基于iDMPs-AcaGMR的机械臂轨迹规划研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-22页 |
| 1.1 选题目的和意义 | 第9-12页 |
| 1.2 相关研究现状 | 第12-20页 |
| 1.2.1 国内机器人技术现状 | 第12-13页 |
| 1.2.2 国外机器人技术现状 | 第13-15页 |
| 1.2.3 机器人运动规划 | 第15-16页 |
| 1.2.4 模仿学习和强化学习概述 | 第16-20页 |
| 1.3 本文研究主要内容 | 第20-22页 |
| 第2章 机器人运动学 | 第22-35页 |
| 2.1 机器人运动学的描述 | 第22-25页 |
| 2.1.1 空间点和向量的表示 | 第22-23页 |
| 2.1.2 坐标系在固定坐标系和坐标系原点的表示 | 第23-25页 |
| 2.2 矩阵变换 | 第25-27页 |
| 2.2.1 平移变换 | 第25-26页 |
| 2.2.2 旋转变换 | 第26-27页 |
| 2.3 机器人的正逆运动学 | 第27-31页 |
| 2.3.1 位置的正逆运动学方程 | 第27-29页 |
| 2.3.2 姿态的正逆运动学方程 | 第29-31页 |
| 2.4 D-H表示 | 第31-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 相关理论及算法 | 第35-56页 |
| 3.1 基函数和核函数 | 第35-38页 |
| 3.2 局部加权回归(LWR) | 第38-39页 |
| 3.3 混合高斯模型(GMM) | 第39-47页 |
| 3.3.1 高斯分布 | 第40-42页 |
| 3.3.2 混合高斯模型 | 第42-46页 |
| 3.3.3 混合高斯回归(GMR) | 第46-47页 |
| 3.4 曲线高斯模型(AcaGMM) | 第47-55页 |
| 3.4.1 一维曲线高斯 | 第47-48页 |
| 3.4.2 密度函数 | 第48-51页 |
| 3.4.3 建立曲线高斯模型 | 第51-54页 |
| 3.4.4 曲线高斯回归(AcaGMR) | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 模型及算法的改进 | 第56-69页 |
| 4.1 动态运动基元(DMPs)模型 | 第56-58页 |
| 4.1.1 简单动力学系统 | 第57页 |
| 4.1.2 典范系统 | 第57-58页 |
| 4.1.3 强迫项系统 | 第58页 |
| 4.2 改进动态运动基元系统(iDMPs) | 第58-63页 |
| 4.2.1 相变量的改进 | 第59-60页 |
| 4.2.2 局部加权改进算法(iLWR) | 第60-61页 |
| 4.2.3 实验结果分析 | 第61-63页 |
| 4.3 基于iDMPs的曲线高斯算法研究 | 第63-68页 |
| 4.3.1 AcaGMR与iDMPs的结合 | 第63-64页 |
| 4.3.2 实验结果与分析 | 第64-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间的研究成果 | 第76页 |
