机器人本体智能测控系统
|
摘要
水轮机转轮叶片的维修与维护一直是各国水电部门的一项重要工作，每年都要对其耗费巨大的人力、物力、财力，尤其是我国河流泥沙含量大，此项工作就更为艰巨。为了减少人工修复的劳动强度，提高维护、维修的质量和效率，我们引进并自行开发了适合于我国国情的水轮机叶片修复专用机器人。由于机器人测控系统是机器人的核心，为了提高机器人的整体性能与自主能力以及智能化水平，本文设计了开放式通用机器人测控系统的硬、软件结构。
本课题是省科技攻关项目“机坑内修复小型焊补机的研制”的重要组成部分，本文的研究工作是针对水轮机修复专用机器人进行的，应用D-H方法建立了此机器人的各关节之间的坐标关系及其运动学正问题方程，为机器人系统的运动控制提供了可靠依据。
由于此种机器人的工作方式是示教再现型的，为了实现要求的空间轨迹(直线或圆弧)，必须对机器人运动学逆问题求解，但传统解法对于具有冗余自由度的水轮机修复专用机器人来讲，不但解法复杂，而且解难以确定。为此，我们提出应用基于改进的遗传算法的神经网络来建立机器人运动学逆问题模型，针对该模型，详细讨论了改进后的遗传算法的各个算子以及编码方案，并针对该机器人第一关节是平动关节，建立了该机器人各关节与相应驱动电机转角之间的关系模型，将各关节驱动电机的转角做为神经网络训练样本对的输出样本，为统一到适应度函数的公式中做了必要的准备。本文对用软件实现该神经网络进行了程序设计，并用两杆平面机械手对应用遗传算法学习神经网络的权系数的可行性和有效性进行了仿真研究，仿真结果表明，该方法可极大地提高机械手逆运动学解的精度，确保快速达到全局收敛。
The repair and maintenance work of the turbine blades is the international problem for all the hydro power plant. A lot of manpower and resources is costed every year, especially in China, because the rivers contain plentiful sand, the problem is more serious. In order to lessen labor intensity and increase the welding and grinding precision and efficiency of the robot, introducing and exploring a repair robot used for welding and grinding on the turbine blades is very useful for those plants. Due to the measurement-control system is the core of robot, in order to improve whole capability and automation level of the robot, hardware and software structure of the system is designed.
The theme is an important part of province project for tackling key problem concerning the development of minitype welding and repairing instrument suiting for working in the turbine pit, the theme is worked in the welding and grinding robot. With D-H method the kinetic coordinate and equations are built which is the base of controlling robot.
Due to the robot depends on demonstration to realize the required track, we must get the inverse kinematic solutions for the special purpose robot repairing hydraulic turbines with redundant degree of freedom, but the traditional approach is complicated. A kind of multilayer forward neural network based on improved genetic algorithm is applied to build the inverse kinematics model of manipulator, aim at the model, each operator and coding plan of the improved algorithm are discussed in detail, because the first joint of the robot is not rotational, for to unify to the fitness function, the relation model between every joint of the robot and corresponding electromotor rotational angle which is regarded as output sample neural network is build. The software in which the neural network is realized is designed in the paper, and with two-link planar manipulator, the feasible and effective of using GA to learn the weights of NN is studied, simulations show that the proposed method improves considerably the inverse
kinematic solutions for robot manipulator and guarantees a rapid global convergence.
本课题是省科技攻关项目“机坑内修复小型焊补机的研制”的重要组成部分，本文的研究工作是针对水轮机修复专用机器人进行的，应用D-H方法建立了此机器人的各关节之间的坐标关系及其运动学正问题方程，为机器人系统的运动控制提供了可靠依据。
由于此种机器人的工作方式是示教再现型的，为了实现要求的空间轨迹(直线或圆弧)，必须对机器人运动学逆问题求解，但传统解法对于具有冗余自由度的水轮机修复专用机器人来讲，不但解法复杂，而且解难以确定。为此，我们提出应用基于改进的遗传算法的神经网络来建立机器人运动学逆问题模型，针对该模型，详细讨论了改进后的遗传算法的各个算子以及编码方案，并针对该机器人第一关节是平动关节，建立了该机器人各关节与相应驱动电机转角之间的关系模型，将各关节驱动电机的转角做为神经网络训练样本对的输出样本，为统一到适应度函数的公式中做了必要的准备。本文对用软件实现该神经网络进行了程序设计，并用两杆平面机械手对应用遗传算法学习神经网络的权系数的可行性和有效性进行了仿真研究，仿真结果表明，该方法可极大地提高机械手逆运动学解的精度，确保快速达到全局收敛。
The repair and maintenance work of the turbine blades is the international problem for all the hydro power plant. A lot of manpower and resources is costed every year, especially in China, because the rivers contain plentiful sand, the problem is more serious. In order to lessen labor intensity and increase the welding and grinding precision and efficiency of the robot, introducing and exploring a repair robot used for welding and grinding on the turbine blades is very useful for those plants. Due to the measurement-control system is the core of robot, in order to improve whole capability and automation level of the robot, hardware and software structure of the system is designed.
The theme is an important part of province project for tackling key problem concerning the development of minitype welding and repairing instrument suiting for working in the turbine pit, the theme is worked in the welding and grinding robot. With D-H method the kinetic coordinate and equations are built which is the base of controlling robot.
Due to the robot depends on demonstration to realize the required track, we must get the inverse kinematic solutions for the special purpose robot repairing hydraulic turbines with redundant degree of freedom, but the traditional approach is complicated. A kind of multilayer forward neural network based on improved genetic algorithm is applied to build the inverse kinematics model of manipulator, aim at the model, each operator and coding plan of the improved algorithm are discussed in detail, because the first joint of the robot is not rotational, for to unify to the fitness function, the relation model between every joint of the robot and corresponding electromotor rotational angle which is regarded as output sample neural network is build. The software in which the neural network is realized is designed in the paper, and with two-link planar manipulator, the feasible and effective of using GA to learn the weights of NN is studied, simulations show that the proposed method improves considerably the inverse
kinematic solutions for robot manipulator and guarantees a rapid global convergence.
引文
1 段生孝．中国水轮机空蚀磨损破坏状况．国际水轮机修复专用机器人展示暨学术研讨会论文集．哈尔滨理工大学，2000：27～36
2 蔡自兴．机器人学．清华大学出版社，2000：29～35 36～82
3 林尚扬，陈善本，李成桐．焊接机器人及其应用．机械工业出版社，2000：4～5 51～57 16～34 100～109
4 范永，谭民．机器人控制器的现状及展望．机器人，1999，21(1)75～79
5 Chen J B. A Multiprocessor for Manipulations Applications. IEEE International Conference on Robotics and Automation, 1986:1731～1736
6 个人机(PC)与机器人http://www.robotschina.com/wenxian/wenxian02/202/wx2023.htm
7 机器人控制解决方案技术现状——利用PC平台http://www.robotschina.com
8 基于国产MCT8000运动控制卡的开放式结构机器人控制．http://www.motionct.com/tech/tech_file.htm
9 张福学．机器人技术及其应用．电子工业出版社，2000：65～149
10 MANOCHA D, CANNY J F. Efficient inverse kinematics for general 6r manipulator. IEEE Trans on Robotics and Automation, 1994, 10(5):648～657
11 FEATHERSTONE R. Position and velocity transformation between robot end-effector coordinate and joint angle. The International Journal of Robotics Research, 1983,2(2):35～45
12 KOREIN J U, BALDER N I. Techniques for generating the goal-directed motion of articulated structures. IEEE Computer Graphics and Application, 1982,2(9):71～91
13 TEJOMURTULA S, KAK S. Inverse kinematics in robotics using neural networks. Information Science, 1999(116):147～164
14 MORRIS A S. Finding the inverse kinematics of manipulator arm using artificial neural network with lookup table. Robotics, 1997,15(6):617～625
15 马化一，张艾群，张竺英．一种基于优化算法的机械手运动学逆解．机器人，2001，23(2)：137～141
16 邱涛．弧焊机器人柔性加工单元系统集成及优化技术研究．哈尔滨工业大
学工学博士论文．2001，6：35～52
17 Lun J Y S, Lin C S. Scheduling of paralled computation for a computer controlled mechanical manipulator. IEEE Trans Sys Man Cybern, SMC 1984, 12(2):214～234
18 普杰信，严学高，孟正大．机器人分布式计算机控制系统结构的性能分析．机器人，1994，16(3)：144～149
19 温旭，石宗英，钟宜生，杜继宏．基于SERCOS总线的两足步行机器人分布式运动控制系统．机器人，2001，23(5)：416～420
20 赵雁南等．现场总线和开放的机器人控制系统．机器人，1999：615～617
21 周学才，李卫平，李强．开放式机器人通用控制系统．机器人，1998，21(1)：25～30
22 日本机器人学会．机器人技术手册．宗光华等译．科学出版社，1996：12～43
23 Eppinger S D, Seering W P. Introduction to Dynamic Models for Robot Force Control. IEEE Control Systems, 1987, 4:48～52
24 C. T. Lin, C. S. G. Lee. Fault-Tolerant Reconfigurable Architecture for Robot Kinematics and Dynamics Computations. IEEE Trans Sys, Man and Cyb, 1991,21(5): 983～999
25 孙华．智能控制在弧焊机器人中的应用．哈尔滨工业大学博士学位论文．1999，11
26 刘成良．RV12L 6R焊接机器人运动学及计算机仿真系统研究．机器人，1998，20(5)：332～341
27 阎保定．机器人三维图形仿真系统中运动学方程建模方法的改进．机器人，1997，19(3)：202～206
28 吴瑞祥．机器人技术及应用．北京航空航天大学出版社，1994，12～40
29 周伯英．工业机器人设计．机械工业出版社，1995：13～33
30 Hunt K J, Sbarbaro D, Zbikowski R, Gawthrop P J. Neural Networks for Control System-A Survey. Automatica, 1992,28(6):1083～1112
31 Sreenivas Tejomurtula, Subhash Kak. Inverse Kinematics in Robotics Using Neural Networks. Information Sciences, 1999(116):147～164
32 舒雅琴，曾锦光．基于GA的BP网络模型及其应用．宁波大学学报(理工版)．2000，13(4)：39～44
33 李琳琳，杨国军，赵长安．基于遗传算法学习的一类多层神经网络．哈尔滨理工大学学报，2000，5(1)：56～60
34 黄晓峰，潘立登，陈标华，李成岳．实数编码遗传算法中交叉操作的效率分析．控制与决策，1998，(13)：496～499
35 韩祯祥，文福栓．模拟进化优化方法及其应用．计算机科学，1995，22(2)：47～57
36 Srinivas M, et al. Genetic Algorithms, A Survey, IEEE Computers, 1994, 17～26
37 Goldberg D E. Genetic Algorithms in search, Optimization and Machine Learning, Addison-Wesley, Reading, Mass 1989
38 Michalewicz Z. Genetic Algorithms + Data Structures = Evolutionary Programs. Berlin: Springer-Verlag, 1992
39 李书全，赵良英，史智兴，寇纪凇，李敏强．一种防止遗传算法成熟前收敛的有效算法．系统工程理论与实践，1999，(5)：72～76
40 陈明．基于进化遗传算法的优化计算．软件学报．1998，9(11)：876～879
41 金菊良，扬晓华，丁晶．基于实数编码的加速遗传算法．四川大学学报(工程科学版)，2000，32(4)：20～24
42 Srinivas M. Adaptive Probabilities of Crossover and Mutation in Genetic Algorithms. IEEE Trans. on Syst., Man, Cybern., 1994, 24(4): 656～666
43 梁化楼，戴贵亮．人工神经网络与遗传算法的结合：进展及胜望．电子学报，1995，23(10)：194～200
2 蔡自兴．机器人学．清华大学出版社，2000：29～35 36～82
3 林尚扬，陈善本，李成桐．焊接机器人及其应用．机械工业出版社，2000：4～5 51～57 16～34 100～109
4 范永，谭民．机器人控制器的现状及展望．机器人，1999，21(1)75～79
5 Chen J B. A Multiprocessor for Manipulations Applications. IEEE International Conference on Robotics and Automation, 1986:1731～1736
6 个人机(PC)与机器人http://www.robotschina.com/wenxian/wenxian02/202/wx2023.htm
7 机器人控制解决方案技术现状——利用PC平台http://www.robotschina.com
8 基于国产MCT8000运动控制卡的开放式结构机器人控制．http://www.motionct.com/tech/tech_file.htm
9 张福学．机器人技术及其应用．电子工业出版社，2000：65～149
10 MANOCHA D, CANNY J F. Efficient inverse kinematics for general 6r manipulator. IEEE Trans on Robotics and Automation, 1994, 10(5):648～657
11 FEATHERSTONE R. Position and velocity transformation between robot end-effector coordinate and joint angle. The International Journal of Robotics Research, 1983,2(2):35～45
12 KOREIN J U, BALDER N I. Techniques for generating the goal-directed motion of articulated structures. IEEE Computer Graphics and Application, 1982,2(9):71～91
13 TEJOMURTULA S, KAK S. Inverse kinematics in robotics using neural networks. Information Science, 1999(116):147～164
14 MORRIS A S. Finding the inverse kinematics of manipulator arm using artificial neural network with lookup table. Robotics, 1997,15(6):617～625
15 马化一，张艾群，张竺英．一种基于优化算法的机械手运动学逆解．机器人，2001，23(2)：137～141
16 邱涛．弧焊机器人柔性加工单元系统集成及优化技术研究．哈尔滨工业大
学工学博士论文．2001，6：35～52
17 Lun J Y S, Lin C S. Scheduling of paralled computation for a computer controlled mechanical manipulator. IEEE Trans Sys Man Cybern, SMC 1984, 12(2):214～234
18 普杰信，严学高，孟正大．机器人分布式计算机控制系统结构的性能分析．机器人，1994，16(3)：144～149
19 温旭，石宗英，钟宜生，杜继宏．基于SERCOS总线的两足步行机器人分布式运动控制系统．机器人，2001，23(5)：416～420
20 赵雁南等．现场总线和开放的机器人控制系统．机器人，1999：615～617
21 周学才，李卫平，李强．开放式机器人通用控制系统．机器人，1998，21(1)：25～30
22 日本机器人学会．机器人技术手册．宗光华等译．科学出版社，1996：12～43
23 Eppinger S D, Seering W P. Introduction to Dynamic Models for Robot Force Control. IEEE Control Systems, 1987, 4:48～52
24 C. T. Lin, C. S. G. Lee. Fault-Tolerant Reconfigurable Architecture for Robot Kinematics and Dynamics Computations. IEEE Trans Sys, Man and Cyb, 1991,21(5): 983～999
25 孙华．智能控制在弧焊机器人中的应用．哈尔滨工业大学博士学位论文．1999，11
26 刘成良．RV12L 6R焊接机器人运动学及计算机仿真系统研究．机器人，1998，20(5)：332～341
27 阎保定．机器人三维图形仿真系统中运动学方程建模方法的改进．机器人，1997，19(3)：202～206
28 吴瑞祥．机器人技术及应用．北京航空航天大学出版社，1994，12～40
29 周伯英．工业机器人设计．机械工业出版社，1995：13～33
30 Hunt K J, Sbarbaro D, Zbikowski R, Gawthrop P J. Neural Networks for Control System-A Survey. Automatica, 1992,28(6):1083～1112
31 Sreenivas Tejomurtula, Subhash Kak. Inverse Kinematics in Robotics Using Neural Networks. Information Sciences, 1999(116):147～164
32 舒雅琴，曾锦光．基于GA的BP网络模型及其应用．宁波大学学报(理工版)．2000，13(4)：39～44
33 李琳琳，杨国军，赵长安．基于遗传算法学习的一类多层神经网络．哈尔滨理工大学学报，2000，5(1)：56～60
34 黄晓峰，潘立登，陈标华，李成岳．实数编码遗传算法中交叉操作的效率分析．控制与决策，1998，(13)：496～499
35 韩祯祥，文福栓．模拟进化优化方法及其应用．计算机科学，1995，22(2)：47～57
36 Srinivas M, et al. Genetic Algorithms, A Survey, IEEE Computers, 1994, 17～26
37 Goldberg D E. Genetic Algorithms in search, Optimization and Machine Learning, Addison-Wesley, Reading, Mass 1989
38 Michalewicz Z. Genetic Algorithms + Data Structures = Evolutionary Programs. Berlin: Springer-Verlag, 1992
39 李书全，赵良英，史智兴，寇纪凇，李敏强．一种防止遗传算法成熟前收敛的有效算法．系统工程理论与实践，1999，(5)：72～76
40 陈明．基于进化遗传算法的优化计算．软件学报．1998，9(11)：876～879
41 金菊良，扬晓华，丁晶．基于实数编码的加速遗传算法．四川大学学报(工程科学版)，2000，32(4)：20～24
42 Srinivas M. Adaptive Probabilities of Crossover and Mutation in Genetic Algorithms. IEEE Trans. on Syst., Man, Cybern., 1994, 24(4): 656～666
43 梁化楼，戴贵亮．人工神经网络与遗传算法的结合：进展及胜望．电子学报，1995，23(10)：194～200