机器人和电脑一体机制造
关于生成工业机器人机械手的运动
K. Kaltsoukalas, S. Makris, G. Chryssolouris
佩特雷大学实验室制造系统和自动化,希腊
论文信息
文章历史： 关键词：
2013年10月17日收到初稿 路径规划
2014年9月19日收到修改稿 工业机器人运动
2014年10月8日通过审核 网格搜索
2014年10月29日网上资源共享
摘要
在这个研究中，提出了一个智能搜索算法定义所需的位置和工业机器人机械手的定位效应路径的想法。这个算法通过选择和评估机器人的配置逐步达到所需的配置。构造网格的机器人替代配置使用一组参数,减少了搜索空间并减少计算时间。对于可选择性的评价，使用多个标准，用以满足不同的要求。替代的配置重点是给机器人的关节，主要影响末端执行器的位置。网格的分辨率和尺寸参数的设置在期望输出的基础上，高分辨率通过对目标位置只提供一些中间点用于平滑的路径和一个粗略的估计。规划的路径是一系列的机器人配置。这种方法为一个没有经验的程序员自动生成机器人路径提供了方便，这能达到预期的标准而不必记录中间点到目标位置。
2014 Elsevier有限公司保留所有权利
介绍
近年来，由于能适应不同的市场需求和产品结构的变化，对柔性制造系统的需求日益增加。动态生产环境要求越来越多的装配制造资源重新配置。自动装配系统，如机器人。它们的灵活性通常被制约因为高的编程工作要求机器人轨迹调整去适应不同的装配单元布局。经验丰富的机器人程序员不得不花大量时间采用常规的编程方法优化每一个具体的应用机器人的路径。一种广泛应用的方法是演示编程，通过顺序移动机器人的每个位置并记录中间点的位置来示教。通过机器人控制器的连接记录点产生机器人的最后路径，路径考虑到机器人的动力学约束并通过所有的约束点。机器人的最终轨迹高度依赖记录点和程序员各自的编程经验。机器人自动路径规划提出了一个问题，在过去的几十年里如何实现移动机器人从初始到最终的位置进行的研究，主要集中在路径规划避障。
一种运动规划技术是通过采样配置空间来构建近似的模型。在过去的几年里，已经有很多为基于采样的运动规划算法进行改善的工作在进行了。在不同的类别中分类所有的规划者很难定义一个单一的标准。经典的分离是基于路线图规划者和逻辑树规划者之间。概率路线图路径规划中引入一个计算机器人无碰撞路径的新方法。这个方法分两个阶段进行：学习和查询。在学习阶段，一个概率图是通过生成机器人的随机免费配置和使用一个简单的运动规划连接它们建设，也被称为当地的规划师。不同的方法已被用来解决各种各样的问题，为了可变形物体的运动规划而提出了构建和查询路线图两种不同的方法。还提出了另一个变形的技术可以应用到生成的路径中。介绍了障碍物的概率图法，在生成节点的几种
