论文部分内容阅读
对于几何结构不满足Pieper准则的冗余机械臂,其运动学逆解只能用数值解法来求解,不能用封闭解法获得。而常规的数值迭代法常常面临计算量大、存在累积误差以及对于奇异位形无法求解的问题。针对这些问题,当前应用群智能优化算法求解冗余机械臂运动学逆解已取得了良好的研究进展,但还存在算法收敛速度慢、收敛精度不高以及容易陷入局部最优等不足。为有效改善冗余机械臂逆运动学问题的求解质量,本文对典型的群智能优化算法即粒子群优化算法(PSO)、克隆选择算法(CSA)以及果蝇优化算法(FOA)进行改进研究,具体的主要研究工作如下:(1)PSO算法的改进研究及其冗余机械臂逆运动学求解。提出两种改进的PSO算法,即综合改进的粒子群优化算法(CIPSO)和混合变异粒子群优化算法(HMPSO)。CIPSO算法从种群的初始化、惯性权重调整策略、差分变异操作的引入、粒子位置与飞行速度的越界处理、局部变尺度深度搜索等多方面对PSO算法进行综合的改进;HMPSO算法采用了带有随机因子的惯性权重更新策略,并引入了混合变异进化环节。将改进的PSO算法用于解决7自由度冗余机械臂的逆运动学问题,试验结果表明:CIPSO和HMPSO算法都获得了较好的位置逆解寻优成功率,而其位姿逆解的寻优成功率分别为21%和65%。(2)CSA算法的改进研究及其冗余机械臂逆运动学求解。提出具有双层协同进化机制的两种改进CSA算法,即双层协同进化克隆选择算法(BCECSA)和改进的双层协同进化克隆选择算法(IBCECSA)。改进CSA算法的每一层使用不同的寻优进化方案,并通过信息共享实现了层间的协同进化,形成层内竞争与层间协作的进化模式。BCECSA与IBCECSA尽管采用了相同的算法框架,但两者的进化算子以及执行免疫操作的对象不同。将改进的CSA算法用于冗余机械臂运动学逆解的求解,试验结果表明:BCECSA和IBCECSA算法都获得了理想的位置逆解寻优成功率,而其位姿逆解的寻优成功率分别为25%和83%。(3)FOA算法的改进研究及其冗余机械臂逆运动学求解。提出了两种改进的FOA算法,即双策略协同进化果蝇优化算法(DSCFOA)及混合变异果蝇优化算法(HMFOA)。DSCFOA采用佳点集方法对果蝇种群进行初始化以及引入种群精英领导层来集体引导果蝇个体的寻优搜索,并采用了双策略混合协同进化方案;HMFOA算法则采用了多策略混合变异的嗅觉搜索机制以及动态实时更新的视觉搜索方案。将DSCFOA和HMFOA算法用于解决冗余机械臂的逆运动学问题,试验结果表明:DSCFOA和HMFOA算法同样都获得了很好的位置逆解寻优成功率,且其位姿逆解的寻优成功率分别高达86%和96%。本文对基于群智能优化算法的冗余机械臂运动学逆解求解方法进行了较系统的研究,针对PSO、CSA及FOA算法的不足,提出了相关的改进算法,特别是,HMPSO算法获得了最快的位置逆解寻优速度,而HMFOA算法获得了最高的位姿逆解寻优成功率。