[發明專利]一種基于并行化混沌蜂群算法的機械臂逆運動學求解方法

有效

• 申請號: 201710000799.8
• 申請日: 2017-01-03
• 公開（公告）號: CN106650917B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 張立;肖南峰
• 申請（專利權）人: 華南理工大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 羅觀祥

本發明公開了一種基于并行化混沌蜂群算法的機械臂逆運動學求解方法，包括步驟：1)初始化階段，利用混沌映射初始化食物源群體并將整個群體劃分成多個相互獨立的子群并行演化；2)雇傭蜂階段，引入控制參數調整雇傭蜂搜索新食物源時的搜索步伐與參數更改頻率；3)基于適應度值計算出每個食物源的被選概率；4)觀察蜂階段，觀察蜂以輪盤賭法選擇一個食物源進行跟蹤；5)偵查蜂階段，偵查蜂搜索新的食物源替換掉花蜜匱乏的食物源；6)信息交流階段，一個子群的較差食物源替換成另外一個子群的較優食物源。本發明方法改善了基本人工蜂群算法在求解機械臂逆運動學問題時的性能，具有較快的收斂速度和較強的全局搜索能力。

技術領域

本發明涉及機器人逆運動學的技術領域，尤其是指一種基于并行化混沌蜂群算法的機械臂逆運動學求解方法。

背景技術

已知機械臂末端執行器的期望位姿，要求計算出滿足期望要求的關節角，這類問題被稱為機械臂的逆運動學問題。求解機械臂逆運動學的方法分成兩大類：封閉解法和數值解法。封閉解法求解速度快，容易確定所有可能解，但適用范圍小,只有結構參數很特殊的機械臂才存在封閉解(解析解)。數值解法適用范圍廣，但其迭代性質導致求解速度慢，無法滿足實時控制的要求。所以尋找一種通用、高效的求解逆運動學問題的數值解法具有重要的實際意義。近年來，群智能算法被廣泛應用于逆運動學問題中，例如粒子群算法、和聲算法、人工蜂群算法等，這些算法能夠在合理的時間內得出較好的數值解。

人工蜂群算法(Artificial Bee Colony Algorithm,ABC)是2005年由Karaboga等提出來的一種新穎的啟發式搜索算法，是集群智能的一個具體應用。它模仿蜂群覓食的行為，通過人工蜂個體的局部尋優行為，最終在群體中使全局最優值突現出來，具有較快的收斂速度。該算法由于控制參數較少、易于實現和優良的求解性能受到關注并廣泛應用于各種實際優化問題中。

在ABC算法中，搜索新食物源時參數改動的頻率不變，即僅更改當前食物源的一個參數產生新食物源，導致算法收斂速度較慢。同時，搜索步伐也不變，即參數只在固定范圍內被改動，算法無法根據運行情況靈活調整步伐，易陷入局部最優。為此，Karaboga等人提出了一種改進的人工蜂群算法，該算法引入更改率MR(modified Rate(Modified Rate)和縮放因子SF(scaling factor)對參數更改的頻率和搜索步伐施加影響。初始食物源群體的分布對基于群體的搜索算法是至關重要的，在沒有任何先驗知識的情況下，隨機地生成初始群體是最普遍的一種方法，然而該方法并不能幫助搜索算法高效地獲取領域知識，致使全局搜索能力不佳。為此，Sharma等提出一種使用Halton點集生成初始食物源的新算法，稱為H-ABC。受混沌系統的啟發，Alatas等提出一種使用混沌映射優化初始食物源分布的人工蜂群算法，稱為CABC(Chaotic ABC)。為了縮減人工蜂群算法求解復雜優化問題的時間，提升收斂速度，Luo等向ABC算法中融入并行化計算的思想并提出一種子群間的交流機制。

以上這些改進人工蜂群算法雖然改善了ABC算法的收斂速度和全局搜索能力，但相比其他群智能算法，例如粒子群算法，仍然在收斂速度或全局搜索能力上有差距，無法滿足機械臂實時控制的要求。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于并行化混沌蜂群算法的機械臂逆運動學求解方法CPABC(Chaotic and Parallelized Artificial Bee Colony)，該方法考慮了在求解逆運動學問題時具有較快收斂速度和較強全局搜索能力的要求，克服了ABC算法及其改進算法并不能很好地滿足機械臂實時控制并求得較優逆解的問題。

為實現上述目的，本發明所提供的技術方案為：一種基于并行化混沌蜂群算法的機械臂逆運動學求解方法，包括以下步驟：

1)初始化階段：利用混沌映射初始化食物源群體并將整個群體劃分成多個相互獨立的子群并行演化；