算法驅(qū)動:工業(yè)機器人參數(shù)標(biāo)定與智能優(yōu)化
定 價:99 元
- 作者:郭藝璇、李虎、付成龍 著
- 出版時間:2025/8/1
- ISBN:9787122476722
- 出 版 社:化學(xué)工業(yè)出版社
- 中圖法分類:TP242.2
- 頁碼:128
- 紙張:
- 版次:01
- 開本:16開
在工業(yè)機器人系統(tǒng)中,精確恰當(dāng)?shù)膮?shù)是影響綜合性能,實現(xiàn)高效化作業(yè)的關(guān)鍵。為了充分發(fā)揮工業(yè)機器人的性能潛力,本書系統(tǒng)講解工業(yè)機器人運動學(xué)參數(shù)標(biāo)定和控制參數(shù)智能優(yōu)化方法,即通過辨識精確的模型參數(shù),配置恰當(dāng)?shù)目刂茀?shù),提高工業(yè)機器人的運動控制性能,推動工業(yè)機器人高自動化、高智能化轉(zhuǎn)型升級。
書中闡釋了面向工業(yè)機器人參數(shù)優(yōu)化的典型智能計算方法、基于粒子群算法的機器人末端測量儀器參數(shù)標(biāo)定方法、基于LSM-PSO算法的機器人運動學(xué)參數(shù)標(biāo)定方法、基于約束蝙蝠算法的機器人控制參數(shù)離線優(yōu)化方法、基于模糊計算的機器人控制參數(shù)在線優(yōu)化方法等,并通過實際案例介紹了工業(yè)機器人參數(shù)標(biāo)定與優(yōu)化的實踐。
本書可供機械工程、自動化工程領(lǐng)域的師生學(xué)習(xí)使用,也可供從事工業(yè)機器人相關(guān)工作的工程師參考和閱讀。
第1章 緒論 001
1.1 工業(yè)機器人運動學(xué)參數(shù)標(biāo)定 003
1.1.1 工業(yè)機器人末端位姿測量 003
1.1.2 工業(yè)機器人運動學(xué)參數(shù)辨識 006
1.1.3 工業(yè)機器人運動學(xué)參數(shù)補償 007
1.2 機器人控制參數(shù)智能優(yōu)化 008
1.3 本書主要內(nèi)容 009
第2章 面向工業(yè)機器人參數(shù)優(yōu)化的典型智能計算 012
2.1 性能指標(biāo)及約束條件 012
2.2 深度優(yōu)先搜索算法 015
2.3 粒子群優(yōu)化算法 016
2.3.1 速度及位置更新公式 016
2.3.2 參數(shù)設(shè)定規(guī)則 016
2.4 差分進(jìn)化算法 018
2.5 蝙蝠算法 020
2.6 模糊計算 021
2.6.1 模糊系統(tǒng)基本結(jié)構(gòu) 021
2.6.2 Mamdani 型模糊計算 023
第3章 基于粒子群算法的機器人末端測量儀器參數(shù)標(biāo)定 024
3.1 概述 024
3.2 基于粒子群算法的R-test 結(jié)構(gòu)參數(shù)標(biāo)定方法 025
3.2.1 R-test 的結(jié)構(gòu)參數(shù)傳統(tǒng)標(biāo)定方法 025
3.2.2 基于正交位移的R-test 026
3.2.3 基于粒子群算法的R-test 非冗余結(jié)構(gòu)參數(shù)標(biāo)定方法 030
3.2.4 R-test 測量工業(yè)機器人精度 033
3.3 傳感器測量球面誤差的測量方法及實驗研究 034
3.3.1 基于基準(zhǔn)點標(biāo)定的傳感器測量球面誤差的測量方法 035
3.3.2 激光位移傳感器測量球面實驗 038
3.4 基于R-test 的球心三維位移測量方法實驗 042
3.4.1 基于粒子群算法的R-test 結(jié)構(gòu)參數(shù)標(biāo)定方法實驗 043
3.4.2 R-test 測量工業(yè)機器人精度實驗 047
第4章 基于LSM-PSO 算法的機器人運動學(xué)參數(shù)標(biāo)定 051
4.1 概述 051
4.2 工業(yè)機器人運動學(xué)正解和反解模型 051
4.2.1 經(jīng)典DH 法則 051
4.2.2 垂直六關(guān)節(jié)型工業(yè)機器人運動學(xué)正解和反解模型 052
4.3 工業(yè)機器人運動學(xué)參數(shù)誤差模型 058
4.3.1 單個連桿誤差參數(shù)模型 058
4.3.2 串聯(lián)運動鏈的運動學(xué)誤差參數(shù)模型 060
4.4 基于LSM-PSO 的位置誤差模型辨識算法 063
4.4.1 基于手眼位姿參數(shù)分離的位置誤差辨識模型 063
4.4.2 基于LSM-PSO 的分步辨識算法 065
4.4.3 仿真結(jié)果分析 067
第5章 基于約束蝙蝠算法的機器人控制參數(shù)離線優(yōu)化 069
5.1 概述 069
5.2 機器人控制參數(shù)離線優(yōu)化方案 069
5.3 ε 約束處理機制 071
5.4 數(shù)據(jù)驅(qū)動約束蝙蝠算法研究 072
5.4.1 數(shù)據(jù)驅(qū)動約束蝙蝠算法的框架 072
5.4.2 數(shù)據(jù)驅(qū)動約束蝙蝠算法的關(guān)鍵模塊設(shè)計 074
5.4.3 收斂性驗證 078
5.5 數(shù)據(jù)驅(qū)動約束蝙蝠算法的數(shù)值仿真實驗 081
5.5.1 提議的GDFS 策略的有效性 081
5.5.2 基于CEC2017 基準(zhǔn)約束函數(shù)的實驗 081
第6章 基于模糊計算的機器人控制參數(shù)在線優(yōu)化 089
6.1 概述 089
6.2 機器人控制參數(shù)在線優(yōu)化方案 090
6.2.1 永磁同步伺服驅(qū)動系統(tǒng) 090
6.2.2 模糊自適應(yīng)PI 控制方法 092
6.3 預(yù)測型模糊自適應(yīng)PI 控制結(jié)構(gòu) 093
6.3.1 改進(jìn)的預(yù)測函數(shù)控制模塊 093
6.3.2 自適應(yīng)模糊調(diào)整器 095
6.3.3 新型自抗擾PI 控制器 097
6.4 基于頻率響應(yīng)的控制參數(shù)優(yōu)化流程 098
6.4.1 基于D-分解理論的穩(wěn)定性和H∞ 魯棒性分析 099
6.4.2 基于穩(wěn)定性和H∞魯棒性條件的初始參數(shù)的設(shè)計標(biāo)準(zhǔn) 102
6.5 仿真實驗 103
第7章 工業(yè)機器人參數(shù)標(biāo)定與優(yōu)化實踐 107
7.1 工業(yè)機器人運動學(xué)參數(shù)標(biāo)定實踐 107
7.1.1 誤差建模 107
7.1.2 位置測量 109
7.1.3 誤差辨識 110
7.2 工業(yè)機器人控制參數(shù)優(yōu)化實踐 113
7.2.1 系統(tǒng)描述 113
7.2.2 控制參數(shù)優(yōu)化 114
7.2.3 仿真實例 116
參考文獻(xiàn) 128