發(fā)布時(shí)間：2020-07-26 17:34

【摘要】：群智能優(yōu)化算法是目前一種備受關(guān)注的最優(yōu)化方法,近年來(lái)發(fā)展迅速并且應(yīng)用于諸多領(lǐng)域。不同的群智能優(yōu)化算法具有共性,采用模擬群體動(dòng)物的種群行為特性,利用種群個(gè)體之間信息交換和引導(dǎo)來(lái)實(shí)現(xiàn)種群尋優(yōu),算法容易實(shí)現(xiàn),效率較高,控制參數(shù)少。最優(yōu)化問(wèn)題需要得到快速準(zhǔn)確的解決,而優(yōu)化算法的開(kāi)發(fā)能力和探索能力如何平衡一直處于開(kāi)放狀態(tài),仍需研究。差分進(jìn)化算法是一種模擬生物進(jìn)化的優(yōu)化算法,采用交叉、變異和選擇的方式更新種群,算法魯棒性強(qiáng),個(gè)體多樣性好,能夠?qū)崿F(xiàn)全局收斂,探索能力強(qiáng)。粒子群算法是一種模擬鳥(niǎo)類種群行為的優(yōu)化算法,采用種群最優(yōu)粒子引導(dǎo)個(gè)體運(yùn)動(dòng),算法局部收斂性強(qiáng),收斂速度快,開(kāi)發(fā)能力強(qiáng)。本文提出了一種基于自適應(yīng)權(quán)重的差分進(jìn)化粒子群算法。算法中的種群個(gè)體采用交叉變異的方式進(jìn)行更新,保持種群個(gè)體的多樣性,使得種群在搜索空間中到達(dá)全局最優(yōu)區(qū)域,隨后根據(jù)種群整體的尋優(yōu)經(jīng)驗(yàn),引導(dǎo)個(gè)體進(jìn)行局部最優(yōu)區(qū)域?qū)?yōu),使得種群快速收斂。新的改進(jìn)算法保證了算法魯棒性和個(gè)體多樣性,在實(shí)現(xiàn)全局尋優(yōu)的基礎(chǔ)上,增加算法的收斂速度。種群個(gè)體的運(yùn)動(dòng)方式采用新引入的判斷因素進(jìn)行調(diào)節(jié),根據(jù)不同的最優(yōu)化模型,合理選擇判斷因素,可以平衡算法的探索能力和開(kāi)發(fā)能力。人工蜂群算法是模擬群居蜜蜂群體運(yùn)動(dòng)的一種群智能優(yōu)化算法,本文提出一種基于守衛(wèi)的自適應(yīng)人工蜂群算法。算法中引入自適應(yīng)的雇傭蜂,提高算法的開(kāi)發(fā)能力,引入守衛(wèi)蜂,提高算法的探索能力。其中雇傭蜂根據(jù)搜索情況不同采取不同的策略,首先進(jìn)行大范圍的蜜源搜索,提高收斂速度,快速找到最優(yōu)區(qū)域,再進(jìn)行小范圍的蜜源搜索,精準(zhǔn)搜索蜜源的最優(yōu)位置。觀察蜂引入了最優(yōu)蜜源的引導(dǎo),更有效的對(duì)蜜源進(jìn)行開(kāi)采。守衛(wèi)蜂則是確保自適應(yīng)的雇傭蜂能分辨出蜜源區(qū)域,且守衛(wèi)其蜜源搜索的有效性。結(jié)果表示,本文所提出的新算法對(duì)于基準(zhǔn)函數(shù)最優(yōu)化有良好的搜索能力,能有效且高效的收斂到全局最優(yōu)值。在工程技術(shù)發(fā)展中,機(jī)械工程有諸多復(fù)雜的最優(yōu)化問(wèn)題,例如串并聯(lián)機(jī)構(gòu)的正逆解和機(jī)構(gòu)誤差標(biāo)定參數(shù)識(shí)別問(wèn)題。傳統(tǒng)的優(yōu)化方法通常采用解析法和數(shù)值法,在解決這類最優(yōu)化問(wèn)題時(shí)會(huì)遇到求解精度低、求解時(shí)間長(zhǎng)和無(wú)法求解等問(wèn)題。因此基于群智能優(yōu)化算法的最優(yōu)化方法被不斷提出,本文對(duì)群智能優(yōu)化算法的改進(jìn)進(jìn)行了研究,有效解決機(jī)構(gòu)中非線性模型的最優(yōu)化問(wèn)題。本文對(duì)6-PSS并聯(lián)機(jī)構(gòu)進(jìn)行尺寸參數(shù)及自由度分析,對(duì)機(jī)構(gòu)進(jìn)行運(yùn)動(dòng)學(xué)分析,采用數(shù)值法建立并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)學(xué)正解模型,將正解的非線性方程組轉(zhuǎn)化為單目標(biāo)最優(yōu)化問(wèn)題,建立數(shù)值正解判定方程。群智能優(yōu)化算法能有效解決并聯(lián)機(jī)構(gòu)正解最優(yōu)化問(wèn)題,采用傳統(tǒng)群智能優(yōu)化算法和本文提出的新算法對(duì)正解模型進(jìn)行最優(yōu)化仿真,將結(jié)果進(jìn)行比較,得到適用于該機(jī)構(gòu)的最佳算法。分析6-PSS并聯(lián)機(jī)構(gòu)的主要誤差,建立傳統(tǒng)的矢量鏈誤差模型,將非線性帶矩陣的矢量鏈誤差模型轉(zhuǎn)換為最優(yōu)化問(wèn)題,建立誤差模型的判定方程。采用不同的群智能優(yōu)化算法進(jìn)行矢量鏈誤差參數(shù)識(shí)別,并對(duì)結(jié)果進(jìn)行比較。本文提出一種線性化的基于D-H法的并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)鏈誤差模型,將并聯(lián)機(jī)構(gòu)的6條支鏈分別看作6個(gè)獨(dú)立驅(qū)動(dòng)的串聯(lián)機(jī)構(gòu),采用D-H法建立串聯(lián)運(yùn)動(dòng)支鏈的運(yùn)動(dòng)學(xué)方程及誤差模型,采用伴隨矩陣和泰勒定理將誤差模型線性化,提出了一種新的運(yùn)動(dòng)鏈誤差模型,將兩種誤差模型進(jìn)行仿真對(duì)比。實(shí)際的誤差標(biāo)定實(shí)驗(yàn)結(jié)果表明,線性化誤差模型提供了末端累積誤差和運(yùn)動(dòng)鏈關(guān)節(jié)運(yùn)動(dòng)副誤差之間的線性關(guān)系,模型能有效識(shí)別誤差,提高末端執(zhí)行器精度。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TH112;TP18
【圖文】：

1 緒 論的求到最優(yōu)解，更具有應(yīng)用價(jià)值和意義。與群智能優(yōu)化算法通過(guò)個(gè)體的比較，協(xié)作傳遞，具有并行性、自適應(yīng)性、隨機(jī)性、魯棒性括遺傳算法、混沌優(yōu)化算法、人工神經(jīng)網(wǎng)絡(luò)算法[4]（Particle Swarm Optimization, PSO）、）、模擬退火算法、差分進(jìn)化算法和人工蜂群。智能優(yōu)化算法與群智能優(yōu)化算法的關(guān)系， 遺傳算法群智能優(yōu)化算法

各自有各自的特點(diǎn)。本文將幾種算法用于六自由度并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)學(xué)分析，而提高其控制的精度，具有研究意義和實(shí)用的價(jià)值。.3 并聯(lián)機(jī)構(gòu)的發(fā)展與應(yīng)用.3.1 并聯(lián)機(jī)構(gòu)的發(fā)展并聯(lián)機(jī)構(gòu)（Parallel Mechanism, 簡(jiǎn)稱 PM），也稱并聯(lián)機(jī)器人，Merlet[40]教授給定義：動(dòng)平臺(tái)和定平臺(tái)之間通過(guò)兩個(gè)或兩個(gè)以上相互獨(dú)立運(yùn)動(dòng)鏈的連接，構(gòu)成閉鏈結(jié)構(gòu)，以并聯(lián)方式進(jìn)行驅(qū)動(dòng)的一種多自由度系統(tǒng)。Christopher 在 1945 年對(duì)并聯(lián)機(jī)構(gòu)做了系統(tǒng)的研究，奠定了并聯(lián)機(jī)構(gòu)的開(kāi)創(chuàng)性作。其后 Bricard、Cauchy[41][42]對(duì)并聯(lián)機(jī)構(gòu)做了很多理論方面的進(jìn)一步研究。并的結(jié)構(gòu)進(jìn)入人們的視野是 1928 年，Gwinnet[43]發(fā)明的娛樂(lè)設(shè)備，如圖 1.3 所示，質(zhì)是一個(gè)球并聯(lián)機(jī)構(gòu)，但遺憾的是，這項(xiàng)發(fā)明當(dāng)時(shí)并未實(shí)現(xiàn)，鑒于技術(shù)的限制。40 年 Pollard[44]發(fā)明了適用于汽車噴涂并聯(lián)機(jī)構(gòu)，該機(jī)構(gòu)被公認(rèn)是第一臺(tái)并聯(lián)機(jī)人，也遺憾于技術(shù)原因未能制造出來(lái)，如圖 1.4 所示。

各自有各自的特點(diǎn)。本文將幾種算法用于六自由度并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)學(xué)分析，而提高其控制的精度，具有研究意義和實(shí)用的價(jià)值。.3 并聯(lián)機(jī)構(gòu)的發(fā)展與應(yīng)用.3.1 并聯(lián)機(jī)構(gòu)的發(fā)展并聯(lián)機(jī)構(gòu)（Parallel Mechanism, 簡(jiǎn)稱 PM），也稱并聯(lián)機(jī)器人，Merlet[40]教授給定義：動(dòng)平臺(tái)和定平臺(tái)之間通過(guò)兩個(gè)或兩個(gè)以上相互獨(dú)立運(yùn)動(dòng)鏈的連接，構(gòu)成閉鏈結(jié)構(gòu)，以并聯(lián)方式進(jìn)行驅(qū)動(dòng)的一種多自由度系統(tǒng)。Christopher 在 1945 年對(duì)并聯(lián)機(jī)構(gòu)做了系統(tǒng)的研究，奠定了并聯(lián)機(jī)構(gòu)的開(kāi)創(chuàng)性作。其后 Bricard、Cauchy[41][42]對(duì)并聯(lián)機(jī)構(gòu)做了很多理論方面的進(jìn)一步研究。并的結(jié)構(gòu)進(jìn)入人們的視野是 1928 年，Gwinnet[43]發(fā)明的娛樂(lè)設(shè)備，如圖 1.3 所示，質(zhì)是一個(gè)球并聯(lián)機(jī)構(gòu)，但遺憾的是，這項(xiàng)發(fā)明當(dāng)時(shí)并未實(shí)現(xiàn)，鑒于技術(shù)的限制。40 年 Pollard[44]發(fā)明了適用于汽車噴涂并聯(lián)機(jī)構(gòu)，該機(jī)構(gòu)被公認(rèn)是第一臺(tái)并聯(lián)機(jī)人，也遺憾于技術(shù)原因未能制造出來(lái)，如圖 1.4 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉偉銳;趙恒華;;改進(jìn)粒子群算法在并聯(lián)機(jī)構(gòu)位置正解中的應(yīng)用[J];機(jī)械設(shè)計(jì)與制造;2014年02期

2 劉三陽(yáng);張平;朱明敏;;基于局部搜索的人工蜂群算法[J];控制與決策;2014年01期

3 侯雨雷;段艷賓;竇玉超;姚建濤;金超;李建軍;趙永生;;65m射電望遠(yuǎn)鏡天線副面調(diào)整機(jī)構(gòu)標(biāo)定研究[J];中國(guó)機(jī)械工程;2013年24期

4 周新宇;吳志健;王暉;李康順;張浩宇;;一種精英反向?qū)W習(xí)的粒子群優(yōu)化算法[J];電子學(xué)報(bào);2013年08期

5 任子武;王振華;孫立寧;;基于改進(jìn)人工蜂群算法的并聯(lián)機(jī)器人正運(yùn)動(dòng)學(xué)解[J];機(jī)械工程學(xué)報(bào);2013年13期

6 孫小勇;謝志江;石萬(wàn)凱;張鈞;;6-PSS并聯(lián)機(jī)構(gòu)誤差分析及標(biāo)定[J];計(jì)算機(jī)集成制造系統(tǒng);2012年12期

7 羅鈞;李研;;具有混沌搜索策略的蜂群優(yōu)化算法[J];控制與決策;2010年12期

8 陳莉;張宏立;;粒子群算法在六自由度并聯(lián)機(jī)器人位置正解中的應(yīng)用[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年08期

9 劉衍民;趙慶禎;隋常玲;邵增珍;;一種基于動(dòng)態(tài)鄰居和變異因子的粒子群算法[J];控制與決策;2010年07期

10 劉偉;趙劍波;高峰;戚開(kāi)誠(chéng);;一種低成本的并聯(lián)機(jī)器人運(yùn)動(dòng)學(xué)標(biāo)定方法[J];中國(guó)機(jī)械工程;2009年08期

相關(guān)博士學(xué)位論文 前4條

1 程世利;并聯(lián)機(jī)構(gòu)若干基本問(wèn)題的研究[D];南京航空航天大學(xué);2011年

2 延皓;基于液壓六自由度平臺(tái)的空間對(duì)接半物理仿真系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2007年

3 于大泳;六自由度運(yùn)動(dòng)模擬器精度分析及其標(biāo)定[D];哈爾濱工業(yè)大學(xué);2006年

4 洪林;并聯(lián)機(jī)器人精度分析與綜合研究[D];天津大學(xué);2004年

相關(guān)碩士學(xué)位論文 前2條

1 李凌云;Stewart機(jī)構(gòu)的誤差建模與參數(shù)標(biāo)定方法研究[D];燕山大學(xué);2006年

2 楊蒞彥;一種新型6-THRT并聯(lián)機(jī)構(gòu)精確度及其位姿測(cè)量模型的研究[D];南京理工大學(xué);2004年

本文編號(hào)：2771080