冗余机器人喷涂系统改进人工鱼群逆运动学求解算法

针对一种带有冗余自由度的船舶分段机器人喷涂系统逆运动学问题,使用改进Denavit-Hartenberg(DH)参数法建立了机器人系统的运动学模型。以位姿误差最小及关节行程最短为目标,构建了冗余机器人逆运动学问题优化模型,提出一种改进人工鱼群算法( IAFSA)对模型进行求解。IAFSA引入基于正态分布的视野范围及移动步长动态调整策略来改善解的精度并缩短计算时间,提高算法综合性能。与人工鱼群算法和混合改进人工鱼群算法进行了对比实验,实验结果表明IAFSA搜索能力强、收敛速度快、计算时间较短,逆解良好的精度和误差稳定性在SolidWorks Motion仿真中得到验证,体现了IAFSA算法在冗余机器人逆运动学求解问题中的有效性。     

求冗余机器人逆运动学解的改进果蝇优化算法

为了解决冗余机器人逆运动学解求取中存在的计算量大和求解精度较低等问题,提出一种基于改进果蝇优化算法(IFOA)的解决方法。IFOA在果蝇算法(FOA)的基础上,在进化方程中添加向最差个体学习的改进策略来优化进化方程,增强了算法跳出局部最优和寻找全局最优的能力。对经典测试函数的仿真结果表明,相比于FOA,IFOA在收敛速度、收敛精度及收敛可靠性方面都有较大的提高。在求冗余机器人逆运动学解的实际应用中,IFOA能够有效提高精度、速度和稳定性,是求冗余机器人逆运动学解的一种有效方法。     

基于改进步长果蝇算法的冗余机器人逆运动学求解

为提高果蝇算法(FOA)在冗余机器人逆运动学求解中的精度,对其进行改进,提出改进步长果蝇算法(CSFOA)并用于冗余机器人逆运动学求解中.CSFOA将FOA中的固定步长变更为混沌步长,从而增强了算法的寻优能力,可以获得更优的冗余机器人逆运动学解的求解精度.实验结果表明,CSFOA在求解精度、求解速度和算法稳定性等方面相比于其它一些方法具有明显的优势,可有效用于冗余机器人的逆运动学求解中.     

6R模块化机器人逆解算法与误差分析

为解决6R模块化串联机器人逆运动学求解精度和效率低的问题,运用D-H法对该机器人进行建模和正运动学分析,提出了解析法+BP神经网络相结合求逆运动学的方法。在逆运动学求解过程中,采用解析法求解前三个关节角度,采用BP神经网络建立运动学逆解模型求解后三个关节角度。为解决网络训练样本数据优选问题,采用核聚类理论和随机抽取算法对后三个关节的位姿参数样本进行优选,将逆运动学问题转化为基于BP的多输入多输出预测系统。运用该逆解模型进行复杂运动轨迹仿真,结果显示该神经网络模型求逆解的精度最高可达6.8212e-8°。并将该方法与解析法+BP神经网络不同的组合模式进行预测求解对比,结果表明该求逆解组合模式不但求解精度高,而且求解简单、泛化能力强。     

基于旋量理论和Paden-Kahan子问题的6自由度机器人逆解算法

机器人逆解中运动学模型的建立主要采用Denavit-Hartenberg(D-H)参数法和旋量法。D-H参数法相对成熟,在机器人运动学分析中得到广泛应用。旋量法实际应用相对较少,但旋量法中机器人各连杆坐标系相对于底座建立,具有明确的几何意义。基于旋量法建立起的机器人运动学模型,其逆解常采用Paden-Kahan子问题方法加以求解,单纯的Paden-Kahan子问题法只能解决低自由度机器人的逆解。针对后三个关节相交于一点的6自由度关节机器人,基于旋量理论建立起机器人运动学模型,利用经典消元理论和Paden-Kahan子问题相结合的方法,提出一种机器人运动学逆解算法,并给出此类机器人运动学逆解的显式求解结果。以库卡KR-150机器人为例,利用该算法进行运动学逆解,验证了算法的正确性。     

基于旋量理论的六自由度机械臂逆解算法

机器人求逆解过程中主要采用D-H参数法和旋量法来建立机器人运动学模型。D-H参数法机器人运动学分析中应用较多,但由于D-H参数法需要在每个关节处建立坐标系,因此建模过程较为繁琐。旋量法中机器人各连杆坐标系相对于底座建立,建模较为方便并且几何意义更明确。基于旋量理论建立的机器人运动学模型,其逆解一般采用Paden-Kahan子问题方法进行求解。针对6R模块化机械臂,该机械臂后3个关节轴线相交于一点,基于旋量理论建立机械臂的运动学模型,利用几何关系与Paden-Kahan子问题,对该机械臂进行了逆运动学求解,得到了该机械臂的解析解。利用Matlab编制运动学算法程序,验证了逆解算法的正确性。     

基于工作空间密度函数的平面冗余机器人的逆运动学求解算法

利用平面冗余机械人的结构参数结合傅里叶变换及卷积定理来构建非线性工作空间密度函数,并用该函数来描述多冗余机器人的工作空间。将工作空间密度函数仿真获得的工作空间与蒙特洛法求得的机器人工作空间进行对比,验证了算法的有效性。以工作空间密度函数为迭代方程,提出一种全新的迭代的算法来求解机器人逆运动学解析解。将该迭代算法与雅可比伪逆矩阵求逆运动学解的迭代算法进行对比,Matlab仿真结果验证了该算法在平面多冗余机械臂逆运动学求解精度及末端执行器位姿确定方面具有优越性。     

改进代数算法神经网络在机器人逆运动学中的应用

用多层前向INI神经网络建立机器人逆运动学模型.采用一种改进代数算法来学习神经网络待求权和自由权,该算法选.择很广一类的隐层神经元函数训练网络,将复杂的非线性优化问题转化为简单的代数方程组求解问题,求解速度快;在网络训练之前就可以根据给定的问题确定隐层神经元个数,可以方便地求得全局最优点,实现样本空间的精确映射,不存在局部极小、收敛速度慢等问题.提出的求解机器人逆运动学新算法可以得到高精度的解,有仿真结果为证.     

同伦算法在6R机器人运动学逆解上的应用

针对一般6R机器人运动学的逆解问题,提出了一种自适应同伦算法的求解方法。利用Solid Works对机器人进行结构建模,根据D-H坐标法建立了相应的坐标系,建立机器人运动学模型后得到含六个未知变量的六个非线性运动学方程。在定点同伦和牛顿同伦的基础上,引入自适应参数构造自适应的同伦算法,避免了运动学逆解的雅可比矩阵逆阵奇异。再结合求解常微分方程初值问题的的四阶Runge-Kutta法和Matlab编程,最终得到机器人运动学逆解的全部解。该算法简单易行,计算效率高,为一般型机器人运动学逆解的研究提供了一种有效的方法。     

一种6R非球型手腕机器人逆运动学算法研究

6R非球型手腕喷涂机器人得到了越来越广泛的应用,然而这种机器人的结构不满足Pieper准则,导致该机器人的逆运动学求解困难。对此,提出了一种近似解析法和数值迭代法相结合的6R非球型手腕机器人逆运动学组合算法。首先,根据6R非球型手腕机器人的结构特点近似转化为6R球型手腕机器人,并以等效球型手腕机器人的逆运动学解析解作为近似解,采用基于运动学雅可比矩阵的数值迭代法求解6R非球型手腕机器人的逆运动学精确解。其次,针对等效变换引起机器人有效工作空间减小,从而导致算法失败的问题进行了分析,提出了基于目标位姿偏置的方法提高逆运动学算法的鲁棒性。最后,通过数值仿真验证了所提出的6R非球型手腕机器人逆运动学算法的可靠性和时实性。     

基于连续蚁群算法的3-RPS并联机构正解

为了避免传统数值方法求解并联机构正解问题的弊端,提出了一种将并联机构正解问题转化为目标函数优化问题的求解方法。并联机构正解的核心问题是求解一组多元耦合非线性方程组,以此为依据建立了并联机构正解的目标函数优化模型,并提出了一种简单的连续蚁群算法来求解该优化模型。以求解3-RPS并联机构正解为例进行了仿真分析。结果表明,该算法具有良好的全局寻优功能,能够避免初始值和局部极小值对计算结果的影响,不用计算雅可比矩阵及其逆阵,且计算精度满足并联机构正解的要求。     

改进鲸鱼优化算法及涡轮盘结构优化

涡轮盘是航空发动机的核心零件,通过智能优化算法对涡轮盘结构进行优化,降低涡轮盘质量,有助于提升推重比。研究并改进了新型鲸鱼优化算法对涡轮盘截面进行结构尺寸优化。改进的鲸鱼优化算法中创新引入差分变异策略,交叉操作和常规变异策略以增强鲸鱼优化算法跳出局部最优解的能力。特别地,以改进的鲸鱼优化算法（Decomposition evolution based whale optimization algorithm,DEWOA）为例对Isight平台进行二次开发,与Isight平台中的五种算法和基本鲸鱼优化算法就八个单目标测试函数进行了对比,在均值和方差等指标验证了改进算法的稳定性和寻优性能。而且,将结合改进鲸鱼优化算法的Isight优化模块组件与有限元分析方法在Isight平台中集成为全自动化优化流程,对航空发动机涡轮盘进行结构优化,并与其他四种算法的涡轮盘结构优化结果进行对比。实验结果表明改进的鲸鱼优化算法对涡轮盘减重达26.09%,超过自适应模拟退火算法减重比2.24%,超过多岛遗传算法减重比5.29%,超过鲸鱼优化算法减重比1.94%,落后于指针自动优化算法减重比0.39%,但改进的鲸鱼优化算法收敛速度更快,达到最优解的代价更小,表明了改进鲸鱼优化算法在工程实际问题上的实用性和通用性。     

基于组合优化策略的动车组悬挂参数优化设计

为快速获得改善车辆横向平稳性的最优悬挂参数,提出基于自适应模拟退火算法和非线性序列二次规划算法的组合优化策略对动车组悬挂参数进行优化设计。建立动车组动力学模型,利用最优拉丁超立方抽样方法选取对横向平稳性影响较大的悬挂参数作为设计变量;以横向平稳性为目标函数构建Kriging代理模型,并利用可决系数检验代理模型精度;采用自适应模拟退火算法对代理模型进行全局范围内初步寻优,在初步最优解的基础上采用非线性序列二次规划算法进行局部空间精确求解。研究结果表明,基于Kriging代理模型和组合优化策略的优化效率明显提高,车辆横向平稳性得到显著改善,并且优化前后运行稳定性均满足要求。     

冗余仿人臂避关节物理约束的一种逆运动学问题求解方法

冗余仿人臂有无穷多组逆运动学解满足末端位姿要求,但由于其连杆机构与形状的设计仿人臂每个自由度都有关节位置物理约束。为使所求取的逆运动学解最大化地远离仿人臂关节限位,提出冗余仿人臂(8-DOF)一种几何-数值迭代相结合求解逆运动学问题方法,该方法在计算出仿人臂逆运动学解几何表达式基础上,以仿人臂的“远离限位度”指标构建适应度函数并以此为寻优目标,通过粒子群优化方法(Particle swarm optimization,PSO)搜索冗余关节角最优组合,并获得满足仿人臂末端位姿要求的最优逆运动学解。该方法不仅解决了冗余仿人臂逆运动学多解问题,而且所求关节角不存在理论误差、求解速度快及所求关节角远离关节位置限位裕量大的优点,仿真试验验证了该方法有效性。     

基于混合类电磁机制算法的机械臂逆运动学解

机械臂的逆运动学问题可转化为等效的最小化优化问题,并采用数值优化方法求解。提出一种基于类电磁机制(Electromagnetism-like mechanism,EM)和模式搜索(Pattern search,PS)数值求解机械臂逆运动学问题的混合类电磁机制算法(Hybrid electromagnetism-like mechanism,HEM)。该方法利用修改的类电磁机制(Revised electromagnetism-like mechanism,REM)与模式搜索方法各自特性相互融合平衡算法对解空间的全局探索和局部开发能力,基准函数测试结果表明该算法改善了全局搜索性能及寻优解的可靠性。在此基础上以6自由度TX60型号史陶比尔工业机械臂为例,考虑以机械臂末端位姿误差构建适应度函数并采用上混合类电磁机制算法数值求解,仿真结果表明,与其他方法比较,该方法用较少的适应度值计算次数下就能搜索到期望精度的寻优解,并且能搜索到所有可能关节角逆解的潜在能力,验证了该方法的有效性。     

基于 IWOA-SVM 的风电功率预测

针对支持向量机预测精度低、收敛速度慢等问题,提出一种改进鲸鱼算法优化支持向量机的风电功率预测模型。将 Tent 混沌映射引入鲸鱼算法中,使初始种群的分布更加均匀;由于随机抽取猎物具有盲目性,不能充分结合迭代经验对种群进行更新,采用轮盘赌法寻找目标猎物来加快鲸鱼算法的收敛速度,得到改进鲸鱼算法优化支持向量机的风电功率预测模型。将该模型应用到我国东北某处风电场进行风电功率预测,并与其他常用的功率预测模型进行对比分析,仿真结果表明,该模型具有更高的预测精度。     

一种仿真数字人步态规划优化算法

为了研究下肢骨骼服的行走步态.构造了HL-1(华理1号)仿真数字人体模型,并对数字人进行了步态规划.为了确保数字人行走的稳定,避免数字人行走过程中关节驱动的冲击,减小脚与地面的碰撞,在考虑前向与侧向运动存在耦合的条件下,提出了将正运动学和逆运动学方法相结合的步态规划优化算法,克服了原有的数字人步态求解方法的不足.应用该算法求得步态周期函数,仿真数字人在Matlab和Adams环境下进行了协同仿真,实现了数字人的平稳行走,验证了该步态规划优化算法的可行性.     

基于测距修正及改进鲸鱼优化的DV-HOP定位算法

针对无线传感器网络中传统DV-HOP(distance vector-hop)定位算法定位误差大的问题,提出基于测距修正及改进鲸鱼优化的DV-HOP(whale optimization algorithm distance vector-hop,WOADV-HOP)定位算法,该算法首先通过添加修正因子和引入权重来修正待定位节点和信标节点之间的测距值,减少测距误差。利用改进鲸鱼优化算法代替最小二乘法求待定位节点的坐标。仿真结果表明,在不增加额外设备的情况下,该算法比同类方法能更加明显地提高定位精度。     

改进鲸鱼优化算法在机械臂时间最优轨迹规划的应用

针对机械臂时间最优轨迹规划问题,提出一种改进鲸鱼优化算法的最优轨迹规划方法。首先把机械臂各个关节的角度、角速度、角加速度作为约束参数,在关节空间中采用五次多项式插值构造机械臂的轨迹,然后建立以机械臂运行时间最优为目标的目标函数,采用改进的鲸鱼优化算法（IWOA）来对时间进行优化,提高机械臂的运行效率。最后通过MATLAB进行仿真,结果表明,改进的鲸鱼优化算法相较于其它同类算法求解精度更高,收敛速度更快,并且经过IWOA和轨迹优化结合得到的机械臂的位移、速度和加速度曲线都是平滑的且没有明显的突变,验证了该轨迹规划方法的有效性。