The invention relates to a method for solving inverse kinematics of robots based on particle swarm optimization, which includes the following steps: 1) establishing kinematics model according to joint parameters of robots, obtaining forward kinematics formula, setting position and attitude matrix of target points, determining fitness function; 2) initializing particle swarm and calculating initial kinematics. Individual fitness value of the population is used to obtain individual optimum value and global optimum value. 3) The position and speed of the particle population are updated by using dynamic inertia weight which changes with the number of iterations, and the new fitness value is calculated, and whether it is updated or not is judged. 4) The genetic mutation operation of the particle population is carried out to calculate the fitness value; 5) The fitness value is calculated according to the fitness. The degree value and iteration number are used to determine whether the termination condition is satisfied. Compared with the prior art, the present invention solves the disadvantage that the traditional PSO algorithm is easy to fall into the local optimal value, and improves the convergence speed and precision by reducing the number of iterations and enhancing the local search ability.
【技术实现步骤摘要】
一种基于粒子群优化算法的机器人逆运动学求解方法
本专利技术涉及一种机器人逆运动学求解方法,尤其是涉及一种基于粒子群优化算法的机器人逆运动学求解方法。
技术介绍
串联机器人的逆运动学求解是机器人轨迹规划和控制等方面研究的基础。只有通过运动学逆解把空间位姿转换为关节变量,才能实现对机器人末端执行器按空间位姿进行编程控制。机器人运动学逆解有数值法、几何法和代数法等,在满足pieper准则(即机器人的三个相邻关节轴交于一点或三轴线平行)后,利用六个转换矩阵相互关系求得每个轴角度θ。一个常用的数值方法是将6R串联操作臂各关节的D-H参数中的径向参数ai、ɑi和轴向参数si、θi分离,运用双四元数方法或李代数方法将6R串联操作臂运动学正解矩阵构造成两个独立的齐次变换线性方程组,通过将两个方程组联立逐次迭代或消元而得到关于各关节转角的16组运动学逆解。如QIAO等运用双四元数理论得到了一般6R串联操作臂运动学逆解的数值解。通常情况下,数值法求解逆运动学,会在奇异点处出现无解的结果。除了使用数值法进行运动学逆解之外,还有使用粒子群优化算法进行求解,粒子群优化(PSO)求解优化问题时,问题的解对应于搜索空间中某一粒子的位置,称为“粒子”(particle)或“主体”(agent)。每个粒子都有自己的位置和速度,还有一个由被优化函数决定的适应值。各个粒子记忆、追随当前的最优粒子,在解空间中搜索。每次迭代的过程不是完全随机的,如果找到较好解,将会以此为依据来寻找下一个解。首先令PSO初始化为一群随机粒子(随机解),在每一次迭代中,粒子通过跟踪两个“极值”来更新自己,通过不断迭代 ...
【技术保护点】
1.一种基于粒子群优化算法的机器人逆运动学求解方法,其特征在于,包括以下步骤:1)根据机器人的关节参数建立运动学模型,得到运动学正解公式,设定目标点的位置和姿态矩阵,确定适应度函数;2)初始化粒子种群,计算初始种群的个体适应度值,获得个体最优值和全局最优值;3)使用随迭代次数而改变的动态惯性权重,更新粒子种群的位置和速度,计算新的适应度值,并与个体最优值和全局最优值进行比较,判断是否更新,若是,则返回步骤3),若否,则进入步骤4);4)对粒子种群进行遗传变异操作,计算适应度值,并与步骤3)中适应度值比较,判断是否接受该适应度值,若接受,则以该适应度值为当前迭代的适应度值;若不接受,则以步骤3)中未遗传变异之前的适应度值为当前迭代适应度值;5)根据适应度值和迭代次数判断是否满足终止条件,若是,则结束,得到机器人在该姿态下六轴最优角度,若否,则返回步骤3)。
【技术特征摘要】
1.一种基于粒子群优化算法的机器人逆运动学求解方法,其特征在于,包括以下步骤:1)根据机器人的关节参数建立运动学模型,得到运动学正解公式,设定目标点的位置和姿态矩阵,确定适应度函数;2)初始化粒子种群,计算初始种群的个体适应度值,获得个体最优值和全局最优值;3)使用随迭代次数而改变的动态惯性权重,更新粒子种群的位置和速度,计算新的适应度值,并与个体最优值和全局最优值进行比较,判断是否更新,若是,则返回步骤3),若否,则进入步骤4);4)对粒子种群进行遗传变异操作,计算适应度值,并与步骤3)中适应度值比较,判断是否接受该适应度值,若接受,则以该适应度值为当前迭代的适应度值;若不接受,则以步骤3)中未遗传变异之前的适应度值为当前迭代适应度值;5)根据适应度值和迭代次数判断是否满足终止条件,若是,则结束,得到机器人在该姿态下六轴最优角度,若否,则返回步骤3)。2.根据权利要求1所述的一种基于粒子群优化算法的机器人逆运动学求解方法,其特征在于,所述的步骤1)中,适应度函...
【专利技术属性】
技术研发人员:吕亚辉,么娆,严雨灵,
申请(专利权)人:上海工程技术大学,
类型:发明
国别省市:上海,31
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。