基于改进差分进化算法的机械臂运动学逆解

为简化机械臂逆运动学求解,提高逆解精度,增强方法通用性,利用群智能优化算法,将逆运动学求解变为最优化问题.首先,根据正运动学方程建立末端位姿误差目标函数,结合柔顺性与能耗约束构建适应度函数,使机械臂在满足位姿误差要求时还具有最佳柔顺性与较低能量消耗;其次,为使位置和姿态收敛精度统一并控制进化方向,引入位姿平衡系数与位姿...     

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。     

宏微3-RPR并联机构运动学精确求解北大核心

针对所研制宏微伺服驱动的3-RPR并联机构运动学纳米级求解精度的要求,研究其运动学模型及其正解和逆解算法。推导3-RPR的逆解方程,通过MATLAB编程得到其解析解;建立正解方程,采用数值迭代法、神经网络算法和遗传算法优化的神经网络算法对其进行正解研究,并采用MATLAB实现其算法求解。通过最终的求解精度对比,经遗传算法优化的神经网络算法能实现纳米级的求解精度、且耗时最短。     

机械臂逆运动学的带修复策略自适应差分进化求解北大核心

在保证机械臂运动学逆解位姿精度的前提下,为了减小机械臂关节角整体的运动量,提出了基于带修复策略自适应差分进化算法的逆运动学求解方法。以7自由度冗余机械臂为研究对象进行了问题剖析。以末端执行器位姿精度为约束,以关节角整体运动量最小为目标,建立了带约束的优化模型。在差分进化算法中引入了多种变异策略,并给出了多变异策略的自适应选择方法,提高了算法的优化能力。针对约束条件,设置了带伸缩因子的修复策略,使解在非可行域时能够伸缩到可行域内。经验证,带修复策略自适应差分进化算法求取的运动学逆解能够满足位姿精度约束,且减小了逆解的关节角整体运动量,验证了本文算法在机械臂逆运动学求解中的优越性。     

七轴冗余机器人逆向运动学混合快速求解算法北大核心

传统数值法在求解七轴冗余机器人逆向运动学问题上易受末端位姿初值的影响,求解精度通常不高,无法满足工业生产要求。针对上述问题,提出了一种综合雅克比伪逆法和循环坐标下降法的混合快速算法来提高求解精度。首先,在已知末端执行器目标位姿的前提下,利用雅克比矩阵法获得冗余机器人关节角的近似解;其次,将关节角近似解作为循环坐标下降法的初始值,采用基于前向递归算法进一步挖掘潜在的最优关节角解,使得冗余机器人末端执行器趋近目标位姿;最后,通过逆解仿真算例对所提算法的有效性进行了验证,结果表明混合快速算法的求解精度能达到10^(-6),求解时间可控制在0.5 s以内,具有较好的逆向运动学求解质量与求解效率。     

机器人轨迹规划目标逆解精度优化算法

应用常规D-H建模方法,建立6R机器人正运动学模型。当模型存在误差时,轨迹规划目标逆解含有误差,实际运行轨迹无法满足机器人作业精度。提出将目标位姿与实际位姿间误差作为迭代目标,基于Levenberg-Marquardt方法求逆,利用含有误差的模型参数,实现逆解精度迭代优化,输出修正后的关节角逆解,可使机器人实际运动以所需作业精度接近轨迹规划目标位姿。经仿真验证,算法可完成复杂的轨迹规划逆解精度优化,且避免运动学模型高精标定与参数识别,有实际应用价值。     

6R机器人轨迹规划目标逆解精度优化算法

应用常规D-H建模方法,建立6R机器人正运动学模型。当模型存在误差时,轨迹规划目标逆解含有误差,实际运行轨迹无法满足机器人作业精度。提出将目标位姿与实际位姿间误差作为迭代目标,基于Levenberg-Marquardt方法求逆,利用含有误差的模型参数,实现逆解精度迭代优化,输出修正后的关节角逆解,可使机器人实际运动以所需作业精度接近轨迹规划目标位姿。经仿真验证,算法可完成复杂的轨迹规划逆解精度优化,且避免运动学模型高精标定与参数识别,有实际应用价值。     

基于位姿分离算法的冗余机器人逆运动学分析

针对冗余机器人逆运动学求解复杂、实时性差的缺点,提出一种基于冗余机器人位姿分离的逆运动学求解算法。该算法以腕点矢量为目标,计算冗余机器人位置关节的逆解及位置关节对腕关节的误差补偿,得出腕关节逆运动学解。通过建立基于运动轨迹的逆运动学约束泛函,对冗余机器人的逆解进行了优化。得到机器人关节运动特性随约束泛函的变化曲线以及关节逆解的优化解流形。     

基于粒子群算法的拆装机器人逆解研究

为了使连续生产线工件拆装实现自动化,设计了一种满足工业需求的关节型拆装机器人,并对其样机加工装配。采用D-H法将机器人的三维模型转化为连杆坐标系,通过坐标变换求出机器人的运动学正解。由于机器人结构中连杆关联的原因,采用常规的逆变换法和几何法不能求出逆解,因此提出以"目标点位姿误差最小"为目标函数,各关节转角极限为约束条件,利用粒子群优化算法,对机器人的逆解求最优解。最后,通过对机器人位姿点和连续运动轨迹进行逆解求解验证并对其运动过程仿真分析。实验结果表明该方法求逆解速度快、精度高,能够满足规划的路径,克服了传统方法仅适应于特殊构型机器人的逆解的不足,解决了该机器人的逆解求解。     

基于改进海洋捕食者算法的机械臂逆解求解

针对冗余机械臂逆运动学求解较难、精度较低的问题,在已有海洋捕食者算法(marine predators algorithm, MPA)基础上,引入Tent映射初始化策略、精英反向学习策略、自适应t分布变异机制,提出了改进海洋捕食者算法(IMPA),并将其应用于冗余机械臂逆解求解中。4个典型测试函数的测试结果表明,IMPA的求解精度和计算稳定性比MPA和另一种改进MPA更优;冗余机械臂逆解求解实例结果表明,IMPA的求解速度更快,求解精度和稳定性更佳,机械臂位姿精度提高,位姿误差降低,具有一定优势。     

温锻压力机肘杆机构的自适应粒子群算法优化

为了改善温锻压力机肘杆机构的下压性能、提高产品质量,提出了肘杆机构的自适应粒子群算法优化方法.使用封闭矢量法建立了传动机构的运动学模型.以6连杆尺寸为优化参数,以滑块最大运动速度、最大加速度和曲柄最大输出扭矩为优化目标,建立了优化模型,根据曲柄存在条件、上连杆摆角约束、滑块行程约束等设置了约束条件.在粒子群算法的基础上...     

基于改进自适应粒子群算法的机器人逆解研究

为提高结构复杂、自由度较高机器人逆运动学求解的准确性,提出了一种改进的自适应粒子群算法(IAPSO).首先,通过改进DH(Denavit-Hartenberg)参数法建立了6自由度臂型抓取机器人模型的运动学方程;其次,在已有粒子群算法的基础上,利用种群曼哈顿距离实时判定种群的进化状态,并根据进化状态的不同确定自适应学习...     

交通锥回收机械手液压缸铰接点位置优化

基于一种交通锥回收机械手液压缸铰接点位置对交通锥回收稳定性的影响,研究了其液压缸铰接点位置与交通锥运动、受力之间的关系,建立了以最小化交通锥水平加速度峰值为目标的液压缸铰接点位置优化模型,通过罚函数将有约束优化问题转化为无约束优化问题,形成了新的目标函数,利用粒子群优化算法,求得液压缸铰接点位置的最优解。对优化前后的模型进行仿真,仿真结果表明,在满足液压缸最大工作压力限值的前提下,液压缸铰接点位置的优化大幅度降低了交通锥水平加速度的峰值,提高了交通锥回收的稳定性。     

基于改进鸽群算法与领航跟随法的无人车编队方法

针对无人车编队方法的不足，提出一种基于改进鸽群算法与领航跟随法的无人车编队方法。采用传统鸽群算法编队时有一定的局限性，故在算法初期提供一个初始解以提高计算效率，并在算法的地磁算子中加入相应的权重指标，提高算法在整体路径中的规划效率。在编队过程中，先利用改进鸽群算法为领航者规划出一条最优的路径，再运用领航跟随法控制每一辆跟随者以一定的距离和角度跟随领航者，从而实现以设定的队形运动。通过建立栅格地图进行仿真并在真实无人车上进行实际应用，验证该编队方法的可行性。结果表明：与量子粒子群优化算法与粒子群优化算法相比，改进的鸽群算法主要优势是最优路径短、运行时间短、收敛速率高。     

基于改进粒子群算法的线缆路径规划方法研究

针对复杂机电产品布线路径规划过程中存在的效率较低、可应用性差等问题,提出一种改进粒子群算法,使用栅格法对布线空间进行划分,对障碍物建模并进行方向包围盒处理。为了避免算法在迭代过程中陷入局部最优,引入非线性逐渐递减的惯性权重与异步变化的学习因子,并且将贴壁约束加入到路径规划的过程中,保证线缆在敷设时路径的合理性。最后在仿真试验中,与标准粒子群算法进行对比,验证了改进后算法的合理性与可行性。     

多机器人系统布局与时间协同优化

多机器人系统能可靠地完成单机器人无法完成的高效性作业,已成为构建智能产线的研究热点.但是在协同优化和时间成本上还存在许多问题.针对多机器人装配系统布局优化问题,在分析ABB机器人系统的正逆运动学理论和构建多机器人模型与数学建模的基础上,提出了基于粒子群算法的多机器人系统布局优化方案,并采用MATLAB进行逆运动学求解....     

基于混合粒子群算法的注塑机电液伺服系统控制研究

注塑机电液伺服系统是一个时滞、非线性复杂系统,传统PID控制往往难以取得理想的控制效果。为了获取良好的控制效果,提出一种用混合粒子群算法优化PID控制器参数的方法,将模拟退火算法引入到粒子群算法中,能够更加快速、准确寻优出PID控制器最优参数。利用MATLAB仿真软件建立注塑机电液伺服系统控制模型,将混合粒子群算法与粒子群算法、遗传算法进行对比。仿真结果表明:利用混合粒子群算法优化的PID控制器收敛速度快、准确性高、鲁棒性强,明显提高了系统的控制性能。     

改进粒子群优化BP的数控机床热误差预测研究

由于BP存在网络结构选取基于经验、易陷入局部最优、收敛速度慢等缺陷,致使基于BP的数控机床热误差预测模型精度不高,对此提出了一种改进粒子群优化BP的数控机床热误差预测建模的新方法。通过改进标准粒子群算法中粒子的位置与速度更新策略,以此寻找BP神经网络最优的阈值和权值,在此基础上建立数控机床热误差预测模型。仿真实验结果表明:与标准的BP神经网络和支持向量机相比,改进粒子群优化BP神经网络的数控机床热误差预测模型精度更高、泛化能力更强。     

基于神经网络逆系数的冷连轧厚度与张力解耦控制北大核心

冷连轧过程中的厚度与张力系统具有多变量、强耦合和不确定的特点。为降低两者的耦合影响,提高系统响应速度和抗干扰能力,提出基于BP神经网络逆系统解耦原理的PID控制策略。考虑轧制力相对于张应力的变化系数,建立厚度与张力系统的动态耦合模型,并应用Interactor算法证明此模型的可逆性。应用BP神经网络逆系统解耦原理实现对厚度与张力系统的解耦,减弱厚度与张力的耦合影响。针对粒子群优化算法极易陷入局部最优的问题,提出一种粒子群优化算法与细菌觅食算法相结合的优化算法对PID进行参数整定。结果表明:与准对角递归神经网络多变量PID解耦方法相比,所提方法的解耦程度、模型抗干扰能力以及系统响应速度都有很大提高。     

基于混沌粒子群算法的钛合金薄壁筋铣削变形优化

针对薄壁筋受铣削力影响易变形的问题,提出一种基于薄壳划分和周期性施加铣削负载的变形仿真方法,通过仿真和试验两方面对比研究,分析了薄壁筋的变形过程并得出其变形规律。为了解决标准粒子群算法在优化铣削参数时容易陷入局部最优解的问题,提出一种基于变异算子与自适应动态惯性权重的改进混沌粒子群算法,并以变形量为约束,铣削力最小为目标优化了铣削参数。结果表明:改进后的混沌粒子算法在全局搜索能力和计算速度方面相比粒子群算法显著提高,试验证明采用优化后的铣削参数组合可有效减小薄壁筋的变形。