[發明專利]一種快速求解冗余自由度機器人逆解的方法

有效

• 申請號: 202011251399.2
• 申請日: 2020-11-09
• 公開（公告）號: CN112428267B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 王文杰;曹玉婷;陳聰聰;王曉華;張蕾;何夢玲;麻健偉
• 申請（專利權）人: 西安工程大學
• 主分類號: B25J9/16
• 分類號: B25J9/16;G06N3/00;G06N10/60
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 韓玙

1.一種快速求解冗余自由度機器人逆解的方法，其特征在于，具體按照以下步驟實施：

步驟1，采用D-H法建立機器人的正運動學模型；

步驟2，確定機器人各關節的角度范圍；

步驟3，改進量子粒子群算法；

步驟4，建立機器人逆解評價指標；

步驟5，將所述機器人逆解評價指標作為優化目標，采用改進量子粒子群算法求解冗余自由度機器人逆解；

所述步驟1具體為：

機器人第i個關節變換矩陣為：

式(1)中，為機器人第i個關節變換矩陣，d_i為連桿長度，α_i為連桿扭轉角，a_i為連桿偏移量，θ_i為關節角；

將機器人各關節的變換矩陣依次相乘，得到機器人的末端相對于基坐標的變換矩陣

式(2)中，為機器人的末端相對于基坐標的變換矩陣；

通過式(2)構建正運動學模型；

步驟2具體為：

根據工作空間的限制和工作任務的要求，確定機器人各關節的角度范圍；

步驟3具體為：

步驟3.1，初始化量子粒子群中M個粒子的位置向量，并計算各個粒子的適應度，設置最大迭代次數為T；

步驟3.2，給粒子個體極值pbest及全局極值gbest賦初值；

步驟3.3，設定自適應收縮-擴張系數β，

β＝λ₁×rate+λ₂×ag+λ₃ (3)，

式(3)中，λ₁0，λ₂0，λ₃＝1，rate＝f(mbest_t)/f(mbest_t-1)，表示量子粒子群算法在運行過程中全局最優值的變化速率，表示量子粒子群的當前聚集度，t為當前迭代次數；β是一個小于1.782的常數；

步驟3.4，根據式(4)計算量子粒子群平均最優位置：

式(4)中，mbest_d為量子粒子群平均最優位置，pbest_id為粒子最優位置；

步驟3.5，計算粒子的當前適應度值，并與前一代的適應度值進行比較，如果當前適應度值小于前一代適應度值，則將粒子位置更新為粒子當前的位置；

步驟3.6，計算量子粒子群當前的全局最優位置，比較當前的全局最優位置與前一代全局最優位置，如果當前的全局最優位置適應度值好，則將量子粒子群的最優位置更新為當前的全局最優位置；

步驟3.7，根據式(5)計算粒子的每一維，得到一個隨機點的位置；

式(5)中，pbest_id為粒子最優位置，gbest_d為量子粒子群的最優位置；

步驟3.8，根據式(6)得到粒子的新位置；

式(6)中，u＝rand(0,1)，x_id(t+1)為粒子的新位置，g_id為一個隨機點的位置，mbest_d為量子粒子群平均最優位置，t為當前迭代次數；

步驟3.9，若沒有達到最大迭代次數T，則重復步驟3.4～3.8，否則結束；

所述機器人逆解評價指標的適應度函數為：

θ∈Rⁿ|θ_k,min≤θ_k≤θ_k,max,k＝1,2,3...n (8)，

式(7)、(8)中，(x₁,y₁,z₁)為機器人末端的位置，(x₂,y₂,z₂)為機器人末端的實際位置，θ_k為機器人的關節角度，θ_k,min、θ_k,max分別為機器人的關節所能到達的最小、最大角度，R為任意實數；

所述步驟5具體為：

步驟5.1，初始化量子粒子群

初始化機器人中M個關節的位置向量，在機器人各關節的角度范圍內隨機產生關節角度；

步驟5.2，將M自由度的機器人代入式(4)中求解機器人各關節的平均角度；

步驟5.3，計算適應度值

根據正運動學模型求解出期待位置，計算各關節的位置，代入式(7)求解出各關節的位置誤差；

步驟5.4，如果機器人各關節轉角超過受限的關節范圍，淘汰這個解，并用上一代的解代替；

步驟5.5，利用改進量子粒子群算法迭代產生新的解，更新機器人各關節角度，達到最大迭代次數T后結束，否則返回步驟5.2。