机械臂逆运动学避障最优求解算法

针对多自由度机械臂在障碍物环境下逆运动学求解存在多解性和碰撞问题,提出了一种将碰撞检测算法、最短行程方法与差分进化算法相结合的具有避障能力的机械臂逆运动学最优求解算法。首先,以六自由度机械臂为研究对象,对机械臂和障碍物进行建模,并建立求逆运动学解的目标函数,目标函数由末端执行器位姿误差函数、目标角度与初始角度之间的变化量函数、碰撞检测函数加权求和组成;其次,利用差分进化算法对目标函数进行最优求解,为了减小函数权重对求解速度和精度的影响,设计了一种自适应权重优化算法,使得求解关节角度在优化求解初期快速达到最短行程位姿角度附近,而在优化求解后期具有更高的求解精度,即可求得具有避障能力、行程最短且高精度的最优逆运动学解;最后,以UR5机械臂为例,通过MATLAB软件中的Robotics Toolbox工具箱对所提算法进行仿真验证,验证了所提算法的有效性。     

一种冗余机械臂逆运动学求解和优化方法

为解决冗余机械臂逆运动学求解困难的问题,提出一种基于关节角参数的逆运动学求解和优化方法．首先推导了正向运动学,并基于关节角参数化法得出了解析逆运动学;然后提出综合考虑避关节极限约束与运动连续性约束的目标函数,该目标函数充分考虑了不同工作状态的差异性;最后引入带惯性权重的粒子群算法加快求解速度．实验结果表明：逆运动学求解平均时长为1.19μs,误差在10 nm以内,能够求出给定参数值的所有解,结合避关节极限和运动连续性的优化目标能够求出最优解,在直线与圆弧两种路径跟踪实验中比传统方法分别提高了68.4%和58.0%的优化效果．     

利用增广雅克比矩阵的冗余机械臂逆运动学求解算法

针对冗余机械臂逆运动学问题,提出了一种利用增广雅可比矩阵的逆运动学求解算法.首先,将优化给定的目标函数作为约束任务对机械臂的任务空间进行增广,在此基础上构造增广雅克比矩阵.然后采用分解计算策略将增广部分分解,分别计算后,得到其数值结果.进而利用增广雅可比矩阵计算出关节速度,对其积分后获得关节位置.最后,将本文方法应用于七自由度冗余机械臂.仿真和实验结果表明,本文方法的求解效果优于梯度投影法,计算效率满足实时控制的要求且能够保证机械臂追踪封闭轨迹时运动的可重复性.     

一种7DOF机械臂逆运动学解析算法及其应用

针对传统的基于雅可比矩阵最优解的数值方法对于有着冗余自由度的7自由度(7DOF)的机械臂逆运动学求解有着计算量大、只能求得单一解的不足,提出一种逆运动学的解析算法.在传统6维位姿矩阵的基础上,额外提出一个elbow angle 新约束,利用位姿目标矩阵和该elbow angle 共7维约束推导出7DOF机械臂逆运动学的...     

基于小生境遗传算法的机械臂运动学逆解

在基本遗传算法的基础上,针对求解机器人运动学逆解的特殊性,引入小生境遗传进化的方法,有效地防止了遗传算法的早熟,从而可以求出所有可能的逆解。同时,通过双层进化机制加强了遗传算法的局域搜索能力,加快了遗传算法的收敛进程。该算法在对非冗余度机械臂与冗余度机械臂的实例计算中都取得了较理想的结果。     

基于模拟退火鸡群算法的平面冗余机械臂逆解

针对平面冗余机械臂逆解求解复杂问题,提出一种基于模拟退火鸡群算法的优化方法。分析了冗余机械臂逆解求解模型,并确定约束条件,以此建立优化目标函数。在传统鸡群算法小鸡粒子位置更新中加入向公鸡粒子学习的功能,增强了小鸡粒子寻优的全局性;引入模拟退火算法提高了小鸡粒子向母鸡和公鸡粒子学习的自适应性。通过分析比较可知,改进算法的时间复杂度与原算法一致,利用测试函数对比仿真,验证了改进算法的稳定性和精度。该策略对由目标坐标求得的机械臂可行解进行寻优,得到了转动角度较小、满足一定精度的机械臂逆解。实验结果表明,该方法可使机械臂在一次位置迁移中平均少转动约1.91°。     

基于自适应差分进化算法的间歇反应动态优化求解

为了求解间歇反应动态优化问题,提出了一种自适应差分进化算法(Self-Adaptive Differential Evolution,SADE)。在SADE算法中,每个个体都拥有自己的控制参数。该算法在对原优化问题进行差分进化搜优的同时,以权重大小来评价各个控制参数的优劣,并以加权控制参数作为控制参数的进化方向,实现其自适应调整。结果表明SADE算法收敛速度快、求解精度高。将SADE算法应用于两个典型的间歇反应动态优化问题中,取得了较好的优化效果;同时,分析了时间离散度对优化结果的影响。     

基于位姿分离法的模块化机械臂逆运动学分析

分析了7自由度冗余机械臂的运动学正逆解, 采用Denavit-Hartenberg(D-H)坐标法进行正运动学建模, 获得机械臂末端相对于基座的空间位姿; 采用位姿分离法进行逆运动学建模. 求位置逆解时, 由约束条件分别获得前4个关节角位移解析解; 求姿态逆解时, 采用欧拉角表示机械臂末端相对于基座的姿态, 减少了计算量. 以SCHUNK模块化7自由度机械臂为例,进行了运动学正逆解分析, 并基于虚拟样机进行了仿真验证.     

面向可靠性冗余优化的自适应差分进化算法

针对可靠性冗余优化问题中解的精度低及算法早熟收敛的问题,提出一种自适应的差分进化算法.该算法在原始差分进化算法的基础上修改了变异算子和交叉算子;在进化过程中,缩放因子F和交叉概率CR分别由三角函数实现自适应调节,以提高可行解的多样性及算法的收敛速度.解决了可靠性冗余优化问题解的精度低及早熟收敛问题.实验结果表明,该算法在解决可靠性冗余优化问题上不仅提高了解的精度,且具有更好的稳定性及更快的收敛速度.     

基于分块矩阵的6R机器人实时逆解算法

为提高6R机器人逆运动学求解的强实时性,提出了一种基于分块矩阵相乘来求解逆运动学的方法。将复杂的6个矩阵方程转换为含有6个未知变量的8个纯代数方程来进行求解,并在方程简化过程中引用符号运算预处理,避免了大量浮点运算带来累积误差。通过方程组的优化,可避免第3关节变量求解中产生增根的情况。试验结果表明,在同等精度要求下,该逆解算法相比于其他算法具有更强的实时性,得到精确的8组封闭解平均仅需0.009 7 ms,能够满足机器人的在线控制要求。     

基于个体强度的自适应差分多目标免疫算法

考虑到支配解可能携带有利于算法搜索到最优解的信息, 在克隆阶段选择一部分非支配解和支配解克隆以提高种群多样性和避免算法早熟收敛。在进化阶段, 先采用自适应差分进化算子交叉变异, 然后用多项式变异算子进行扰动以有效地平衡算法的全局搜索和局部搜索。基于个体强度建立外部文档储存一定数量的较好解, 并让这些较好解在每次迭代中参与进化且被更新。对10个标准测试函数进行仿真实验, 并与其他5种算法进行比较, 结果表明所提算法在收敛性和解的分布性方面均表现出明显优势。     

机器人逆运动学的微分进化与粒子群优化BP神经网络求解

针对采用传统反向传播(BP)神经网络算法进行逆运动学求解收敛速度慢的问题,提出将微分进化(DE)与粒子群优化(PSO)算法相结合,对用于机器人逆运动学求解的BP神经网络进行优化。基于机器人正解映射建立优化算法的目标函数,在PSO过程中,引入DE操作优化粒子进化方向,并将此混合算法用于BP神经网络权值与阈值的优化。对KUKA机器人进行仿真实验,结果表明:采用该文方法对机器人逆运动学问题的求解精度高,求得的关节角度误差小于0.1°;逆运动学求解结果所对应位姿矩阵的位置误差在0.1 mm数量级,具有较好的泛化能力。该文方法满足机器人位置和姿态方面的精度要求。     

基于量子差分进化算法的神经网络优化方法

一般的神经网络的结构是固定的,在实际应用中容易造成冗余连接和高计算成本。该文采用了协同量子差分进化算法(cooperative quantum differential evolution algo-rithm,CQGADE)以同时优化神经网络的结构和参数,即采用量子遗传算法(quantum genetic algorithm,QGA)来优化神经网络的结构和隐层节点数,采用差分算法来优化神经网络的权值。训练后的神经网络的连接开关能有效删除冗余连接,算法的量子概率幅编码和协同机制可以提高神经网络的学习效率、逼近精度和泛化能力。仿真实验结果表明:用训练后的神经网络预测太阳黑子和蒸汽透平流量具有更好的预测精度和鲁棒性。     

基于速度预测与自适应差分进化算法的混合动力汽车能量管理策略

为提高单行星排构型的混合动力汽车（hybrid electric vehicle, HEV）的燃油经济性,降低车辆燃油消耗量,提出了一种基于门控循环单元神经网络（gated recurrent unit neural network, GRU-NN）速度预测模型与自适应差分进化（adaptive differential evolution, A-DE）算法的能量管理策略,在模型预测控制（model predictive control, MPC）框架下预测未来车辆的行车速度,将整个工况内的全局优化求解问题转化为在预测时域内的局部优化求解,以发动机燃油消耗量最低与行车过程电池荷电状态（state of charge, SOC）平衡为目标,利用A-DE算法实现预测域内的最优控制序列求解。仿真结果表明,在实车采集的道路工况下,基于GRU-NN与A-DE算法的能量管理策略相较于ECMS燃油消耗量减少了4.55%,相较于动态规划燃油经济性达到了93.04%。     

改进差分进化算法在铝电解多目标优化中的应用

针对多目标优化问题,提出一种改进的差分进化算法(DE).该改进算法首先将DE与粒子群优化算法(PSO)结合,提高DE的收敛速度,然后引入多种群进化策略,有利于维持Pareto解的多样性.同时,在综合考虑机理与工艺的基础上建立铝电解多目标优化模型,并应用改进算法进行求解.仿真结果表明:在电流效率为92％时,改进算法所得的直流功耗为14.03 MW.h/t,比NSGA-Ⅱ的直流功耗降低了1.45％,比传统DE的直流功耗降低了1.75％.表明本文改进算法有效地提高了传统进化算法的性能.