基于GA的时间最优机械臂轨迹规划算法

由于多项式插值轨迹规划具有阶次高、没有凸包性质等特点,传统优化方法难以应用的特点,根据机械臂运动学约束,提出了关节空间基于遗传算法(GA)的3-5-3多项式插值轨迹规划算法。利用运动学约束,以最优时间为目标,针对关节型机器人在静态环境下的点到点的轨迹规划问题,利用GA算法解算多项式插值的时间。通过与基于PSO的3-5-3多项式机械臂轨迹规划运动位置、速度、加速度曲线对比,证明该方法在运行时间和运行平稳度上都有突出优点。     

基于粒子群优化的时间最优机械臂轨迹规划算法

根据机械臂运动学约束,提出了关节空间基于粒子群优化(PSO)的时间最优3-5-3多项式插值轨迹规划算法,解决了由于多项式插值轨迹规划具有阶次高、没有凸包性质等缺点,难以应用传统优化方法进行优化的问题.粒子群算法结构简单、参数易调整的特点弥补了多项式阶插值的缺点.直接在优化目标空间搜索,巧妙地避免了粒子群计算构造自变量和因变量的映射,降低了搜索维数,简化了计算.在优化过程中,采用两个适应度函数之间切换的开关控制,使各段插值尽快收敛于运动学约束内.通过与传统3-5-3多项式插值的运动位置、速度、加速度曲线对比,证明该方法运行时间更短,稳定性和流畅性更好.     

基于信赖域算法的机械臂时间最优轨迹规划

为了提高机械臂的工作效率,提出了一种新的时间最优轨迹规划方法.通过逆运动学运算得到与任务空间轨迹对应的关节空间位置序列,采用7次B样条曲线构造关节空间插值轨迹,将运动学约束转换为对B样条轨迹曲线控制顶点的约束,并适当放大约束条件,然后采用信赖域方法求解时间优化问题,从而规划出速度、加速度和脉动均连续且满足运动学约束的时间最优轨迹.仿真结果验证了所提出时间最优轨迹规划方法的有效性.     

电能表检验台体串联机械臂时间最优轨迹规划

时间最优轨迹规划有助于缩短机械臂运动时间,提高工作效率,在机械臂实际应用场景中起着至关重要的作用.针对串联机械臂点到点运动的时间最优轨迹规划问题,提出一种基于改进多种群遗传算法的最优轨迹规划方法.通过五次多项式插值对机械臂运动路径进行拟合,利用改进的多种群遗传算法对机械臂运动时间进行优化,改进之处包括:设计含有惩罚项的...     

一种六轴机械臂时间最优轨迹规划方法

为实现六轴机械臂从起始位置经过给定中间点到达目标位置的运行过程所花时间最短,拟采用遗传算法对关节空间中的位置-时间序列进行优化.针对传统遗传算法收敛速度慢、易在局部最优解附近徘徊的问题,提出了一种基于DE、GA和SQP求解机械臂最优时间轨迹规划的混合优化算法.首先采用五次多项式构造关节空间插值曲线,将时间最优轨迹规划转...     

基于动力学约束的机械臂最优关节轨迹规划

本文提出了基于机械臂关节驱动力矩约束方程规划其关节最优运动轨迹的一种有效方法.该方法运用矩阵范数理论简化机械臂的动力学约束方程;在机械臂的关节空间内采用归一化的无因次量运用非线性规划法优化其运动轨迹.将所规划的无因次量轨迹方程作为机械臂产生实际运动轨迹的发生器,通过给定机械臂各运动段的起始和终止关节坐标,由系统的动力学约束方程计算出整个运动段所允许的最短运行时间,即生成所期望的运动轨迹.本文的轨迹规划方法计算效率高,可用于在线轨迹规划,文中通过算例证实了该方法的实用性.     

基于改进灰狼算法的机械臂力矩最优轨迹研究

针对求解机械臂关节驱动力矩最小化问题,提出一种改进灰狼算法（GWO）对机械臂关节驱动力矩进行优化。首先,以五次多项式对机械臂进行轨迹插值,以机械臂各关节的角度、角速度、角加速度为约束条件,以各关节最小驱动力矩均值和为目标函数,建立了I力矩最优轨迹规划问题的数学模型;其次,为提高传统灰狼算法(GWO)的性能,提出了一种基于非线性控制参数策略的改进灰狼算法,用GWO对I机械臂运行轨迹进行优化求解,得到机械臂关节力矩均值和最小的运行路径,并与GWO、粒子群算法（PSO）进行对比。仿真实验表明,GWO收敛时间更短,所得最优力矩和更小,且规划出的机械臂各关节角度、速度曲线光滑、加速度曲线连续,验证了该力矩优化方法的有效性。     

基于QPSO算法的机器人时间最优轨迹规划

在考虑关节约束的前提下,为得到工业机器人时间最优的关节运动轨迹,提出一种工业机器人时间最优轨迹规划新算法。采用五次非均匀B样条插值法构造各关节运动轨迹,得到的机器人各关节位置准确,各关节速度、加速度和加加速度曲线连续。利用量子行为粒子群优化算法(Quantum-behaved Particle Swarm Optimization,简称QPSO)进行时间最优的轨迹规划,该算法可以在整个可行域上搜索,具有较强的全局搜索能力。与标准粒子群算法(Particle Swarm Optimization,简称PSO)和差分进化算法(Differential Evolution Algorithm,简称DE)相比较,结果显示使用该算法进行时间最优的轨迹规划得到的数值结果更小。     

基于改进遗传算法的时间最优控制问题求解

对原有遗传算法的不足进行分析 ,提出改进的遗传算法。对于高维、高精度问题 ,改进算法相对原算法可节省大量存储空间和解码时间。提出的选择算子仅与父代的大小顺序有关 ,既可避免原算法对适应值必须为正的限制 ,又可避免算法过早收敛到局部解。证明了新算法的全局收敛性 ,并对新的选择算子进行了性能分析。将改进的遗传算法引入受约束时间最优控制问题的求解 ,获得了令人满意的结果     

基于混合遗传算法的工业机器人最优轨迹规划

为兼顾工业机器人工作效率与轨迹的平稳性,提出一种基于混合遗传算法的二次轨迹规划方案.通过最优时间轨迹规划得到最小执行时间,在最小执行时间内进行最优冲击轨迹规划,进而规划出一条既高效又平滑的运动轨迹.采用五次均匀B样条在关节空间进行快速插值,不仅保证了各关节速度和加速度连续性还保证了各关节冲击的连续性.连续平滑的冲击可以减少机械振动,延长机器人的工作寿命.选用PUMA560为对象进行仿真与实验,结果表明,该方案可以获得比较理想的机器人运动轨迹,所提出的混合遗传算法能有效提高全局寻优的性能和算法运行的稳定性.     

羽毛球机器人机械臂运动轨迹多目标规划

为了实现羽毛球机器人机械臂高速连续平滑地击打羽毛球动作,提出了一种新的多目标机械臂运动轨迹优化模型。首先,该轨迹优化模型根据D-H运动学模型,通过坐标变换建立机械臂的位姿表达式。然后,采用牛顿下山法求出给定路径关键点的运动学逆解集,并基于最短路径算法从逆解集中求出最优解。最后,根据所求出最优解,采用三次样条插值建立电机转角函数,以实现机械臂的连续平滑运动。实验结果表明：新的轨迹优化模型能够有效地降低电机能耗和提高转动效率,从而保证了机械臂响应速度。     

基于ROS的六自由度机械臂运动规划

针对传统机器人在复杂环境下的安全问题以及运动规划问题,采用开源机器人操作系统ROS搭建了机器人仿真平台,并进行运动规划。在ROS平台下,利用URDF文件完成机械臂3D建模;利用Movelt配置助手(setup assistant)配置机械臂模型并且生成启动文件。在Rviz中显示三维模型;利用Movelt完成对六自由度机械臂的运动规划,以及避障轨迹规划。结果表明,通过Rqt_plot导出机械臂运动过程中六个关节的位置关系信息,可为进一步改善和研究机械臂轨迹规划提供更加直观的方法。     

基于QPSO 算法移动机器人轨迹规划与实验

针对移动机器人路径规划问题,提出一种基于QPSO算法的路径规划方法,并用概率论的方法分析了移动机器人路径规划的收敛性,阐明了该方法随均匀分布和正态分布的参数关系和收敛区间;然后根据移动机器人的运动特征提出一种改进的轨迹规划方法。移动机器人平台的实验结果表明了该方法在移动机器人路径规划中的有效性和可行性。     

基于蚁群算法的最小代价航迹规划仿真

在大比例尺地图的路径规划中,由于飞行器全局航迹规划需要计算机存储的栅格点数量巨大,存在维数爆炸问题,使得航迹解算计算量激增,因此提出1种改进的蚁群算法,将栅格由大及小进行划分,利用大栅格为飞行器选择相对平滑和离散度低的飞行地形,利用小栅格为飞行器提供相对精确的全局飞行航迹,将栅格带所有栅格的代价之和作为航迹代价,从而选出1条航迹代价最小的路径．该算法将蚁群算法的信息素更新机制更加合理地应用到航迹规划中．仿真结果表明,该方法能解决航迹维数解算问题,可以将一系列栅格点组成的路径点集合为最优解,为飞行器提供最优航迹规划路径．     

基于单目视觉的多种群粒子群机械臂路径规划算法

针对复杂静态背景下具有多约束条件的机械臂路径规划问题,提出一种新的基于单目视觉的多种群粒子群算法。首先,使用图像差分算法消除背景,再利用轮廓包围法找出目标物体区域,然后使用模型位姿估计法求出目标物体位置。其次,提出一种多种群粒子群算法,根据目标物体位置演化出机械臂最优角度。该算法将精英种群与子种群组成多种群粒子群,使用预选择与交互机制使算法跳出局部最优。仿真结果表明,与实际坐标对比,使用背景消除法后求出的物体位置坐标误差较小。将多种群粒子群优化算法与现有的一流演化算法对比,结果表明对不同位置的物体,该算法获得的路径平均自适应度与均方误差(MSE)最小。