基于改进粒子群优化算法的并联机构位置正解法

本文提出一种基于改进粒子群优化算法的并联机构位置正解法.在深入分析和研究标准粒子群优化算法的基础上,定义了粒子相似性概念,提出基于高斯白噪声干扰变异的粒子群优化算法.该算法在运行过程中通过与当前最优粒子相似性的量化判定,对进入当前最优粒子邻域的粒子施加高斯白噪声干扰变异,从而提高粒子群优化算法后期多样性和收敛速度.将该算法用于并联机构位置正解寻优,仿真实验结果表明有该方法能以较高的收敛精度快速地获得并联机构的位置正解,且算法稳定.     

改进粒子群算法在并联机构位置正解中的应用

由于并联机构位置正解的求解较为复杂,利用了粒子群算法PSO优化此问题,并通过一种基于解空间划分的方法改善了粒子群算法,该算法具有控制参数少、全局优化能力强等特点,解决了传统粒子群算法中早期容易陷入局部极值、后期收敛速度慢等问题。对3-TPT并联机构的运动学正解进行研究,推导出并联机构位置正解的无约束优化模型,利用优化的粒子群算法进行模拟。实验表明,该方法提高了粒子群的整体搜索能力,在自适应的状态下,粒子群算法的收敛较快,精度较高。该研究为并联结构最优化设计及性能分析提供了一定的理论依据。     

求十面体变几何桁架机器人位置正解的改进粒子群算法

根据杆长约束条件,给出了求解6-DOF十面体变几何桁架并联机器人机构位置正解的无约束优化模型,并应用粒子群算法(Particle Swarm Optimization,PSO)求解此优化问题.针对PSO直接在整个解空间内寻优时很难求得全部位置正解的问题,提出了求并联机器人机构位置正解的改进粒子群算法--分区搜索粒子群算法(PSO Based on the Regional Search,PSObRS).数值实例表明,PSObRS能求出并联机器人机构的全部高精度位置正解.     

应用粒子群算法的3-RPS并联机器人机构位置正解

根据杆长约束条件,给出求解3-RPS并联机器人机构位置正解的无约束优化模型,并应用粒子群算法求解此优化问题。该算法具有控制参数少,全局优化能力较强等优点。数字实例表明,对于并联机构位置正解问题,粒子群算法收敛速度较快,精度较高。     

并联机构位置正解的自适应差分进化算法

根据杆长约束条件,建立求6自由度一般6-SPS并联机构位置正解的无约束优化模型,再应用差分进化(Differential evolution,DE)算法求解该问题。针对基本DE算法可能出现进化停滞或陷入局部极值区域的缺点,提出一种引入新个体的自适应策略,以增强算法全局优化性能。将引入新个体的自适应策略融入DE算法,并使用混合变异算子及基于三角函数扰动的缩放因子和交叉因子,形成自适应差分进化(Adaptive DE,ADE)算法。数值结果表明,对于一般6-SPS并联机构正运动学分析问题,ADE算法能以较少计算开销求出全部高精度位置正解。通过与基本DE算法、自适应变异粒子群算法和改进人工蜂群算法比较,验证了ADE算法的收敛精度和计算稳健性指标优于对比算法。     

基于粒子群算法的6-DOF并联坐标测量机测量建模

为了求解6-DOF并联坐标测量机的位置正解（测量模型）,克服数值解法求解并联机构位置正解时解的精度易受初值的影响,建立了无约束的优化模型,并使用粒子群算法对此模型进行优化。依据并联机构的位置反解模型,给出求解6-DOF并联坐标测量机位置正解的无约束优化模型,并应用粒子群算法对该优化问题进行求解,由此可将复杂的并联坐标测量机测量建模问题转换为优化问题,从而求得位置正解。仿真结果表明：80个粒子大约经过55次的迭代运算后,收敛精度可达到0.5μm,平均运行时间约为3s。粒子群算法应用于并联坐标测量机测量建模与求解,可获得较高的计算速度和计算精度。     

基于粒子群算法的八面体变几何桁架机器人位置正解

根据杆长约束条件,给出了求解6-DOF八面体变几何桁架并联机器人机构位置正解的无约束极大极小优化模型,并应用粒子群算法求解此优化问题。该算法不需要初值和导数信息,并具有控制参数少、容易实现等优点。数字实例表明,对于八面体变几何桁架并联机器人机构位置正解问题,粒子群算法能求出全部装配构型,且收敛速度较快、精度较高。     

基于ADE-Newton算法的3-RPS并联机构位置正解分析

将智能算法和数值迭代法相结合,构造一种组合式算法——自适应差分进化算法-Newton迭代(Adaptive differential evolution and Newton iteration,ADE-Newton)算法。以3-RPS并联机构为研究对象,详细阐述利用ADE-Newton算法求并联机构位置正解的原理和步骤。为了验证ADENewton算法的有效性和通用性,给出3-RPS并联机构在不同驱动杆长条件下的数值算例。仿真结果表明,ADE-Newton算法能够以较高的效率求得不同驱动杆长条件下的全部高精度位置正解。还比较了ADE-Newton、人工蜂群、粒子群和差分进化算法求3-RPS并联机构位置正解的性能,比较结果显示,ADE-Newton算法的计算效率、收敛精度、稳健性以及可靠性高于对比算法。     

6-SPS并联机构位置正解的改进粒子群算法

对6-SPS并联机构的运动学正解进行研究,得出6-SPS并联机构运动学正解的数学模型为一个非线性方程组.将所得的非线性方程组转化为无约束优化问题,并使用粒子群算法对其求解.针对并联机构运动学正解问题的多解性,提出改进的共享适应度粒子群算法.最后,用一个实例证明该方法是行之有效的.     

基于PSO-Newton的并联机构位置正解研究

并联机构位置正解可以转化为非线性方程组问题,针对这类问题的复杂性和多解性,提出将共享适应度粒子群算法和Newton迭代法相结合的求解非线性方程组的新方法——PSO-Newton算法。该方法使用共享适应度机制引导算法寻找全部最优值,以全局最优值为初始点进行Newton迭代,极大提高了算法的收敛速度,变异算子的引入保证个体多样性有助于提高全局寻优性能。最后将该算法应用于2PR2SPS并联机器人机构位置正解问题,结果表明该算法效果良好,是一种快速求解并联机构位置正解的新算法。     

三移动一转动4-RPUR并联机构及其位置分析

提出一种能实现三维移动和绕Z轴转动(3T1R)的新型全对称4-DOF空间4-RPUR并联机器人机构,并建立其几何模型。应用螺旋理论分析4-RPUR并联机构自由度的数目和性质,证明该机构能够实现3T1R运动,验证了选取各支链中的移动副作为驱动副的合理性。以机构杆长为约束条件,建立机构位置正解分析的非线性方程组,再转化为无约束优化问题,并采用差分进化(Differential Evolution,DE)算法求解该问题。给出机构位置逆解的显式解析表达式,且由该式可知,机构最多存在16组位置逆解。为改进差分进化算法的寻优效率,提出一种加权基矢量变异策略。当种群出现进化停滞而陷入局部最优区域时,采用自适应逃逸操作引入新个体,进而增强种群多样性。新型变异策略与自适应逃逸操作结合,形成具有较强全局优化能力的自适应逃逸差分进化(Adaptive Escape Differential Evolution,AEDE)算法。给出机构位置分析数值算例,应用AEDE算法求得所有高精度位置正解,并应用位置逆解验证位置正解的正确性。还比较了基本DE、粒子群优化和AEDE算法求机构位置正解的性能,结果表明:AEDE算法性能均优于比较算法性能。     

平面并联机构位置正解的粒子群复形法

根据杆长约束条件,给出了求解3-RPR平面并联机构位置正解的无约束优化模型.结合复形法与粒子群的优点,提出了机构综合方程无约束优化求解的粒子群复形法.该方法克服了牛顿法初值不易选择的问题,同时也克服了复形法和粒子群算法易陷入局部极值而导致方程组的解精度不足的问题.平面并联机构数值实例表明文中提出的方法能求出全部装配构型.该方法具有全局搜索性,收敛速度较快、精度较高.可以满意地求出对未知数具有敏感性的非线性方程组的解.     

并联机构位置正解的人工蜂群和牛顿组合算法

将智能优化算法与数值迭代方法有机组合,构造一种并联机构位置正解求解的通用算法——混合人工蜂群和Newton迭代(Hybrid artificial bee colony and Newton iteration,HABC-Newton)算法。将差分进化(Differential evolution,DE)算法融入人工蜂群(Artificial bee colony,ABC)算法,形成一种能快速收敛到问题近优解的混合人工蜂群(Hybrid ABC,HABC)算法,再以该近优解为初值,应用Newton-Шамарский迭代法求出高精度位置正解。以4自由度4-SPS-CU并联机构正运动学分析为例,阐述基于HABC-Newton算法的并联机构正运动学分析方法。为了验证算法的有效性和普适性,给出4-SPS-CU、3-RRR两种耦合并联机构位置正解的数值算例。结果表明,HABC-Newton算法能以较少计算开销求得并联机构的全部高精度位置正解。还比较了HABC-Newton、ABC、DE和粒子群算法求并联机构位置正解的性能,数值实验显示,HABC-Newton算法的精度、稳健性和计算效率高于对比算法。     

基于改进粒子群算法的6-PTRT并联机器人运动学研究

以6-PTRT并联机器人为研究对象,根据其结构特点及构件间的约束关系,建立该机构的位置逆解模型,进一步求出各个滑块的运动规律。然后对该并联机构进行分析,采用坐标变换法建立该机构的位置正解数学模型,并利用改进的粒子群算法进行求解,将位置正解问题转化为有约束的多元非线性方程的寻优问题,从而验证该数学模型正确。此方法高效、易收敛、不依赖初值,为6-PTRT并联机器人的轨迹规划及控制提供了理论基础。     

6-PTRT并联机器人的位置正解研究

根据6-PTRT并联机器人的机构及约束特点,建立运动学位置反解方程组,并以此为基础建立运动学位置正解方程组。通过对并联机构的深入研究,利用机构本身特点将位置正解方程组由6维降为3维,将解3维非线性方程组转化为求解最优化问题,利用粒子群算法计算出运动学位置正解。由仿真及验算,验证了数学模型的正确性。此方法具有高效、易收敛、不依赖初值等特点,为6-PTRT并联机器人的实时控制提供了理论基础。     

用改进的粒子群算法求解并联6自由度平台的最大误差

最大误差是评价并联6自由度平台性能的重要指标,提出了改进的粒子群算法来求解最大误差.首先借助矩阵微分法求出平台误差表达式,将最大误差作为优化目标函数,除了各结构参数误差外,还将平台的位置和姿态列入优化变量.在标准粒子群算法中引入非线性变化权重和变异操作来保证全局收敛并提高收敛精度.实例计算表明该方法的有效性,可用于平台设计阶段的误差预测.     

4-RUP_aR并联机器人机构及其运动学分析

提出一种能实现三维移动和绕z轴转动(3T1R)的新型对称4-DOF空间4-RUPaR并联机器人机构。采用螺旋理论分析4-RUPaR并联机器人机构实现空间3T1R运动的机构学原理,计算其自由度,讨论输入选取的合理性。以机构的杆长为约束条件,建立约束方程,得到位置分析的非线性方程组。推导机构位置正解的一元超越方程,并应用自适应变异粒子群算法(Adaptive mutation particle swarm optimization,AMPSO)求解该方程。导出位置反解的封闭方程及速度、加速度的表达式。最后应用算例对位置正反解的研究结果进行数值验证,正解结果与反解结果十分吻合。在位置正解分析的基础上,对算例的速度和加速度正解进行分析。     

并联机器人的粒子群优化神经网络自适应控制算法研究

针对传统控制算法对并联机器人的控制效果不好的问题,提出了一种并联机器人的粒子群优化神经网络自适应控制算法,该算法在基于神经网络的自适应PID控制算法的基础上,首先对粒子群优化算法进行惯性权重的优化和收缩因子的改进,然后将该改进算法应用于原算法上。仿真试验结果表明,提出的粒子群优化神经网络自适应控制算法,在性能上远远优于传统PID控制算法和基于神经网络的自适应PID控制算法。     

滚动关节轴承摩擦力矩检测装置设计及运动分析

设计了滚动关节轴承摩擦力矩检测装置,该装置包括移动平台和具有3个转动自由度的并联机构,其中并联机构由3条结构相同的SRRR驱动支链和1条从动S支链组成。根据几何学和机构学原理建立了并联机构各杆件空间位置关系,得到机构输入、输出位姿,速度和加速度关系;根据机构尺度参数计算机构运动平台姿态角运动范围;通过改进粒子群优化算法与迭代法相结合的方法建立了位置正解适应度函数,得到机构高精度位置正解;给定任一路径用于摩擦力矩检测,得到了输入角运动学参数变化规律。分析结果表明该机构适用于滚动关节轴承摩擦力矩的检测。     

基于改进粒子群算法的复合材料机翼结构布局优化设计

采用粒子群算法对复合材料机翼结构进行布局优化求解.针对粒子群算法的早熟收敛现象,采用了两种改进措施:根据粒子的浓度变异粒子以增加粒子种群多样性;将变尺度混沌优化方法结合到粒子群算法中用以变异搜索最优粒子.算例结果表明,文中所提优化方法是可行有效的.