基于自适应步长果蝇算法的爬行机器人足端轨迹规划

爬行机器人的足端轨迹规划是一个复杂多维难求解的问题,为此,提出一种自适应步长果蝇算法(ASFOA)并用于该问题的求解.ASFOA变果蝇算法(FOA)中的固定步长为自适应步长,增强了算法跳出局部最优和全局寻优的能力.典型测试函数的仿真结果表明了 ASFOA相比于FOA的优势;在爬行机器人足端轨迹规划的实际应用中,同样是ASFOA获得了比FOA更好的结果.仿真测试和实际应用均验证了该方法具有一定的优势.     

基于动态步长果蝇算法的AGV路径规划

为有效提升生产效率,减少配送成本,建立了多自动导引机器人(AGV)物料配送路径规划的数学模型.为有效解决该问题,在研究果蝇算法(FOA)的基础上,提出了一种动态步长果蝇算法(DSFOA).相比于FOA,DSFOA中的果蝇个体搜索步长会随着迭代次数的增加而动态地变化,实现全局搜索和局部搜索的平衡.经典Solomn算例测试...     

基于改进果蝇算法的焊接机器人路径规划

为提高果蝇算法(FOA)在焊接机器人路径规划中的效果,针对其存在的问题,提出了改进果蝇算法(IFOA)。相比于FOA,IFOA的改进体现在两个方面,一是将FOA的固定步长变为了自适应步长,二是在FOA中引入了烟花爆炸操作,通过两个方面的改进增强了算法的寻优能力。在焊接机器人路径规划的实际应用中,IFOA获得了比FOA更短的焊接路径、更高的算法稳定性。     

采用新型历史学习果蝇算法的机器人去毛刺多参数优化

针对机器人去毛刺时的工艺参数设置往往依靠经验的不足,采用新型历史学习果蝇算法(NHS-FOA)的机器人去毛刺多参数.相比于果蝇算法(FOA),NHSFOA对果蝇个体位置更新方式进行了改进,变向最优个体所在位置飞去的方式为向最优个体位置和历史位置协同确定的位置飞去,在保证种群多样性的同时增加了算法的搜索能力.进行了去毛刺工艺的仿真分析和工程应用,试验结果表明NHSFOA缩短了单位长度毛刺的去除时间,提高了加工效率.     

求冗余机器人手臂逆解的反向认知果蝇优化算法

为了解决冗余机器人手臂逆解求取中存在的计算量大和求解精度较低等问题,提出一种基于反向认知果蝇优化算法(RCFOA)的解决方法。RCFOA在果蝇算法(FOA)算法的基础上,在进化方程中增加"反向认知"策略,即添加向最差个体学习的改进策略优化进化方程,增强算法跳出局部最优、寻找全局最优的能力。对经典测试函数的仿真结果表明,RCFOA具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度,比其FOA有较大的提高。在机器人手臂逆解求解应用中,能够有效提高精度和稳定性,是求解机器人手臂逆解的一种有效方法。     

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.     

基于混沌步长果蝇算法优化支持向量机的齿轮故障诊断

为提高齿轮的故障诊断精度,同时针对果蝇算法(FOA)用于优化支持向量机(SVM)参数时存在陷入局部最优的不足,对FOA算法中搜索步长的确定方式进行了改进,以此提出了基于混沌步长果蝇算法(CSFOA)的齿轮故障诊断方法.齿轮故障诊断实例结果表明,CSFOA优化得到的SVM参数比FOA更优,有效地提升了齿轮故障诊断的精度,...     

基于双种群遗传混沌优化算法的最优时间轨迹规划

针对以最短运行时间为目标的工业机器人轨迹规划问题,提出一种基于混沌局部搜索的双种群遗传最优时间轨迹规划算法。首先以各个节点之间的时间间隔之和为优化目标,以各关节的角速度、角加速度和角加加速度为约束条件,利用五次多项式拟合规划的关节空间位置节点模拟机器人的运行轨迹;然后,利用双种群遗传算法全局搜索能力强、进化速度快和混沌算法局部搜索能力强的优点,提出一种基于双种群遗传混沌优化算法的机器人轨迹规划方法,规划最优时间轨迹;最后,以3自由度空间机械臂为例,验证了所提算法能够使机器人末端执行器的运行轨迹平滑且时间最优。该算法应用于机器人轨迹规划可以延长机器人使用寿命,提高生产效率。     

动态变步长果蝇算法求冗余机械臂逆运动学解

提取了基于动态变步长果蝇算法求解冗余机械臂逆运动学解的新方法。动态变步长果蝇算法(DCSFOA)在果蝇算法(FOA)算法的基础上,通过适应度值对果蝇种群进行动态划分,然后两个子群按照不同的公式进行搜索步长的计算并完成位置更新,增强了果蝇种群的寻优能力。数值实验表明,DSCFOA算法具有较强的全局搜索能力、较快的收敛速度和稳定性,是求解冗余机械臂逆运动学解的一种有效方法。     

激光切割路径的自适应飞行半径果蝇算法优化

为提高激光切割路径优化效果,同时针对果蝇算法(FOA)中果蝇个体的飞行半径的设置主要依靠经验的缺陷,提出了基于自适应飞行半径果蝇算法(AFRFOA)的激光切割路径优化方法.相比于FOA,AFR-FOA中的果蝇个体的飞行半径会随着迭代次数的增加而自适应的变化,克服了固定半径的缺陷,能够实现全局搜索和局部搜索的平衡.钣金激光切割路径优化实例表明,AFRFOA获得的切割路径中,空行程更短,切割耗时更少.     

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。     

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。     

基于反向认知果蝇优化算法的转向梯形机构设计

为提高果蝇优化算法(FOA)在转向梯形机构优化中的应用效果,对其进行改进,提出了反向认知果蝇优化算法(RCFOA).相比于FOA,RCFOA在进化过程中在保留向最优个体学习策略的同时,增加了向最差个体学习的过程,即增加了"反向认知"策略,从而提升了算法的寻优能力.函数优化结果表明,RCFOA的优化精度、优化速度和算法稳...     

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。     

基于改进果蝇优化算法优化支持向量机的故障诊断

为提高支持向量机(SVM)在机械故障诊断中的精度,对果蝇优化算法(FOA)进行改进,提取了一种基于改进果蝇优化算法优化SVM的故障诊断方法。改进果蝇优化算法(IFOA)中果蝇个体在进行位置更新时,融入了历史位置信息,在增加果蝇种群多样性的同时,又使算法具有了跳出局部最优的能力,进而可以获得更优的SVM参数以增强SVM分类性能。齿轮故障诊断实例验证了IFOA算法提升了SVM的识别效果,相比于其他一些方法更有优势。     

四自由度机器人抓取运动目标建模与轨迹规划

为减少四自由度机器人运动过程中的抖动,提高轨迹规划的精度,提出采用七次多项式对四自由度机器人抓取运动目标过程中各个关节进行轨迹规划的方法。首先,对机器人各连杆之间的变换关系进行运动学分析,利用Matlab中的Robotics工具箱建立运动学模型,并验证逆解的正确性。针对五次多项式插值规划的轨迹精度不高的问题,采用七次多项式规划算法对PTP(point to point)的运动路径进行规划,在Matlab平台仿真实现机器人轨迹规划。仿真结果表明,在抓取运动目标过程中各关节位移、速度及角加速度随时间变化曲线连续没有突变,使机器人平稳的实现了对运动目标的抓取,降低了硬件开发成本。     

考虑关节摩擦的并联机器人平滑轨迹规划

针对一种空间3自由度并联机器人,提出一种近似时间最优的平滑轨迹规划算法。与基于动力学模型的传统轨迹规划算法相比,所提出的算法模型综合考虑了所有运动关节的摩擦力矩,通过虚功原理建立了运动机构完整的动力学模型,并将运动学和动力学约束条件转换为伪速度极值曲线,同时计算出伪加速度零值边界曲线,二者相结合能更准确地反映出规划轨迹应遵循的约束条件。利用五次样条曲线分段构建相平面下伪状态、伪速度和伪加速度的平滑运动轨迹曲线,从而保证了驱动力矩、关节速度和加速度的连续性。最后利用所提出的规划方法对一种并联机器人进行轨迹规划,并通过试验验证了该方法的有效性,指出了并联机器人与串联机器人轨迹规划存在的差异,该算法可用于同类工业机器人的在线轨迹规划。     

基于多目标粒子群优化算法的6R工业机器人轨迹优化

为了提高工业机器人的工作效率以及运动稳定性,对机器人轨迹进行了优化。在机器人任务空间中用NURBS曲线描述机器人末端轨迹,采用机器人逆运动学求解算法将任务空间轨迹转化到关节空间;提出了一种自适应罚函数的约束多目标骨干粒子群优化算法,对机器人运动时间、加速度、跃度等指标进行多目标优化,该算法采用自适应指数罚函数对约束进行处理,有利于引导算法更快进入可行区域,搜索好的目标值。最后,通过机器人加工实验,验证所提出算法的正确性和有效性。     

基于改进粒子群算法的机器人时间最优轨迹规划

针对六自由度工业机器人在考虑运动学约束条件下，使用传统粒子群算法进行时间优化易陷入局部最优的问题，结合免疫算法与模拟退火算法，提出一种混合免疫粒子群算法（HIPSO）进行时间最优轨迹规划求解。为提升粒子群跳出局部最优的能力，算法结合模拟退火算法使得粒子保持一定概率突跳的能力，并引入免疫算法的浓度机制保留高适应度低浓度粒子，在加快收敛速度保持种群多样性的同时能跳出局部最优达到全局最优。以PUMA560机器人为对象进行仿真，结果表明HIPSO算法能够使机器人在运动过程中速度、加速度连续无突变，相较常规粒子群算法时间缩短约15%，验证了算法的可行性和有效性。     

基于形状记忆合金驱动的连续体机器人路径规划

连续体机器人运动灵活，能在多障碍的狭窄环境中进行连续弯曲运动。现有连续体机器人多以绳驱动为主，机械结构复杂、关节间耦合现象严重，从而导致控制复杂，且难以进行长度方向上的拓展。形状记忆合金(Shape memory alloy, SMA)作为一种新型的智能材料，同时具有驱动和传感的功能，并且其质量轻，单位体积内的驱动力大，作为机器人的驱动设备有助于减少其结构体积，并改善其控制方式。因此，在研究中，设计了一款基于SMA驱动的连续体机器人，并对其路径规划算法进行研究，在保证机器人运动效率的同时，确保其沿目标路径运行的安全性。结合SMA的驱动特性，并基于常曲率运动学模型，提出A*路径规划算法的优化方法，使其更加符合连续机器人的运动特性。研究结果表明，提出的改进型A*算法搜索时间短，规划效率高，具备良好的环境适应能力。