改进麻雀搜索算法下机械臂轨迹规划

针对数控加工机器人的工作抖动问题,考虑机床工作精密度、时间、能耗指标,提出一种时间寻优的改进麻雀搜索优化算法。使用D-H参数构建机械臂数学模型,在MATLAB环境下对已建立模型进行仿真分析,利用3-5-3多项式插值法对机械臂空间轨迹路线分析,并提出麻雀搜索算法优化方案,对比传统算法及改进后机械臂关节速度及加速度曲线,明确优化后算法高效性,对比其他优化算法,确定机械臂时间最优解。研究结果表明,改进麻雀搜索算法粒子收敛速度提升43%,最优解收敛精度提升8%,机械臂轨迹规划用时明显缩短,轨迹规划达到预期,有效提高算法收敛效率及求解精度。     

基于改进PSO算法的时间最优机械臂轨迹规划北大核心

针对传统机械臂轨迹规划存在效率低、智能算法易早熟和运行不稳定等问题,提出了一种以时间最优为目标,采用改进粒子群算法(PSO)对6自由度机械臂轨迹进行优化的方法。首先,在关节空间下利用机械臂正逆运动学原理获取其轨迹插值点;其次,为了使机械臂能够快速平稳地到达目标位置,采用3-5-3多项式对其轨迹进行插值;最后,使用改进PSO算法对分段多项式插值构造的轨迹进行优化,实现6自由度机械臂时间最优的轨迹规划。通过MATLAB仿真实验可以得到机械臂各个关节的加速度、速度和位置的轨迹信息,在满足机械臂运动学约束的前提下,机械臂完成整段轨迹所用的时间从3 s减少到2.1 s,整体运行时间相对于PSO算法优化前缩短了近30%,由此表明改进PSO算法可以有效地实现6自由度机械臂时间最优的轨迹规划。     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

基于改进粒子群算法的机械臂振动抑制研究

SCARA机械臂在工作过程中和工作终止后都会出现振动问题,为了降低机械臂的残余振动,选取粒子群作为寻最优抑振轨迹的优化算法,针对粒子群算法在轨迹寻优时收敛性差以及出现停滞现象问题,提出采用非线性递减惯性权重和粒子种群跳跃的方法对粒子群算法进行改进。利用机械臂振动抑制实验平台,使用改进的粒子群算法进行抑振轨迹优化并进行实验研究,验证结果可行且有效,得到抑振指标最小的最优抑振轨迹。     

异类粒子群算法的机械臂轨迹多目标规划

为了减少机械臂工作过程中的耗时、耗能和冲击,提出了基于异类粒子群算法的机械臂轨迹多目标规划方法。建立了7自由冗余机械臂运动学模型和优化模型;以传统粒子群算法为基础,根据学习信息的不同来源,设计了4种粒子进化行为,根据粒子当前状态计算不同进化行为的当前价值和未来价值,根据当前价值和未来价值的综合价值计算不同进化行为的选择概率,从而完成了异类粒子群算法的构造。以耗时最少单目标优化为例,与传统粒子群算法相比,异类粒子群算法不仅收敛速度快,而且优化程度提高了27.48%;使用异类粒子群算法对机械臂轨迹进行多目标综合优化,给出了Pareto最优前沿面,可根据不同需求和优化重心从中选择优化结果。     

一种关节型机器人快速收敛的粒子群优化算法

快速收敛性的研究和应用对关节型机器人轨迹规划有着重要的意义和价值。以关节型机器人完成不同动作时轨迹的平滑度和所用的时间为主要优化目标,提出一种快速收敛的粒子群算法。将全局学习因子和局部学习因子联合起来,通过调整比例系数和全局学习因子的比重获得更快的收敛速度。实验结果表明：在迭代次数较少时,所提方法与改进的粒子群算法的应用效果接近;在迭代次数较多时,所提方法优于改进的粒子群算法。     

非线性权重粒子群算法的机械臂动力学参数辨识北大核心

对机械臂的动力学模型进行了研究,提出了一种六关节串联机械臂动力学参数辨识方法。首先,基于牛顿欧拉法建立模型,通过关节类型将动力学参数组合,确定待辨识的最小惯性参数集;其次,将傅里叶级数作为激励轨迹,采用一种非线性权重粒子群算法对其系数进行寻优,并设置惩罚函数来剔除不满足条件的粒子;最后,设计测试轨迹来进行力矩验证。仿真结果表明,非线性权重的粒子群算法仿真时间短,适应度值较优,明显地加快了收敛速度。在测试轨迹中,估算力矩与实际力矩基本吻合,其力矩差值在误差允许范围内。     

基于GA-PSO算法的机器人手势交互轨迹规划研究

为简化机器人控制及降低冲击优化轨迹的编程难度,对手势识别应用于工业机器人轨迹规划进行了研究,同时为了降低因机器人冲击过大产生的振动及机械磨损,提出使用改进GA-PSO算法进行时间-冲击最优轨迹规划,即采用自适应的惯性权重和交叉变异概率,改进算法具有迭代前期收敛速度快,迭代后期不易陷入局部最优解的特点。在轨迹规划中采用5-5-5插值多项式保证轨迹规划的速度、加速度、冲击的连续,并在设定的适应度函数控制下,由改进后的GA-PSO算法的搜索,对结果进行仿真实验,实验结果表明优化后的轨迹在相同时间内冲击大幅降低。     

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。     

一种改进灰狼优化算法的移动机器人路径规划方法

针对移动机器人路径规划中存在易陷入局部最优、收敛速度慢、搜索路径消耗成本较大等问题,提出一种改进的灰狼优化算法对移动机器人进行路径规划。建立移动机器人避障路径规划二维空间模型,将灰狼优化算法中的线性收敛因子转变为非线性收敛因子,并将灰狼优化算法与粒子群算法结合,给予Omega狼意识;加入协同量子化优化灰狼群体;采用4类国际测试函数证明了改进算法在收敛精度、稳定性方面更优。将改进算法运用到移动机器人路径规划中,并与粒子群算法、原始灰狼优化算法进行对比,仿真结果验证了该算法的有效性。     

改进ABC算法的串联机械臂多目标优化

针对串联机械臂工作时间最优、能耗最优、脉动最优的轨迹优化问题,提出一种基于改进人工蜂群算法的多目标轨迹优化方法。文中采用5次NURBS曲线插值法建立工作轨迹数学模型,构造高阶连续关节运行轨迹并对其进行合理规划。以串联机械臂运行时间、能量消耗和脉动冲击为目标建立目标函数,通过改进人工蜂群算法进行优化设计并获得Pareto最优解集,运用归一化权重目标函数获取期望解。选择PUMA560串联机械臂进行仿真分析,结果表明:5次NURBS曲线轨迹规划方法有效构造平滑轨迹,改进人工蜂群算法能够实现满足约束条件的多目标优化,验证了算法的有效性,为后续研究奠定基础。     

粒子群算法在机械手臂B样条曲线轨迹规划中的应用

为了提高机械手臂的运行效率,使机械手臂运行轨迹平滑连续,增强机械手臂的实用性,在以时间最优为目的情况下提出了一种运用粒子群算法以B样条曲线对机械手臂进行轨迹规划,对各段样条曲线时间间隔进行优化,考虑速度、加速度及其变化率三个约束条件。仿真研究表明,采用粒子群算法优化B样条曲线产生的轨迹,能够缩短各段曲线的时间间隔,提高机械手臂的运行效率。     

带收缩因子粒子群优化算法对热轧负荷分配的优化

为提高实际生产中的热轧带钢质量及生产效率,建立了兼顾负荷均衡和板形最优的负荷分配模型,采用传统经验法对负荷进行初步分配,并在基本粒子群优化算法中引入收缩因子,提出基于带收缩因子的粒子群优化算法,对初始分配结果进行优化。研究表明,与基本粒子群优化算法相比,收缩因子的引入能够有效地控制粒子的飞行速度,并改善粒子群优化算法的局部搜索能力,增强算法的收敛精度与收敛速度。函数测试结果显示,带收缩因子的粒子群优化算法在3类基准函数中的精度均为最优。负荷分配仿真模拟结果表明,该算法可以很好地满足轧制力和相对凸度的目标需求,体现了带收缩因子的粒子群优化算法的优越性与有效性。     

基于视觉的机械臂轨迹优化方法研究

针对应用视觉系统进行工件抓取时,工件相互遮挡导致识别工件不准确且抓取效率较低的问题,提出基于视觉的机械臂轨迹优化方法。由相机采集工件图像信息,通过标定机械臂坐标系、工件坐标系及相机坐标系,建立“手眼”坐标关系,基于点云数据对工件识别与定位;提出改进遗传-鲸鱼混合轨迹规划算法,以控制工件抓取过程。对机械臂的3个重要关节进行了运动仿真与实验测试。仿真结果显示：改进的遗传-鲸鱼混合算法收敛速度更快,搜索能力更强,优化后的抓取时间比基本遗传算法优化的抓取时间减少了2.3 s。实验结果表明：基于点云识别的机械臂抓取成功率达到93.75%,极大提高了抓取效率,验证了算法的有效性。     

基于混沌求偶萤火虫算法的移动机器人路径规划

针对传统萤火虫算法应用于移动机器人路径规划中存在陷入局部最优和搜索精度低的问题,提出一种基于混沌求偶萤火虫算法的移动机器人路径规划方法。设计一种混沌求偶荧火虫算法,该算法采用混沌映射策略初始化种群,优化种群分布不均和搜索范围不足问题;利用求偶学习策略指导雄性萤火虫向雌性萤火虫学习,提高算法的收敛速度和求解精度。建立移动机器人路径规划的环境仿真模型,应用混沌求偶萤火虫算法进行移动机器人路径规划仿真。仿真结果表明：混沌求偶萤火虫算法比传统萤火虫算法和粒子群算法在路径长度上分别减少了3.075%和2.428%,拥有更高的搜索精度和跳出局部最优的能力。     

多策略改进粒子群优化AGV模糊PID控制

为解决AGV在复杂环境下控制精度低下、响应速度慢和鲁棒性差等问题,提出一种基于改进粒子群优化模糊PID控制方法。在粒子群算法（PSO）引入Logistic混沌映射对种群进行初始化,其次对惯性权重和学习因子进行非线性控制更新,提升种群寻优能力和避免陷入局部最优;选取9个测试函数验证改进PSO算法效果。仿真结果表明改进PSO在寻优精度和收敛速度都优于其他3种算法,而且不易陷入局部最优。最后对被控系统进行效果验证,结果表明改进PSO优化模糊PID控制器在常规和外部干扰两种环境下控制性能都优于传统PID和模糊PID,具有高可靠性、高控制精度,满足系统要求。     

基于改进PSO-SVR的多轴承健康寿命协同预测

为提高轴承剩余使用寿命预测精度,提出一种基于改进PSO-SVR的轴承剩余使用寿命预测方法。选取轴承水平和垂直方向振动信号均方根、峰值因子、峭度因子等参数构造多维退化特征,建立基于SVR的轴承剩余使用寿命预测模型;针对SVR参数优化问题,设计一种动态自适应异步粒子群优化算法,引入Gworst修正了速度位置更新公式,改进了一种基于倒S形函数的自适应惯性权重系数和一种基于惯性权重系数的异步自适应学习因子,能够有效克服局部最优,加快收敛效率,提高回归精度。仿真实验结果表明：提出的方法与GS-SVR、GA-SVR、PSO-SVR、MPSO-SVR相比,具有较高的预测效率和预测精度,预测精度均优于GBDT、RF、DT、GP等经典回归预测方法。     

基于烟花灰狼算法的冗余机械臂运动学逆解

针对常规方法无法有效求解冗余机械臂逆运动学解问题，提出改进灰狼算法的机械臂逆运动学求解方法，采用一般反向学习初始化与烟花算法爆炸机制相结合，使得算法具有较强的抗干扰与全局求解性，有效避免早熟、局部最优问题。采用10种经典测试函数对改进灰狼算法进行性能测试，测试结果证明改进灰狼具有收敛精度高、抗干扰能力强等特点。以凿岩机器人的七自由度机械臂逆运动学求解为例，采用MDH法建立运动学模型，运用改进灰狼算法求解并与粒子群、模拟退火、传统灰狼算法进行对比，仿真结果表明：该算法性能优于其他算法，能对冗余机械臂逆运动学进行有效求解。     

基于改进RRT算法的空间机械臂避障路径规划北大核心

针对传统快速扩展随机树(RRT)算法在机械臂的运动规划时,存在方向随机性强、目标导向性差、规划速度慢、轨迹平滑度差的问题,提出了一种基于目标偏置和拓展点选择机制的改进RRT算法。该算法利用目标偏置策略影响叶子结点的扩展方向,并且在算法陷入局部极小值时,结合碰撞信息进行拓展点选择从而快速脱离极小值;同时考虑到不同关节角对机械臂位姿影响的程度不同,为待搜索的关节空间各方向添加权重,从而大幅提升搜索效率,并且方便确定机械臂位姿的变化量。结果表明,改进后的算法能对树的生长方向产生引导作用,在提高算法的收敛速度的同时避免陷入局部极小值,并且提高了机械臂在仿真中运动规划效率。     

基于改进粒子群算法的离散制造车间柔性调度优化

针对离散制造生产过程信息复杂、生产计划与作业计划难以均衡等问题,以提高产品质量,降低企业生产成本为目标,建立了面向柔性制造系统的车间调度模型,并设计了一种改进粒子群算法进行离散制造车间柔性调度优化。改进算法惯性权重能够余弦自适应调节,学习因子能够基于惯性权重动态变化。仿真实验结果表明,改进粒子群算法具有较快的收敛速度以及全局寻优能力。柔性车间调度对于缩短产品生产周期,提高生产线的生产效率,降低生产成本,提高企业的经济效益具有重要意义。