改进混沌麻雀搜索算法及其在冗余机械臂逆运动学求解中的应用

针对冗余机械臂不满足Pieper准则,无法获得逆运动学封闭解的问题,提出一种自适应混沌麻雀搜索算法（ACSSA）。首先,利用佳点集均匀分布特性生成初始化种群;其次,引入自适应动态权重,用于平衡全局和局部搜索能力,提高种群多样性,改善陷入局部最优的问题;最后,引入高斯变异,加强局部搜索能力,同时产生Tent混沌序列,防止陷入局部最优。将ACSSA应用到冗余机械臂逆向运动学求解中,分别对空间点到点运动和空间连续轨迹跟踪两种工况进行仿真,并与CSSA和SSA进行对比。结果表明：在第一种工况下,ACSSA在收敛精度上提高了2个数量级,在算法稳定性上比CSSA、SSA分别高出2、3个数量级;第二种工况下,在计算值与理论值的绝对误差精度和稳定性这两个评定指标上,ACSSA较CSSA提高了1个数量级,较SSA提高了6个数量级。充分说明了ACSSA具有精度高、收敛速度快的特性。