基于改进粒子群算法的工业机器人多目标轨迹优化方法技术

本发明专利技术属于工业机器人控制相关技术领域，其公开了一种基于改进粒子群算法的工业机器人多目标轨迹优化方法，该方法包括以下步骤：(1)将工作空间路径点约束转换到关节空间进行统一表征并利用5次非均匀B样条曲线进行轨迹规划，以得到速度、加速度约束下的5次非均匀B样条轨迹方程；(2)通过改进粒子群算法实现多目标轨迹优化：将待优化机器人的时间、能量、平均脉动和关节力矩的平均变化率作为轨迹优化的目标函数，利用Logistic混沌映射进行种群初始化和惯性权重分配，并基于Pareto支配关系寻得最优解；(3)采用极限性能度量方法和SSM综合性能度量方法选取符合不同应用场景需求的最优轨迹。本发明专利技术轨迹规划的效果较好。本发明专利技术轨迹规划的效果较好。本发明专利技术轨迹规划的效果较好。

【技术实现步骤摘要】
基于改进粒子群算法的工业机器人多目标轨迹优化方法


[0001]本专利技术属于工业机器人控制相关
，更具体地，涉及一种基于改进粒子群算法的工业机器人多目标轨迹优化方法。

技术介绍

[0002]通常情况下机器人经过轨迹规划可实现基本的操作，但却难以保证任务执行过程中的高效、平稳和低能耗。因此，在轨迹规划的基础上，进一步对机器人的运行轨迹进行优化具有重要意义。轨迹优化的目标是使一个或多个与机器人操作过程相关的性能指标最小化或最大化，通常关注的主要性能指标有：执行时间、能量消耗、最大功率、驱动力矩等。为优化上述性能指标，学者们提出了不同的轨迹优化策略，具体可分为单目标轨迹优化和多目标轨迹优化。
[0003]单目标轨迹优化的目标是在轨迹规划过程中，使机器人的某个性能指标最小化或最大化。一些应用场景对产量较为关注，较短的任务执行时间能够提升机器人的生产效率，使得在同样的任务执行时间内提升产量。单个目标的轨迹规划问题较为简单，但很难保证其它目标的性能，多目标轨迹规划方法能够实现工业机器人不同目标间的性能平衡，能较好的满足工业机器人在不同应用场景下的性能需求。多目标轨迹优化是在轨迹规划过程中，构造多个目标函数，使机器人的多个性能指标最小化或最大化，较好的轨迹优化方法能够保证机器人在满足位置、速度、加速度等约束的条件下以较低的能量、较短的时间、较低的关节脉动运行，实现降低任务执行过程中的能量消耗并和提升运行效率的目标。

技术实现思路

[0004]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于改进粒子群算法的工业机器人多目标轨迹优化方法，其实现了不同应用场景下工业机器人的多目标轨迹优化，具有适用性广、优化性能好等优点。
[0005]为实现上述目的，按照本专利技术的一个方面，提供了一种基于改进粒子群算法的工业机器人多目标轨迹优化方法，该优化方法包括以下步骤：
[0006](1)将工作空间路径点约束转换到关节空间进行统一表征并利用5次非均匀B样条曲线进行轨迹规划，以得到速度、加速度约束下的5次非均匀B样条轨迹方程；
[0007](2)通过改进粒子群算法实现多目标轨迹优化：将待优化机器人的时间、能量、平均脉动和关节力矩的平均变化率作为轨迹优化的目标函数，利用Logistic混沌映射进行种群初始化和惯性权重分配，并基于Pareto支配关系寻得最优解；
[0008](3)采用极限性能度量方法和SSM综合性能度量方法选取符合不同应用场景需求的最优轨迹。
[0009]进一步地，步骤(1)中，通过函数缓冲法对路径点进行参数化，同时通过Slerp插值法实现路径点的姿态配置，完成各路径点的姿态配置后，将工作空间路径点输入到逆解函数中进行求解，最终得到关节空间路径点。
[0010]进一步地，对路径点进行参数优化所采用的公式为：
[0011][0012][0013]其中P
j
为路径上第j个路径点，i＝1～f,c0＝0。
[0014]进一步地，采用Slerp插值法对轨迹中机械臂末端姿态进行配置，所采用的公式为：
[0015][0016]ω＝||q0·
q
f
||
[0017]其中，R
pq
为姿态矩阵的p行q列，经过转换，机器人的R
s0
、R
sf
分别与q0、q
f
相对应。
[0018]进一步地，基于改进粒子群的多目标轨迹规划的最优评价指标包括了机器人的效率、能耗、稳定性和关节力矩的平均变化率，以上评价指标的目标函数为：
[0019][0020][0021][0022][0023]其中，F1、F2、F3、F4分别是机器人的效率、能耗、稳定性和关节力矩的平均变化率；n+1表示路径点的个数；t0、t
n
分别表示机器人起点和终点对应的时刻；τ
i
表示关节i的力矩；v
i
表示关节i的角速度；d
t
表示机器人控制周期；J
i
表示关节i的脉动。
[0024]进一步地，各关节的约束关系为：
[0025][0026]其中，u1～u4分别表示力矩τ、速度v、加速度a、加加速度J的安全系数。
[0027]进一步地，所述的改进粒子群算法采用Pareto支配关系来评判不同粒子之间的优劣，并根据支配关系寻找一组Pareto最优解集使各子目标函数F
i
(x)，x∈X接近于最优的状态。
[0028]进一步地，利用Logistic混沌映射初始化粒子位置、速度的算法函数表达式为：
[0029][0030]粒子速度和位置更新时在线性权重中加入Logistic算法，ω的更新公式为：
[0031][0032]其中，t
max
为总迭代次数；ω
max
、ω
min
分别为最大、最小惯性权重。
[0033]进一步地，利用SSM性能度量方法对解的多样性进行表征，对应的计算公式为：
[0034][0035]其中，M表示Pareto前沿面上解的数量；d
i
为前沿面上相邻解之间的欧氏距离；为所有d
i
的平均值；d
f
和d
l
分别为边界解和极值之间的欧式距离。
[0036]进一步地，采用模糊隶属度函数对最优轨迹解集中的适应度值进行评价，通过模糊隶属度函数计算对应的适应度因子，所采用的计算公式为：
[0037][0038]其中，F
i
(j)表示Pareto前沿面上第j个解对应的第i个目标函值；F
i max
和F
i min
表示Pareto前沿面上第i个目标函数的最大值和最小值；λ
i
只能对第i个目标进行表示，为了完成对总时间、能量、平均脉动及机器人的平均力矩变化率的综合评价，所有目标函数的综合适应度因子评价公式为：
[0039][0040]其中，λ
syn
为综合适应度因子。
[0041]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，本专利技术提供的基于改进粒子群算法的工业机器人多目标轨迹优化方法主要具有以下有益效果：
[0042]1.本专利技术利用函数缓冲法和slerp插值法获得路径点上各插值点的参数和末端姿态，通过函数缓冲法对路径点进行参数化及采用Slerp插值法实现路径点的姿态配置，在起点和终点附近的姿态变化幅度较小，而远离起点和终点处的姿态变化幅度较大，能够较好的实现加减速效果。选用五次B样条曲线构建的连续路径运动轨迹在路径连接处的速度连续，局部支撑性很好，约束可根据需要进行调整，轨迹规划的效果较好。
[0043]2.本专利技术通过改性粒子群算法实现多目标轨迹优化，将优化机器人的时间、能量、平均脉动和关节力矩的平均变化率作为轨迹优化的目标函数，基于Pareto支配关系寻得最优解，利用L本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于，该方法包括以下步骤：(1)将工作空间路径点约束转换到关节空间进行统一表征并利用5次非均匀B样条曲线进行轨迹规划，以得到速度、加速度约束下的5次非均匀B样条轨迹方程；(2)通过改进粒子群算法实现多目标轨迹优化：将待优化机器人的时间、能量、平均脉动和关节力矩的平均变化率作为轨迹优化的目标函数，利用Logistic混沌映射进行种群初始化和惯性权重分配，并基于Pareto支配关系寻得最优解；(3)采用极限性能度量方法和SSM综合性能度量方法选取符合不同应用场景需求的最优轨迹。2.如权利要求1所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：步骤(1)中，通过函数缓冲法对路径点进行参数化，同时通过Slerp插值法实现路径点的姿态配置，完成各路径点的姿态配置后，将工作空间路径点输入到逆解函数中进行求解，最终得到关节空间路径点。3.如权利要求2所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：对路径点进行参数优化所采用的公式为：征在于：对路径点进行参数优化所采用的公式为：其中P
j
为路径上第j个路径点，i＝1～f,c0＝0。4.如权利要求2所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：采用Slerp插值法对轨迹中机械臂末端姿态进行配置，所采用的公式为：ω＝||q0·
q
f
||其中，R
pq
为姿态矩阵的p行q列，经过转换，机器人的R
s0
、R
sf
分别与q0、q
f
相对应。5.如权利要求1所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：基于改进粒子群的多目标轨迹规划的最优评价指标包括了机器人的效率、能耗、稳定性和关节力矩的平均变化率，以上评价指标的目标函数为：定性和关节力矩的平均变化率，以上评价指标的目标函数为：
其中，F1、F2、F3、F4分别是机器人的效率、能耗、稳定性和关节力矩的平均变化率；n+1表示路径点的个数；t0、t
n
分别表示机器人起点和终点对应的时刻；τ
i
表示关节i的力矩；v
i
表示关节i的角速度；d

【专利技术属性】
技术研发人员：叶伯生，李思澳，谭帅，汪明宇，黎晗，李晓昆，邵柏岩，金雄程，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：