基于改进粒子群算法的六自由度机械臂时间最优轨迹规划

针对六自由度机械臂时间最优轨迹规划问题,提出一种基于改进粒子群算法的4-3-4混合多项式插值轨迹规划算法。算法采用自适应惯性权重,它能根据搜索过程的各个阶段采用相应大小的权重,有利于跳出局部最优陷阱,保持粒子群多样性;以非线性学习因子代替传统粒子群算法中固定的学习因子,有效提高算法的收敛速度和求解精度。通过MATLAB进行仿真验证,结果表明改进粒子群算法收敛速度提高46%,寻优精度提高38%,同时机械臂轨迹规划时间缩短了大约36%,充分地证明了该轨迹规划算法的可靠性和优越性。     

基于改进PSO算法的时间最优机械臂轨迹规划北大核心

针对传统机械臂轨迹规划存在效率低、智能算法易早熟和运行不稳定等问题,提出了一种以时间最优为目标,采用改进粒子群算法(PSO)对6自由度机械臂轨迹进行优化的方法。首先,在关节空间下利用机械臂正逆运动学原理获取其轨迹插值点;其次,为了使机械臂能够快速平稳地到达目标位置,采用3-5-3多项式对其轨迹进行插值;最后,使用改进PSO算法对分段多项式插值构造的轨迹进行优化,实现6自由度机械臂时间最优的轨迹规划。通过MATLAB仿真实验可以得到机械臂各个关节的加速度、速度和位置的轨迹信息,在满足机械臂运动学约束的前提下,机械臂完成整段轨迹所用的时间从3 s减少到2.1 s,整体运行时间相对于PSO算法优化前缩短了近30%,由此表明改进PSO算法可以有效地实现6自由度机械臂时间最优的轨迹规划。     

改进ABC算法的串联机械臂多目标优化

针对串联机械臂工作时间最优、能耗最优、脉动最优的轨迹优化问题,提出一种基于改进人工蜂群算法的多目标轨迹优化方法。文中采用5次NURBS曲线插值法建立工作轨迹数学模型,构造高阶连续关节运行轨迹并对其进行合理规划。以串联机械臂运行时间、能量消耗和脉动冲击为目标建立目标函数,通过改进人工蜂群算法进行优化设计并获得Pareto最优解集,运用归一化权重目标函数获取期望解。选择PUMA560串联机械臂进行仿真分析,结果表明:5次NURBS曲线轨迹规划方法有效构造平滑轨迹,改进人工蜂群算法能够实现满足约束条件的多目标优化,验证了算法的有效性,为后续研究奠定基础。     

基于GA-PSO算法的机器人手势交互轨迹规划研究

为简化机器人控制及降低冲击优化轨迹的编程难度,对手势识别应用于工业机器人轨迹规划进行了研究,同时为了降低因机器人冲击过大产生的振动及机械磨损,提出使用改进GA-PSO算法进行时间-冲击最优轨迹规划,即采用自适应的惯性权重和交叉变异概率,改进算法具有迭代前期收敛速度快,迭代后期不易陷入局部最优解的特点。在轨迹规划中采用5-5-5插值多项式保证轨迹规划的速度、加速度、冲击的连续,并在设定的适应度函数控制下,由改进后的GA-PSO算法的搜索,对结果进行仿真实验,实验结果表明优化后的轨迹在相同时间内冲击大幅降低。     

多策略改进型麻雀算法在水下伸缩臂轨迹定位的应用

针对深层水域水下机器人通过机械臂捕捉目标物定位精度低、搜索难度大、耗费时间长的问题,提出一种基于多策略改进型麻雀搜索算法的水下机器人伸缩臂轨迹定位方法。通过D-H参数法搭建伸缩臂模型,结合MATLAB和ADAMS分析伸缩臂在水下捕捉目标物群目标物的低效性,引用麻雀搜索算法中鸟群觅食在最优位置的思想,引入Logistic混沌映射和柯西高斯变异原理,通过水下机器人的4项性能指标分析最优结果。结果表明：优化后的麻雀算法优于其他算法,同粒子群算法、天牛群算法、鲸鱼优化算法相比,伸缩臂捕捉目标物轨迹路线更加精确,水域环境下避障更为明显。     

基于视觉的机械臂轨迹优化方法研究

针对应用视觉系统进行工件抓取时,工件相互遮挡导致识别工件不准确且抓取效率较低的问题,提出基于视觉的机械臂轨迹优化方法。由相机采集工件图像信息,通过标定机械臂坐标系、工件坐标系及相机坐标系,建立“手眼”坐标关系,基于点云数据对工件识别与定位;提出改进遗传-鲸鱼混合轨迹规划算法,以控制工件抓取过程。对机械臂的3个重要关节进行了运动仿真与实验测试。仿真结果显示：改进的遗传-鲸鱼混合算法收敛速度更快,搜索能力更强,优化后的抓取时间比基本遗传算法优化的抓取时间减少了2.3 s。实验结果表明：基于点云识别的机械臂抓取成功率达到93.75%,极大提高了抓取效率,验证了算法的有效性。     

基于改进麻雀搜索算法的机器人能耗最优轨迹规划北大核心

为提高机器人能量利用率,提出一种基于改进麻雀搜索算法的机器人能耗最优轨迹规划方法。为使机器人各关节速度、加速度、加加速度有界连续,采用7次B样条曲线构造关节空间轨迹。将运动学参数与动力学参数相结合计算机器人工作总能耗。在麻雀搜索算法基础上,用精英反向学习、非支配排序以及高斯-柯西变异策略对其进行改进求解出最优能耗所对应的时间序列,进而规划出能耗最优连续运动轨迹。仿真结果表明,所提轨迹规划方法不仅能实现轨迹的连续平滑,而且能有效降低能量消耗,节约生产成本。     

基于状态转移规则改进蚁群算法的机器人路径规划

针对传统蚁群算法在全局路径规划中存在的收敛速度慢、局部最优解、算法优化能力低、种群多样性与收敛速度相互矛盾4种主要问题进行改进，提出了基于动态更新状态转移规则的蚁群算法。通过人工势场法改进启发函数，提高算法的优化能力；利用伪随机状态策略改进状态转移规则，提高了算法的收敛速度；引入动态信息素更新方式，解决局部最优问题，协调种群多样性与收敛速度的矛盾。利用剪枝法对改进后的路径规划算法进行优化。通过分步仿真、对比仿真的方法证明算法改进过程的合理性，提高了蚁群算法在路径规划中的性能。仿真结果表明，改进后算法的路径长度缩短44.08%,运算时间缩短45.13%,在解决4种问题的同时，有效提升了机器人全局路径的平滑性和安全性。     

基于改进灰狼算法的机械臂运动学高精度逆解北大核心

为提高串联机械臂逆运动学的求解精度、简化求解难度及增强求解通用性,提出一种适用于各类串联机械臂逆运动学求解的改进群智能算法;根据改进D-H参数法建立机械臂运动学模型,以最小化位姿误差为优化指标建立目标函数,将逆运动学求解问题转化为优化控制问题。通过多种群混沌协同搜索策略、最优学习策略、多重变异扰动策略和跳出局部最优策略4种改进策略提出一种多策略协调改进的灰狼优化(multi strategy coordination improved grey wolf optimization,MSCIGWO)算法,并应用于求解各类串联机械臂逆运动学。仿真试验结果表明,改进后的灰狼优化算法求解性能得到极大提高,相比于直接采用灰狼优化算法求解机械臂逆运动学,MSCIGWO算法的收敛速度、收敛稳定性更强且可高精度收敛至精确小数点后12位数值精度的理想位姿,验证了该算法求解的有效性与通用性。     

基于CISSA的冗余机械臂逆运动学求解

基于冗余机械臂在求逆解过程中无法获得封闭解的问题，针对性地提出了综合改进麻雀搜索算法(CISSA)。首先，在初始化过程中对算法中的种群进行混沌处理，增加种群的丰富度；其次，将自适应动态权重融入到探索者的位置更新公式以及种群中探索者与追随者的数量中，提高算法快速收敛的能力；同时，在迭代过程中引进柯西变异和Tent混沌扰动，提升算法的抗停滞能力；对于越界的个体处理后重新放入种群中，提升算法性能。CISSA在多项指标上明显优于PSO、WOA和GWO等传统群智能算法；将CISSA应用到冗余机械臂逆运动求解，在算法精度上较SSA提高了2～3个数量级，在算法稳定性上较SSA提高了3～4个数量级，说明了CISSA在实际应用的过程中，有收敛快、精度高、稳定性好的特点。     

基于改进粒子群算法的机械臂振动抑制研究

SCARA机械臂在工作过程中和工作终止后都会出现振动问题,为了降低机械臂的残余振动,选取粒子群作为寻最优抑振轨迹的优化算法,针对粒子群算法在轨迹寻优时收敛性差以及出现停滞现象问题,提出采用非线性递减惯性权重和粒子种群跳跃的方法对粒子群算法进行改进。利用机械臂振动抑制实验平台,使用改进的粒子群算法进行抑振轨迹优化并进行实验研究,验证结果可行且有效,得到抑振指标最小的最优抑振轨迹。     

改进人工势场法的机械臂轨迹规划

针对传统人工势场法(APF)在机械臂避障路径规划过程中出现目标不可达和局部最小值问题，提出一种改进人工势场法算法。首先，使用人工势场法控制机械臂时陷入危险区域时，引入跳点搜索算法，寻找最优跳点作为下一迭代点，同时设强迫邻居为虚拟目标点，指引机械臂摆脱危险区域；其次，再使用人工势场法搜索；最后，引入3次均匀B样条曲线进一步优化最优解，进而生成一条平滑、无碰撞的路径。通过二维地图和机械臂避障实验，验证了改进算法的有效性和可行性。     

深度Q-RBF网络下的瓶装食品装箱机械臂无碰轨迹规划

由于机械臂存在高度的灵活性，可模拟人类手臂完成易碎瓶装食品的装箱工作，并实时矫正机械臂轨迹规划所存在的误差，提升稳定性与精准度。分析装箱机械臂的基本架构，提出基于深度Q-RBF强化学习网络的机械臂无碰轨迹规划模型，通过资源分配自适应方法，根据待建模的样本，调整RBF网络隐含层单元，从而提升网络学习速率与在线学习能力，结合自适应Q强化学习算法，获得最优操作集合。并选用学习率调参法完成网络的参数学习。仿真与实验结果表明：与其他两种方法对比，此方法具有较强的避障能力，机械臂能够较好地依据预定轨迹行进；避碰进程变化缓和，且能够尽快收敛并逐步趋向稳定。     

基于改进野马优化算法的AGV路径规划北大核心

针对求解自动导引运输车(automated guided vehicle,AGV)路径规划问题,提出一种基于改进野马优化算法的AGV路径规划。首先,利用非线性自适应因子有效平衡了算法全局探索和局部挖掘能力;其次,引入偏移进化策略增加子代个体的多样性;然后,引入黄金正弦分割系数指引个体逐渐向全局最优位置方向移动,提高算法的收敛精度和收敛速度;最后,引入B样条曲线平滑策略,进一步优化最优解,获得更短更平滑的路径规划。通过仿真实验验证了改进野马优化算法总体能够减少5.84%的AGV路径规划长度。     

基于深度学习的冗余机械臂无碰运动规划

针对冗余机械臂运动规划过程中的避碰问题,提出一种基于深度学习的避碰运动规划方法。首先,建立冗余机械臂的运动学模型,借助Gilbert Johnson Keerthi算法进行碰撞检测,确定机械臂连杆与障碍物之间的安全距离;其次,将避碰运动规划问题转换成多元函数优化问题,以循环神经网络为主体框架,用天牛须搜索机制来防止算法陷入局部最优值和保证解的多样性;最后,在仿真环境下验证文中所提算法的有效性,结果表明:该算法的预测精度比改进人工势场法平均高出10.89%、算法时间节约2.44 s,其可以帮助冗余机械臂规划一条平滑、柔顺、无碰撞的运动轨迹,具有一定的工程参考价值。     

NMPC算法下六自由度机械臂避障轨迹规划

针对机械臂在空间避障轨迹规划的需求,提出一种基于NMPC的六自由度机械臂避障轨迹规划算法。与以往的避障算法相比,该避障算法在规避障碍物的同时可以对运动轨迹精度进行控制。首先,建立六自由度机械臂自主防撞最优控制模型。其次,为了保证系统的时效性,对复杂的六自由度机械臂系统进行线性化处理,并且通过剪切搜索的方法来寻找最优解。最后,使其在满足控制约束和轨迹约束的前提下,达到自主避障效果。通过MATLAB对该算法进行仿真验证,结果表明：该方法能够有效地规划出满足机械臂性能要求的无障碍运动轨迹,实现机械臂在动态环境下的防撞控制,有效提高机械臂的运行安全。     

异类粒子群算法的机械臂轨迹多目标规划

为了减少机械臂工作过程中的耗时、耗能和冲击,提出了基于异类粒子群算法的机械臂轨迹多目标规划方法。建立了7自由冗余机械臂运动学模型和优化模型;以传统粒子群算法为基础,根据学习信息的不同来源,设计了4种粒子进化行为,根据粒子当前状态计算不同进化行为的当前价值和未来价值,根据当前价值和未来价值的综合价值计算不同进化行为的选择概率,从而完成了异类粒子群算法的构造。以耗时最少单目标优化为例,与传统粒子群算法相比,异类粒子群算法不仅收敛速度快,而且优化程度提高了27.48%;使用异类粒子群算法对机械臂轨迹进行多目标综合优化,给出了Pareto最优前沿面,可根据不同需求和优化重心从中选择优化结果。     

基于改进布谷鸟搜索算法的圆度误差评定

为提高圆度误差的评定准确性和收敛速度,提出了一种改进布谷鸟搜索算法,以求解圆度误差评定问题。该改进算法根据最小区域法和最小二乘法建立圆度误差模型及计算公式,引入轮盘赌选择方法,对传统布谷鸟搜索算法莱维飞行中的步长缩放因子及重新寻窝概率进行优化。按改进布谷鸟搜索算法对数据进行仿真实验,结果表明,改进布谷鸟搜索算法与现代先进算法评定精度相当,但其收敛速度快,所需参数少。改进布谷鸟搜索算法的评定精度和收敛速度都优于传统布谷鸟搜索算法。     

基于改进RRT算法的空间机械臂避障路径规划北大核心

针对传统快速扩展随机树(RRT)算法在机械臂的运动规划时,存在方向随机性强、目标导向性差、规划速度慢、轨迹平滑度差的问题,提出了一种基于目标偏置和拓展点选择机制的改进RRT算法。该算法利用目标偏置策略影响叶子结点的扩展方向,并且在算法陷入局部极小值时,结合碰撞信息进行拓展点选择从而快速脱离极小值;同时考虑到不同关节角对机械臂位姿影响的程度不同,为待搜索的关节空间各方向添加权重,从而大幅提升搜索效率,并且方便确定机械臂位姿的变化量。结果表明,改进后的算法能对树的生长方向产生引导作用,在提高算法的收敛速度的同时避免陷入局部极小值,并且提高了机械臂在仿真中运动规划效率。     

基于混沌麻雀搜索算法的PMSM直接转矩控制北大核心

永磁同步电机直接转矩控制系统中PI控制器的比例增益(Kp)和积分增益(Ki)直接影响了系统的控制性能,提出了混沌麻雀搜索算法(CSSA)来优化直接转矩系统PI控制器的参数。利用Sine混沌映射初始化种群,选出适应度排序靠前的麻雀个体作为初始种群,提高初始解的质量,解决了麻雀搜索算法(SSA)容易陷入局部最优的问题,进而使算法的全局搜索能力提升。基于MATLAB/Simulink仿真实验表明,将CSSA应用于直接转矩控制系统,相比于SSA,在搜索可靠性、迭代次数收敛速度得到改善,使得电机系统的动态响应速度和鲁棒性有着较大的提升,同时可以有效抑制电机的转矩、磁链的波动。