基于布谷鸟算法和牛顿法组合算法的6R机器人运动学逆解

赵 瑜

(江苏信息职业技术学院 基础课部，江苏 无锡 214153)

0 引言

精确求解6R工业机器人逆运动学一直是机器人领域的难题[1]。目前，主要有三种求解6R机器人逆运动学的方法：几何解法、解析法和数值法。几何解法具有表达形象、直观的优点，但对于三维空间内机器人的逆运动学问题，该方法求解会变得更加复杂，因此想要得到精确解便非常困难，缺乏通用性[2]。对于机器人几何结构不满足Pieper准则时，采用解析法求解将会异常复杂，无法求解得到封闭形式的逆解。此时，只能采用数值解法求得近似解[3]。

数值方法主要分为两类：直接数值法求解和间接数值法求解。直接数值法求解是根据机器人运动学关系构建迭代方程式，结合数值计算方法，可迭代求解出近似解。这一类方法中，牛顿迭代法[2，4]及其改进算法[5]运用广泛。而间接数值法主要通过将机器人运动学关系进行转化，构造成适当的目标函数，采用智能优化算法搜索求解[6-7]。此外，基于神经网络和训练近似模型的间接方法也有应用[8-10]。然而，直接数值法的迭代求解结果受初始值的设定比较敏感，很容易出现无法收敛的情况。而间接数值法中智能优化算法的迭代后期收敛性较差，求解较高精度的解所需迭代次数较长，神经网络和近似模型算法训练库的生成计算量非常大，且模型建立过程复杂。

由于智能优化算法在全局上具有较强的寻优能力，牛顿迭代法具有收敛速度快、精度自校正的优点。……