[论文解读] Geometric Jacobians Derivation and Kinematic Singularity Analysis for Smokie Robot Manipulator & the Barrett WAM.
本文使用D-H参数推导了6-DOF Smokie OUR和Barrett WAM机器人的几何雅可比矩阵,并分析了其运动学奇异性。通过雅可比矩阵的行列式分析识别奇异性构型,并提供了示意图可视化;对于WAM,进一步调研了其7-DOF变体的冗余运动学分配策略,以提升灵活性并避免奇异性。
This paper discusses deriving geometric jacobians and identifying and analyzing the kinematic singularities for two 6 DOF arm robots. First we show the direct kinematics and D-H parameters derived for these two arms. The Geometric jacobian is computed for Barrett WAM and Smokie OUR. By analyzing the jacobian matrices we find the configurations at which J is rank deficient and derive the kinematic singularities through jacobian's determinent. Schematic are provided to show the singular configurations of both robots. Finally a survey is done on redundant kinematic allocation schemesfor 7 DoF Barrett WAM.
研究动机与目标
- 系统推导6-DOF Smokie OUR和Barrett WAM机器人手臂的几何雅可比矩阵。
- 通过确定雅可比矩阵秩亏损的时刻,识别并分析运动学奇异性。
- 使用CAD和示意图可视化并分类奇异性构型。
- 调研现有针对7-DOF Barrett WAM的冗余运动学分配方案,以改进运动规划并避免奇异性。
- 为冗余机器人操作臂的奇异性规避和最优逆运动学提供基础。
提出的方法
- 使用Denavit-Hartenberg(D-H)约定定义连杆坐标系,并提取Smokie OUR和6-DOF Barrett WAM的D-H参数。
- 基于D-H参数,使用标准变换和偏导数技术计算几何雅可比矩阵。
- 通过计算雅可比矩阵的行列式并求解det(J) = 0,分析奇异性。
- 使用MATLAB在关节变量空间中数值计算并绘制行列式函数,以识别奇异性区域。
- 使用3D CAD模型和示意图可视化奇异性构型,适用于两种机器人。
- 综述并整合现有文献中关于7-DOF WAM的冗余运动学分配方法,重点分析伪逆法和基于雅可比矩阵的方法。
实验结果
研究问题
- RQ1Smokie OUR和Barrett WAM的几何雅可比矩阵在何种关节构型下变为秩亏损,表明存在运动学奇异性?
- RQ2雅可比矩阵的行列式及其多变量行为如何揭示奇异性的存在与分布?
- RQ3哪些关节构型对应于物理上可实现的奇异性,哪些是数值解的伪影?
- RQ4WAM和OUR机器人中的主要奇异性类型(如腕部、臂部、肩部奇异性)是什么?它们如何影响末端执行器的运动能力?
- RQ5如何通过冗余运动学分配策略提升7-DOF Barrett WAM的控制性能和灵活性?
主要发现
- WAM的雅可比行列式为 0.00014448*sin(θ5)*(168.0*sin(θ2 + 2.0*θ3) - 57.5*cos(θ2 + θ4) + 215.0*sin(θ2 + θ3) + 57.5*cos(θ2 + 2.0*θ3 + θ4) - 215.0*sin(θ2 - 1.0*θ3) - 168.0*sin(θ2))
- 主要奇异性出现在 sin(θ5) = 0(θ5 = 0, π)和 sin(θ3) = 0(θ3 = 0, π)时,分别对应腕部和臂部奇异性。
- 通过CAD模型视觉确认奇异性构型,θ5 = 0 和 θ3 = 0 明确标记为关键构型。
- 使用MATLAB的'solve'命令求解时,得到复数(虚数)解,表明行列式中许多看似零交叉的点并非物理上可实现的奇异性。
- 本文结论认为,只有少数关键构型——特别是θ3 = 0 和 θ5 = 0——是真实且具有物理意义的奇异性。
- 对于7-DOF WAM,通过伪逆法和雅可比转置法实现冗余运动学分配是有效的,但计算开销较大;而解析方法在特定位姿类型下性能更优。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。