【摘要】：逆运动学问题一直是可重构模块机器人研究中的一个难点， 对机器人的构形优化和轨迹规划等问题有着直接的影响。目前， 求解可重构模块机器人的逆运动学问题通常采用基于Newton-Raphson算法的数值迭代方法和基于Paden-Kahan子问题的几何算法。该算法结合了遗传算法的全局搜索能力和模拟退火算法的局部搜索能力， 不仅收敛速度快、 精度高， 而且大大提高了搜索成功率。
逆运动学问题一直是可重构模块机器人研究中的一个难点， 对机器人的构形优化和轨迹规划等问题有着直接的影响。 目前， 求解可重构模块机器人的逆运动学问题通常采用基于Newton-Raphson算法的数值迭代方法和基于Paden-Kahan子问题的几何算法。在上述两种方法中， 数值迭代方法只能求解出解空间中的一个解， 且此解取决于算法的迭代初始条件。 几何算法虽然可以求解出闭式的运动学逆解， 但并不是所有构形的机器人都能被分解成Paden-Kahan子问题。本节采用实值编码的模拟退火遗传算法求解可重构模块机器人的逆运动学问题。 该算法结合了遗传算法的全局搜索能力和模拟退火算法的局部搜索能力， 不仅收敛速度快、 精度高， 而且大大提高了搜索成功率。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
