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() 一种基于粒子群优化算法的六轴机械臂轨迹规划方法技术_技高网

一种基于粒子群优化算法的六轴机械臂轨迹规划方法技术

技术编号:42531801 阅读:10 留言:0更新日期:2024-08-27 19:39
本发明专利技术提出了一种基于粒子群优化算法的六轴机械臂轨迹规划方法,包括:步骤S1,采用粒子群优化算法对六自由度串联机器人手臂进行轨迹规划,包括:机器人的末端机械臂从起点开始移动,在向目标移动的过程中检查是否有障碍物,如果检查存在障碍物,则采用粒子群优化算法;在搜索运动空间中粒子的最佳轨迹时,确定局部最佳值和全局最佳值,以确保目标在最佳粒子跟踪中移动到最佳轨迹上;步骤S2,利用五阶多项式进行关节空间的轨迹规划,使得串行机器人的末端执行器从起点无振动地移动到目标点,并且机器人手臂的所有关节同时完成。本发明专利技术对于六自由度机械臂这样的高复杂性系统,可以根据用户需求确定机器人从起点移动到目标时在每个点的位置。

【技术实现步骤摘要】

本专利技术涉及工业机器人,特别涉及一种基于粒子群优化算法的六轴机械臂轨迹规划方法


技术介绍

1、如今,随着工业自动化的迅速发展,机器人系统已经成为生产系统和日常生活中不可或缺的一部分。在智能制造时代,机器人的受控操作在各种任务和阶段中发挥着关键作用,包括提高生产效率、实现高精度无误差的装配、以及实现和无障碍运输。这确保了时间的最优利用,同时也增加了工作的潜力。机器人机械手通常由一组刚性臂组成,通过旋转或棱柱关节相连接。这些刚性臂可以在三个或多个轴上进行编程和自我控制,以便将各种物体从一个点移动到另一个点。

2、当今,机械臂在多个领域广泛应用,但这也引发了轨迹控制问题,需要进行适当的轨迹规划。轨迹规划的目标是以平稳可控的方式将机械臂从起点移动到预定的终点,同时避免振动并确保不会与任何障碍物发生碰撞。这在工作空间中尤为关键,因为在起点和终点之间通常存在多条可能的路径,而轨迹规划的任务之一就是确定最短距离的路径。

3、目前,在工业届中,对于六自由度机械臂这样的高复杂性系统来说,还没有成熟的轨迹规划方案,尤其是能根据用户需求确定机器人从起点移动到目标时在每个点的位置。


技术实现思路

1、本专利技术的目的旨在至少解决所述技术缺陷之一。

2、为此,本专利技术的目的在于提出一种基于粒子群优化算法的六轴机械臂轨迹规划方法,对于六自由度机械臂这样的高复杂性系统,可以根据用户需求确定机器人从起点移动到目标时在每个点的位置。

3、为了实现上述目的,本专利技术的实施例提供一种基于粒子群优化算法的六轴机械臂轨迹规划方法,包括如下步骤:

4、步骤s1,采用粒子群优化算法对六自由度串联机器人手臂进行轨迹规划,包括:机器人的末端机械臂从起点开始移动,在向目标移动的过程中检查是否有障碍物,如果检查存在障碍物,则采用粒子群优化算法;在搜索运动空间中粒子的最佳轨迹时,确定局部最佳值和全局最佳值,以确保目标在最佳粒子跟踪中移动到最佳轨迹上,所述粒子群优化算法,包括:

5、步骤s11,创建起始群体、速度和位置;

6、步骤s12,计算群体中所有粒子的适应度值;

7、步骤s13,在每一代中将所有粒子与前一代的最佳粒子进行比较,如果适应度值更好则进行替换;

8、步骤s14,将所有局部最佳值进行比较,选取最好的作为全局最佳值;

9、步骤s15,更新速度和位置数值;

10、步骤s16,重复执行步骤s12至步骤s15,当满足停止条件时,停止粒子群算法,显示结果;

11、步骤s2,利用五阶多项式进行关节空间的轨迹规划,使得串行机器人的末端执行器从起点无振动地移动到目标点,并且机器人手臂的所有关节同时完成。

12、进一步,在所述步骤s14中,对于每个粒子,从当前代中找到局部最佳值,且群中最优的数量等于粒子的数量,全局最佳值从当前代的局部最佳值中选出。

13、进一步,对于由多维参数组成的问题的适应度函数计算,由n个粒子组成的粒子矩阵如下式

14、

15、在上述粒子矩阵中,粒子i,xi=[xi1,xi2,ixid],

16、给出先前最佳适应度值的粒子i的位置,pbset=[pi1,pi2,...,pid];

17、全局最佳值gbest对于每次迭代中的所有粒子都是唯一的,并且

18、gbset=[p1,p2,...,pd]

19、粒子的速度表示为:

20、进一步,在所述步骤s1中,使用库函数,确定了机器人的关节角度,所述关节角度包括:每个关节的起始和结束角度;

21、根据关节角度创建的最大和最小约束确定的五次多项式;对末端机械手从起点到终点进行平滑连续的轨迹估计;其中,所述五次多项式用于描述末端机械手在两点之间的运动轨迹。

22、进一步,通过确定每个关节角度的线性方程来估计机器人操纵器行进的路径,目标是获得给出最短距离并避开可能存在的障碍物的线性方程。

23、进一步,在所述步骤s1中,对每个粒子位置的目标函数进行评价,确定最佳函数值和最佳位置,其中,所述目标函数用于根据速度、加速度和振动等限制参数最小化轨道时间和总距离。

24、进一步,根据当前速度、粒子的个别最佳位置及其相邻粒子的最佳位置选择新的速度。

25、进一步,迭代更新粒子位置、速度和邻居,其中,迭代更新的新位置是旧位置加上速度,通过修改速度以保持粒子在边界内。

26、进一步,通过计算尖端机械手绘制的所有点到目标点之间的距离,创建目标函数如下:

27、

28、其中,q为目标坐标,p表示机器人移动到目标点时创建的位置坐标。

29、根据本专利技术实施例的基于粒子群优化算法的六轴机械臂轨迹规划方法,将五次多项式引入pso算法,最大限度地减少机械手运动过程中可能发生的振动并提供最佳的连续性。通过使用五次多项式和pso算法在关节空间中进行轨迹规划,并考虑到6轴机械臂的技术信息,仿真效果突出。根据仿真结果得出结论:末端机械臂在约束条件下从最佳路径避开障碍物到达终点。本发专利技术可以应用于六自由度机械臂这样的高复杂性系统,可以根据用户需求确定机器人从起点移动到目标时在每个点的位置。

30、本专利技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。

本文档来自技高网...

【技术保护点】

1.一种基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,包括如下步骤:

2.如权利要求1所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,在所述步骤S14中,对于每个粒子,从当前代中找到局部最佳值,且群中最优的数量等于粒子的数量,全局最佳值从当前代的局部最佳值中选出。

3.如权利要求1所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,对于由多维参数组成的问题的适应度函数计算,由n个粒子组成的粒子矩阵如下式

4.如权利要求1所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,在所述步骤S1中,使用库函数,确定机器人的关节角度,所述关节角度包括:每个关节的起始和结束角度;

5.如权利要求4所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,通过确定每个关节角度的线性方程来估计机器人操纵器行进的路径,目标是获得给出最短距离并避开可能存在的障碍物的线性方程。

6.如权利要求1所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,在所述步骤S1中,对每个粒子位置的目标函数进行评价,确定最佳函数值和最佳位置,其中,所述目标函数用于根据速度、加速度和振动等限制参数最小化轨道时间和总距离。

7.如权利要求6所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,根据当前速度、粒子的个别最佳位置及其相邻粒子的最佳位置选择新的速度。

8.如权利要求7所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,迭代更新粒子位置、速度和邻居,其中,迭代更新的新位置是旧位置加上速度,通过修改速度以保持粒子在边界内。

9.如权利要求6所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,

...

【技术特征摘要】

1.一种基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,包括如下步骤:

2.如权利要求1所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,在所述步骤s14中,对于每个粒子,从当前代中找到局部最佳值,且群中最优的数量等于粒子的数量,全局最佳值从当前代的局部最佳值中选出。

3.如权利要求1所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,对于由多维参数组成的问题的适应度函数计算,由n个粒子组成的粒子矩阵如下式

4.如权利要求1所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,在所述步骤s1中,使用库函数,确定机器人的关节角度,所述关节角度包括:每个关节的起始和结束角度;

5.如权利要求4所述的基于粒子群优化算法的六轴机械臂轨迹规划方法,其特征在于,通过确定每个关节角度的线性方程来估...

【专利技术属性】
技术研发人员:张德馨
申请(专利权)人:珞石北京机器人有限公司
类型:发明
国别省市:

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