[發明專利]一種面向復雜冗余機器人逆運動學問題的優化方法

在審

• 申請號: 202211405562.5
• 申請日: 2022-11-10
• 公開（公告）號: CN115890660A
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 石建平;徐永馳
• 申請（專利權）人: 貴陽學院
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京君尚知識產權代理有限公司 11200
• 代理人: 司立彬

本發明公開了一種面向復雜冗余機器人逆運動學問題的優化方法。本方法步驟為：1)對機器人各關節的旋轉角度值初始化，得到SN個初始候選逆解；2)在引領蜂搜索階段，對于每一候選逆解產生一中間候選逆解V，根據優化目標函數對V進行評估，根據評估結果更新當前候選逆解、當前全局最優候選逆解GB；3)在跟隨蜂搜索階段，跟隨蜂按輪盤賭方式選擇引領蜂進行跟蹤搜索，對于每個被選擇候選逆解產生一中間候選逆解V，根據評估結果更新被選擇候選逆解、全局最優候選逆解GB；4)如果θsubgt;i/subgt;連續多次未更新，則將θsubgt;i/subgt;對應的引領蜂轉變為偵察蜂；對θsubgt;i/subgt;按照偵察蜂搜索方程進行更新，得到更新后的逆解θsubgt;i/subgt;并對其進行評估，如果θsubgt;i/subgt;優于GB，則用θsubgt;i/subgt;替換GB；5)迭代上述步驟tsubgt;max/subgt;次，輸出GB。

技術領域

本發明涉及機器人運動學控制技術領域，尤其涉及一種解決復雜冗余機器人逆運動學問題的優化方法。

背景技術

機器人的逆運動學問題描述的是機器人工作空間到關節空間的映射關系，即已知機器人末端執行器的位置和姿態，求各個關節所需的旋轉角度值或移動量。逆運動學問題的求解是機器人軌跡規劃、運動控制以及工作空間分析等問題的前提和基礎，可見其重要性不言而喻。封閉解法和數值解法是機器人逆運動學問題的兩大類求解方法。封閉解法通過分離關節變量的方式直接獲得關節變量的解析表達式，具有求解速度快、精度高且能夠求出所有逆解的優勢；封閉解法的缺點是受機器人的結構構型限制較大，對于不滿足Pieper準則的結構，無法獲得機器人的封閉解。針對結構不滿足Pieper準則的復雜冗余機器人而言，其運動學方程是多變量強耦合的非線性方程組，無法對其變量進行分離操作，且該方程組操作無窮多個解，只能用數值解法來獲得滿足要求的運行逆解。

近年來，人工蜂群算法(artificial?bee?colony?algorithm，ABC)等群體智能優化算法被應用于機器人逆運動學問題的優化求解，為該問題的有效求解提供了新的思路。然而，基本ABC算法在雇傭蜂搜索和跟隨蜂搜索使用了相同的蜜源搜索方程，且該方程具有較強的隨機性，缺乏對種群最優搜索經驗的有效利用，使得基本ABC算法全局搜索能力較強而局部搜索能力較弱。此外，基本ABC算法在偵察蜂搜索階段采用簡單的全局隨機初始化方式，同樣缺乏對歷史尋優經驗的學習利用。

本發明以復雜冗余機器人的逆運動學問題求解為工程應用背景，在基本ABC算法基本架構的基礎上，對算法的引領蜂搜索、跟隨蜂搜索和偵察蜂搜索三個環節進行全面的綜合改進，進而提出基于多策略融合人工蜂群算法(artificial?bee?colony?algorithmbased?on?multi?strategy?fusion，MSABC)的復雜冗余機器人逆運動問題優化方法。

發明內容

導致基本ABC算法解決復雜工程優化問題時優化性能不高的主要原因是基本ABC算法在雇傭蜂搜索和跟隨蜂搜索使用了相同的蜜源搜索方程，且該方程具有較強的隨機性，缺乏對種群最優搜索經驗的有效利用，使得基本ABC算法全局搜索能力較強而局部搜索能力較弱。此外，基本ABC算法在偵察蜂搜索階段采用簡單的全局隨機初始化方式，同樣缺乏對歷史尋優經驗的學習利用。

本發明專利的目的是提出一種基于改進ABC——MSABC算法的復雜冗余機器人逆運動學問題優化方法，以期有效解決復雜冗余機器人的逆運動學問題，基于此方法對機器人運動進行控制，大大提高控制效率。

本發明采用的技術方案是：

一種面向復雜冗余機器人逆運動學問題的優化方法，其步驟包括：

1)在機器人各關節的旋轉角度范圍內對每一關節的旋轉角度值進行隨機初始化，得到SN個初始候選逆解；θ_i為第i個初始候選逆解，θ_ij為θ_i中第j個關節的旋轉角度值，i＝1～SN，j＝1～D，D為機器人運動時與位姿相關的關節數；