空间机器人随机故障容错规划的蜜蜂算法

本文为解决复杂的随机规划问题设计了一种基于随机模拟的混沌量子蜜蜂算法,证明了该算法的收敛 性,并分析了算法的收敛速度．分析6 自由度空间机器人系统的不确定性,采用基于微分变换法进行误差分析,建 立了随机数学规划模型．为涉及故障前后运动学与动力学约束限制的容错轨迹规划,以加权最小驱动力矩为优化性 能指标,采用混沌量子蜜蜂算法求解全部工作时间中机械臂故障前后的最优轨迹．通过降低异常关节的运动速度来 降低故障关节力矩,保证机械臂在发生故障后具有较高的操作能力．案例研究验证了该算法的有效性、稳定性及准 确性．     

求解作业车间调度问题的改进混合灰狼优化算法*

灰狼优化算法(GWO)是目前一种比较新颖的群智能优化算法,具有收敛速度快,寻优能力强等优点。本文将灰狼优化算法用于求解复杂的作业车间调度问题,与布谷鸟搜索算法进行比较研究,验证了标准GWO算法求解经典作业车间调度问题的可行性和有效性。在此基础上,针对复杂作业车间调度问题难以求解的特点,对标准GWO算法进行改进,通过进化种群动态、反向学习初始化种群,以及最优个体变异等三个方面的改进操作,测试结果表明改进后的混合灰狼优化算法能够有效跳出局部最优值,找到更好的解,并且结果鲁棒性更强。     

基于遗传算法的工业机器人时间最优轨迹规划及仿真研究

为了使工业机器人的末端执行器在任给路径下运行时间最短,在考虑机器人各关节速度、加速度、加加速度和力矩约束的情况下,以PUMA560为例,对工业机器人轨迹进行时间最优规划;在Matlab平台上,对该轨迹规划优化算法进行仿真,仿真结果表明机器人各关节时间最优轨迹规划比未处理的轨迹规划时间明显缩小6.999 4s,6.651 0s,6.351 2s,各个关节的轨迹曲线平滑,从而验证了该算法的有效性。     

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.     

基于能耗优化的深海电动机械臂轨迹规划

由于深海电动机械臂动力学模型较为复杂,难以基于动力学模型构建精确的能耗优化目标函数,因此,本文提出一种利用径向基函数（RBF）神经网络构建机械臂功耗模型的方法．首先,利用机械臂水下运动实验数据集训练所构建的RBF神经网络．利用基于该神经网络的功耗模型,结合机械臂关节空间轨迹规划多项式,建立机械臂能耗目标函数．然后,采用自适应粒子群优化（PSO）算法求解最优轨迹参数．结果显示,RBF功耗网络均方根误差（RMSE）为20.89 W;经过优化的轨迹的能耗比实验轨迹的能耗均值降低410.8 J（18.3%）．实验结果表明基于自适应PSO算法的轨迹规划方法实现了能耗优化的目标．     

基于混合灰狼算法的机器人路径规划

针对传统灰狼算法GWO优化精度低、易陷入局部最优等不足,构建了混合灰狼算法HGWO,并将其应用于机器人路径规划RPP问题。HGWO算法采用反向学习方法构建初始灰狼种群,力求提升初始解的质量。同时,算法在个体位置更新方法中融入自身历史信息以指导种群进化,并借助精英反向学习策略探索当前种群优秀解的反向解空间,以增强算法的勘探能力。为确保路径规划的精度并降低求解难度,利用Spline样条插值法拟合路径曲线。最后,进行了函数优化和路径规划的对比实验,实验结果表明,HGWO算法具有良好的求解精度和稳健的鲁棒性。     

基于AGA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自适应遗传算法(AGA)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点到点的轨迹规划问题,利用AGA算法解算多项式插值的时间。通过与基于GA的3-5-3多项式机械臂轨迹规划进化曲线和运动位置、速度、加速度曲线对比,证明该方法在算法收敛、运行平稳度上都有突出优点。     

基于三步法的机械臂轨迹跟踪控制

考虑机械臂末端轨迹跟踪控制问题,以跟踪逆运动学求解出的末端期望轨迹对应的各关节期望角度为控制目标.设计了一种基于三步法的控制器,该控制器由类稳态控制、可变参考前馈控制和误差反馈控制3部分组成.证明了该控制器可以通过控制机械臂的各关节力矩实现各关节实际角度对期望角度的状态跟踪,进而使得末端轨迹渐近跟踪期望轨迹,并且跟踪误差是输入到状态稳定的.仿真表明基于三步法控制器的空间机械臂末端可以渐近跟踪期望轨迹,并且该算法可以克服系统的末端负载质量变化等不确定性的影响.     

基于改进蚁群算法的六自由度机械臂轨迹规划

为了解决六自由度械臂末端轨迹的平稳性和效率的问题,针对多关节机械臂末端轨迹提出了一种基于改进蚁群算法的多关节机械臂轨迹规划。采用了关节空间轨迹方法包括B样条插值、三次多项式插值和五次多项式插值进行实验分析论证,同时根据改进的蚁群算法对机械臂的轨迹进行规划,对比位置的准确性、轨迹的连续性、加速度的变化率,确定最后的轨迹规划算法为改进的蚁群算法与多项式轨迹规划相结合效果最好。     

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。     

重选精英个体的非线性收敛灰狼优化算法

针对灰狼优化算法（GWO）存在的求解精度较低、后期收敛速度较慢、易陷入局部最优的缺点,提出一种改进灰狼优化算法（EGWO）。该算法引进两种改进策略：用以平衡算法全局搜索性和局部开发性的非线性收敛因子调整策略和用以降低陷入局部最优风险的精英个体重选策略。通过在9个基准测试函数上的实验与标准GWO算法,以及文献提出的5种改进灰狼算法和4种其他算法进行对比,从算法寻优的精确性和鲁棒性两个方面验证两种算法改进策略的有效性。实验结果表明,两种改进策略都能提升算法性能,综合使用两种策略的EGWO在收敛速度和求解精度都明显优于其他比较算法。     

改进B样条曲线的机器人轨迹拟合研究

以工业生产中常用的六自由度串联机器人PUMA560为研究对象,在关节空间采用改进B样条曲线进行轨迹拟合规划,相比于传统B样条插值与拟合算法显著改善了规划得到的轨迹全局最优解,并基于最优解对各关节进行规划得到时间最优的运动轨迹,验证该算法可以有效提高机器人运行效率的目的.     

基于强化学习的挖掘机时间最优轨迹规划

针对挖掘机的自主作业场景,提出基于强化学习的时间最优轨迹规划方法.首先,搭建仿真环境用于产生数据,以动臂、斗杆和铲斗关节的角度、角速度为状态观测变量,以各关节的角加速度值为动作信息,通过状态观测信息实现仿真环境与自主学习算法的交互;然后,设计以动臂、斗杆和铲斗关节运动是否超出允许范围、完成任务 总时间和目标相对距离为奖励函数对策略网络参数进行训练;最后,利用改进的近端策略优化算法(proximal policy optimization, PPO)实现挖掘机的时间最优轨迹规划.与此同时,与不同连续动作空间的强化学习算法进行对比,实验结果表明:所提出优化算法效率更高,收敛速度更快,作业轨迹更平滑,可有效避免各关节受到较大冲击,有助于挖掘机高效、平稳地作业.     

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.     

求解约束优化问题的改进灰狼优化算法

针对基本灰狼优化(GWO)算法存在求解精度低、收敛速度慢、局部搜索能力差的问题,提出一种改进灰狼优化(IGWO)算法用于求解约束优化问题。该算法采用非固定多段映射罚函数法处理约束条件,将原约束优化问题转化为无约束优化问题,然后利用IGWO算法对转换后的无约束优化问题进行求解。在IGWO算法中,引入佳点集理论生成初始种群,为算法全局搜索奠定基础;为了提高局部搜索能力和加快收敛,对当前最优灰狼个体执行Powell局部搜索。采用几个标准约束优化测试问题进行仿真实验,结果表明该算法不仅克服了基本GWO的缺点,而且性能优于差分进化和粒子群优化算法。     

求解高维复杂函数的混合蛙跳–灰狼优化算法

针对高维复杂函数问题, 提出一种混合蛙跳–灰狼优化算法(SFL–GWO). 该算法通过改进的Logistic映射初 始化GWO算法种群提高算法的多样性; 其次, 提出一种新的距离控制参数的非线性调整策略来增强种群的探索与 开发的能力; 最后通过引入改进的随机蛙跳算法中改变最差位置的方式使SFL–GWO算法跳出局部最优的局限. 通 过选取的10个高维复杂函数的寻优结果验证了算法的性能, 并与粒子群优化算法(PSO)、灰狼优化算法(GWO)和鲸 鱼优化算法(WOA)3种基本算法以及与8种改进算法的寻优的结果进行了比较. 仿真结果证明: SFL–GWO算法在不 仅可以提高收敛精度也可以提高算法的搜索速度, 证明了SFL–GWO算法在求解高维复杂函数的高效性.     

物理受限冗余机械臂逆运动学凸优化求解

针对冗余机械臂逆运动学求解结果极有可能超过机械臂物理限制的问题,提出一种基于凸优化的逆运动学求解方法使得逆解结果满足物理约束.首先分析了关节速度与力矩关系,采用机械臂动能及重复运动为优化指标,以关节速度、关节力矩为优化变量.然后将逆运动学求解问题转化为凸优化问题,进一步转化为二次规划问题,充分利用冗余特性,实现逆运动学求解时避免关节位置、关节速度、关节力矩极限.最后利用7自由度冗余机械臂KUKA LBR iiwa进行仿真,求解关节量结果符合物理极限及优化准则.结果表明本文提出的方法适用于物理受限冗余机械臂的逆运动学求解.     

空间机器人最优能耗捕获目标的自适应跟踪控制

提出了一种能够引导末端执行器以期望速度跟踪目标的轨迹规划方法。该方法可以实现避障并满足关节限制要求。基于轨迹规划方法,设计了一种利用自由飘浮空间机器人跟踪与捕获章动自旋卫星的自适应控制策略。此外,该控制策略还考虑了最优能耗、测量误差和优化误差。首先,为了使执行器的跟踪误差和机械臂的能耗最小,将空间机器人的控制策略描述为一个关于关节速度、力矩和避障距离的不等式约束优化问题。然后,推导出一个系数为下三角矩阵的显式状态方程,并对目标函数进行解耦和线性化。设计了一种关节速度和力矩分段优化方法去代替传统的凸二次规划方法求解最优问题,这种方法具有较高的计算效率。最后,利用李雅普诺夫稳定性理论验证了所提控制方法的收敛性。     

矿用动力电池荷电状态预测

针对最小二乘支持向量机(LSSVM)用于预测矿用动力电池荷电状态(SOC)时正则化参数和核函数参数难以优化选择,灰狼优化(GWO)算法在单独求解约束优化问题时出现早熟、稳定性差、易陷入局部最优等问题,在差分进化灰狼优化(DE-GWO)算法的基础上,采用指数函数形式的非线性收敛因子对DEGWO算法进行改进。该非线性收敛因子在迭代过程前段衰减速率低,能更好地寻找全局最优解,在迭代过程后段衰减速率高,能更精确地寻找局部最优解,有效平衡全局搜索能力和局部搜索能力。实验结果表明,利用改进DE-GWO算法优化LSSVM参数后建立的矿用动力电池SOC预测模型最大绝对误差为3.7%,最大相对误差为5.3%。     

基于BP神经网络的排爆机械臂逆运动学分析

机械臂逆运动学是已知末端执行器的位姿求解机械臂各关节变量,主要用于机械臂末端执行器的精确定位和轨迹规划,如何高效的求解机械臂运动学逆解是机械臂轨迹控制的难点;针对传统的机械臂逆运动学求解方法复杂且存在多解等问题,提出一种基于BP神经网络的机械臂逆运动学求解方法;以四自由度机械臂为研究对象,对其运动学原理进行分析,建立BP神经网络模型并对神经网络算法进行改进,最后使用MATLAB进行仿真验证;仿真结果表明:使用BP神经网络模型求解机械臂逆运动学问题设计过程简单,求解精度较高,一定程度上避免了传统方法的不足,是一种可行的机械臂逆运动学求解方法。