[發(fā)明專利]一種用于機(jī)械臂時(shí)間最優(yōu)軌跡規(guī)劃方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710680623.1
• 申請(qǐng)日: 2017-08-10
• 公開(kāi)（公告）號(hào): CN107367938A
• 公開(kāi)（公告）日: 2017-11-21
• 發(fā)明（設(shè)計(jì)）人: 鮑海鋒;丁德銳;王玉林;陳嘉林;李玉齊;林森陽(yáng);肖灑
• 申請(qǐng)（專利權(quán)）人: 上海理工大學(xué)
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04;G06N3/12
• 代理公司: 上海德昭知識(shí)產(chǎn)權(quán)代理有限公司31204
• 代理人: 郁旦蓉

技術(shù)領(lǐng)域

本發(fā)明涉及一種用于機(jī)械臂時(shí)間最優(yōu)軌跡規(guī)劃方法。

背景技術(shù)

隨著科學(xué)技術(shù)的發(fā)展，機(jī)械臂已經(jīng)滲透到各行各業(yè)中，在其實(shí)際應(yīng)用中，工作精度和運(yùn)動(dòng)平穩(wěn)度是衡量機(jī)械臂工作性能的重要指標(biāo)。在此基礎(chǔ)上，提高工作效率，減小操作誤差，減小運(yùn)行時(shí)間和能量消耗等成為機(jī)械臂應(yīng)用的需解決的關(guān)鍵性問(wèn)題。解決這些問(wèn)題的前提和基礎(chǔ)是研究機(jī)械臂的軌跡規(guī)劃。機(jī)械臂的軌跡規(guī)劃算法的性能優(yōu)化指標(biāo)有很多，如時(shí)間最優(yōu)和能量最優(yōu)，其中時(shí)間最優(yōu)目前研究的最多。將智能優(yōu)化算法用于機(jī)械臂的時(shí)間性能優(yōu)化是近年來(lái)研究的熱點(diǎn)。目前為止，遺傳算法(SGA)在其應(yīng)用中最為廣泛。

遺傳算法是一種借鑒生物界自然選擇和進(jìn)化機(jī)制發(fā)展起來(lái)的高度并行、隨機(jī)、自適應(yīng)的全局優(yōu)化概率搜索算法。由于優(yōu)化時(shí)不依賴于梯度，具有很強(qiáng)的魯棒性和全局搜索能力。

但是，對(duì)于機(jī)械臂的軌跡規(guī)劃問(wèn)題，遺傳算法(SGA)仍然存在很多問(wèn)題，如早熟收斂問(wèn)題和低優(yōu)化效率問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明是為了解決上述問(wèn)題而進(jìn)行的，目的在于提供一種用于機(jī)械臂時(shí)間最優(yōu)軌跡規(guī)劃方法。

本發(fā)明提供了一種用于機(jī)械臂時(shí)間最優(yōu)軌跡規(guī)劃方法，具有這樣的特征，包括以下步驟：

步驟1，將機(jī)械臂的任務(wù)空間離散化成多個(gè)軌跡插值點(diǎn)，得到位姿矩陣序列Ti和相應(yīng)的時(shí)間節(jié)點(diǎn)序列ti，對(duì)位姿矩陣序列Ti進(jìn)行逆運(yùn)算得到對(duì)應(yīng)的關(guān)節(jié)位置qi，該關(guān)節(jié)位置qi和時(shí)間節(jié)點(diǎn)序列ti的關(guān)系如下式(1)所示，

S＝(qi，ti)i＝1,2......，n(1)

上式(1)中，S為關(guān)節(jié)位置-時(shí)間二元序列，ti>0；

步驟2，根據(jù)下式(2)設(shè)定運(yùn)動(dòng)學(xué)速度約束條件，

max{s'(t_i),s'(t^*),s'(t_i+1)}≤V_max，i＝1,2......，n(2)

上式(2)中，s(t)為關(guān)節(jié)旋轉(zhuǎn)角度，s’(t)為關(guān)節(jié)旋轉(zhuǎn)角速度，s(t)＝ qi，t∈[t₁,t_n]，s’(t)是s(t)的導(dǎo)數(shù)；

步驟3，根據(jù)運(yùn)動(dòng)學(xué)速度約束條件，通過(guò)三次多項(xiàng)式曲線插值依次連接每個(gè)關(guān)節(jié)位置-時(shí)間二元序列對(duì)應(yīng)的點(diǎn)，得到機(jī)械臂的關(guān)節(jié)軌跡曲線；

步驟4，根據(jù)機(jī)械臂的關(guān)節(jié)軌跡曲線，建立目標(biāo)函數(shù)

上式(3)中，f(t)為機(jī)械臂的運(yùn)動(dòng)總時(shí)間；

步驟5，根據(jù)目標(biāo)函數(shù)，采用多種群遺傳算法對(duì)機(jī)械臂的運(yùn)動(dòng)總時(shí)間進(jìn)行優(yōu)化，從而得到機(jī)械臂的關(guān)節(jié)運(yùn)動(dòng)速度曲線、關(guān)節(jié)運(yùn)動(dòng)加速度曲線和關(guān)節(jié)運(yùn)動(dòng)脈動(dòng)曲線，

其中，步驟5中的多種群遺傳算法對(duì)時(shí)間進(jìn)行優(yōu)化包括以下子步驟：

步驟5-1，初始化種群，隨機(jī)產(chǎn)生n個(gè)子種群，子種群的集合設(shè)為P(k)＝{P₁(k),...P_i(k),..P_n(k)}，其中k為進(jìn)化次數(shù)，然后對(duì)其進(jìn)行二進(jìn)制編碼工作，并設(shè)初始進(jìn)化次數(shù)k＝0；

步驟5-2，對(duì)每個(gè)子種群p(k)中個(gè)體的適應(yīng)度進(jìn)行計(jì)算；

步驟5-3，對(duì)每個(gè)子種群p(k)進(jìn)行相應(yīng)的遺傳算子運(yùn)算，得到新種群；

步驟5-4，將新種群中的最差個(gè)體用子種群p(k)的最優(yōu)個(gè)體代替并將該最優(yōu)個(gè)體放入精華種群加以保存，同時(shí)執(zhí)行k＝k+1；

步驟5-5，重復(fù)步驟5-2～步驟5-4，直到k達(dá)到預(yù)定數(shù)值；

步驟5-6，從精華種群中選擇機(jī)械臂的運(yùn)動(dòng)總時(shí)間最優(yōu)的個(gè)體作為結(jié)果輸出。

在本發(fā)明提供的用于機(jī)械臂時(shí)間最優(yōu)軌跡規(guī)劃方法中，還可以具有這樣的特征：其中，遺傳算子運(yùn)算包括選擇運(yùn)算、交叉運(yùn)算和變異運(yùn)算。

在本發(fā)明提供的用于機(jī)械臂時(shí)間最優(yōu)軌跡規(guī)劃方法中，還可以具有這樣的特征：其中，預(yù)定數(shù)值為50。

發(fā)明的作用與效果

根據(jù)本發(fā)明所涉及的一種用于機(jī)械臂時(shí)間最優(yōu)軌跡規(guī)劃方法，因?yàn)椴捎昧硕喾N群遺傳算法(Multiple Population Genetic Algorithm， MPGA)對(duì)機(jī)械臂的運(yùn)動(dòng)時(shí)間進(jìn)行優(yōu)化，從而得到最優(yōu)時(shí)間軌跡，本發(fā)明減小了機(jī)械臂的運(yùn)行時(shí)間，提高了機(jī)械臂的工作效率。

附圖說(shuō)明

圖1是本發(fā)明的實(shí)施例中機(jī)械臂的模型；

圖2是本發(fā)明的實(shí)施例中機(jī)械臂的末端執(zhí)行器的軌跡曲線圖；

圖3是本發(fā)明的實(shí)施例中關(guān)節(jié)1的軌跡曲線圖；

圖4是本發(fā)明的實(shí)施例中多種群遺傳算法(MPGA)的算法流程圖；