基于改进灰狼算法的油茶果采摘机械臂轨迹规划

为了实现油茶果的自动化采摘作业,以所设计的推摇式油茶果采摘机械臂为研究对象,首先对机械臂进行了正、逆运动学以及作业空间分析,接着在关节空间采用五次多项式插值法进行轨迹拟合规划,再在分析狼群协作捕猎的模式的基础上,设计了适合油茶果采摘机械臂自动化作业轨迹规划所需要的改进灰狼算法(IGWO)。在MATLAB环境下以工作时间为目标函数建立优化模型对所设计的改进灰狼算法轨迹优化仿真实验,并与传统灰狼算法和遗传算法进行对比分析,结果显示改进灰狼算法相比传统灰狼算法(GWO)和标准遗传算法(SGA)能够更好地适用于油茶果采摘机械臂的时间最优轨迹规划。     

基于改进粒子群算法的工业机器人轨迹规划

针对传统工业机器人轨迹规划效率低、运行不稳定的问题,提出了可以动态调节学习因子的粒子群算法(PSO).该方法通过分段多项式插值进行轨迹的拟合,并运用改进的粒子群算法以时间为适应度函数对工业机器人的轨迹进行优化,有效地将分段多项式插值函数与PSO相结合,避免了粒子群算法构造适应函数的复杂过程,对于传统的PSO初期较易落入...     

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。     

基于人工免疫-改进粒子群优化算法的机械臂轨迹规划研究

焊接机器人运动轨迹复杂、控制精度要求高。提出了一种满足多目标约束的轨迹规划方法。针对机器人轨迹平滑性要求,以5次非均匀有理B样条（Non-Uniform Rational B-Splines,NURBS）曲线为基础,对笛卡儿空间路径点进行参数化表达;根据工业机器人路径约束及工况需求,选取时间、能耗、跃度3个运动学指标作为目标优化函数,采用人工免疫双态粒子群进行轨迹优化;为了平衡粒子“探索”与“利用”,增加双模态模型,引入人工免疫系统,提升了粒子多样性与后期收敛能力;根据Pareto解集得到满足约束的焊接机器人各关节最优轨迹,通过Matlab仿真证明了方法的有效性;最后,针对空间相贯曲线焊缝进行了焊接试验。结果显示,规划的轨迹符合实际工程需求。     

基于改进粒子群算法的六自由度工业机器人轨迹规划

针对工件打磨工况,设计建立用于打磨的机器人运动学模型,规划机器人运动学轨迹,通过改进粒子群算法优化轨迹曲线,减少机器人运行时间,提高机器人工作效率。首先建立打磨工业机器人空间运动学模型,计算目标点从笛卡尔空间转换到关节空间的逆解,在关节空间中利用“三次-五次-三次”三段多项式曲线对所求逆解进行轨迹规划,以轨迹运动时间最短作为优化目标。利用融合免疫操作的改进粒子群算法对轨迹曲线进行优化,将改进算法的优化结果与传统粒子群算法进行对比;改进后的新算法改善了粒子群算法易陷入局部最优的问题,适应度结果更好,算法效果更佳。     

基于粒子群算法的工业机器人多目标最优轨迹规划

轨迹规划是机器人运动控制的基础,考虑以时间、能耗和脉动三方面为多目标最优,对工业机器人AUBO-i10的轨迹规划问题进行研究。基于D-H法建立机器人正运动学方程,并仿真验证正运动学方程的正确性,同时利用蒙特卡洛法对机器人工作空间仿真分析。针对运行时间、能量消耗和轨迹脉动多目标综合最优问题,根据五次多项式插值方法,在保证运动学约束下,提出多目标粒子群算法(particle swarm optimization,PSO)对机械臂轨迹规划进行优化,并进行仿真分析。仿真结果表明,提出的五次多项式插值方法在准确地构造平滑轨迹的同时,又能通过粒子群算法完成运动学约束下的多目标优化,得到理想的Pareto分布。最后,构造目标函数,获得符合要求的优化轨迹,解决了运行时间过长,能量消耗过多和脉动冲击过大的问题,从而保证机器人高效运动。     

基于多目标粒子群算法工业机器人最优轨迹规划

针对工业机器人,以时间最优、能耗最优、脉动最优工作指标为目标,考虑多目标的轨迹优化问题,提出一种基于粒子群算法(PSO)的多目标轨迹优化的方法.采用五次多项式插值的方法建立工作轨迹的数学模型,添加相应的运动学的约束,以机器人运行时间、能量消耗、脉动冲击为目标建立目标函数,采用多目标粒子群算法(MOPSO)对其运动轨迹进...     

基于粒子群算法的平面双道喷涂轨迹规划研究

针对喷涂机器人自动轨迹规划过程中喷涂质量低的问题,对平面喷涂物体的轨迹规划问题进行了研究.利用椭圆双β模型构建平面双道喷涂厚度累积模型,以喷涂厚度的理论值和实际值之间的方差作为目标函数,结合粒子群算法进行相应的优化求解,并与其他优化方法进行对比,证明了粒子群算法对喷涂质量进行优化的有效性,具有一定的指导意义.     

基于粒子群算法的机械平台自动升降轨迹控制方法

机械平台升降轨迹受到多个关节、连杆运动参量的影响,很难对其进行精准控制,因此提出基于粒子群算法的机械平台自动升降轨迹控制方法。分析机械平台结构与基本参数,构建机械平台升降轨迹模型,采用多项式插值方法插值处理机械平台升降轨迹,获得轨迹插值方程,确立升降轨迹控制函数。采用粒子群算法求解升降轨迹控制函数,算法输出结果即为升降轨迹最佳控制量,从而实现机械平台自动升降轨迹控制。实验结果表明,该方法获取最佳控制量迭代次数较少,升降轨迹控制效果较好,应用性能较佳。     

基于改进萤火虫算法的机械臂时间最优轨迹规划

以国产某型号六轴工业机器人为研究对象,针对六轴机器人关节空间的轨迹规划问题,提出了一种基于改进萤火虫算法的时间最优3-5-3多项式插值轨迹规划算法.首先,由给定的机器人末端路径点求逆运动学得到关节空间下的路径插值点.然后,在速度约束条件下,利用萤火虫算法对插值结果进行优化,使得机器人具有最优运行时间.通过与传统萤火虫算法对比,改进后算法的收敛速度和精度都有明显改善.最后,应用MATLAB软件仿真出机械臂运动位置、速度、加速度曲线,并用实体机器人验证.结果表明,该方法使得机械臂具有更短的运行时间,稳定性更高.     

基于自适应粒子群算法的FS20N机器人时间最优轨迹规划

针对通用型机器人,以运行时间最短为目标,提出一种基于自适应粒子群(APSO)时间最优轨迹规划算法。在关节空间轨迹规划中,逆解得到关节变量与时间的关系,以此建立五次多项式关节变量与时间的插值轨迹。然后,利用罚函数对其关节角度、关节速度、关节加速度进行处理,同时以插值关节各点间的时间间隔之和为优化目标,采用自适应粒子群算法进行优化求解,得到时间最优的轨迹。最后,利用MATLAB仿真软件,建立川崎FS20 N仿真模型进行验证,得到运行平稳且时间最优的运行轨迹图,仿真结果验证了该算法在轨迹规划中的可行性。     

基于粒子群优化算法的五自由度机械臂轨迹规划

为了让机械臂的工作时间达到最优,以自主研发的抛光机器人样机为研究对象,针对手表表壳表耳部分的抛光过程,提出PSO算法对五自由度机械臂轨迹规划进行优化,并通过MATLAB软件进行机械臂的仿真与分析。仿真结果表明,基于PSO算法的轨迹规划使机械臂在工作过程中加加速度不会产生突变,运动轨迹精度高,机械臂工作时间达到最优。     

Dobot机械臂建模仿真与轨迹规划算法研究

MATLAB环境下研究Dobot机械臂的D-H建模、运动学分析、轨迹规划算法、仿真。在MATLAB机器人工具箱环境下,基于D-H参数模型建立Dobot机械臂模型,计算机械臂的齐次变换矩阵,通过仿真工具箱进行正逆运动学仿真与轨迹规划控制研究的运动仿真。通过仿真分析得到机械臂各关节在轨迹规划算法作用下的位移、速度、加速度以及末端轨迹。从仿真结果可知研究方法对于机械臂运动控制研究具有重要的现实意义,为Dobot机械臂控制、优化算法研究提供参考。     

基于粒子群优化算法的小型足球机器人路径规划

为了解决足球机器人无法躲避动态障碍物和容易陷入局部极值的问题,在深入研究粒子群优化算法的基础上,提出了采用栅格法与粒子群优化算法相结合的路径规划算法。首先采用栅格法对小型足球机器人工作环境构造模型,再利用改进的粒子群优化算法进行最优路径搜索。该算法实现简单,收敛速度快,不易陷入局部极值,不仅能够满足足球机器人实时动态的路径规划要求,而且能满足不同环境下的路径规划要求。仿真实验表明,该方法可以很好地应用于足球机器人的路径规划中。     

串联抓取机械臂运动轨迹规划算法研究

首先根据现有的小型六自由度串联机械臂完成D-H参数表,建立机械臂的数学模型,进行机械臂运动学求解.再根据机械臂在抓取目标物体时,末端执行机构的位置和姿态,运用Matlab中的Robotics Toolbox工具箱进行逆运动学求解,得到各关节角的角度。接着在增加障碍物的约束条件下,运用A~*搜寻算法,规划出抓取目标物的运动轨迹。之后应用拉格朗日插值法将运动轨迹上的运动点,通过插值的方法优化,进一步优化A~*算法规划出的运动轨迹。最后通过实验验证,达到了预期的结果,从而验证了在A~*算法的基础上运用拉格朗日插值法,在机械臂轨迹规划上应用的可行性和合理性。     

基于改进粒子群算法的机械结构优化设计

针对粒子群算法在寻优过程中存在的容易陷入局部极小、收敛速度慢等缺点,结合粒子在实际寻找食物的过程中,大部分可以飞到其预期的最佳位置,而少数粒子由于受不确定因素影响,发生飞行偏离,本文提出了一种改进粒子群算法。算法中的模拟不确定因素干扰操作,能够有效避免群体过度集中现象,有效增加了种群的多样性。典型复杂机械优化设计的仿真结果表明,该改进算法能够快速、有效地进行全局搜索。     

一种改进粒子群算法的移动机器人路径规划

在当今流行的几种生物启发算法中,粒子群算法作为一种仿生计算方法,理论上能够解决常规计算方法所不能解决的大规模、非线性问题,但该方法在局部收敛性方面存在易早熟问题。为此提出了一种改进的粒子群算法,通过引入动态优化因子,增强粒子群领域搜索的能力,在一定程度上克服了优化搜索后期随迭代次数的增加而搜索结果无明显改进的缺点。     

改进粒子群算法的自动充电机械臂时间最优轨迹研究

针对桁架充电机械臂关节空间轨迹规划的时间优化问题,提出了一种非线性动态学习因子的粒子群算法。通过运动学分析获取工作空间,引入3-5-3多项式插值进行轨迹规划。结合运动过程中的速度与加速度约束,寻求运动过程中的最短时间。对比改进粒子群算法和基本粒子群算法的收敛速度,分析各关节优化前后运动时间的变化情况,并进行仿真实验验证。结果表明:改进粒子群算法的收敛性能较基本粒子群算法更快,整体运动时间缩短约33%,证实改进粒子群算法的可行性。