基于粒子优化算法的并联机器人误差建模分析

以6?PTRT并联机器人为研究对象,建立其位姿误差模型,利用单支链闭环矢量法,依据输入输出关系,建立误差方程。依据6?PTRT并联机器人的位姿误差模型,将机构误差转化为驱动杆误差,利用MATLAB软件分析各个驱动杆杆长误差参数对其输出位姿误差的影响;建立并联机器人位姿误差修正的目标函数,利用基于带收缩因子的自适应权重粒子群算法寻优各个驱动杆误差参数,修正末端位姿、提高运动学精度,为6?PTRT并联机器人动力学、位姿标定以及轨迹规划和控制等问题提供理论依据。     

基于差分进化的并联机器人位姿正解

利用并联机器人位姿反解容易求取的特点,把并联机器人的位姿正解问题转化为假设已知位姿正解,通过位姿反解求得杆长值,并使所求得的杆长值与给定的杆长值之差为最小的优化问题,然后利用差分进化的全局寻优能力来直接求解并联机器人的位姿正解.6-SPS型并联机器人位姿正解的数值仿真结果表明,该方法较遗传算法求解精度高且收敛速度快,经过508步迭代之后,位置误差小于0.000 1 mm,姿态误差小于0.000 1°.该方法不仅避免了繁琐的数学推导和迭代初值的选取,又可以获得符合精度要求的运动学正解,为解决并联机器人正向运动学问题提供了新的计算策略.     

基于逆运动学的6-UPS并联机构运动学参数辨识方法

为了提高6-UPS并联机构的定位精度,研究了一种基于逆运动学的6-UPS并联机构运动学参数辨识方法.首先基于逆运动学建立了6-UPS并联机构的运动学参数辨识模型,然后通过Levenberg-Marquardt最小二乘法对模型进行求解,最后对该算法进行了仿真验证.结果表明该算法可以很快收敛,在测量设备没有测量误差的理想状态下,参数辨识精度达到10-10mm.在测量设备存在1μm、1″的误差状态下,参数辨识精度达到10-3mm,足以满足大部分应用场合下6-UPS的位姿精度要求.     

精密装配用并联机器人标定及机构误差分析

为了提高手机摄像头的装配精度,设计开发一款用于精密装配的小型并联机器人,并对机器人进行标定以及机构误差分析.用数值方法推导机器人的正逆运动学模型和误差模型,并探讨机器人运动学模型和误差补偿模型衔接的问题;设计在桥式三座标测量机上进行测量标定的方法,并对机器人进行标定实验;从机构角度对机器人的间隙误差来源进行分析,分析机器人构型对间隙误差的约束,并对机器人进行重复定位精度测试.经过标定及机构误差控制,机器人位姿坐标的最大位移误差由0.345 9 mm降为0.012 1 mm,最大转角误差由0.007 3 rad降为0.001 1 rad,重复定位精度为0.004 8 mm.实验结果表明该标定方法及机构误差分析方法能有效提高机器人的精度.     

余弦适应性骨架差分进化算法

针对传统差分进化算法在解决复杂优化问题时存在收敛速度慢的问题,提出了一种余弦适应性骨架差分进化算法(CABDE),算法设计了一种新的变异策略适应性机制。该机制引入一个余弦适应性因子,实现高斯变异策略和DE/current-to-best/1变异策略的优势互补,以平衡算法的勘探能力和开采能力。其中,高斯变异策略具有较强的全局搜索能力,有利于维持种群多样性。DE/current-to-best/1变异策略具有较强的局部搜索能力,能够加快对较优区域的开采。同时,高斯变异策略和DE/current-to-best/1变异策略都利用当前最优个体来引导算法搜索方向,从而尽可能地加快收敛速度。余弦适应性因子在进化过程中随迭代次数的增加而波动性调整,为不同进化阶段适应性地选择变异策略。设计的变异策略适应性机制能够在维持种群多样性的同时加快收敛速度。为测试算法性能,采用18个不同特性的测试函数对算法进行数值实验。对CABDE算法的变异策略和参数动态变化进行了分析,实验结果验证了变异策略和参数动态变化的有效性。此外,CABDE算法分别与新近的骨架算法变体、差分进化算法变体、粒子群优化算法变体和人工蜂群算法变体进行了比较。实验结果表明CABDE算法获得了较高的求解精度,加快了收敛速度,整体上优于其他比较算法。     

基于混合策略的差分进化算法

针对传统差分进化算法在求解问题中种群易收敛、易早熟的问题,提出了一种基于混合策略的差分进化算法.该算法根据粒子适应度、适应度标准差和粒子间距离标准差,将种群分为3个不同大小、不同功能的子种群,每个子种群采用不同策略和控制参数来实现自己被指定的功能.算法在搜索过程中既增强了种群的全局搜索能力,又增加了收敛精度.通过对4个标准函数的测试,仿真结果表明该算法比其他算法具有更好的寻优能力.     

基于点球约束的七自由度机器人误差建模与参数辨识

自动化装配对于机器人绝对定位精度提出了更高的要求,由于各种误差因素的影响,机器人理论位姿和实际位姿总是存在着一定的误差,若绝对定位精度过低,容易导致装配过程中零部件之间发生碰撞,严重影响着装配机器人的应用与推广。标定技术是提高定位精度的主要手段,误差建模、数据测量、参数辨识是标定与误差补偿过程中的重要环节。为此,提出了一种基于点球约束的机器人误差建模与参数识别方法：1)通过在机器人末端安装的六维力传感器反馈末端受力情况控制机器人以多种姿态使标定锥与靶标球球面重合,记录接触时各关节的位置数据;2)以靶标球球体半径为适应度函数,利用遗传算法辨识误差参数,从而建立完整的误差补偿模型。以自主研制的七自由度装配机器人为研究对象,针对装配机器人的结构特点,由正向递推建立机器人的正运动学方程,应用固定关节法与反变换法获得机器人逆运动学方程;基于D-H模型,建立机器人的运动学误差模型,在理论研究中,预设定误差参数与位姿变换矩阵,通过牛顿迭代法获取了关节变量值,将关节变量值代入正运动学方程进行验证,利用遗传算法进辨识误差参数,将辨识结果代入运动学模型中进行验证,机器人定位精度得到明显提高。通过实验,采用点球式标定方法采集机器人关节数据,应用遗传算法辨识误差参数,将所求得的误差参数代入误差模型中进行实验,绝对定位精度提升了76.74%,验证了基于点球约束的机器人误差建模与参数识别方法的有效性,为多自由度机器人标定研究提供有益参考。     

融合蜂群行为的量子进化算法

为提高量子进化算法的收敛精度和收敛速度,以人工蜂群算法为基本进化框架,提出一种融合蜂群行为的量子进化算法. 将采用相位编码的量子进化种群划分为量子开采种群、量子跟随种群以及量子侦察种群,在每个种群内模拟蜜蜂觅食行为寻优,其中量子开采种群采用混沌扰动搜索,量子跟随种群采用柯西变异操作进化. 同时对所有种群个体采用量子染色体的两步旋转更新方法,并进行自适应的动态变异操作. 利用基准测试函数进行仿真,与相关方法对比分析可知,所提出的算法在大部分的函数上都表现出较好的性能,能有效提高全局收敛性能.     

基于点球约束的机器人误差建模与参数辨识

自动化装配对于机器人绝对定位精度提出了更高的要求,机器人理论位姿和实际位姿总存在一定的误差,若绝对定位精度过低,容易导致装配过程中零部件之间发生碰撞,严重影响装配机器人的应用与推广。为此,提出了一种基于点球约束的机器人误差建模与参数识别方法：1）通过在机器人末端安装的6维力传感器反馈末端受力情况,控制机器人以多种姿态使标定锥与靶标球球面重合,记录接触时各关节的位置数据;2）以靶标球球体半径为适应度函数,利用遗传算法辨识误差参数,从而建立完整的误差补偿模型。以自主研制的7自由度装配机器人为研究对象,针对装配机器人的结构特点,由正向递推建立机器人的正运动学方程,应用固定关节法与反变换法获得机器人逆运动学方程;建立机器人的运动学误差模型,预设定误差参数与位姿变换矩阵,通过牛顿迭代法获取了关节变量值,利用遗传算法进辨识误差参数,将辨识结果代入运动学模型中进行验证。采用点球式标定方法采集机器人关节数据,应用遗传算法辨识误差参数,将所得参数代入误差模型中进行实验,结果表明,绝对定位精度提升了76.74%,验证了基于点球约束的机器人误差建模与参数识别方法的有效性,为多自由度机器人标定研究提供了有益参...     

3-RPS并联机器人静力学研究及SimMechanics仿真

针对传统的建模方法忽略连杆自身重力并具有较大误差这一问题,对单个杆件在铰链约束及重力作用下的受力情况进行分析,推导出机器人处于任意位姿时连杆受力与动平台负载力(矩)二者的关系,从而建立了3-RPS并联机器人完整的静力学模型.利用Matlab的SimMechanics和Simulink模块库构造出该3-RPS并联机器人的仿真模型,对该模型进行受力仿真,验证了静力学模型的正确性.该研究同样适用于其他种类的3自由度并联机器人.     

一类滑块式并联机器人逆运动学建模研究

针对一类六自由度滑块式并联机器人,本文给出了机器人的结构特性及工作原理,在建立坐标系基础上运用几何解析法,建立逆运动学模型,将运动平台几何中心点运动后的位姿带入逆运动学求解公式,求得各个滑块的位移,并与机器人各滑块实际位移进行比较,同时通过两个算例验证所建模型的正确性。验证结果表明,在误差允许范围内,通过逆运动学求得各滑块位移与机器人各滑块实际位移一致;一二、四五、三六滑块位移变换规律两两相互对应,符合六自由度滑块式并联机器人的结构矢量特性,证明了并联机器人逆运动学建模的合理性。该研究具有广泛的应用前景。     

基于多种群改进差分进化算法的环境／经济电力调度优化

应用多种群改进差分进化算法求解环境/经济电力调度(Environmental/Economic Dispatch,EED)这一多目标优化问题。将多种群策略引入差分进化算法,有助于保持群体多样性,有效避免经典差分进化算法的早熟收敛问题。采用自适应变异因子及交叉因子,使算法在搜索初期保持全局搜索能力,在搜索后期增强局部搜索能力,加快收敛速度。将该算法应用到IEEE 30节点-6机组系统的环境/经济调度优化,仿真计算结果以及与其他算法的对比分析验证了该算法的有效性。     

晶圆传输机器人标定技术研究

为了提高高速高精度晶圆传输机器人的定位精度,建立了精度分析和运动学标定为一体的精度保障体系.针对机器人的特点,建立了误差模型,分析了各结构几何参数误差源的灵敏度,提出了结合几何误差迭代法和基于运动学逆解的非线性参数辨识的分步标定方法,对其进行了标定,并对几何结构参数进行了误差补偿.仿真分析以及实验证明:机器人定位误差达到0.07mm,有效地提高了机器人末端的定位精度.     

三分支空间机器人的迭代运动学逆解

基于旋量理论指数积公式及空间雅可比矩阵,对三分支空间机器人逆运动学求解问题进行了研究,提出了一种通用的三分支机器人逆解迭代算法,并建立了统一的逆运动学求解模型。对于具有球腕结构的三分支机器人,给出了位姿解耦形式的简化算法。该算法较速度级控制法计算精度更高,且不依赖于机器人的构型,适合于构型不确定的模块化机器人。通过搬运物体的仿真试验,验证了算法的有效性。     

基于广义反向学习的自适应约束差分进化算法

差分进化算法是一种基于"贪婪竞争"机制的全局寻优算法,其控制参量少、结构简单,具有较高的可靠性和收敛性,将约束处理机制引入到差分进化算法可以高效解决约束优化问题。提出一种基于广义反向学习的自适应约束差分进化算法,利用广义反向学习机制生成初始种群并执行种群"代跳"操作,采用自适应权衡模型将约束区分状态处理以及改进自适应变异操作对个体进行排序变异。通过与CDE、DDE、A-DDE、εDE以及DPDE算法进行试验比较以及对广义反向学习和改进自适应排序操作性能分析证明该算法具有较好的寻优精度及收敛速度。     

一种基于ＯｐｅｎＳｔａｃｋ的云计算虚拟机放置策略

针对当前ＯｐｅｎＳｔａｃｋ云平台的虚拟机调度策略未综合考虑服务器能耗、使用数量、计算性能带来的高能耗、服务器数量较多、较高的服务等级协议（ＳＬＡ）违背率的影响,构建了综合这几方面因素的能效优化模型,根据该模型设计了一种基于自适应双策略差分进化算法的虚拟机放置策略。算法包括变异阶段根据种群分组差异选择不同变异策略,增加自适应交叉与变异参数用于提高算法收敛速度,使用综合能效优化模型作为适应度函数评价进化个体。实验仿真表明,本文策略使得ＯｐｅｎＳｔａｃｋ中虚拟机放置具有比其内置算法和ＤＥ、ＰＳＯ算法更低的能耗、更小ＳＬＡ违背率和更少的服务器使用数量。     

改进差分进化算法及其在模糊聚类分析中的应用

针对差分进化算法早熟与搜索效率不理想的问题,提出一种改进的差分进化算法。算法在变异阶段采用多策略与多参数并行的方法一次产生多个变异个体,有效地保持了种群中个体的多样性,抑制了早熟现象的发生。根据竞争机制选择适应度最好的变异个体进行选择操作,提高了搜索效率。与差分进化及其改进算法的对比实验表明了算法的有效性,并把提出的算法应用到模糊聚类分析中,较好的解决了原始聚类模型求解容易陷入局部极值的问题。     

基于反学习和正交交叉算子的元胞差分进化算法

提出了一种基于正交交叉算子的元胞差分进化算法. 进化初期采用反学习初始化方法获得初始候选种群,利用元胞结构的局部搜索方法替代控制参数调节差分进化算法的选择压力,从而平衡差分进化算法的探索能力和开发能力,利用元胞自动机的并行演化机制保持种群的多样性,从而避免陷入局部最优. 该算法利用无交叉因子的正交交叉算子,通过多元素重复试验加速种群收敛速度. 对多个典型测试函数的仿真实验结果表明,所提出的算法相较于多个差分进化改进算法具有更快的收敛速度和更好的计算精度.     

竞争差分进化算法及其在共形阵综合中的应用

将竞争机制引入差分进化算法,在变异操作时加入种群中的次优个体,利用其竞争作用提高算法的收敛速度．通过对典型测试函数的优化寻值,验证了竞争差分进化算法相对于传统差分进化算法的优越性．运用竞争差分进化算法实现了共形天线阵的低副瓣、宽零陷以及多波束综合,仿真结果表明新算法具有更快的收敛速度．     

新型煤矿救援机器人的特殊运动逆运动学

针对新型煤矿救援机器人头部单元的特殊运动（位姿调整）,提出了一种基于空间分割和遗传算法相结合的新方法求解其逆运动学.该方法能以最小的转动代价实现期望的位姿,有利于保持机器人稳定.采用二次空间分割法,解决了遗传算法搜索空间大,难以收敛到全局最优解的问题.仿真实验结果表明,采用新的逆运动学算法得出的位姿误差较小,而且关节角...