【技术实现步骤摘要】
一种基于MMPSO算法的作业型飞行机器人逆解求取方法
本专利技术涉及飞行机器人控制领域，特别是一种基于MMPSO算法的作业型飞行机器人逆解求取方法。
技术介绍
无人机因在三维空间中飞行时具有高机动性、高灵活性等特点，得到了广泛的发展应用。无人机能作为一种空中平台，以此来加装不同的组件，从而拓宽其在各领域的应用。其中通过装载机械臂这类主动式的作业装置，构成了能对所处环境的任务进行接触式作业的作业型飞行机器人。现如今随着研究人员的研发，作业飞行机器人已经得到了实际中的应用。设计了搭载双机械臂的无人机进行阀门的开关工作；搭配液压剪断机械臂对故障输电线的剪切；在广域科考中对极端环境中所需研究样品的采集作业等。要实现上述的应用的前提是，机械臂的末端执行器能将预期位置点转换成自身各关节所需的角度。由预期位置点的笛卡尔空间映射到机械臂末端执行器的关节角度空间，就是机械臂的逆运动学求解问题。对于机械臂的逆运动学求解问题，已有学者研究了多种方法进行解算。例如，提出了一种列出每个方程都是六元二次多项式的机械臂定位方程组，进行消元...
【技术保护点】
1.一种基于MMPSO算法的作业型飞行机器人逆解求取方法，其特征在于：包括以下步骤：/n步骤S1：采用分离式的方法，对作业型飞行机器人的作业装置，即机械臂进行单独运动学分析，，得到其正运动学齐次变换矩阵，设定目标点位置，确定适应度函数；/n步骤S2：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；/n步骤S3：设置适应度的一个阈值划分种群，引入突变机制对某一粒子进行突变，对最差粒子进行取舍；/n步骤S4：使用随迭代次数而动态变化的惯性权重及学习因子，更新粒子群的位置和速度，计算更新后粒子的适应度函数；/n步骤S5：根据步骤S4计算更新后的全局最优的适...
【技术特征摘要】
1.一种基于MMPSO算法的作业型飞行机器人逆解求取方法，其特征在于：包括以下步骤：
步骤S1：采用分离式的方法，对作业型飞行机器人的作业装置，即机械臂进行单独运动学分析，，得到其正运动学齐次变换矩阵，设定目标点位置，确定适应度函数；
步骤S2：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；
步骤S3：设置适应度的一个阈值划分种群，引入突变机制对某一粒子进行突变，对最差粒子进行取舍；
步骤S4：使用随迭代次数而动态变化的惯性权重及学习因子，更新粒子群的位置和速度，计算更新后粒子的适应度函数；
步骤S5：根据步骤S4计算更新后的全局最优的适应度值判断是否满足终止条件，若是，即全局最优的适应度值小于设定值，则得到作业型飞行机器人的最优逆解，若否，则返回步骤S3。
2.根据权利要求1所述的一种基于MMPSO算法的作业型飞行机器人逆解求取方法，其特征在于：所述步骤S1的具体内容为：所述分离式的方法是将无人机看作是机械臂的外部约束，对作业型飞行机器人的机械臂进行单独运动学分析，对机械臂的各关节角度θi进行限制；利用D-H参数表示法求出机械臂末端执行器相对于无人机基座的正运动学齐次变换矩阵，也是正运动学公式：
其中，i代表N个粒子构成的粒子群中的第i个粒子，i＝1,2,…,N；ni为法线矢量，oi为方向矢量，ai为接近矢量，这三个矢量表示了机械臂末端执行器的姿态，pi为位置矢量，即末端执行器位置为pi＝(pix,piy,piz)，正运动学公式中各参数均是以各关节角为因变量的方程；适应度函数设置为搜索到的关节角度通过正运动学公式(1)所得到的机械臂末端执行器位置pi＝(pix,piy,piz)与预期位置pd＝(pdx，pdy，pdz)的欧几里得距离：
其中i代表N个粒子构成的粒子群中的第i个粒子，i＝1,2,…,N；适应度值越小，代表当前全局最优粒子越接近预期逆解角度。
3.根据权利要求1所述的一种基于MMPSO算法的作业型飞行机器人逆解求取方法，其特征在于：所述步骤S2的具体内容为：所述步骤S2的初始化粒子种群，初始的位置即是各关节角在各自角度范围内的随机值Xi＝(θ1，θ2，...，θD)，通过式(1)求出各粒子代表的末端执行器位置pi＝(pix,piy,piz)，代入到式(2)求得各粒子适应度值Fitness，得到各个粒子个体最优值即各粒子适应度值Fitness，从各粒子适应度值Fitnes...
【专利技术属性】
技术研发人员：陈彦杰，梁景林，黄益斌，林依凡，何炳蔚，林立雄，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35
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。