System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于挖掘机轨迹规划,尤其涉及一种智能挖掘机的最优轨迹规划方法。
技术介绍
1、挖掘机作为一种多功能机械设备,因其环境适应性强、操作范围广、投资回报率高等优点,挖掘机在传统的基础建设工程中得到广泛的应用,尤其适用于土石方工程。但是,一方面由于人工作业过程中存在随机性,可能会导致作业效率低、过载和设备故障等问题,从而造成较大的经济损失;另一方面当挖掘机作业于核污染处理、地震、塌方等突发自然情况时,会对操作人员身体产生不可逆转的伤害,严重情况下甚至会危害生命。针对以上情况,可通过对挖掘机进行智能化改造,以实现其自主化作业模式,从而有效解决上述存在的问题。因此,对挖掘机的智能化开展了基础性研究,尤其在自主作业轨迹规划方面,包括建立满足高效率、低能耗和平稳的作业轨迹等,从而实现在不需要人为操作的情况下,挖掘机实现自主规划作业轨迹。
2、考虑到挖掘机作业轨迹的能量的消耗、平稳性和作业效率对装备有着直接影响,因此,为了保证挖掘机高效、平稳、省功的连续作业,可以通对挖掘机进行智能化改造,实现其以最佳性能状态自主完成作业。随着近几年自动控制、传感器和电子等技术的迅速发展,使得挖掘机在作业精度和控制效果等方面具有显著地提高,也使得挖掘机智能化、自主化作业成为可能。
3、综上所述,针对挖掘机的不同性能要求构建合理、高效、平稳和低能耗作业轨迹,并使智能挖掘机实现自主完成目标任务是一项具有重要意义的研究。
技术实现思路
1、为解决上述技术问题,本专利技术提出了一种智能挖掘机
2、为实现上述目的,本专利技术提供了一种智能挖掘机的最优轨迹规划方法,包括:
3、建立挖掘机的运动学和动力学模型,基于挖掘机模型可获取相应的若干参数;
4、建立时间-脉动-能耗最优目标,基于模拟退火粒子群算法对所述时间-脉动-能耗最优目标进行优化求解,最终获得最优轨迹规划。
5、可选的,建立挖掘机的动力学模型为:
6、
7、式中,
8、式中,mij为惯性矩阵,hijk为科氏力和向心力矩阵,gi为重力项,τi,θi,依次为第i个关节的力矩、角度、速度、加速度,下标为j,k时表示第j个,第k个,mjk的表达式为mij表达式中i和j发生相应变化,gt为重力矩阵,rp为关节p的质心位置,iti-1为关节i-1坐标系向关节i坐标系的齐次坐标变换矩阵,ai,αi,di依次为第i个关节的杆长、扭角、偏距。
9、可选的,所述建立时间-脉动-能耗最优目标,基于模拟退火粒子群算法对所述时间-脉动-能耗最优目标进行优化求解的过程包括:
10、s1,构建五段多项式,基于所述五段多项式求取挖掘机的关节角速度、加速度和加加速度;
11、s2,判断五段多项式在对应的插值时间的最大值和最小值是否满足约束条件;
12、s3,基于满足约束条件的插值时间获取适应度函数值;
13、s4,对若干个所述适应度函数值进行比较,获得当前位置的个体最优值pi和群体最优值pg;
14、s5,更新粒子速度和位移;
15、s6,进行二次判定,并进行退温操作,判断是否收敛,若收敛则输出群体最优值pg。
16、可选的,所述s1中,构建五段多项式,基于所述五段多项式求取挖掘机的关节角速度、加速度和加加速度的过程包括:
17、初始化五段多项式的五段插值时间,设定初始温度q、粒子的初始位置x0以及速度v0;
18、计算五段多项式的一阶导数、二阶导数和三阶导数,获得关节角速度、加速度和加加速度。
19、可选的,所述s2中,判断五段多项式在对应的插值时间的最大值和最小值是否满足约束条件的过程还包括:
20、若不满足约束条件,将不符合约束条件的粒子适应度值设为200,通过迭代使得不满足约束条件的粒子逐步向最佳位置粒子靠近,直到满足约束条件为止。
21、可选的,所述s5中,所述更新粒子速度和位移的过程包括,通过下式更新:
22、
23、
24、式中,ω是惯性因子,c1和c2为学习因子,r1和r2为[0,1]区间内的随机数。
25、可选的,所述s6中,进行二次判定的过程包括:
26、计算q0=fmax-fmin,fmax是初始群体的最大适应度值,fmin是初始群体的最小适应度值;
27、如果q0<0,粒子进入新位置,否则产生(0,1)之间的随机数r,如果r<min[1,exp(-q0/q)],粒子进入新位置,并再次迭代s4和s5步骤。
28、可选的,所述s6中,退温操作为:q=0.1*q。
29、本专利技术技术效果:本专利技术公开了一种智能挖掘机的最优轨迹规划方法,通过建立时间-脉动-能耗最优目标,利用模拟退火粒子群算法对其目标进行求解,有助于保证智能液压挖掘机在自主挖坑作业过程的高效率、平稳和低能耗;
30、相对于粒子群优化方法而言,采用模拟退火粒子群算法对最优轨迹进行优化,有助于扩大最优解的搜索范围,从而避免陷入局部最优解。
本文档来自技高网...【技术保护点】
1.一种智能挖掘机的最优轨迹规划方法,其特征在于,包括:
2.如权利要求1所述的智能挖掘机的最优轨迹规划方法,其特征在于,建立挖掘机的动力学模型:
3.如权利要求1所述的智能挖掘机的最优轨迹规划方法,其特征在于,所述建立时间-脉动-能耗最优目标,基于模拟退火粒子群算法对所述时间-脉动-能耗最优目标进行优化求解:
4.如权利要求3所述的智能挖掘机的最优轨迹规划方法,其特征在于,所述S1中,构建五段多项式,基于所述五段多项式求取挖掘机的关节角速度、加速度和加加速度的过程包括:
5.如权利要求3所述的智能挖掘机的最优轨迹规划方法,其特征在于,所述S2中,判断五段多项式在对应的插值时间的最大值和最小值是否满足约束条件的过程还包括:
6.如权利要求3所述的智能挖掘机的最优轨迹规划方法,其特征在于,所述S5中,所述更新粒子速度和位移的过程包括,通过下式更新:
7.如权利要求3所述的智能挖掘机的最优轨迹规划方法,其特征在于,所述S6中,进行二次判定的过程包括:
8.如权利要求3所述的智能挖掘机的最优轨迹规划方法
...【技术特征摘要】
1.一种智能挖掘机的最优轨迹规划方法,其特征在于,包括:
2.如权利要求1所述的智能挖掘机的最优轨迹规划方法,其特征在于,建立挖掘机的动力学模型:
3.如权利要求1所述的智能挖掘机的最优轨迹规划方法,其特征在于,所述建立时间-脉动-能耗最优目标,基于模拟退火粒子群算法对所述时间-脉动-能耗最优目标进行优化求解:
4.如权利要求3所述的智能挖掘机的最优轨迹规划方法,其特征在于,所述s1中,构建五段多项式,基于所述五段多项式求取挖掘机的关节角速度、加速度和加加速度的过程包括:
【专利技术属性】
技术研发人员:张韵悦,赵志诚,杨凯,范宇坤,
申请(专利权)人:太原工业学院,
类型:发明
国别省市:
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。