移動(dòng)機(jī)器人路徑規(guī)劃和手臂控制.pdf

1、近幾年，移動(dòng)機(jī)器人隨著物流、智能倉(cāng)儲(chǔ)等行業(yè)的流行而迅猛發(fā)展，對(duì)于這類機(jī)器人的研究也逐漸熱門化。以第三代服務(wù)型倉(cāng)儲(chǔ)機(jī)器人為研究背景，針對(duì)移動(dòng)機(jī)器人運(yùn)動(dòng)到指定位置接著對(duì)指定貨物進(jìn)行抓取或搬運(yùn)過(guò)程，主要研究?jī)?nèi)容包括兩個(gè)方面，其一是移動(dòng)過(guò)程中的導(dǎo)航路徑規(guī)劃問(wèn)題，另一方面是物體抓取或搬運(yùn)過(guò)程中的控制問(wèn)題。本課題以Aldebaran公司生產(chǎn)制造的NAO機(jī)器人作研究對(duì)象，針對(duì)上述兩個(gè)問(wèn)題進(jìn)行研究分析。本課題的研究?jī)?nèi)容如下：
　　首先，NAO機(jī)器

2、人導(dǎo)航路徑規(guī)劃研究，包含構(gòu)建導(dǎo)航地圖和尋找最優(yōu)路徑。對(duì)于構(gòu)建導(dǎo)航地圖，采用聲吶傳感器探測(cè)機(jī)器人和周邊障礙物以及終點(diǎn)路標(biāo)的距離；為了計(jì)算檢測(cè)的障礙物個(gè)數(shù)，引入K-means聚類方法，將檢測(cè)到的數(shù)據(jù)進(jìn)行分類處理，并使用自帶攝像頭辨別障礙物或終點(diǎn)路標(biāo)；通過(guò)Q-learning方法進(jìn)行避障，從而構(gòu)建導(dǎo)航地圖。對(duì)于尋找最優(yōu)路徑，綜合模擬退火（SA）和雙向并行搜索策略對(duì)傳統(tǒng)的人工蜂群（ABC）算法進(jìn)行改進(jìn)，并將其應(yīng)用到 NAO機(jī)器人離線路徑尋優(yōu)中，

3、最終在構(gòu)建的離線導(dǎo)航地圖中找到最佳路徑。實(shí)驗(yàn)結(jié)果表明，機(jī)器人在避障前提下能有效構(gòu)建從初始點(diǎn)到終點(diǎn)的路標(biāo)導(dǎo)航地圖；利用改進(jìn)的人工蜂群（IABC）可以尋到最佳路徑，優(yōu)點(diǎn)是收斂速率較一般的快，且不易陷于局部最優(yōu)。
　　其次，NAO機(jī)器人手臂的動(dòng)力學(xué)建模與控制。本文對(duì)NAO機(jī)器人右手臂，進(jìn)行2自由度（DOF）的歐拉-拉格朗日（Euler-Lagrange）建模；在動(dòng)力學(xué)模型的基礎(chǔ)上，分別設(shè)計(jì)忽略重力項(xiàng)和帶重力補(bǔ)償?shù)臋C(jī)器人手臂控制器，并進(jìn)行