一种基于CGOAT算法的多自由度机械臂运动规划方法及系统技术方案

本发明专利技术公开了一种基于CGOAT算法的多自由度机械臂运动规划方法及系统，该方法包括：S1、获取目标物和障碍物的点云数据并进行三维重建，得到目标物信息和障碍物信息；S2、基于交流式小组教学优化算法，设置参数，结合目标物信息和障碍物信息进行路径规划，得到运动路径。该系统包括：信息获取模块和路径规划模块。通过使用本发明专利技术，能够使多自由度机械臂在有障碍物的复杂环境中，以最短的时间无碰撞地从起始点运动到目标点。本发明专利技术作为一种基于CGOAT算法的多自由度机械臂运动规划方法及系统，可广泛应用于机械臂运动规划领域。泛应用于机械臂运动规划领域。泛应用于机械臂运动规划领域。

【技术实现步骤摘要】
一种基于CGOAT算法的多自由度机械臂运动规划方法及系统


[0001]本专利技术涉及机械臂运动规划领域，尤其涉及一种基于CGOAT算法的多自由度机械臂运动规划方法及系统。

技术介绍

[0002]与移动机器人相比，多自由度机械臂所处的环境是高维复杂环境。大部分适用于移动机器人的传统运动规划方法无法在短时间内得到解决方案。机械臂要想安全地到达目标点，则必须要规划出一条满足需求的运动路线。早期，研究人员使用人工势场算法、蚁群算法、遗传算法，粒子群算法等来求解最优路径，但是人工势场算法容易陷入局部最小值，而蚁群算法、遗传算法和粒子群算法会占用很大的计算量。后来，研究人员提出一种快速搜索随机树法来对机械臂进行运动规划，该方法有着障碍物建模简单、在复杂环境搜索能力强等优点，已成为机械臂运动规划的主流算法之一。但此类算法仍然存在着不少问题，如算法随机性强，大部分节点对优化路径的帮助较小；过多的节点使算法的计算量呈指数级增长；均匀采样的特性降低了狭窄区域的采样概率等。这些问题使得最终规划出的路径运动时间较长。

技术实现思路

[0003]为了解决本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CGOAT算法的多自由度机械臂运动规划方法，其特征在于，包括以下步骤：S1、获取目标物和障碍物的点云数据并进行三维重建，得到目标物信息和障碍物信息；S2、基于交流式小组教学优化算法，设置参数，结合目标物信息和障碍物信息进行路径规划，得到运动路径。2.根据权利要求1所述一种基于CGOAT算法的多自由度机械臂运动规划方法，其特征在于，还包括：S3、基于B样条曲线函数对路径进行拟合处理，得到平滑后的路径。3.根据权利要求1所述一种基于CGOAT算法的多自由度机械臂运动规划方法，其特征在于，所述基于交流式小组教学优化算法，设置参数，结合目标物信息和障碍物信息进行路径规划，得到运动路径这一步骤，其具体包括：S2.1、设置交流式小组教学优化算法的参数并设置起始点、目标点、距离障碍物的最大距离和最小距离，所述交流式小组教学优化算法的参数包括总体数、维数、最大迭代次数、当前评估次数和适应度函数；S2.2、根据交流式小组教学优化算法的参数、起始点、目标点、距离障碍物的最大距离和最小距离随机生成种群；S2.3、对种群进行评估，计算个体适应度值，选出最优解并更新当前函数评估次数；S2.4、判断到当前函数评估次数小于等于最大迭代次数；S2.5、教师分配阶段，根据个体适应度值选出第一优、第二优和第三优的学生并计算教师知识T
t
；S2.6、能力分组阶段，根据个体适应度值将种群分为两个组，得到第一组和第二组，所述第一组为优秀组，所述第二组为一般组；S2.7、分别对第一组和第二组执行教师阶段和学生阶段，生成新第一组和新第二组；S2.8、执行交流阶段，根据新第一组和新第二组生成新种群；S2.9、返回步骤S2.3，若判断到当前函数评估次数大于最大迭代次数，停止迭代，输出运动路径。4.根据权利要求3所述一种基于CGOAT算法的多自由度机械臂运动规划方法，其特征在于，所述适应度值的计算公式表达如下：f(x)＝J
L
+K1×
J
D
+K2×
J
disdis
上式中，f(x)为适应度函数，J
L
为计算路径的长度，J
D
为机械臂各关节与障碍物的最小距离，J
dis
为障碍物惩罚函数，K1和K2表示正标量增益，在[
...

【专利技术属性】
技术研发人员：罗陆锋，彭昭杰，刘炳飘，韦慧玲，陈明猷，卢清华，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：