基于多目标粒子群算法的机械臂最小跃度轨迹优化方法技术

技术编号:10387413 阅读:168 留言:0更新日期:2014-09-05 13:00
本发明专利技术公开了一种基于多目标粒子群算法的机械臂最小跃度轨迹优化方法,首先利用三次样条插值函数生成各关节从任务起点到终点经过各路径节点的轨迹;根据生成的轨迹,确定优化目标函数中与之对应的各关节最小跃度均值;根据优化目标函数和任务的约束条件确定各关节的适应度函数;最后,根据各关节的适应度函数,利用多目标粒子群优化算法,得到优化目标函数对应的Pareto最优解集,然后按照一定的原则从最优解集中选择最优的轨迹规划方案。本发明专利技术综合考虑各个关节的跃度值,在降低路径中所有关节跃度的最大值以及各关节跃度值平均性和均衡分布方面都有明显改善,利用该方法,可有效减小机械臂的执行误差,减少运动过程对关节机构的磨损。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种,首先利用三次样条插值函数生成各关节从任务起点到终点经过各路径节点的轨迹;根据生成的轨迹,确定优化目标函数中与之对应的各关节最小跃度均值;根据优化目标函数和任务的约束条件确定各关节的适应度函数;最后,根据各关节的适应度函数,利用多目标粒子群优化算法,得到优化目标函数对应的Pareto最优解集,然后按照一定的原则从最优解集中选择最优的轨迹规划方案。本专利技术综合考虑各个关节的跃度值,在降低路径中所有关节跃度的最大值以及各关节跃度值平均性和均衡分布方面都有明显改善,利用该方法,可有效减小机械臂的执行误差,减少运动过程对关节机构的磨损。【专利说明】
本专利技术涉及一种,属于机器人控制

技术介绍
随着自动控制和机器人领域的深入研究和技术发展,机械臂已广泛应用于半导体制造、工业、医疗、军事以及太空探索等领域,机械臂的研究热点和难点主要集中于运动轨迹规划及在此基础上的精确控制方面,其中,轨迹规划作为轨迹控制的基础,对机械臂的运行效率、平稳性、作业精度和能量消耗具有重要的意义。轨迹规划是指给定起点和终点,根据任务要求寻求一条连接起点和终点的最优有效路径,然后将路径转换成机械臂各个关节的空间坐标,确定机械臂在运动过程中各关节的位移、速度、加速度和跃度,形成轨迹。有效的轨迹规划能够减少机械臂的磨损、节省作业时间、提高工作效率。最小跃度作为轨迹优化的一个重要研究方向,是以一种间接的方式限制关节力矩的变化率,使机械臂的运动更加平稳,且可提高跟踪精度,减少机械臂的共振和机构磨损。现有的关于最小跃度的轨迹优化方法主要分为两类:一类是根据单一目标函数(如机械臂的某个重要关节)进行单目标优化,如由Piazzi等提出的基于区间分析的算法,通过三次样条函数对轨迹插值,基于最大最小法使执行时间预设的路径的跃度最大绝对值全局最小,这类方法的缺点是,单目标函数只关注跃度最大时刻,不能反映整个任务过程中跃度的全局水平,即,只考虑某个关节的跃度,无法综合考虑到每个关节的跃度,导致机械臂中某个或某几个关节性能较好,而其余关节性能略逊,各关节的跃度不均衡会增加机械臂的执行误差,造成关节机构的磨损;另一类是,基于遗传算法的方法规划全局跃度最小的路径,由于遗传算法原理复杂,计算成本过大,不利于推广应用。
技术实现思路
鉴于上述原因,本专利技术的目的在于提供一种,该方法以降低机械臂各个关节的跃度为目标函数进行多目标优化,轨迹规划综合考虑到各关节的跃度,可使机械臂各关节在运动过程中性能均衡,减小机械臂的执行误差,避免某些关节在运动过程中受到严重磨损。为实现上述目的,本专利技术采用以下技术方案:,其特征在于,包括如下步骤:I)在任务约束条件下,利用三次样条插值函数生成三次样条插值曲线,该三次样条插值函数为:【权利要求】1.,其特征在于,包括如下步骤: 1)在任务约束条件下,利用三次样条插值函数生成三次样条插值曲线,该三次样条插值函数为: 2.如权利要求1所述的,其特征在于,所述步骤4)包括如下步骤: S1:设置算法初始化的相关参数,给定种群规模,在任务约束条件的范围内随机生成初始粒子的速度与位置,产生初始群体,计算得到初始群体中各粒子适应度函数值,并依据Pareto主导准则将初始种群中所有粒子相互比较完成后得到初始群体中Pareto最优解,并将最优解存入外部存储器I中; S2:将每个粒子的个体最优极值设置为对应粒子的当前位置; S3:每个粒子的全局最优极值,从外部存储器I中随机选取; S4:对于每个粒子,根据选取出的个体最优极值和全局最优极值,按照以下公式计算新的粒子速度并更新粒子位置,得到新群体; 3.如权利要求2所述的,其特征在于: 从初始群体或更新后的新群体中确定Pareto最优解的方法是: 根据当前群体中每个粒子的位置信息确定当前各路径节点之间的时间间隔向量,根据该时间间隔向量以及任务的约束条件计算各个关节的适应度函数值,并将得到的适应度函数值依据Pareto主导准则与外部存储器I中所有粒子相互比较完成后确定是否为所述优化目标函数对应的Pareto最优解,若是则将该粒子存入外部存储器I中,否则对当前群体中其他粒子继续比较。4.如权利要求1或3所述的,其特征在于,该方法还包括: 得到优化目标函数对应的Pareto最优解集后,按照各关节跃度均值方差最小且最大关节跃度值较小的原则,从所述Pareto最优解集中选择最优的轨迹规划方案。【文档编号】G05B13/00GK104020665SQ201410289512【公开日】2014年9月3日 申请日期:2014年6月25日 优先权日:2014年6月25日 【专利技术者】高欣, 王一帆, 孙汉旭, 杜明涛, 贾庆轩 申请人:北京邮电大学本文档来自技高网
...

【技术保护点】
基于多目标粒子群算法的机械臂最小跃度轨迹优化方法,其特征在于,包括如下步骤:1)在任务约束条件下,利用三次样条插值函数生成三次样条插值曲线,该三次样条插值函数为:Qji(t)=Q..ji(ti)6hi(ti+1-t)3+Q..ji(ti+1)6hi(t-ti)3+[qj,i+1hi-hiQ..ji(ti+1)6](t-ti)+[qj,ihi-hiQ..ji(ti)6](ti+1-t)i=1,...,n-1]]>其中,Qji(t)为时间区间[ti,ti+1]上的三次样条轨迹,为第i个路径节点处的加速度,qji为在起点及终点速度、加速度均为零的约束条件下第j个关节在第i个路径节点处的位置,hi为相邻路径节点间的时间间隔,ti为第i个路径节点处的时刻值,ti+1为第i+1个路径节点处的时刻值,n为包括起点、终点的路径节点个数;2)根据生成的三次样条插值曲线,确定优化目标函数中与之对应的各关节最小跃度:Fobj(h)j=Σi-1n-1|Q...ji(h,t)·hi|=Σi-1n-1|(αj,i+1-αj,i)hi·hi|=Σi-1n-1|αj,i+1-αj,i|(j=1,...,m)]]>式中,Fobj(h)j为第j个关节在给定时间向量h下的优化目标函数值,是三次样条插值曲线的跃度,m为机械臂的关节个数,αj,i为第j个关节在第i个路径节点处的加速度,n为包括起点、终点的路径节点个数,hi为相邻路径节点间的时间间隔;3)根据优化目标函数和任务约束条件,确定各关节的适应度函数:fitness(X)j=Fobj(h)j+r1Gv(h)j+r2Ga(h)j+r3Gj(h)j+r4Gt(h)j式中,fitness(X)j为第j个关节在给定决策向量X下的适应度函数值,r1,…,r4为惩罚系数,Gv,Ga,Gj,Gt分别为速度、加速度、跃度、时间约束条件下的惩罚项;4)根据各关节的适应度函数,利用多目标粒子群优化算法,得到优化目标函数对应的Pareto最优解集。...

【技术特征摘要】

【专利技术属性】
技术研发人员:高欣王一帆孙汉旭杜明涛贾庆轩
申请(专利权)人:北京邮电大学
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 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。

1