1、繩牽引并聯(lián)機器人是并聯(lián)機器人家族中重要的組成部分，具有負重/質(zhì)量比高、工作空間大、響應(yīng)速度快和環(huán)境適應(yīng)性強的特點，極大地拓展了并聯(lián)機器人的應(yīng)用領(lǐng)域。具有廣泛的應(yīng)用前景和重要的開發(fā)價值。
　　工作空間是繩牽引并聯(lián)機器人研究的基礎(chǔ)環(huán)節(jié)，其余研究都以工作空間為前提。工作空間的決定因素有二：“力”因素，保證機構(gòu)在平衡外力的同時保證繩索張力為正，是主要因素；“幾何”因素，保證機構(gòu)各部件不發(fā)生相互干涉，是次要因素?！傲Α币蛩氐谋举|(zhì)是繩的單向受

2、力性，這又帶來了繩牽引并聯(lián)機器人的驅(qū)動冗余性，導致了張力求解的不確定性，需通過張力優(yōu)化分布得到唯一解。在通過繩牽引并聯(lián)機器人的張力優(yōu)化分布進行實時力控制時不僅要求張力可以實時解算，還要求張力力可以連續(xù)變化。然而以往對繩牽引并聯(lián)機器人進行張力優(yōu)化分布時往往忽略了繩索的質(zhì)量和慣性力，這使其不適合于大跨度高速運動的繩牽引并聯(lián)機構(gòu)，需要在動力學建模過程中予以克服。結(jié)合大跨度、冗余驅(qū)動和高速運動等特點的繩牽引并聯(lián)機器人具有很大的運動范圍和機動能力

3、，是繩牽引并聯(lián)機器人的一個新興發(fā)展方向，繩牽引并聯(lián)攝像機機器人(以下簡稱攝像機器人)是這種機構(gòu)的典型代表。但攝像機器人的高速運動會對其性能造成很大影響，且在實際運行中易于受到氣象條件的干擾，需要一種符合其實際特點的優(yōu)化設(shè)計方法來提升其整體性能。
　　本文的研究內(nèi)容主要針對四個關(guān)鍵點：
　　①綜合“力”和“幾何”因素來分析工作空間；
　?、趶摹岸俊钡慕嵌仍u價繩索張力求解的實時性和穩(wěn)定性；
　?、劢⑵鹜暾睦K牽引

4、并聯(lián)機器人動力學模型；
　　④提出符合攝像機器人特點的多目標優(yōu)化設(shè)計方法。
　　本文的研究圍繞國家自然科學基金項目：“高速柔索牽引攝像機機器人機動性與穩(wěn)定性研究(51175397)”的相關(guān)內(nèi)容，旨在為繩牽引并聯(lián)機器人的性能提升和實際工程應(yīng)用提供研究基礎(chǔ)，打破桎梏攝像機器人技術(shù)發(fā)展的理論瓶頸，也將促使我國早日擁有具有自主知識產(chǎn)權(quán)的攝像機器人，使我國的攝像機搭載技術(shù)產(chǎn)生新的飛躍。完成的主要工作和創(chuàng)新型成果歸納為以下四個部分：

5、r>　　第一部分研究基于力旋量可行動力工作空間的干涉區(qū)域判定和求解。明確定義了干涉的三種分類，分析了每種干涉的形成成因，推導了三種干涉的數(shù)學判定條件。與力旋量可行動力工作空間的求解方法相結(jié)合提出了完備的干涉求解方法，揭示了干涉發(fā)生的本質(zhì)規(guī)律，為機構(gòu)避免干涉的發(fā)生奠定了理論基礎(chǔ)。
　　第二部分研究繩索張力解算的實時性和連續(xù)性問題。明晰了繩索張力解算的連續(xù)性和實時性的定義，提出了衡量連續(xù)性和實時性的評價指標。結(jié)合凸優(yōu)化理論、方程求根公

6、式和多項式極值定理建立了適用于完全約束繩牽引并聯(lián)機器人的繩索張力優(yōu)化分布算法。通過算例研究了不同張力優(yōu)化目標的連續(xù)性和實時性的差異和特點，為繩索張力優(yōu)化目標選取提供了有益的參考。
　　第三部分研究考慮繩索質(zhì)量和慣性力的繩索張力優(yōu)化分布。在將繩索上的質(zhì)點運動分解為繩索所在鉛垂平面內(nèi)的軸向收放運動和正交于鉛垂面的離面運動的基礎(chǔ)上，通過有限元的思想建立了繩索質(zhì)點的動力學方程，再通過積分的“組裝”運算得到了整根繩索的動力學方程。采用牛頓-

7、歐拉法推導了包含繩索動力學影響的繩牽引并聯(lián)機器人的動力學方程，建立了適用于完全和冗余約束繩牽引并聯(lián)機器人的張力優(yōu)化模型，提出了一種以直線狀態(tài)下的索長和張力為迭代初始值，以索的垂度不發(fā)生改變?yōu)榻K止條件的迭代算法實現(xiàn)了對張力的優(yōu)化求解，為繩牽引并聯(lián)機器人的力控制奠定了理論基礎(chǔ)。
　　第四部分研究攝像機器人的多目標結(jié)構(gòu)優(yōu)化問題，通過結(jié)構(gòu)優(yōu)化來提升攝像機器人的整體性能。在分析攝像機器人實際工作特點的基礎(chǔ)上，結(jié)合理想點法和罰函數(shù)法建立了綜合

8、衡量繩牽引并聯(lián)攝像機器人跟蹤拍攝能力、抗風擾能力和繩索張力沖擊作用的多目標優(yōu)化模型。針對標準遺傳算法全局優(yōu)化搜索能力不強的缺點，提出了具有更強的全局優(yōu)化搜索能力的改進型遺傳算法——“基于種群信息熵的自適應(yīng)多島遺傳算法”(Adaptive Multi-island Genetic Algorithm based on Information Entropy of the Population，IEPAMGA)。該改進型算法具有適應(yīng)度標定、