本发明专利技术提出了一种基于多种群粒子群算法的机械臂运动规划方法,其步骤为:利用DH参数法对六自由度机械臂进行建模,进行机械臂正运动学求解机械臂末端执行器在基坐标系中的坐标;通过三维坐标系中机械臂末端执行器与设定目标的空间距离建立评价函数;改进传统粒子群算法的初始化函数,将多个子种群中表现最优的若干个粒子组成一个精英种群,对精英种群进行演化计算,得出全局最优的粒子;在参数设置相同的情况下,用其他的演化算法实现机械臂的运动规划问题,与步骤三中改进的多种群粒子群算法进行比较,验证多种群粒子群算法的优越性。本发明专利技术得到了机械臂运动规划最优解,且不需要知道执行器末端的初始位置,也不需要对机械臂逆运动学求解。
【技术实现步骤摘要】
基于多种群粒子群算法的机械臂运动规划方法
本专利技术涉及机器人自动控制的
,尤其涉及一种基于多种群粒子群算法的机械臂运动规划方法。
技术介绍
当今,机器人在工业、农业、军事、医疗、科研探索以及服务业等领域都有广泛的应用。在医疗方面,有康复机器人和医疗机器人;在军事方面,有侦查机器人(比如利比亚战场的无人机)和排爆机器人等;在科学勘探上,有水下机器人;在工业方面,有焊接机器人、装配机器人和搬运机器人等;在娱乐方面,有足球机器人和拳击机器人等;在航天领域有用于空间站的维修机器人等。机器人的应用已经覆盖众多领域,而在这些领域的应用中大多数都离不开运动规划。运动规划是机械臂系统中的重要技术,良好的运动规划技术可以保证机械臂安全的完成任务,并满足机械臂的运动精度指标。尽管机械臂运动规划技术已经取得了很多成果,但是在很多方面还不够成熟。因此研究机械臂的路径运动技术具有很重要的现实意义和价值。运动规划的任务是在给定一个初始点和目标点的情况下,按照一定的评价标准(如最短路径长度、最小能量消耗或最高精度等)规划出一条从起始点到目标点的最优或次优路径。近些年,许多研究者提出各种各样的算法应用于机械臂运动规划的设,包括遗传算法(GeneticAlgorithm,GA)、模型退火算法(SimulateAnnealArithmetic,SAA)、禁忌搜索(TabooSearch,TS)、蚁群最优化算法(AntColonyOptimization,ACO)、神经网络算法(NeuralNetworkAlgorithm,NEA)和人工免疫算法(ImmuneClonalSelectionAlgorithm,ICSA)等等。这些方法能够快速收敛,但是在整个机械臂运动规划设计过程中可能不是最优的。
技术实现思路
针对现有方法在整个机械臂运动规划设计过程中可能不是最优的的技术问题,本专利技术提出一种基于多种群粒子群算法的机械臂运动规划方法,利用具有预择优机制的多种群粒子群算法更加有效地解决机械臂运动规划的问题,能够得到机械臂运动规划最优解。为了达到上述目的,本专利技术的技术方案是这样实现的:一种基于多种群粒子群算法的机械臂运动规划方法,其步骤如下:步骤一:利用DH参数法对六自由度机械臂进行建模,进行机械臂正运动学求解机械臂末端执行器在基坐标系中的坐标;步骤二:通过三维坐标系中机械臂末端执行器与设定目标的空间距离建立评价函数;步骤三:改进传统粒子群算法的初始化函数,将多个子种群中表现最优的若干个粒子组成一个精英种群,对精英种群进行演化计算,得出全局最优的粒子;步骤四:在参数设置相同的情况下,用其他的演化算法实现机械臂的运动规划问题,与步骤三中改进的多种群粒子群算法进行比较,验证多种群粒子群算法的优越性。所述步骤一中DH参数法是以机械臂第一个关节点建立的基坐标系的基础上,每个关节建立一个直角坐标系,点(0,0,0)为基坐标系的原点,(X-end,Y-end,Z-end)为机械臂末端在基坐标系中的坐标,通过坐标系的旋转和平移得到机械臂末端执行器在基坐标系中的坐标;Ai表示第i个坐标系到第i+1个坐标系的变换,即:其中,Tran(0,di,0)表示按Y轴方向平移距离di,Rot(x,αi)表示将X轴顺时针旋转角度αi,Rot(z,θi)表示将Z轴顺时针旋转角度θi,Tran(ai,0,0)表示按X轴方向平移距离ai;从基坐标系到机械臂末端坐标系的变换矩阵用以下式子表示:(px,py,pz)为机械臂末端的坐标;nx、ny、nz、ox、oy、oz、ax、ay、az表示矩阵推导后的代数式。所述步骤二中评价函数的求解方法为:设目标点的坐标用(Xt,Yt,Zt)表示,则机械臂末端到目标点的空间距离用Fitness表示,即评价函数为:所述步骤三中对多个子种群进行初始化,对传统的粒子群算法进行改进,引入子种群和精英种群,改进后的步骤:第一步:初始化n个子种群,每个子种群包含随机生成的N个粒子;第二步:以单个子种群为单位,利用评价函数Fitness评价其中每个微粒的适应值,并按从优到劣进行排序,选出表现最优的前N/n个粒子,然后将每个子种群中选出的表现最优的N/n个粒子组成一个含N个粒子的精英种群;第三步:初始化精英种群的参数,对精英种群中每个粒子进行速度和位置更新,利用评价函数Fitness评价其适应值,将其适应值与其经过的最好位置pbest作比较,如果较好,则将其作为当前的最好位置pbest;第四步:对每个微粒的当前最好位置与整个种群中的最好位置gbest作比较,如果较好,则将其存储为全局的最好位置gbest;判断是否符合全局最优指标,如果否,回到第三步,如果是,执行第五步;第五步:选择全局最佳粒子并输出结果。所述第三步中精英种群中的粒子通过下面两个公式来更新其速度和位置:vk+1=ωkvk+c1r1(pkbest–ak)+c2r2(gkbest-ak),ak+1=ak+vk;其中,vk+1和vk分别表示粒子在k时刻和k+1时刻的速度;ak+1是粒子的当前位置,ak为粒子前一刻的位置;ωk为惯性因子;pkbest和gkbest分别表示k时刻微粒群的局部和全局最优位置;r1和r2均为rand()函数产生的介于(0,1)之间的随机数;c1和c2均为学习因子;速度的最大值为最大飞行速度为vmax,如果速度vk+1大于vmax,则利用该速度替换最大飞行速度:vmax=vk+1。本专利技术的有益效果:首先,对机械臂运动学进行理论分析给出了六自由度模块机器人D-H建模的方法并推导出其正向运动学方程;然后,建立机械臂末端执行器与设定目标点的三维空间距离方程;最后采用改进的具有预择优机制的多种群粒子群算法对约束情况下的性能指标进行迭代优化,从而实现机械臂末端执行器对目标点的有效跟踪。本专利技术利用改进的多种群粒子群算法最终得到机械臂运动规划最优解;且不需要知道执行器末端的初始位置,也不需要对机械臂逆运动学求解,能更快速收敛达到最优并满足运动精度指标。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1为本专利技术的机械臂建模的示意图。图2为本专利技术多种群粒子群算法的流程图。图3为本专利技术与其他演化算法的评价的比较图。图4为本专利技术的机械臂末端执行器的轨迹图。具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。一种基于多种群粒子群算法的机械臂运动规划方法,其步骤如下:步骤一:利用DH参数法对六自由度机械臂进行建模,进行机械臂正运动学求解。机械臂的建模用DH法进行机械臂正运动学求解,在以机械臂第一个关节点建立的基坐标系的基础上,每个关节建立一个直角坐标系,然后通过坐标系的旋转和平移得到机械臂末端执行器在基坐标系中的坐标。首先对机械臂进行建模,以六自由度的机械臂为例,本文档来自技高网...
【技术保护点】
1.一种基于多种群粒子群算法的机械臂运动规划方法,其特征在于,其步骤如下:步骤一:利用DH参数法对六自由度机械臂进行建模,进行机械臂正运动学求解机械臂末端执行器在基坐标系中的坐标;步骤二:通过三维坐标系中机械臂末端执行器与设定目标的空间距离建立评价函数;步骤三:改进传统粒子群算法的初始化函数,将多个子种群中表现最优的若干个粒子组成一个精英种群,对精英种群进行演化计算,得出全局最优的粒子;步骤四:在参数设置相同的情况下,用其他的演化算法实现机械臂的运动规划问题,与步骤三中改进的多种群粒子群算法进行比较,验证多种群粒子群算法的优越性。
【技术特征摘要】
1.一种基于多种群粒子群算法的机械臂运动规划方法,其特征在于,其步骤如下:步骤一:利用DH参数法对六自由度机械臂进行建模,进行机械臂正运动学求解机械臂末端执行器在基坐标系中的坐标;步骤二:通过三维坐标系中机械臂末端执行器与设定目标的空间距离建立评价函数;步骤三:改进传统粒子群算法的初始化函数,将多个子种群中表现最优的若干个粒子组成一个精英种群,对精英种群进行演化计算,得出全局最优的粒子;步骤四:在参数设置相同的情况下,用其他的演化算法实现机械臂的运动规划问题,与步骤三中改进的多种群粒子群算法进行比较,验证多种群粒子群算法的优越性。2.根据权利要求1所述的基于多种群粒子群算法的机械臂运动规划方法,其特征在于,所述步骤一中DH参数法是以机械臂第一个关节点建立的基坐标系的基础上,每个关节建立一个直角坐标系,点(0,0,0)为基坐标系的原点,(X-end,Y-end,Z-end)为机械臂末端在基坐标系中的坐标,通过坐标系的旋转和平移得到机械臂末端执行器在基坐标系中的坐标;Ai表示第i个坐标系到第i+1个坐标系的变换,即:其中,Tran(0,di,0)表示按Y轴方向平移距离di,Rot(x,αi)表示将X轴顺时针旋转角度αi,Rot(z,θi)表示将Z轴顺时针旋转角度θi,Tran(ai,0,0)表示按X轴方向平移距离ai;从基坐标系到机械臂末端坐标系的变换矩阵用以下式子表示:(px,py,pz)为机械臂末端的坐标;nx、ny、nz、ox、oy、oz、ax、ay、az表示矩阵推导后的代数式。3.根据权利要求2所述的基于多种群粒子群算法的机械臂运动规划方法,其特征在于,所述步骤二中评价函数的求解方法为:设目标点的坐标用(Xt,Yt,Zt)表示,则机械臂末端到目标点的空间距离用Fitness表示,即评价函数为...
【专利技术属性】
技术研发人员:陈立家,杨剑锋,冯子凯,代震,赵瑞杰,王敬飞,赵成伟,冯帅栋,管禹,汪晓群,薛政钢,王路宽,
申请(专利权)人:河南大学,河南宙合网络科技有限公司,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。