在機械手臂抓取和放置物件的路徑規劃上，本論文以蟻群最佳化演算法提出一個在短時間內可以自行規劃出機械手臂夾具末端點最佳路徑的設計與實現方法。本論文所提方法被用來解決一個機械手臂夾具末端點抓取和放置24個物件的路徑規劃問題，其是依據「上銀科技」所舉辦之「上銀智慧機器手實作競賽」之「眼明手快」比賽項目所建立的。即在一個有24個物件(圓球有4種顏色，每種5顆；正方體有4種顏色，每種1顆)的桌面上，如何規劃一個路徑來讓機械手臂可以依序的抓取桌面上所有圓球與正方體，並且放置到相同顏色與形狀的洞口內。在實驗的驗證上，本論文首先讓系統能夠透過桌面上的攝影機來擷取桌面上的影像，自動辨識與判斷四種顏色之圓球、正方體以及箱子上圓形與正方形洞口，並且建立這些物件的座標，然後應用本論文所提方法來規劃機械手臂抓取桌面上四種顏色的圓球與正方體以及將所抓取的物件放置在正確的箱子洞口內的最短路徑。也就是決定抓取桌面上圓球與正方體之先後順序，再讓機械手臂自主依照這個路徑規劃去依序抓取桌面上圓球與正方體，並且放入相同顏色與形狀的箱子洞口內，讓機械手臂在時間限制內完成任務。由實驗結果可知，所提的方法確實可以很快速的規劃出一個最短的路徑，讓機械手臂以較短的時間完成物件抓取和放置的任務。

In the path planning for the pick-and-place objects of a robot manipulator, a method based on an Ant Colony Optimization (ACO) algorithm is designed and implemented in this thesis. The proposed method is applied to solve the pick-and-place objects problem based on 「Hands-on Competition of HIWIN Intelligent Robot Manipulator」. There are totally 24 objects (four kinds of colors, each color has five balls and a cube) on a table. How to plan a path to let the robot manipulator can efficiently and automatically pick up in sequence all the balls and cubes on the desktop and place them into the same color and shape of the box hole. In the experimental verification, a vision system is constructed so that the desktop image can be captured by one camera placed on the top of desktop, four colors ball and cube and four colors round and square holes on the box can be automatically identified to calculate their coordinates. Then the proposed method is applied to plan a shortest path so that the robot manipulator can pick up all the balls and cubes with four colors on the desktop and place the grabbed object into the same color box hole in sequence. From the experimental results, the proposed method can be very fast indeed plan a shortest path so that the robot manipulator with a shorter time to complete the task of pick-and-place objects.

目錄
中文摘要	I
英文摘要	II
目錄	III
圖目錄	VI
表目錄	X
第一章 緒論	1
1.1 研究背景	1
1.2 研究動機與目的	2
1.3 論文架構	6
第二章 第五代機械手臂	7
2.1 第五代機械手臂機構設計	9
2.1.1 第五代機械手臂力矩計算	9
2.1.2 第五代機械手臂機構	14
2.2 第五代機械手臂系統架構	17
第三章 機械手臂之運動學	25
3.1 正運動學	25
3.1.1 Denavit-Hartenberg連桿座標系	25
3.1.2 方位正運動學	31
3.1.3 機械手臂正運動學	35
3.2 逆運動學	37
3.2.1 位置逆運動學	37
3.2.2 方位逆運動學	39
第四章 蟻群最佳化演算法	41
4.1 蟻群最佳化演算法原理	41
4.2 蟻群最佳化演算法數學模型	43
4.3 蟻群最佳化演算法應用於旅行銷售員問題	47
4.4 蟻群最佳化演算法應用於眼明手快比賽項目	50
第五章 實驗結果	61
5.1 MATLAB軟體平台實驗	61
5.1.1 蟻群最佳化演算法應用於旅行銷售員問題模擬	61
5.1.2 蟻群最佳化演算法應用於眼明手快比賽項目模擬	62
5.2 Visual Studio 2008 軟體平台實驗	66
5.2.1 「眼明手快」比賽項目軟體介面	66
5.2.2 「眼明手快」比賽項目的實驗結果	68
第六章 結論與未來展望	71
參考文獻	72

圖目錄
圖 1.1、第五代機械手臂	3
圖 1.2、「眼明手快」比賽項目模擬示意圖	3
圖 1.3、「眼明手快」比賽項目使用的桌子、箱子、圓球與正方體	4
圖 1.4、蟻群最佳化演算法路徑規劃後的抓取順序範例	5
圖 2.1、第五代機械手臂平舉的姿勢示意圖	10
圖 2.2、末端點往回推算第五軸馬達	12
圖 2.3、末端點往回推算第三軸馬達	13
圖 2.4、末端點往回推算第二軸馬達	14
圖 2.5、第五代機械手臂圖	15
圖 2.6、機構修改前後比較圖	16
圖 2.7、第五代機械手臂系統架構圖	17
圖 2.8、研華工業電腦IPC-5120	18
圖 2.9、第五代機械手臂配電箱電路圖	19
圖 2.10、第五代機械手臂配電箱實體圖	20
圖 2.11、運動控制卡MC8881P	20
圖 2.12、第五代機械手臂使用之第五軸交流伺服馬達的實體圖	23
圖 2.13、IO控制卡LP-PCI-IO-020606	23
圖 2.14、Arduino I/O board	24
圖 3.1、兩指式夾爪的三個方位向量	27
圖 3.2、符合DH1與DH2條件之座標系示意圖	28
圖 3.3、zi-1與zi無共平面示意圖	28
圖 3.4、zi-1與zi互相平行示意圖	29
圖 3.5、zi-1與zi相交示意圖I	30
圖 3.6、zi-1與zi相交示意圖II	30
圖 3.7、αi及θi示意圖	31
圖 3.8、尤拉角示意圖	32
圖 3.9、機械手臂座標系配置	35
圖 3.10、運動學解耦合	38
圖 3.11、幾何逼近法的連桿與角度關係圖	38
圖 4.1、自然界中螞蟻的覓食行為	42
圖 4.2、目前節點到下一個節點間的範例	46
圖 4.3、11個城市旅行銷售員問題的範例圖	47
圖 4.4、蟻群最佳化演算法應用於TSP的程式流程圖	48
圖 4.5、桌上都是圓球的範例	52
圖 4.6、「眼明手快」比賽項目範例	55
圖 4.7、「眼明手快」比賽項目計算路徑距離範例	57
圖 4.8、蟻群最佳化演算法應用於「眼明手快」比賽項目的程式流程圖	58
圖 5.1、31個城市之旅行銷售員問題的模擬結果	62
圖 5.2、ACO於「眼明手快」比賽項目(4色球與4方塊)的模擬結果	63
圖 5.3、執行同一組色球與方塊100次的結果圖	63
圖 5.4、使用最佳參數執行100次的結果圖	65
圖 5.5、用最佳參數跑模擬100次隨機色球與方塊的結果	66
圖 5.6、影像座標辨識系統之人機介面圖	67
圖 5.7、影像建模之人機介面圖	67
圖 5.8、「眼明手快」比賽項目的軟體介面圖	68
圖 5.9、實驗結果的影像座標辨識系統介面圖	69
圖 5.10、蟻群最佳化演算法於24個物體之抓取和放置的路徑規畫結果圖	69
圖 5.11、第五代機械手臂於「眼明手快」比賽項目之抓取和放置的實驗結果圖	70
 
表目錄
表 2.1、實驗室歷年所研製的機械手臂馬達比較表	7
表 2.2、實驗室歷年所研製的機械手臂系統表	8
表 2.3、第五代機械手臂的各部分對應名稱	10
表 2.4、第五代機械手臂所採用的馬達與減速機	11
表 2.5、工業電腦規格表	18
表 2.6、運動控制卡MC8881P規格表	21
表 2.7、各軸交流伺服馬達驅動器	22
表 2.8、Arduino I/O board規格表	24
表 3.1、D-H參數及說明	31
表 3.2、機械手臂連桿參數表	36
表 4.1、蟻群最佳化演算法應用於TSP定義的參數	49
表 4.2、起迄距離表範例	49
表 4.3「眼明手快」比賽項目的起迄距離表	57
表 5.1、蟻群最佳化演算法應用於旅行銷售員的問題各項參數表	61
表 5.2、蟻群最佳化演算法應用於「眼明手快」比賽項目的各項參數表	62
表 5.3、蟻群最佳化演算法應用於「眼明手快」比賽項目試誤過程	64
表 5.4、蟻群最佳化演算法應用於「眼明手快」比賽項目的最佳參數表	65

[1]	FANUC Robotics, URL: http://www.fanucrobotics.com
[2]	KUKA Manipulator, URL: http:// www.kuka.com
[3]	ABB Manipulator, URL: http:// www.abb.com
[4]	Hiwin Technology, URL: http://www.hiwin.com.tw/RobotAward/Robot_Regulation.aspx
[5]	C.C. Wong, C.J. Yu, H.S. Chang, H.C. Hsu, and M.H. Tsai,“Vision- based autonomous robot manipulators for ball grasping,”National Symposium on System Science and Engineering, pp .943-947, 2012.
[6]	T.J. Carter, The modeling of a six degree-of-freedom industrial robot for the purpose of efficient path planning, Master of Science, The Pennsylvania State University, 2009.
[7]	T. Lehtla, Introduction to Robotics, Department of Electrical Drives and Power Electronics, Tallinn Technical University, 2008.
[8]	M. W. Spong, S. Hutchinson, and M. Vidyasagar, Robot Dynamics and Control - Second Edition, John Wiley & Sons, Inc., 2004.
[9]	M.A. Ali, H.A. Park, and C.S.G. Lee,“Closed-form inverse kinematic solution for joint humanoid robots,”IEEE/RSJ International Conference on Intelligent Robots and Systems, pp.704-709, 2010.
[10]	Z. Gou, Y. Sun, and H. Yu, “Inverse kinematics equation of 6-DOF robot based on geometry projection and simulation,” International Conference on Computer, Mechatronics, Control and Electronic Engineering,”pp.125-128, 2010.
[11]	M. Dorigo, V. Maniezzo, and A. Colorni, “The ant system: An autocatalytic optimizing process,” Technical Report, no.91-016 Revised, 1991.
[12]	M. Dorigo and L.M. Gambardella, “Ant colonies for the traveling salesman problem,” BioSystems, vol.43, pp.73-81, 1997.
[13]	M. Dorigo and L.M. Gambardella, “Ant colony system: A cooperative learning approach to the traveling salesman problem,” IEEE Transitions on Evolutionary Computation, vol. 1, no. 1, pp.53-66, 1997.
[14]	T. Stutzle and H. Hoos, “The MAX-MIN ant system and local search for the traveling salesman problem,” IEEE 4th International Conference on Evolutionary Computation, pp.309-314, 1997.
[15]	S.A Li, M.H. Yang, C.W. Weng, Y.H. Chen, C.H. Lo, C.E. Wu, and C.C. Wong, “Ant colony optimization algorithm design and its FPGA implementation,” IEEE International Symposium on Intelligent Signal Processing and Communication Systems, pp. 262-265, 2012.
[16]	G.D. Caro and M. Dorigo, “Two ant colony algorithms for best-effort routing indatagram networks,” 10th IASTED International Conference on Parallel and Distributed Computing and Systems, pp.541-546, 1998. 
[17]	B. Bullnheimer, R.F. Hartl, and C. Strauss, “Applying the ant system to the vehicle routing problem,” 2nd Metaheuristic International Conference, pp.285-296 ,1999.
[18]	L.M. Gambardella, E. Taillard, and M. Dorigo, “Ant colonies for quadratic assignment problem,” Journal of the Operational Research Society, vol.50, no. 2, pp.167-176, 1999.
[19]	M. Dorigo, V. Maniezzo, and A. Colorni, “Ant system: Optimization by a colony of cooperating agents,” IEEE Transactions on Systems, Man, and Cybernetics-Part B, vol.26, no. 1, pp.29-41, 1996.