基于双种群混沌搜索粒子群算法的机器人喷涂轨迹协同优化

针对笛卡尔空间与关节空间的映射非线性,喷涂轨迹和关节轨迹不满足混合约束的问题,提出基于双种群混沌搜索粒子群优化(DCSPSO)算法的机器人喷涂轨迹协同优化.根据预选取的轨迹特征点构建关节角度序列,以机器人的喷涂效率和运动稳定性为目标建立关节轨迹多目标优化模型,利用DCSPSO算法求解优化模型得到Pareto最优解,使关节轨迹满足机器人运动学约束,最后根据理论轨迹与反馈轨迹的弦高误差和漆膜厚度误差建立喷涂轨迹误差模型,并验证最优解的质量,使喷涂轨迹满足加工精度约束.通过实例表明,DCSPSO算法较多目标遗传算法等经典多目标优化算法具有更强的全局和局部搜索能力,利用轨迹误差模型可合理增加特征点,使理论轨迹与反馈轨迹的最大弦高误差从12.619 mm降至1.587 mm,最大漆膜厚度误差从11.47 μm降至1.18 μm.     

破拆机器人拆除窑衬的时间最优轨迹规划

为提高破拆机器人拆除窑衬的工作效率,用4-3-4分段多项式进行轨迹规划,建立时间最短的优化目标,在运动学约束条件下,采用改进鲸鱼优化算法优化各关节的运动时间。混沌映射初始化种群和非线性收敛因子相结合的鲸鱼优化算法寻优能力较强,可以降低算法陷入局部最优的概率。仿真结果表明：各关节的角速度和角加速度曲线连续无突变,且满足运动学约束条件,能较好地发挥破拆机器人的运动学性能。本研究对破拆机器人拆除窑衬实现时间最优轨迹规划具有一定参考意义。     

基于自适应粒子群算法的FS20N机器人时间最优轨迹规划

针对通用型机器人,以运行时间最短为目标,提出一种基于自适应粒子群(APSO)时间最优轨迹规划算法。在关节空间轨迹规划中,逆解得到关节变量与时间的关系,以此建立五次多项式关节变量与时间的插值轨迹。然后,利用罚函数对其关节角度、关节速度、关节加速度进行处理,同时以插值关节各点间的时间间隔之和为优化目标,采用自适应粒子群算法进行优化求解,得到时间最优的轨迹。最后,利用MATLAB仿真软件,建立川崎FS20 N仿真模型进行验证,得到运行平稳且时间最优的运行轨迹图,仿真结果验证了该算法在轨迹规划中的可行性。     

基于均值学习策略果蝇算法的工业机器人轨迹规划

针对机器人空间轨迹的时间最优规划问题，文中在建立轨迹规划模型的基础上，对果蝇算法(FOA)进行改进，并由此提出基于均值学习策略果蝇算法(MLS-FOA)的机器人轨迹规划方法。相比于FOA,MLS-FOA增加了向种群均值学习的策略，平衡了算法的全局搜索能力和局部搜索能力。机器人轨迹规划实例表明，MLS-FOA能够在位置、速度、加速度满足约束条件的同时，使得运动曲线更为平滑，同时也缩短了机器人的运动时间，提高了运动效率。     

遗传柔性多面体混合算法在机器人时间最优轨迹规划模型的应用

时间最优轨迹规划是机器人技术中一个重要研究领域,本文首先推导出该问题的非线性规划数学模型,在此基础上引入了遗传柔性多面体混合算法,该算法融合了遗传算法的全局搜索能力和柔性多面体算法的局部搜索能力,实验结果表明,遗传柔性多面体混合算法在搜索性能方面超过遗传算法,使机器人在满足约束条件下以更少的时间完成给定轨迹的运行,提高了机器人在制造业中的搬运效率。     

改进灰狼算法在搬运机器人轨迹规划中的应用

为提高托盘式搬运机器人的运行稳定性,提出一种基于改进灰狼算法的机器人加速度最优轨迹规划方法。针对灰狼算法局部收敛、寻优性能不足等问题,引入Logistic-Tent混沌映射,优化初始种群;引入差分优化算法,提高全局搜索能力;引入淘汰进化机制,优化种群结构,从而全面提升优化性能。仿真结果表明,对比标准灰狼算法和粒子群算法,改进灰狼算法在不同类型的测试函数中具有更好的收敛速度和算法精度;在搬运机器人轨迹规划的应用中,经过该算法优化后的机器人最大关节角加速度下降了44.11%,大幅提高了运行稳定性。     

基于改进遗传算法的时间最优轨迹规划

提出一种工业机器人时间最优轨迹规划方法.将机器人关节空间的轨迹视为拟合关键点的三次样条曲线,以最优时间为目标建立最优时间轨迹规划的数学模型,同时考虑关节轨迹速度、加速度和加加速度的约束,结合目标函数值和约束条件提出一种用于进化算法的排序方法,以改进遗传算法为例优化关节空间的三次样条轨迹.应用谢菲尔德(Sheffield...     

基于改进粒子群算法的六自由度工业机器人轨迹规划

针对工件打磨工况,设计建立用于打磨的机器人运动学模型,规划机器人运动学轨迹,通过改进粒子群算法优化轨迹曲线,减少机器人运行时间,提高机器人工作效率。首先建立打磨工业机器人空间运动学模型,计算目标点从笛卡尔空间转换到关节空间的逆解,在关节空间中利用“三次-五次-三次”三段多项式曲线对所求逆解进行轨迹规划,以轨迹运动时间最短作为优化目标。利用融合免疫操作的改进粒子群算法对轨迹曲线进行优化,将改进算法的优化结果与传统粒子群算法进行对比;改进后的新算法改善了粒子群算法易陷入局部最优的问题,适应度结果更好,算法效果更佳。     

基于机器学习的工业机器人多目标轨迹规划

为满足机器人工作轨迹的多样化需求,以时间、能量及冲击为优化目标提出了一种新的多目标麻雀搜索算法,用于寻找机器人的最优轨迹。首先,通过7次B样条插值方法构造关节空间轨迹,以此确立多目标综合最优轨迹规划模型。其次,采用违反约束度计算、非支配排序以及精英保留来改进麻雀搜索算法,使其能够处理机器人多目标轨迹规划问题。最后,用袋装树分类算法对随机种群内数据进行了筛选,并搭建5层BP神经网络来替代改进多目标麻雀搜索算法中适应度值的数值计算部分,从而提高算法求解效率。通过MATLAB仿真与实验证明了该算法优化所得轨迹的可行性及有效性。     

可移动着陆器腿足最优时间⁃急动度轨迹规划

为保证可移动着陆器在运动过程中腿足机构不产生较大的冲击和振动,对可移动着陆器腿足机构各关节空间内的运动轨迹进行了规划,并以时间-急动度最优为目标进行优化。首先,介绍了兼具着陆缓冲和星表移动等功能的六足可移动着陆器的设计方案,推导了腿足运动学,分析了落震缓冲性能;其次,通过运动学逆解求得足端迈步轨迹关键点在关节空间内的映射节点,对节点进行三次样条曲线拟合;然后,以节点时间间隔为变量,建立了最优时间-急动度轨迹优化模型;最后,通过多种群遗传算法对该模型全局最优解进行搜索求解。结果表明,可移动着陆器腿足机构具有稳定连续的运动性能,所规划的最优时间-急动度轨迹合理有效,腿足机构运动过程中无较大冲击和振动。     

基于改进鲸鱼算法的搬运机器人运动规划

针对搬运机器人搬运效率不足、稳定性效果不好等问题,使用改进鲸鱼优化算法的时间最优运动规划方法进行解决。首先将机器人模型导入MATLAB中,根据相关算法计算出机器人的空间范围,从空间范围中选取实际目标点并转换到关节空间,在关节空间中使用“四次-三次-四次”插值多项式构造机器人的轨迹,然后将各关节的角速度、角加速度作为约束条件,采用改进的鲸鱼优化算法对轨迹进行优化,缩短机器人运行时间。通过仿真实验,改进的鲸鱼算法较PSO算法规划时间缩短约30%,较标准的鲸鱼算法规划时间缩短约17%,有效提升了搬运机器人在搬运方面的效率和稳定性。     

改进鲸鱼优化算法的机器人时间最优轨迹规划

针对鲸鱼优化算法（WOA）存在的收敛精度低、易陷入局部最优解等问题，提出一种非线性收敛因子并引入非线性惯性权重对基础WOA进行改进，以智能制造生产线中核心单元6R机器人为研究模型做轨迹优化，其以时间最优为优化目标。首先将WOA中收敛因子改为非线性收敛因子并引入一种非线性惯性权重，以达到提高收敛精度、局部开发能力和全局搜索能力的目的，然后将该算法与五次多项式相结合，基于实际应用场景对某型号的6R工业机器人做时间最优轨迹规划。实验结果表明，该研究场景中机器人运动优化后完整的上、下料过程的时间比优化前缩短20%至50%，说明改进后的WOA在相关领域应用中有效可信且具有实际意义。     

基于最优时间间隔的足式机器人足端轨迹规划

在任务空间进行足式机器人足端轨迹规划时,由于任务空间与关节空间的非线性映射关系会导致关节电机的速度、加速度超限或发生突变,影响机器人的运动平稳性.针对该问题,提出了一种基于最优时间间隔的足式机器人足端轨迹规划算法.首先对任务空间规划出的足端轨迹离散点反解计算得到对应的关节角度,然后以关节角度为约束,以轨迹点之间的时间间...     

工业机器人时间-能量-脉动最优轨迹规划

针对工业机器人时间最优、能耗最优、脉动最优等多目标的轨迹优化问题,基于非均匀有理B样条(NURBS)曲线矩阵表示法,提出一种最优轨迹规划方法。建立五次NURBS曲线数学模型,构造端点运动参数均可指定的高阶连续的关节运动轨迹,确保机器人的运动性能;在考虑机器人运动学约束的条件下,采用多目标粒子群优化算法(MOPSO)以工业机器人运行时间、能量消耗和轨迹脉动为目标对其运动轨迹进行优化,获得Pareto最优解集。对六自由度STANFORD机器人的仿真结果表明,提出的轨迹规划方法可以很好地构造平滑轨迹,MOPSO算法能够实现满足约束条件的运动轨迹多目标优化,得到理想的Pareto分布。最后,为方便期望解的选择,构造归一化权重目标函数,获得高阶连续的优化轨迹。     

工业机器人时间-能量-脉动最优轨迹规划

针对工业机器人时间最优、能耗最优、脉动最优等多目标的轨迹优化问题,基于非均匀有理B样条(NURBS)曲线矩阵表示法,提出一种最优轨迹规划方法。建立五次NURBS曲线数学模型,构造端点运动参数均可指定的高阶连续的关节运动轨迹,确保机器人的运动性能;在考虑机器人运动学约束的条件下,采用多目标粒子群优化算法(MOPSO)以工业机器人运行时间、能量消耗和轨迹脉动为目标对其运动轨迹进行优化,获得Pareto最优解集。对六自由度STANFORD机器人的仿真结果表明,提出的轨迹规划方法可以很好地构造平滑轨迹,MOPSO算法能够实现满足约束条件的运动轨迹多目标优化,得到理想的Pareto分布。最后,为方便期望解的选择,构造归一化权重目标函数,获得高阶连续的优化轨迹。     

工业机器人的最优时间与最优能量轨迹规划

提出一种工业机器人的最优轨迹规划方法。将机器人的轨迹视为由机器人关节空间中一系列的关键点构成,关键点两两之间通过三次多项式曲线进行连接。通过使用加权系数法定义代价函数,从而使机器人运动过程中的总动作时间和消耗能量在某种程度上达到综合最优,同时考虑关节速度、加速度、二次加速度以及力或力矩等约束条件。在代价函数的设计中,采用一种新颖的罚函数排序形式来处理约束问题。提出基因环境双演化免疫克隆算法对所定义的代价函数进行优化。以上策略的采用,使算法具备一定的学习能力,增强算法的全局搜索能力,从而提高解的质量和算法效率。对斯坦福机器人的仿真结果表明了本文方法与现有方法相比,具有更高的搜索效率,能得到性能更良好的解。     

基于非线性优化算法的工业机器人轨迹跟踪自动控制

为完成机器人高效率工业生产任务，提出一种基于非线性优化算法的工业机器人轨迹跟踪自动控制方法。考虑杆件运动重力因素，从角速度、加速度等方面明确工业机器人动力学规律；使用具备非线性优化性质的蚁群算法规划运动轨迹，引入人工势场法计算待选节点和目标节点的间距，评估当前路径是否为最佳路径并更新信息素，输出最优工业机器人运行路线；计算机器人相对功率因数校正控制量，运用粒子群算法求解轨迹跟踪预测控制序列，通过支持向量机构建轨迹跟踪自动控制模型。实验结果表明，所提方法的轨迹跟踪稳定性强、精度高，能满足工业生产的实时动态需求，实用性强。     

多约束条件下的机器人时间最优轨迹规划

提出了一种工业机器人时间最优轨迹规划及控制的新方法。对于笛卡尔空间中给定路径上的离散路径点,通过运动学逆解求得与之对应的关节节点序列,采用三次样条插值方法构造各关节位移、速度、加速度均连续的轨迹。在考虑关节空间中速度、加速度、加加速度约束条件的同时,确保机器人在笛卡尔空间各离散路径点处满足由给定路径所决定的速度约束条件,减小机器人运动路径与给定路径之间的误差。采用序列二次规划法求解上述非线性约束优化问题,进而规划出沿特定曲线方程运动的机器人时间最优轨迹。最后将上述算法应用于剪带机器人,证明了该算法的有效性和可行性。     

基于傅里叶级数的最优能量运动轨迹优化方法

从机器人关节空间出发,以单关节系统为例,针对机器人关节空间能量最优的运动轨迹优化方法进行了研究。在基于Stribeck摩擦模型构造单关节系统动力学模型的基础上,建立了以傅里叶级数表征任意位置和规律的运动轨迹规划方案。以能量作为优化目标,通过添加边界位置、速度及加速度等约束条件,构建了运动轨迹优化的理论模型。基于遗传算法对傅里叶级数的最优系数进行搜索,从而形成以能量最优为目标的运动轨迹优化方法。通过具体算例分析了傅里叶级数系数的数量对于优化后的轨迹作用于关节系统能耗及运动学性能等方面的影响,并与多项式运动规律进行对比分析,结果表明该运动轨迹优化方法对于降低关节系统能耗具有显著作用。     

基于遗传模拟退火融合算法的船舶分段装配序列优化

针对复杂船舶分段装配序列规划问题,提出基于遗传模拟退火算法的分段装配序列规划求解方法,综合考虑分段装配中的工艺约束和几何约束,建立以分段装配所需时间和消耗成本为优化目标的问题模型,并为模型求解设计了遗传模拟退火融合算法,将模拟退火算法的局部搜索能力与遗传算法的快速全局搜索能力相结合,达到快速收敛到全局最优解的目的.通过实例验证了该算法的有效性.