一种基于蚁群算法的空间机械臂末端器避障路径规划的方法技术

本发明专利技术设计了一种基于蚁群算法的空间机械臂末端器避障规划的方法。该方法首先对空间机械臂和环境进行建模，然后以起始点到目标点之间的避障路径既短又安全为目标来定义适应度函数，并对蚁群算法中的搜索策略、转移规则和信息素更新方法进行改进，最后利用改进的蚁群算法搜索最优的避障路径。本发明专利技术着重解决的问题是利用改进的蚁群算法实现空间机械臂末端器的避障。

【技术实现步骤摘要】
【专利摘要】本专利技术设计了一种基于蚁群算法的空间机械臂末端器避障规划的方法。该方法首先对空间机械臂和环境进行建模，然后以起始点到目标点之间的避障路径既短又安全为目标来定义适应度函数，并对蚁群算法中的搜索策略、转移规则和信息素更新方法进行改进，最后利用改进的蚁群算法搜索最优的避障路径。本专利技术着重解决的问题是利用改进的蚁群算法实现空间机械臂末端器的避障。【专利说明】
本专利技术涉及一种属于空间机械臂避障路径规划的方法，具体讲是涉及，其属于宇航控制领域。
技术介绍
空间机器人是由机器人本体(卫星)和其搭载的机械臂组成。由于机器人本体内携带气体推进器，它可以在空间微重力环境下自由飞行或浮游，从而扩展了机器人的工作空间，因此它将代替宇航员从事各种舱外作业，成为今后空间机器人的主要研究方向之一。空间环境中的碎片、空间舱体外设试验装置等都有可能成为空间机械臂在轨操作过程中的障碍，而机械臂与障碍物之间的碰撞不仅会干扰在轨操作任务的完成，甚至会对机械臂系统及操作人员造成伤害，因此空间机械臂的避障路径规划具有十分重要的研究意义。 空间机械臂避障规划的目标是为空间机械臂规划出一条从起始点到目标点避开所有障碍物并且满足某项指标最优的路径。针对路径规划问题，已经采用的方法有C空间法、A*搜索法、改进人工势场法、遗传算法、蚁群算法等，它们都存在一定的局限性。由于C空间法的计算时间要比机械臂的响应时间长，因此限制了其在实际避障中的应用算法的计算量会随着维数的增加而急剧增加，其时空要求很难得到满足；改进人工势场法非常适用于处理动态避障，但其容易陷入局部最小点处；在复杂的环境中，遗传算法很难找到一条满足约束条件的可行路径；蚁群算法具有较强的鲁棒性，能够进行分布式计算，易于与其他方法相结合，但同时也存在一些缺陷，如收敛速度慢，易于陷入局部最优。
技术实现思路
鉴于现有技术存在的问题，本专利技术的目的在于提出一种基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，着重解决蚁群算法收敛速度慢，易于陷入局部最优的缺点，使机械臂末端器不仅能顺利地避开所有障碍物，还能保证其运动的路径比蚁群算法搜索到的路径更短。 为了实现上述目的，本专利技术所采用的技术方案为基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，其步骤如下: 步骤一:建立空间机械臂模型和环境模型； 根据广义雅可比矩阵对空间机械臂建立运动学模型，然后采用等分空间方法在三维空间中建立路径规划所需的网格点，最后设计障碍物均为顶面和底面与XY面平行的不规则体。 步骤二:参数初始化； 需要初始化的参数包括:起始点和目标点的坐标；蚂蚁的数量N ;迭代次数N。的初始值及最大值Nanax ;信息素衰减系数ζ和更新系数P。 步骤三:设计启发式函数进行路径搜索，并更新局部信息素； 设启发式函数为: H(i，j，k) = D(i, j, k).S(i, j, k).Q(i, j, k) 在上式中，1、j和k分别表示划分规划空间AB⑶EFGH时沿边AB、边AD和AE的划分序号。 D(i, j, k)表示两点间的距离，促使蚂蚁向离它近的点移动，其表达式为: D(i, j, k) = sqrt 其中，(x, y, z)表示规划空间中的任意一点对应的坐标。a、b分别为当前点和下一个点。 S(i, j, k)表示安全性因素，促使蚂蚁选择安全点，当选择点不可达到时，其表达式为:S(i，j，k) = O。 Q(i, j, k)为下一点到目标点的路径长度，促使蚂蚁选择距离目标更近的点，表达式如下: Q(i, j, k) = sqrt 其中，b、d分别表示下一个点和目标点。 如果一只蚂蚁位于节点i，那么它根据下面的方程式选择下一个要转移的节点k:化 j arg max jr (? + ].//.V')// (i7 + l,//.v)} if q < q0I jelse 其中，(a+l，u，v)表示规划空间中要选择的下一个点的坐标，τ (a+1, u, v)为平面Π?+1上点P(a+1，u，v)的信息素值，H(a+1，u, v)为点Pi到平面ni+1内的可行点集合的启发信息值，q是在(0，I]区间均匀分布的随机数，％是区间内的数，j是根据下面公式选择出来的节点: 【权利要求】1.一种基于蚁群算法的空间机械臂末端器避障规划的方法，其特征在于，该方法包括以下步骤: 步骤一:建立空间机械臂模型和环境模型； 步骤二:参数初始化； 步骤三:设计启发式函数进行路径搜索，并更新局部信息素； 启发式函数为:H(i，j，k) =D(i，j，k).S(i, j, k).Q(i, j, k) (I) 式(I)中，1、j和k分 别表示划分规划空间AB⑶EFGH时沿边AB、边AD和AE的划分序号; D(i，j，k)表示两点间的距离，促使蚂蚁向离它近的点移动，其表达式为: D (i, j, k) = sqrt (2) S(i，j，k)表示安全性因素，促使蚂蚁选择安全点，当选择点不可达到时，其表达式为:S(i, j, k) = O ； Q(i, j，k)为下一点到目标点的路径长度，促使蚂蚁选择距离目标更近的点，表达式如下:Q(i，j，k) = sqrt (3) 式(2)中，(x，y，z)表示规划空间中的任意一点对应的坐标；a、b分别为当前点和下一个占.式(3)中，b、d分别表示下一个点和目标点； 步骤四:将搜索到的路径的适应度值进行比较进行路径规划，并进行全局信息素更新； 在进行路径规划时，取X轴为路径规划的主方向，将适应度函数定义为:式(4)中，η为种群的个数，i表示当前点，i+1表示下一点；如果新路径比已知最优路径的长度短，则用新路径替代原来的最优路径； 步骤五:如果满足迭代次数要求，则输出最优的避障路径。2.根据权利要求1所述的基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，其特征在于:所述空间机械臂模型为跟据广义雅可比矩阵对空间机械臂建立的运动学模型，所述环境模型是采用等分空间方法在三维空间中建立路径规划所需的网格点，并设计障碍物均为顶面和底面与XY面平行的不规则体。3.根据权利要求1所述的基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，其特征在于:所述步骤二中参数初始化的参数分别为:起始点和目标点的坐标、蚂蚁的数量N、迭代次数N。的初始值及最大值Ncmax、信息素衰减系数ζ和更新系数P。4.根据权利要求1所述的基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，其特征在于:所述步骤三中路径搜索为: 设一只蚂蚁位于节点i，那么它根据下面的方程式选择下一个要转移的节点k:式(5)中，(a+l，u，v)表示规划空间中要选择的下一个点的坐标，τ (a+1, u, v)为平面Π?+1上点P(a+1，u，v)的信息素值，H(a+1，u, v)为点Pi到平面ni+1内的可行点集合的启发信息值，q是在(O，I]区间均匀分布的随机数，％是区间内的数，j是根据下面公式选择出来的节点:5.根据权利要求1所述的基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，其特征在于:所述步骤三中局部信息素更新随着蚂蚁的搜索进行，其更本文档来自技高网...

【技术保护点】
一种基于蚁群算法的空间机械臂末端器避障规划的方法，其特征在于，该方法包括以下步骤：步骤一：建立空间机械臂模型和环境模型；步骤二：参数初始化；步骤三：设计启发式函数进行路径搜索，并更新局部信息素；启发式函数为：H(i,j,k)＝D(i,j,k)·S(i,j,k)·Q(i,j,k)  (1)式(1)中，i、j和k分别表示划分规划空间ABCDEFGH时沿边AB、边AD和AE的划分序号；D(i,j,k)表示两点间的距离，促使蚂蚁向离它近的点移动，其表达式为：D(i,j,k)＝sqrt[(xa‑xb)2+(ya‑yb)2+(za‑zb)2]  (2)S(i,j,k)表示安全性因素，促使蚂蚁选择安全点，当选择点不可达到时，其表达式为：S(i,j,k)＝0；Q(i,j,k)为下一点到目标点的路径长度，促使蚂蚁选择距离目标更近的点，表达式如下：Q(i,j,k)＝sqrt[(xb‑xd)2+(yb‑yd)2+(zb‑zd)2］  (3)式(2)中，(x,y,z)表示规划空间中的任意一点对应的坐标；a、b分别为当前点和下一个点；式(3)中，b、d分别表示下一个点和目标点；步骤四：将搜索到的路径的适应度值进行比较进行路径规划，并进行全局信息素更新；在进行路径规划时，取x轴为路径规划的主方向，将适应度函数定义为：F(x,y,z)=Σi=1n1+(yi+1-yi)2+(zi+1-zi)2---(4)]]>式(4)中，n为种群的个数，i表示当前点，i+1表示下一点；如果新路径比已知最优路径的长度短，则用新路径替代原来的最优路径；步骤五：如果满足迭代次数要求，则输出最优的避障路径。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张强，周东生，王兰，
申请(专利权)人：大连大学，
类型：发明
国别省市：辽宁;21