工业机械臂智能路径规划方法、系统、电子设备以及存储介质技术方案

本发明专利技术实施例公开了工业机械臂智能路径规划方法、系统、电子设备以及存储介质，对狮群算法进行参数初始化，空间维度为D，狮群的数量为N，算法运行的迭代次数为T，狮群的每一个狮子可以用一个D维向量表示，更新狮王、母狮及幼狮位置；接着建立距离估值函数；然后建立角度估值函数；对路径规划节点进行筛选，分别计算n个可行节点的总估值函数值，并排序，数值最小的S

【技术实现步骤摘要】
工业机械臂智能路径规划方法、系统、电子设备以及存储介质


[0001]本公开涉及机械臂运动领域，尤其涉及一种工业机械臂智能路径规划方法、系统、电子设备以及存储介质。

技术介绍

[0002]随着科学技术的飞速发展，机械臂因其独特的操作灵活性，已广泛应用于航空航天、军事、医疗、工业等领域，被用来执行捕获、排爆、手术、装配等工作。为快速、准确执行任务，机械臂需具备自主规划路径的能力，即规划出一条从初始构型运动到目标构型的路径，现在针对路径规划问题，现有技术中提出了一些经典群体智能算法，比如狮群算法，但狮群算法整个过程中搜索的目的性不强，没有规定搜索方向，延长了路径搜索、规划的时间，从而降低了机械臂的工作效率。

技术实现思路

[0003]提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0004]本公开实施例提供了一种工业机械臂智能路径规划方法、系统、电子设备以及存储介质，解决了路径规划中出现搜索的目的性不强，没有规定搜索方向，延长了路径搜索、规划的时间的问题，从而提高了机械臂的工作效率。
[0005]第一方面，本公开实施例提供了工业机械臂智能路径规划方法，包括：对狮群算法进行参数初始化，更新狮王、母狮及幼狮位置；建立距离估值函数；建立角度估值函数；对路径规划节点进行筛选，选出较优路径。
[0006]结合第一方面的实施例，在一些实施例中，所述对狮群算法进行参数初始化，更新狮王、母狮及幼狮位置，包括：
[0007]空间维度为D，狮群的数量为N，算法运行的迭代次数为T，狮群的每一个狮子可以用一个D维向量表示：X
i
＝[x
i1
,x
i2
,...,x
iD
]，1≤i≤N；
[0008]更新狮王、母狮及幼狮位置：
[0009]x
k+1
＝g
k
(1+γP
k
‑
g
k
)
[0010]式中，x
k+1
代表狮王下一代全局最优解，g
k
为第k代种群的全局最优解，P
k
代表獅王在所有迭代当中历史最优解，γ是随机数，服从正态分布；
[0011][0012]式中，是第i格狮子在经历第k次迭代后的历史最优解；是除了第i个狮子之外的另一个母狮的最优解；
[0013]a
f
是扰动因子，随着算法运行次数增加而逐渐减小
[0014][0015][0016]式中，S
t
表示狮子在活动范围内的步长，为狮群在解空间维度的最大均值和最小均值，t表示当前迭代次数；
[0017][0018][0019][0020]式中，代表第i个幼狮个体在第k次更新迭代后的历史最优解，为母狮群体在第k代的历史最优解，q为(0，1)产生的随机数，g
‑
k
表示种群最优位置的反向位置
[0021][0022][0023]幼狮的更新过程中也存在随时间递减的扰动因子a
G
，随算法运行次数增加，减小步长。
[0024]结合第一方面的实施例，在一些实施例中，所述建立距离估值函数，包括：
[0025]其中x
i
为当前点，x
jn
为下一可行节点，x
goal
为目标节点，当前点周围不存在障碍物，都为可行区域，下一节点为x
jn
，距离估值函数h(d
n
)
[0026][0027]d＝d
ijn
+d
jg
[0028]式中，d
ijn
为当前节点到下一可行节点n点的距离，d
jng
表示下一可行节点n点到目标节点的距离，mind表示可行节点到目标节点和当前节点距离之和最短的距离，e
p
表示很小的数，防止分式无意义。
[0029]结合第一方面的实施例，在一些实施例中，所述建立角度估值函数，包括：
[0030]其中x
i
为当前点，x
jn
为下一可行节点，x
goal
为目标节点，计算x
jn
和x
goal
的连线与x
i
和x
jn
连线的延长线之间的夹角θ
[0031][0032]式中，d(x1,x2)表示x1、x2之间的距离；
[0033]下一个节点为x
jn
，则角度估值函数h(a
n
)
[0034][0035]选择下一节点x
jn
，总估值函数S
n
[0036]S
n
＝a
·
h(d
n
)+b
·
h(a
n
)
[0037]其中，a、b分别为权重系数，取值为(0.1，1)，a、b之间没有线性关系。
[0038]第二方面，本公开实施例提供了一种工业机械臂智能路径规划系统，包括：
[0039]参数初始化单元，对狮群算法进行参数初始化，更新狮王、母狮及幼狮位置；
[0040]距离估值单元，建立距离估值函数；
[0041]角度估值单元，建立角度估值函数；
[0042]节点筛选单元，对路径规划节点进行筛选，选出较优路径。
[0043]结合第二方面的实施例，在一些实施例中，所述参数初始化单元，对狮群算法进行参数初始化，更新狮王、母狮及幼狮位置，包括
[0044]空间维度为D，狮群的数量为N，算法运行的迭代次数为T，狮群的每一个狮子可以用一个D维向量表示：X
i
＝[x
i1
,x
i2
,
…
,x
iD
]，1≤i≤N；
[0045]更新狮王、母狮及幼狮位置：
[0046]x
k+1
＝g
k
(1+γP
k
‑
g
k
)
[0047]式中，x
k+1
代表狮王下一代全局最优解，g
k
为第k代种群的全局最优解，P
k
代表獅王在所有迭代当中历史最优解，γ是随机数，服从正态分布；
[0048][0049]式中，是第i格狮子在经历第k次迭代后的历史最优解；是除了第i个狮子之外的另一个母狮的最优解；
[0050]a
f
是扰动因子，随着算法运行次数增加而逐渐减小
[0051][0052][0053]式中，S
t
表示狮子在活动范围内的步长，为狮群在解空间维度的最大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业机械臂智能路径规划方法，其特征在于，所述方法包括：对狮群算法进行参数初始化，更新狮王、母狮及幼狮位置；建立距离估值函数；建立角度估值函数；对路径规划节点进行筛选，选出较优路径。2.根据权利要求1所述的方法，其特征在于，所述对狮群算法进行参数初始化，更新狮王、母狮及幼狮位置，包括：空间维度为D，狮群的数量为N，算法运行的迭代次数为T，狮群的每一个狮子可以用一个D维向量表示：X
i
＝[x
i1
，x
i2
，...，x
iD
]，1≤i≤N；更新狮王、母狮及幼狮位置：x
k+1
＝g
k
(1+γP
k
‑
g
k
)式中，x
k+1
代表狮王下一代全局最优解，g
k
为第k代种群的全局最优解，P
k
代表獅王在所有迭代当中历史最优解，γ是随机数，服从正态分布；式中，是第i格狮子在经历第k次迭代后的历史最优解；是除了第i个狮子之外的另一个母狮的最优解；a
f
是扰动因子，随着算法运行次数增加而逐渐减小是扰动因子，随着算法运行次数增加而逐渐减小式中，S
t
表示狮子在活动范围内的步长，为狮群在解空间维度的最大均值和最小均值，t表示当前迭代次数；均值，t表示当前迭代次数；均值，t表示当前迭代次数；式中，代表第i个幼狮个体在第k次更新迭代后的历史最优解，为母狮群体在第k代的历史最优解，q为(0，1)产生的随机数，g
‑
k
表示种群最优位置的反向位置表示种群最优位置的反向位置幼狮的更新过程中也存在随时间递减的扰动因子a
c
，随算法运行次数增加，减小步长。3.根据权利要求1所述的方法，其特征在于，所述建立距离估值函数，包括：
其中x
i
为当前点，x
jn
为下一可行节点，x
goal
为目标节点，当前点周围不存在障碍物，都为可行区域，下一节点为x
jn
，距离估值函数h(d
n
)d＝d
ijn
+d
jg
式中，d
ijn
为当前节点到下一可行节点n点的距离，d
jng
表示下一可行节点n点到目标节点的距离，mind表示可行节点到目标节点和当前节点距离之和最短的距离，maxd表示可行节点到目标节点和当前节点距离之和最长的距离，e
p
表示很小的数，防止分式无意义。4.根据权利要求3所述的方法，其特征在于，所述建立角度估值函数，包括其中x
i
为当前点，x
jn
为下一可行节点，x
goal
为目标节点，计算x
jn
和x
goal
的连线与x
i
和x
jn
连线的延长线之间的夹角θ式中，d(x1，x2)表示x1、x2之间的距离；下一个节点为x
jn
，则角度估值函数h(a
n
)选择下一节点x
jn
，总估值函数S
n
S
n
＝a
·
h(d
n
)+b
·
h(a
n
)其中，a、b分别为权重系数，取值为(0.1，1)，a、b之间没有线性关系。5.一种工业机械臂智能路径规划系统，其特征在于，所述系统包括：参数初始化单元，对狮群算法进行参数初始化，更新狮王、母狮及幼狮位置；距离估值单元，建立距离估值函数；角度估值单元，建立角度估值函数；节点筛选单元，对...

【专利技术属性】
技术研发人员：张国强，石翠，
申请(专利权)人：张国强，
类型：发明
国别省市：