GOAL DIRECTED DESIGN OF SERIAL ROBOTIC MANIPULATORS BASED ON TASK DESCRIPTIONS
abstract
The goal of robotics is to automate and delegate real-world tasks to robotic manipulators. Today robots are being applied to wide range of tasks; from the very traditional material handling tasks to the very sophisticated tele-robotic surgery. Even though general-purpose manipulators are commonplace they do not guarantee optimal task performance. Task optimized manipulators are more effective and efficient than general purpose manipulators. There is a great need for task optimized industrial manipulators that can perform a certain set of jobs with the best efficiency, in the shortest time, and with the least operating cost and power requirements.
Computing the optimal geometric structure of manipulators is one of the most intricate problems in contemporary robot kinematics. Robotic manipulators are designed and built to perform certain predetermined tasks. It is therefore important to incorporate such task requirements during the design and synthesis of the robotic manipulators. Such task requirements and performance constraints can be specified in terms of the required end-effector positions, orientations and velocities along the task trajectory.
There is a close relation between the structure of the manipulator and its kinematic performance. Robotic researchers have over the years tried to develop a framework to reverse engineer optimal manipulator geometries based on taskrequirements. Every robotic manipulator can only perform certain set of a set of tasks, and some more efficiently than others. Deciding the best manipulator structure for a required job at the design stage is done mainly on the basis of experience and intuition. The rigorous analysis of a few widely used manipulator structures and a collection of a few ad hoc analytical tools can be of some help. However, the need for a comprehensive framework to reverse engineer manipulator structures from task descriptions that can guarantee optimal task performance under a set of operating constraints is still lacking. The ultimate goal of this task-based design approach is to be able to generate both the kinematic and dynamic parameters from task descriptions and operating constraints.
In this work, we define, develop and test a methodology that can generate optimal manipulator geometric structures based on the task requirements. Another objective of this work is to guarantee task performance under user defined joint constraints. Using this methodology, task-based optimal manipulator structures can be generated that guarantee task performance under set operating constraints.
CHAPTER 1: INTRODUCTION
The research area of robotic manipulator design can be broadly classified into general purpose designs and task specific designs. Even though general purpose manipulators are commonplace, they do not guarantee optimal task execution. Because industrial robotic manipulators perform only one given task repeatedly, task-specific or task-optimized manipulator designs are preferred for industrial applications. There is a close relation between the structure of the manipulator and its kinematic performance. Task-based designs use the prior knowledge of robot trajectories and motions that will be required of the manipulator to generate task specific manipulator configurations. Task based design optimization has been of great interest to robotics researchers, especially in the areas of re-configurable modular manipulators (RMM), and special purpose manipulators. However, an overall framework to generate optimal designs based on specific robot applications is still missing. Even though the design criteria can be infinite, depending on the manipulator#39;s application, one can begin with a set of minimum criteria, such as the ability to orient the end-effector and generate velocities in arbitrary directions along the task trajectory. This work can be considered an attempt to define a methodology for generating task-specific manipulator geometries.
-
- Motivation
What is the best manipulator configuration for soldering electronic components? What should be the ideal manipulator structure for a painting job? What is optimal manipulator configuration for a material handling job? The rapid growth in manufacturing technologies has increased the need for design and development of optimal machinery.
Robotics researchers over the years have tried to find answers to these questions. But in this case plenty is the problem; there is no unique solution or definite answer to these questions. Instead, in most cases there can be infinite answers to any of the above questions. Equations describing the kinematic behavior of serial manipulators are highly nonlinear with no closed solutions. The difficulty in most cases lies not in finding a solution, but finding the #39;best#39; solution out of the numerous possible solutions, or in other words, an optimal solution.
-
- Problem Statement
Though the criteria for optimizing a manipulator can be infinite, in defining a methodology for fast synthesis based on task descriptions, we begin with a set of minimum kinematic performance criteria. The manipulator#39;s ability to easily reach every task point and be able to attain required orientations at these task points without being in a singular pose is a necessary requirement for developing any such methodology. 3 Additionally, the manipulator should be manipulatable enough to generate required velocities at these task points.
Reverse prototyping a manipulator from its task descriptions is a very complex problem. Ideally speaking, one should easily be able to design a manipulator based on its application. But the big hurdle in solving this problem is the number of parameters involved and the high non-linearity of the inverse kinematic equations. The inverse kinem
全文共20741字，剩余内容已隐藏，支付完成后下载完整资料
题目：基于任务目标定向系列机器人机械手的设计描述
摘要
机器人技术的目标是将现实世界的任务自动化并委托给机器人操纵者。今天机器人被应用于各种各样的任务;从非常传统的材料处理到非常复杂的远程机器人手术。尽管通用操作器很常见，但它们并不能保证最优的任务性能。任务优化机械手比通用机械手具有更高的效率。对于任务优化的工业机械手，需要在最短的时间内，以最低的运行成本和功率需求，用最高的效率完成一定的工作。
机器人最优几何结构的计算是现代机器人运动学中最复杂的问题之一。机器人操纵器的设计和制造是为了执行某些预先确定的任务。因此，在机械臂的设计和合成过程中，将这些任务要求纳入其中是非常重要的。这种任务要求和性能约束可以根据所需的末端执行器位置、方向和沿任务轨迹的速度来指定。
机械手的结构与运动性能有着密切的关系。多年来，机器人研究人员一直试图开发一个基于任务需求的框架来采用逆向工程最优机械手几何形状。每个机械手只能执行一组特定的任务，有些任务的效率会更高。在设计阶段，主要是根据经验和直觉来确定适合某项工作的最佳机械手结构。对一些广泛使用的机械手结构进行严格的分析，并收集一些专用的分析工具，这对目标的完成可能会有所帮助。然而，从任务描述中对机械手结构进行逆向工程，以保证在一组操作约束条件下的最优任务性能时，还缺乏一个全面的框架。这种基于任务的设计方法的最终目标是能够从任务描述和操作约束生成运动学和动力学参数。
在这项工作中，我们定义、开发和测试了一种基于任务需求生成最优机械手几何结构的方法。这项工作的另一个目标是在用户定义的联合约束下保证任务性能。利用该方法，可以生成任务型最优机械手结构，保证给定操作约束下的任务性能。
第一章简介
机械手设计的研究领域可以大致分为通用设计和任务具体设计。尽管通用操作器很常见，但它们不能保证最优的任务执行。由于工业机器人只能重复执行一个给定的任务，因此针对特定任务或任务优化的机械手设计更适合工业应用。机械手的结构与运动性能有着密切的关系。基于任务的设计需使用机器人轨迹和运动的先验知识，这将需要机械手生成特定的任务机械手配置。基于任务的设计优化一直是机器人研究人员的兴趣所在，特别是在可重构模块化机械手(RMM)和特殊用途机械手领域。然而，基于特定机器人应用生成优化设计的整体框架仍然是缺乏的。尽管设计标准可以是无限的，取决于机械手的应用，但我们可以从一组最小标准开始，比如末端执行器的定向能力和沿着任务轨迹产生任意方向的速度。这项工作可以看作是为生成特定任务的机械手几何图形定义了一种新方法的尝试。
1.1动机
焊接电子元件的最佳机械手配置是什么?涂装作业理想的机械手结构是什么?物料搬运作业的最佳机械手配置是什么?制造技术的迅速发展增加了设计和开发最优机械的需要。
多年来，机器人研究人员一直试图找到这些问题的答案。但在这种情况下，问题是很多;这些问题没有唯一的解决办法或明确的答案。相反，在大多数情况下，上述任何一个问题都可能有无限的答案。描述串联机器人运动特性的方程是高度非线性的，没有封闭解。在大多数情况下，困难不在于找到一个解决方案，而在于从众多可能的解决方案中找到“最佳”的解决方案，或者换句话说，找到一个最优的解决方案。
1.2问题陈述
虽然优化机械手的准则可以是无限的，但在定义基于任务描述的快速综合方法时，我们从一组最小运动学性能准则开始。机械手能够轻松地到达每个任务点，并且能够在这些任务点上实现所需的方向，而不需要处于一个单一的姿态，这是开发任何此类方法的必要条件。此外，机械手应具有足够的可操作性，以在这些任务点上产生所需的速度。
从机械手的任务描述中反求其原型是一个非常复杂的问题。理想情况下，一个人应该能够很容易地设计基于其应用的机械手。但解决这一问题的最大障碍是所涉及的参数数量和逆运动学方程的高非线性。将末端执行器位置映射到机械手关节角度的逆运动学方程是高度非线性的，通常包含数百项，没有已知的封闭解。已知的具有封闭解的简单机械手结构很少。除了一些简单而严格分析的结构外，直接的解析解更加罕见。随着节点数的增加，方程的复杂性和非线性程度也随之增加。对于许多结构，特别是自由度和冗余度较高的结构，其解的最大个数没有被证明是有限的。由于冗余关节的自运动，具有高冗余度的机器人具有无穷多个逆运动学解。
逆运动学问题的求解一直是机器人快速设计与综合领域的一大难题。由于当代数学尚不具备获得闭型解的一般技术，求解非线性逆运动学问题必须借助于数值迭代法。由于缺乏易于计算的解析解，这项工作的计算量很大，而且很麻烦。计算时间也随着节点数量和每个节点所需分辨率的增加呈指数增长。
这项工作的另一个困难是，描述机械手位置和运动的方程不假设任何关节约束。但在现实世界中，所有关节的运动范围都是有限的。在给定关节约束条件下，求出最优执行任务的机械手几何形状是一个复杂的数值过程，为了保证解的最优性，必须计算出每一个可能的逆解。每个解决方案都是一个可能的机械手姿态，需要仔细考虑。对于给定的任务，即使是满足许多可能解决方案中的性能约束的单一机械手姿态也可能是正确的。
最后，用于构造优化函数的目标函数一般具有多个局部极大值点和极小值点，尤其是涉及多个任务点时。因此，为了解决这类问题，建议使用全局优化例程，以便在研究了一组可能的机械手配置之后，找到全局解。
1.3研究的方法
本工作的目标是开发一种方法，可以作为一个简单和快速的工具，合成基于任务描述的机器人机械手。该方法允许用户输入任务点描述和关节约束，并为特定任务生成最优的机械手几何形状。该方法还允许用户输入现有或已知的机械手结构，并检查它们是否适合特定的任务。
所有的机械手应用都要求机械手在一个或多个任务点上实现多个方向。图1.1是机械手设计要求的一个例子，要求机械手达到一组具有多个空间方向的任务点。所需要的方向可以形成不同的三维空间角度，如图1.1所示。
为此，我们首先将手头的问题数学地表示为整个机械手配置空间上的多步优化问题。提出的解决方案方法由三个模块或阶段组成。第一个模块确定所有可能的机械手结构，使其能够在给定的关节约束范围内以所需的方向到达任务点。所有可达结构的研究，以检查和消除任何结构，只能达到任何一个任务点在单一的姿态。在第二阶段，我们根据结构在任务点上产生任意方向速度的能力对结构进行评级。只有高度可操作的机械手结构仍然存在。最后，在第三阶段，我们选择需要最小关节扭矩沿任务轨迹运动的机械手配置
这种多步骤优化方法还允许用户在过程的每个阶段生成最优的机械手结构。例如，第一阶段可以根据reach准则生成最佳的机械手配置。这一阶段的理想输出是一个机械手可以达到任务点，其所有关节位移都在施加的关节约束的中距离附近。同样，第二优化阶段可以从约束关节条件下所有任务点均具有最佳平均运动性能的可用解集中得到最佳的机械手构型。
为了验证该方法的有效性，我们首先在一个简单的两连杆平面机械手上实现了该策略，并在给定的不同任务点上优化其连杆长度以获得最佳的运动性能。我们首先在一个具有已知闭逆解和最小设计参数的简单机械手上测试了该策略。为此，使用另一种逆运动学求解方法。该方法保证无论任务点在机械手工作空间内还是在机械手工作空间之外，都存在一个解决方案。由于双连杆平面机械手只有两个设计参数，我们可以很容易地绘制和可视化目标函数在可能的取值范围内。
当构型向量的维数增加时，很难想象目标函数是如何随着构型向量的一个或多个元素的变化而变化的。这对于检查目标函数的梯度是必要的，并查看是否存在局部极大值/极小值点，在这些点上，假设优化算法是全局极大值/极小值，那么优化算法就会陷入困境。多个局部极大值/极小值点的存在可能导致问题的局部解决方案而不是全局解决方案。在这种情况下，我们必须使用全局优化例程，以便搜索在局部极大值/极小值点之外继续，直到找到整个搜索空间的全局极大值/极小值。
一旦数学公式和所提出的求解方法经过测试以优化已知机械手结构，该方法可以扩展到更复杂的空间机械手。
在MATLAB中对该方法进行了实现和测试
1.4的贡献
1)本工作可以作为快速反求机械手原型的简单易行的工具。
2)本工作可以作为研究可重构模块化机械手(RMM)系统最佳配置的良好分析工具。
3)作为该方法的第一步，提出的可达性优化可以生成以关节角度的中位移达到任务点的机械手构型。
4)这项工作可以被认为是朝着开发一种通用方法的另一步，该方法可以从任务描述中快速原型化和合成机器人操作器。这个框架可以扩展到包含更复杂和冗余的机械手配置
1.5概述
第二章是文献综述，介绍了现有的机械臂优化设计方法。本章介绍了不同的方法，已用于优化设计和性能的机器人机械手。
第三章详细讨论了机械手性能指标的分类、范围和局限性。详细讨论了三种被广泛接受和常用的机械手性能指标——可操纵性指标、最小奇异值和条件数。
第四章讨论了问题陈述的数学公式。接下来，本章将开发所提出的解决方案方法。提出了一种两自由度平面机械臂的闭型解析解。
第五章给出了前一章所讨论的双连杆平面机械手的优化方法的实现，以优化其连杆的运动范围和运动性能。在六度机械手上实现该方法之前，对该方法进行了验证。本章还介绍了本文的初步成果。
第六章提出了一种利用粒子群优化算法求解机器人逆运动学的新方法。接下来，将所提出的方法用于为各种任务综合结构。
第七章对全文进行了总结，并得出了一些结论。
最后，在第八章提出了未来的发展方向
第二章:机械手优化方法的文献综述
2.1介绍
本研究的目的是回顾各种优化机械手配置的方法和方法，并讨论它们的优缺点。本调查的目的是通过研究和强调目前使用的各种特殊措施的优缺点，为串行机器人机械手的设计和原型制作提供一个强有力的通用架构。
2.2几何
方法系列机器人是由相互连接的关节和连杆组成的开环运动链。有大量的研究涉及闭环运动链的运动问题。将机械手基座与工作点之间的距离假设为闭合机械链上一个固定的、假想的环节，可以应用闭环机械链的原理来设计高度灵巧的串联机器人。
Grashof[1]提出了一个简单的规则来判断四连杆闭合运动链中连杆的运动性能。这一规则被Paul[2]进一步扩展并发展为Grashof准则。机器人研究人员应用Grashof准则设计出在给定任务点具有高度灵活性的机械手。其中灵巧度是指机械手在给定点[3]附近达到任意方向的能力。在[4]和[5]中，提出了一种利用Grashof准则进行三连杆平面机器人优化设计的方法。在[5]中，提出了在给定的任务区域或轨迹下，三连杆平面机器人最优设计的一种简单算法。研究人员还扩展了Grashof准则来解释较长运动链的行为。Ting引入了五链Grashof准则[6]，并将其推广到n链[7]、[8]。该方法的主要优点是不需要计算逆运动学解来判断其性能
2.3参数
参数优化方法参数优化是一种经典的求解优化问题的方法，一个或多个指标量化机械手的性能性能，有时与相关的权重因素，最大化或最小化，以达到一组最优设计参数。参数优化是目前广泛采用的串联机器人综合方法之一。利用条件数Angeles和Rojas得到了三自由度机械手和三自由度球面腕管[9]的最优尺寸。Craig和Salisbury以13雅可比矩阵的条件数作为设计准则，对斯坦福关节手的手指尺寸进行优化
在[11]中，提出了基于吉川可操纵性椭球的机械手结构在给定任务点集上的最优运动学综合。采用基于机械手任务轨迹的急降算法对包含吉川可操纵性指标的目标成本函数进行优化，得到了最优的几何结构。该工作在Mathematicareg;2(4.1版)中作为过程包实现，并使用Robotica3版本3.60 (Mathematicareg;的机器人工具包)。该工作在[12]，[13]中得到了进一步的扩展，以模拟这样一个优化的机械手的动态行为。
Kucuk和Bingul，[14]，[15]，实现了多变量优化。结合结构长度指标、可操纵性指标、工况数、全局调节指标等局部和全局指标对机械手工作空间进行优化。
这些参数优化方法是独立于任务的，因此不能保证针对特定任务[16]不存在更好的机械手。这种方法的另一个限制是，由于性能度量的固有限制和一般缺点，它的范围非常有限。综合考察机械手性能参数及其局限性可以在[17]中找到。
2.4基于任务的设计方法
基于任务的机械手设计利用机械手应用的先验知识，设计出能够保证任务完成的最优结构。任务规范可以是运动学的，也可以是动态的。基于任务的设计模型的最终目标是利用任务描述和操作约束[18]生成机械手的运动学和动力学参数。这种基于任务的设计方法引起了研究人员的极大兴趣，他们研究的是可重构的模块化操作器，可以根据手头的任务轻松地对其进行重新配置。
Paredis和Kholsa[16]，利用任务要求找到机械手的最优结构。提出了一种确定六自由度无冗余机械手最优结构的数值方法。他们提出的方法包括通过数值优化使目标函数最小化来生成DH参数。该方法不检查任务点的非奇异位置和机械手产生有效速度的能力。
在[19]中，al - dios等人提出了一种利用直接非梯度搜索优化已知DH表的串行机械手的连杆长度、质量和轨迹参数的优化方法。该工作的重点是优化特定机械手任务的任务时间和关节扭矩。
在[18]、[20]
全文共5979字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[822]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
