器人运动学分析 |
| 2.1 引言 |
| 2.2 运动学数学基础 |
| 2.2.1 空间位姿表示 |
| 2.2.2 空间坐标变换 |
| 2.2.3 齐次坐标变换 |
| 2.3 运动学模型分析 |
| 2.3.1 连杆坐标变换 |
| 2.3.2 PUMA560工业机器人 |
| 2.3.3 正运动学分析 |
| 2.3.4 逆运动学分析 |
| 2.4 运行工作空间和运动学仿真 |
| 2.4.1 运行空间仿真 |
| 2.4.2 运动学仿真分析 |
| 2.5 本章小结 |
| 第3章 工业机器人基本轨迹规划分析 |
| 3.1 引言 |
| 3.2 笛卡尔空间轨迹规划分析 |
| 3.2.1 直线插补算法 |
| 3.2.2 圆弧插补算法 |
| 3.3 关节空间轨迹规划分析 |
| 3.3.1 多项式轨迹规划 |
| 3.3.2 B样条曲线轨迹规划 |
| 3.4 4-5-4多项式混合插补算法研究 |
| 3.4.1 4-5-4多项式混合插补函数构造 |
| 3.4.2 4-5-4多项式混合插补算法仿真分析 |
| 3.5 本章小结 |
| 第4章 基于PSO算法的时间最优轨迹规划研究 |
| 4.1 引言 |
| 4.2 标准PSO优化算法研究 |
| 4.2.1 优化算法原理 |
| 4.2.2 优化算法的参数设置 |
| 4.3 标准PSO优化算法的改进及验证 |
| 4.3.1 改进算法 |
| 4.3.2 改进算法的仿真验证 |
| 4.4 基于改进PSO优化算法的时间最优轨迹规划 |
| 4.4.1 适应度函数模型 |
| 4.4.2 约束条件 |
| 4.4.3 算法具体实现步骤 |
| 4.4.4 时间最优轨迹规划问题仿真验证 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文目录 |
| 致谢 |
（6）基于模糊神经网络与旋量理论的6R机械臂运动和动力研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景和研究意义 |
| 1.2 工业机械臂发展历程 |
| 1.3 机械臂运动学研究现状 |
| 1.4 机械臂运动规划研究现状 |
| 1.5 机械臂动力学及控制研究现状 |
| 1.6 论文结构安排 |
| 第二章 6R机械臂的运动学 |
| 2.1 引言 |
| 2.2 位置与姿态的表示 |
| 2.3 齐次变换与旋量变换 |
| 2.4 6R机械臂正运动学 |
| 2.5 6R机械臂逆运动学 |
| 2.6 坐标系间的速度转换 |
| 2.7 雅可比矩阵的介绍 |
| 2.8 奇异性与可操作性 |
| 2.9 本章小结 |
| 第三章 ANFIS模型及逆运动学模型 |
| 3.1 引言 |
| 3.2 ANFIS介绍 |
| 3.3 6R机械臂结构 |
| 3.4 逆解模型介绍 |
| 3.5 PUMA560逆解模型 |
| 3.6 分析逆解模型及结果 |
| 3.7 本章小结 |
| 第四章 路径规划 |
| 4.1 引言 |
| 4.2 笛卡尔空间与关节空间 |
| 4.3 五次多项式轨迹 |
| 4.4 梯形速度轨迹 |
| 4.5 多段多维轨迹 |
| 4.6 笛卡尔空间的运动轨迹 |
| 4.7 本章小结 |
| 第五章 6R机械臂的动力学及控制 |
| 5.1 引言 |
| 5.2 外力与驱动力矩 |
| 5.3 广义惯性矩阵 |
| 5.4 牛顿-欧拉方程 |
| 5.5 拉格朗日方程 |
| 5.6 前馈控制与计算力矩控制 |
| 5.7 本章小结 |
| 第六章 总结 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（7）基于粒子群算法多目标机械臂轨迹规划研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 工业机器人轨迹规划研究现状 |
| 1.2.1 时间最优轨迹研究 |
| 1.2.2 能量最优轨迹研究 |
| 1.2.3 冲击最优轨迹研究 |
| 1.3 课题主要研究内容及创新 |
| 1.4 本章小结 |
| 第2章 机器人运动学分析及数学模型建立 |
| 2.1 机器人运动学基础 |
| 2.1.1 机器人位姿与运动描述 |
| 2.1.2 机器人坐标系变换 |
| 2.2 机器人广义连杆建立和齐次变换矩阵 |
| 2.3 PUMA560机器人运动学的正逆问题 |
| 2.3.1 PUMA560机器人结构与参数 |
| 2.3.2 PUMA560机器人运动学分析 |
| 2.4 基于MATLAB的 PUMA560 机器人运动学模型仿真 |
| 2.4.1 PUMA560机器人模型创建 |
| 2.4.2 运动学正向仿真 |
| 2.4.3 运动学逆向仿真 |
| 2.5 本章小结 |
| 第3章 基于粒子群算法迭代寻优的轨迹规划方法 |
| 3.1 一般优化问题描述 |
| 3.2 一般优化问题约束处理方式 |
| 3.3 轨迹规划目标描述 |
| 3.4 时间、能量、脉动冲击最优轨迹规划 |
| 3.4.1 粒子群算法的优化原理 |
| 3.4.2 粒子群算法与其它优化算法对比与分析 |
| 3.4.3 轨迹插值方式的选择 |
| 3.4.4 优化目标确立 |
| 3.4.5 约束项确立 |
| 3.4.6 优化参数设置 |
| 3.4.7 迭代求优计算与结果分析 |
| 3.5 本章小结 |
| 第4章 基于ADAMS的算法结论仿真验证 |
| 4.1 ADAMS软件简介 |
| 4.2 PUMA560机器人模型简化创建 |
| 4.2.1 模型创建 |
| 4.2.2 添加约束、角度范围传感器 |
| 4.3 PUMA560机器人运动参数的仿真实验与结果分析 |
| 4.3.1 摩擦力添加 |
| 4.3.2 驱动函数的添加 |
| 4.3.3 仿真实验与结果分析 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者攻读学位期间的科研成果 |
| 致谢 |
（8）面向零件表面三维重建的机器人视觉系统标定与控制技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 手眼标定技术 |
| 1.3.2 视觉伺服控制技术 |
| 1.4 论文内容及结构 |
| 第二章 机器人运动学建模与仿真 |
| 2.1 引言 |
| 2.2 正向运动学建模 |
| 2.3 机器人雅可比矩阵 |
| 2.4 逆运动学求解 |
| 2.4.1 解析方法求解 |
| 2.4.2 数值方法求解 |
| 2.5 机器人运动学仿真验证 |
| 2.6 本章小结 |
| 第三章 机器人视觉系统标定与实验 |
| 3.1 引言 |
| 3.2 单目相机标定 |
| 3.2.1 单目相机模型 |
| 3.2.2 张正友标定法 |
| 3.3 手眼系统标定 |
| 3.3.1 手眼系统建模 |
| 3.3.2 基于凸优化的手眼标定方法 |
| 3.4 基于差分进化算法的手眼标定方法 |
| 3.5 实验验证 |
| 3.5.1 单目相机标定实验验证 |
| 3.5.2 手眼标定实验验证 |
| 3.6 本章小结 |
| 第四章 机器人视觉系统的控制与实验 |
| 4.1 引言 |
| 4.2 基于位置的视觉伺服控制 |
| 4.3 基于图像的视觉伺服控制 |
| 4.3.1 图像雅可比矩阵 |
| 4.3.2 伺服控制律设计 |
| 4.4 基于微分求积法的时滞视觉伺服控制 |
| 4.4.1 时滞视觉伺服系统建模 |
| 4.4.2 微分求积法 |
| 4.4.3 参数空间稳定性分析 |
| 4.4.4 最优PI控制参数设计 |
| 4.5 控制算法仿真验证 |
| 4.6 控制算法实验验证 |
| 4.7 本章小结 |
| 第五章 零件表面三维重建与实验 |
| 5.1 引言 |
| 5.2 图像特征的检测与匹配 |
| 5.3 稀疏点云三维重建 |
| 5.4 稠密点云三维重建 |
| 5.5 表面三维重建实验验证 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 A |
| 致谢 |
| 攻读硕士学位期间所取得的研究成果 |
（9）基于改进双树RRT算法的串联操作臂避障运动规划研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究的背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外机器人操作臂发展现状 |
| 1.3 国内外操作臂运动规划研究现状 |
| 1.3.1 研究现状 |
| 1.3.2 算法分析 |
| 1.3.3 算法设计 |
| 1.4 本文的主要研究内容 |
| 2 串联操作臂建模与运动学分析 |
| 2.1 引言 |
| 2.2 操作臂数学基础 |
| 2.2.1 操作臂的构成 |
| 2.2.2 操作臂位姿描述 |
| 2.2.3 坐标变换 |
| 2.3 操作臂建模方法 |
| 2.4 操作臂正运动学 |
| 2.4.1 操作臂模型构建 |
| 2.4.2 操作臂正运动学方程 |
| 2.4.3 操作臂逆运动学方程 |
| 2.5 操作臂的工作空间 |
| 2.5.1 操作臂规划空间 |
| 2.5.2 空间障碍物的描述 |
| 2.6 本章小结 |
| 3 操作臂的避障路径规划 |
| 3.1 引言 |
| 3.2 路径规划算法选择 |
| 3.3 操作臂避障简化模型分析 |
| 3.4 改进双树RRT算法 |
| 3.4.1 RRT算法 |
| 3.4.2 双树RRT算法 |
| 3.4.3 改进双树RRT算法 |
| 3.5 路径优化及仿真 |
| 3.5.1 Dijkstra算法 |
| 3.5.2 路径平滑处理 |
| 3.5.3 改进算法三维路径规划仿真 |
| 3.6 本章小结 |
| 4 操作臂的避障运动规划 |
| 4.1 引言 |
| 4.2 B样条 |
| 4.2.1 三次B样条 |
| 4.2.2 五次B样条 |
| 4.3 操作臂笛卡尔空间运动规划 |
| 4.3.1 Dobot操作臂笛卡尔空间路径规划 |
| 4.3.2 Dobot操作臂轨迹规划 |
| 4.3.3 PUMA560操作臂笛卡尔空间路径规划 |
| 4.3.4 PUMA560操作臂轨迹规划 |
| 4.4 操作臂关节空间运动规划 |
| 4.4.1 Dobot操作臂关节空间路径规划 |
| 4.4.2 Dobot操作臂轨迹规划 |
| 4.4.3 PUMA560操作臂关节空间路径规划 |
| 4.4.4 PUMA560操作臂轨迹规划 |
| 4.5 规划仿真结果对比分析 |
| 4.6 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（10）工业机器人轨迹规划与几何参数标定研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 机械臂轨迹规划研究现状 |
| 1.3 机器人几何参数标定以及定位精度研究现状 |
| 1.4 论文的主要工作及各章节安排 |
| 第2章 机械臂运动学原理研究 |
| 2.1 引言 |
| 2.2 机械臂位姿描述及齐次变换 |
| 2.2.1 机械臂空间位姿描述 |
| 2.2.2 空间坐标的齐次变换 |
| 2.2.3 空间机器人雅可比矩阵 |
| 2.3 机器人建模方法 |
| 2.4 工业机器人运动学分析 |
| 2.4.1 正运动学分析 |
| 2.4.2 逆运动学分析 |
| 2.5 工业机器人运动学仿真分析 |
| 2.6 本章小结 |
| 第3章 工业机器人轨迹规划研究 |
| 3.1 引言 |
| 3.2 工业机器人关节空间轨迹规划 |
| 3.3 五次多项式插值轨迹规划 |
| 3.3.1 五次多项式插值算法 |
| 3.3.2 五次多项式轨迹规划仿真 |
| 3.4 三次B样条曲线算法轨迹规划 |
| 3.4.1 改进B样条曲线基本性质 |
| 3.4.2 改进B样条曲线轨迹规划仿真 |
| 3.5 遗传算法的轨迹规划 |
| 3.5.1 遗传算法的基本原理 |
| 3.5.2 基于改进遗传算法的时间最优轨迹规划 |
| 3.5.3 实验仿真与分析 |
| 3.6 本章小结 |
| 第4章 基于遗传算法的机械臂参数标定 |
| 4.1 引言 |
| 4.2 视觉检测系统标定 |
| 4.3 基于空间位置约束法的机器人末端位置测量 |
| 4.4 遗传算法标定几何参数 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
四、PUMA机器人的精度设计（论文参考文献）
- [1]基于无模型自适应预测控制的机械臂视觉伺服控制研究[D]. 武慧莹. 北京交通大学, 2021(02)
- [2]基于六维力传感器的机械臂阻抗控制研究[D]. 赵新宇. 山东大学, 2021(12)
- [3]基于自适应动态规划的机器人系统鲁棒控制研究[D]. 赵军. 昆明理工大学, 2021
- [4]面向冗余机械臂速度层的自适应重复运动规划研究[D]. 张瑞阳. 浙江科技学院, 2020(03)
- [5]六自由度工业机器人轨迹规划研究[D]. 任伟. 安徽工程大学, 2020(04)
- [6]基于模糊神经网络与旋量理论的6R机械臂运动和动力研究[D]. 王波. 太原理工大学, 2020(07)
- [7]基于粒子群算法多目标机械臂轨迹规划研究[D]. 何建成. 南华大学, 2020(01)
- [8]面向零件表面三维重建的机器人视觉系统标定与控制技术研究[D]. 金轲. 上海交通大学, 2020
- [9]基于改进双树RRT算法的串联操作臂避障运动规划研究[D]. 张亚宾. 河南工业大学, 2020(01)
- [10]工业机器人轨迹规划与几何参数标定研究[D]. 宋吉. 兰州理工大学, 2020(12)