運(yùn)動學(xué)正解是實現(xiàn)六自由度平臺高精度控制和三維可視化仿真的基礎(chǔ),但是傳統(tǒng)方法存在著求解難度大、精度低的缺陷。針對Newton-Raphson迭代法求解時依賴迭代初值的問題進(jìn)行了研究,提出了一種基于SOA-Newton迭代的六自由度平臺正解混合算法。該混合算法充分發(fā)揮了SOA算法的群體搜索性和擬Newton法的局部細(xì)致搜索性,同時也克服了粒子群算法后期搜索效率降低和Newton法對初始點敏感的缺陷。以研制的車載位姿平臺為例,在Simulink軟件中建立了混合求解算法的仿真模型,給出了計算實例,并與單獨的Newton-Raphson迭代法和SOA算法進(jìn)行了對比。對比結(jié)果表明,SOA-Newton混合算法具有極好的穩(wěn)定性和較高的收斂速度及精度,更能滿足工程實際應(yīng)用。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1SOA-Newton算法正解原理圖

為了解決智能算法后期搜索效率降低和Newton法對初始點敏感的缺陷,本文提出一種基于人群搜索算法(SeekerOptimizationAlgorithm,SOA)的Newton迭代混合算法用于六自由度平臺運(yùn)動學(xué)正解,算法的實現(xiàn)原理如圖1所示。已知六個電動缸長度后,利用人群搜索....

圖2六自由度運(yùn)動平臺結(jié)構(gòu)簡圖

六自由度位姿平臺基于Stewart機(jī)構(gòu),如圖2所示,主要由上平臺、下平臺以及連接上下平臺的6個電動缸構(gòu)成。電動缸與上下平臺之間通過虎克鉸連接,運(yùn)動平臺工作時,上位機(jī)通過控制六個電動缸的長度來改變上平臺姿態(tài),進(jìn)而實現(xiàn)空間六個自由度的運(yùn)動。為了便于建模,對位姿平臺進(jìn)行結(jié)構(gòu)簡化,在上平....

圖3SOA-Newton混合迭代算法流程圖

SOA-Newton混合算法的基本流程為:首先進(jìn)行種群初始化,設(shè)置種群規(guī)模、最大迭代次數(shù)、邊界條件等;接著計算個體適應(yīng)度,尋找個體最優(yōu)和全局最優(yōu);確定搜索的方向和步長,進(jìn)行種群位置更新,當(dāng)進(jìn)化到一定代數(shù)后,將SOA算法的結(jié)果作為初始迭代位姿進(jìn)行Newton迭代;設(shè)置Newton....

圖4Newton-Raphson迭代法Simulink仿真模型

對于六自由度并聯(lián)平臺來說,其初值x0=[x1x2x3x4x5x6]T=[αβγxyz]T為上平臺的姿態(tài)和位置信息,ΔL為電動缸長度的變化值,ΔX為位置和姿態(tài)的變化值。在Simulink軟件中建立了利用Newton迭代法求解六自由度平臺正解的仿真模型,如圖4所示,....

本文編號：3979667