[發明專利]一種基于解析數值混合法的冗余機械臂逆運動學方法

有效

• 申請號: 202210219899.0
• 申請日: 2022-03-08
• 公開（公告）號: CN114670190B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 劉正雄;王世鷗;劉星;馬志強;常海濤;黃攀峰
• 申請（專利權）人: 西北工業大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 西安維賽恩專利代理事務所(普通合伙) 61257
• 代理人: 劉春

1.一種基于解析數值混合法的冗余機械臂逆運動學方法，其特征在于，包括以下內容：

步驟1、按照臂型角參數化的方法建立機械臂的逆運動學模型；

步驟2、確定逆運動學問題的代價函數和約束條件；

步驟3、基于粒子群優化算法、尋找滿足所述步驟2中約束條件的臂型角

步驟4、更新粒子的速度和位置；

步驟5、根據邊界約束條件、按照所述步驟2中的代價函數、對速度和位置超限的粒子進行初始化；

步驟6、計算更新后所有粒子的代價值、歷史最優值以及種群的全局最優值；

步驟7、更新迭代次數，t＝t+1，t表示粒子的迭代次數，返回步驟4，不斷更新粒子的位置與速度；當t＝t_max達到最大迭代次數后，終止循環，代價值最小的粒子及其所對應的那組逆解即為最終期望末端位姿所對應的機械臂逆運動學結果。

2.如權利要求1所述的一種基于解析數值混合法的冗余機械臂逆運動學方法，其特征在于，所述步驟1中逆運動學模型為：

式中，⁰T₇表示機械臂末端相對于基座的位姿矩陣，表示臂型角，Θ＝[θ₁ θ₂ θ₃ θ₄ θ₅θ₆ θ₇]表示機械臂的7個關節角，每個臂型角可以得到機械臂的8組逆解。

3.如權利要求2所述的一種基于解析數值混合法的冗余機械臂逆運動學方法，其特征在于，所述步驟2中的代價函數的形式如下：

其中，F_D、F_S、分別表示避障、避奇異、避免關節極限和運動連續的代價函數，分別表示機械臂第i個關節角允許的最大值和最小值，θ_i^re表示上一時刻機械臂第i個關節角的值，d表示機械臂臂型面和障礙物之間的距離，d_min表示機械臂臂型面和障礙物之間允許的最小距離，λ_D、λ_S、λ_L、λ_C分別表示相應代價函數的縮放因子，ε為避奇異的閾值范圍。

4.如權利要求3所述的一種基于解析數值混合法的冗余機械臂逆運動學方法，其特征在于，所述步驟3的具體內容為：

設置種群規模N，最大迭代次數t_max，計算每組逆運動學結果的代價值，其中的最小值即為粒子的代價值，按照下式對所有粒子進行初始化：

式中v_i、分別表示第i個粒子的速度分量和位置分量，v_max、v_min分別表示粒子速度分量的最大值和最小值，分別表示粒子位置分量的最大值和最小值，r_v、r_x分別為0～1之間的隨機數。

5.如權利要求4所述的一種基于解析數值混合法的冗余機械臂逆運動學方法，其特征在于，所述步驟4的具體內容為：

計算每個粒子的歷史最優值b_i和種群的全局最優值g_t，按照下式更新粒子的速度和位置；

式中，t表示當前的迭代次數，v_i(t)、v_i(t+1)分別表示第i個粒子當代和下一代的速度分量，分別表示第i個粒子當代和下一代的位置分量，φ₁、φ₂分別表示認知學習率和社會學習率，K表示壓縮系數，K_max、K_min表示壓縮系數的最大值和最小值。