【技术实现步骤摘要】
基于遗传禁忌搜索算法的机器人运动学参数辨识方法
本专利技术涉及机器人运动学标定
,具体涉及一种基于遗传禁忌搜索算法的机器人运动学参数辨识方法。
技术介绍
机器人运动学标定通常可分为建模、测量、参数辨识和补偿四个步骤,在实际情况中,机器人末端误差与运动学参数误差的关系是非线性的,但通常基于线性误差模型进行运动学参数辨识,因此会引起辨识的偏差。大多数均忽略参数的二阶误差项,但经过多次迭代可以减小其影响,能够有较高的辨识精度。进行运动学参数辨识最常用的方法为最小二乘法,该方法不需考虑扰动信息,但需要方程的数量大于辨识参数的数量,也就要求测量数据点较多,计算量较大,并且需要设计合理的轨迹,具有一定的局限性;还有的使用遗传算法对运动学参数进行辨识,但是遗传算法容易陷入局部最优;禁忌搜索起初是为了解决组合优化问题而提出,随着应用场景的扩展,后来也应用于连续优化问题中,禁忌搜索算法是一种局部搜索算法,对于每一个可行解,都需要计算出其邻域集,并且要计算出邻域中每个点的适应度值并进行一系列的操作,如果初始解选的不好的话,禁忌搜索算法的计算效率是比较低的。
技术实现思路
为了克服现有技术存在的缺陷与不足,本专利技术提供一种基于遗传禁忌搜索算法的机器人运动学参数辨识方法,对机器人运动学误差模型进行辨识,能够在解的全局范围内进行寻优,且能跳出局部最优解,缩短计算时间。本专利技术的第二目的在提供一种基于遗传禁忌搜索算法的机器人运动学参数辨识系统。本专利技术的第三目的在于提供一种存储介质。本专利 ...
【技术保护点】
1.一种基于遗传禁忌搜索算法的机器人运动学参数辨识方法,其特征在于,包括下述步骤:/n构建机器人的运动学模型及机器人的误差模型;/n设置种群大小,随机产生初始种群;/n将机器人末端实际位置和理论位置的x,y,z误差平方和的倒数作为适应度函数,计算种群中每个个体的适应度;/n采用适应度函数输出最佳个体作为禁忌搜索算法的初始解;/n构建邻域集:按照邻域规则生成邻域环,在邻域环内随机取多个点作为初始解X的邻域集;/n将辨识的参数作为机器人运动学参数,利用已知的关节角度求得机器人末端的理论位置,将所有点实际位置和理论位置坐标差平方和的均值作为适应度,根据该适应度,计算邻域集各点的适应度和当前点的适应度;/n对邻域集中各点的适应度按从小到大进行排序,取最小适应度的点作为邻域的最佳点,标记为X′;/n判断X′的适应度是否小于初始解X的适应度,若不小于则进行禁忌表中禁忌次数判断,若小于则将当前解替换为X′,并且更新禁忌表;/n禁忌次数判断:判断X′在禁忌表中的禁忌次数是否大于等于设定值,若大于等于设定值则按照邻域各点适应度排序,取邻域的下一个最优点作为X′;若小于设定值则将当前解替换为X′,并且更新 ...
【技术特征摘要】
1.一种基于遗传禁忌搜索算法的机器人运动学参数辨识方法,其特征在于,包括下述步骤:
构建机器人的运动学模型及机器人的误差模型;
设置种群大小,随机产生初始种群;
将机器人末端实际位置和理论位置的x,y,z误差平方和的倒数作为适应度函数,计算种群中每个个体的适应度;
采用适应度函数输出最佳个体作为禁忌搜索算法的初始解;
构建邻域集:按照邻域规则生成邻域环,在邻域环内随机取多个点作为初始解X的邻域集;
将辨识的参数作为机器人运动学参数,利用已知的关节角度求得机器人末端的理论位置,将所有点实际位置和理论位置坐标差平方和的均值作为适应度,根据该适应度,计算邻域集各点的适应度和当前点的适应度;
对邻域集中各点的适应度按从小到大进行排序,取最小适应度的点作为邻域的最佳点,标记为X′;
判断X′的适应度是否小于初始解X的适应度,若不小于则进行禁忌表中禁忌次数判断,若小于则将当前解替换为X′,并且更新禁忌表;
禁忌次数判断:判断X′在禁忌表中的禁忌次数是否大于等于设定值,若大于等于设定值则按照邻域各点适应度排序,取邻域的下一个最优点作为X′;若小于设定值则将当前解替换为X′,并且更新禁忌表;
判断是否已经超出邻域内的最后一个点,若超出则取邻域内所有点的平均值作为X′,若不超出则进行禁忌次数判断;
判断是否达到禁忌搜索的最大迭代次数,若未达到则返回构建邻域集,若达到则输出最佳解和最佳解的适应度。
2.根据权利要求1所述的基于遗传禁忌搜索算法的机器人运动学参数辨识方法,其特征在于,所述按照邻域规则生成邻域环,所述邻域规则设置为:通过适应度乘以个体上下界的差向量动态调整邻域半径。
3.根据权利要求1所述的基于遗传禁忌搜索算法的机器人运动学参数辨识方法,其特征在于,所述禁忌表的长度设置为5。
4.根据权利要求1所述的基于遗传禁忌搜索算法的机器人运动学参数辨识方法,其特征在于,所述计算种群中每个个体的适应度后,还包括二进制编码、进化种群和二进制解码步骤,具体为:
对种群中每个个体进行二进制编码;
设置选择概率、交叉概率和变异概率,先对二进制编码后的染色体进行选择运算,然后对选择后的染色体进行单点交叉运算,然后对交叉后的染色体进行单点按位取反的操作得到进化种群;
判断是否到达最大迭进化次数,未达到最大迭进化次数则计算种群中每个个体的适应度,达到最大迭进化次数则对结果种群中的每个染色体进行二进制解码。
5.根据权利要求1所述的基于遗传禁忌搜索算法的机器人运动学参数辨识方法,其特征在于,所述机器人采用六自由度机器人,机器人的运动学模型采用MD-H运动学模型。
6.根据权利要求5所述的基于遗传禁忌搜索算法的机器人运动学参数辨识方法,其特征在于,所述MD-H运动学模型建立关节轴参考坐标系的步骤包括:
确定z轴方向、坐标系原点及x轴方向;
确定z轴方向:关节i处建立的坐标系命名为坐标系i-1,如果关节i是旋转轴关节,z轴方向和关节旋转轴的轴线一致;如果关节i是移动关节,将其移动方向定为z轴轴线方向;
确定坐标系原点及x轴方向:
当相邻两关节轴线zi-1和zi为异面直线时,在两轴线之间有且仅有一条最短公垂线,x轴的方向为最短公垂线从zi-1指向zi的方向,坐标系的原点为z轴和x轴的交点;
当相邻两关节轴线zi-1和zi为平行线时,两轴之间存在多条长度相同的公垂线,选择与前一关节坐标系原点相交的公垂线作为最短公垂线,x轴的方向为最短公垂线从zi-1指向zi的方向,坐标系的原点为z轴和x轴的交点;
当相邻两关节轴线zi-1和zi为...
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。