本文選題：一般機器人 + 運動學(xué)逆解��； 參考：《機械工程學(xué)報》2017年03期

【摘要】：幾何結(jié)構(gòu)不滿足Pieper準(zhǔn)則的機器人被稱為一般機器人,其逆運動學(xué)運算不能采用封閉解法,而采用數(shù)值解法又需要龐大的計算量,且存在奇異位置無法求解的問題。為此,將多種群遺傳算法應(yīng)用于運動學(xué)逆解運算,提出一種適用于一般機器人的高精度并行求逆算法。為避免機器人位姿收斂精度不同,該算法將目標(biāo)函數(shù)分解為位置和姿態(tài)函數(shù),同時引入適應(yīng)度函數(shù)權(quán)值系數(shù)來平衡兩函數(shù)收斂速度;為避免局部收斂,該算法采用多點交叉和均勻交叉相結(jié)合的交叉算子,并逐步增大均勻交叉概率來抑制短子串偏差,使搜索趨于穩(wěn)健;為提高收斂速度,該算法采用動態(tài)變異率的變異算子,以及種群替代和個體替代相結(jié)合的移民算子來克服全局收斂的盲目性。以封閉解法和數(shù)值解法無法求逆的6R一般機械臂為對象,開展與單種群遺傳算法的對比試驗,結(jié)果表明:該算法可在避免局部收斂的基礎(chǔ)上保證算法穩(wěn)定性,且能夠大幅提升收斂精度和速度。
[Abstract]:A robot whose geometric structure does not meet the Pieper criterion is called a general robot. The inverse kinematics can not be solved by a closed method, but the numerical method requires a large amount of computation, and there is a problem that the singular position cannot be solved. For this reason, the multi-population genetic algorithm is applied to kinematics inverse solution operation, and a high precision parallel inverse algorithm is proposed for general robot. In order to avoid the different convergence accuracy of robot pose, the objective function is decomposed into position and attitude functions, and the fitness function weight coefficient is introduced to balance the convergence rate of the two functions. The algorithm adopts the crossover operator which combines multi-point crossover and uniform crossover, and gradually increases the uniform crossover probability to suppress the short substring deviation and make the search tend to be robust, in order to improve the convergence speed, the algorithm adopts the mutation operator with dynamic mutation rate. And the migration operator which combines population substitution and individual substitution to overcome the blindness of global convergence. Taking the general 6R manipulator which can not be inversed by the closed and numerical methods as the object, the comparison experiment with the single population genetic algorithm is carried out. The results show that the algorithm can guarantee the stability of the algorithm on the basis of avoiding the local convergence. And can greatly improve the convergence accuracy and speed.
【作者單位】： 華中科技大學(xué)數(shù)字制造裝備與技術(shù)國家重點實驗室;
【基金】：國家自然科學(xué)基金(51535004,51323009) 中國博士后科學(xué)基金(2014M562013,2015T80789)資助項目
【分類號】：TP18;TP242

【參考文獻】

相關(guān)期刊論文 前2條

1 林明;王冠;林永才;;改進的遺傳算法在機器人逆解中的應(yīng)用[J];江蘇科技大學(xué)學(xué)報(自然科學(xué)版);2012年04期

2 王輝;錢鋒;;群體智能優(yōu)化算法[J];化工自動化及儀表;2007年05期

【共引文獻】

相關(guān)期刊論文 前10條

1 要航;趙偉欽;;智能算法優(yōu)化神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用[J];電氣開關(guān);2016年06期

2 李智;;智能優(yōu)化算法研究及應(yīng)用展望[J];武漢輕工大學(xué)學(xué)報;2016年04期

3 賈會玲;吳晟;李英娜;李萌萌;楊璽;李川;;基于FileSystem API的HDFS文件存取和副本選擇優(yōu)化研究[J];化工自動化及儀表;2016年06期

4 許準(zhǔn);郭曉亮;徐昕;董壯;田浪;;生物群體智能優(yōu)化的投影尋蹤模型在灌區(qū)水資源綜合效益研究中的應(yīng)用[J];水資源保護;2016年03期

5 程軍鋒;;基于人工蜂群算法的數(shù)據(jù)流聚類研究[J];首都師范大學(xué)學(xué)報(自然科學(xué)版);2015年06期

6 趙芳;張桂珠;;基于新搜索策略的混合蛙跳算法[J];計算機應(yīng)用與軟件;2015年08期

7 楊凌;許銘;;基于復(fù)雜網(wǎng)絡(luò)和粒子群算法的濾波與軌道優(yōu)化模型[J];麗水學(xué)院學(xué)報;2015年02期

8 連曉峰;王煒伊;彭森;王小藝;;基于自適應(yīng)步長人工魚群算法的仿生機器魚目標(biāo)檢測研究[J];計算機測量與控制;2014年12期

9 劉競一;;基于ADAMS遺傳算法的汽車轉(zhuǎn)向系統(tǒng)優(yōu)化仿真[J];江蘇科技大學(xué)學(xué)報(自然科學(xué)版);2014年06期

10 仲志丹;黨國輝;王冰雪;楊晴霞;李鵬輝;;三平動繩牽引并聯(lián)機器人軌跡預(yù)處理算法[J];計算機測量與控制;2014年09期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 金芬;陳小平;;函數(shù)全局優(yōu)化的改進實數(shù)遺傳算法[J];計算機工程與應(yīng)用;2009年29期

2 張智;朱齊丹;吳自新;;基于免疫遺傳算法的機械手避碰逆解[J];系統(tǒng)仿真學(xué)報;2007年03期

3 張梅鳳;邵誠;甘勇;李梅娟;;基于變異算子與模擬退火混合的人工魚群優(yōu)化算法[J];電子學(xué)報;2006年08期

4 莫愿斌;陳德釗;劉賀同;胡上序;;粒子群算法求解邊值固定的化工動態(tài)過程優(yōu)化問題[J];化工自動化及儀表;2006年04期

5 劉麗Y，

本文編號：1838292