對(duì)于幾何結(jié)構(gòu)不滿(mǎn)足Pieper準(zhǔn)則的冗余機(jī)械臂,其運(yùn)動(dòng)學(xué)逆解只能用數(shù)值解法來(lái)求解,不能用封閉解法獲得。而常規(guī)的數(shù)值迭代法常常面臨計(jì)算量大、存在累積誤差以及對(duì)于奇異位形無(wú)法求解的問(wèn)題。針對(duì)這些問(wèn)題,當(dāng)前應(yīng)用群智能優(yōu)化算法求解冗余機(jī)械臂運(yùn)動(dòng)學(xué)逆解已取得了良好的研究進(jìn)展,但還存在算法收斂速度慢、收斂精度不高以及容易陷入局部最優(yōu)等不足。為有效改善冗余機(jī)械臂逆運(yùn)動(dòng)學(xué)問(wèn)題的求解質(zhì)量,本文對(duì)典型的群智能優(yōu)化算法即粒子群優(yōu)化算法（PSO）、克隆選擇算法（CSA）以及果蠅優(yōu)化算法（FOA）進(jìn)行改進(jìn)研究,具體的主要研究工作如下:（1）PSO算法的改進(jìn)研究及其冗余機(jī)械臂逆運(yùn)動(dòng)學(xué)求解。提出兩種改進(jìn)的PSO算法,即綜合改進(jìn)的粒子群優(yōu)化算法（CIPSO）和混合變異粒子群優(yōu)化算法（HMPSO）。CIPSO算法從種群的初始化、慣性權(quán)重調(diào)整策略、差分變異操作的引入、粒子位置與飛行速度的越界處理、局部變尺度深度搜索等多方面對(duì)PSO算法進(jìn)行綜合的改進(jìn);HMPSO算法采用了帶有隨機(jī)因子的慣性權(quán)重更新策略,并引入了混合變異進(jìn)化環(huán)節(jié)。將改進(jìn)的PSO算法用于解決7自由度冗余機(jī)械臂的逆運(yùn)動(dòng)學(xué)問(wèn)題,試驗(yàn)結(jié)果表明:CIPSO和HMPSO... 

【文章來(lái)源】：南昌大學(xué)江西省 211工程院校

【文章頁(yè)數(shù)】：158 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖２．５?７－ＤＯＦ?ＹｕＭｉ不同關(guān)節(jié)角對(duì)應(yīng)的位姿??由上述求解算例可知，機(jī)械臂的正運(yùn)動(dòng)學(xué)求解相對(duì)容易，其求解結(jié)果是唯??

?第３章ＰＳＯ的改進(jìn)及冗余機(jī)械臂逆運(yùn)動(dòng)學(xué)問(wèn)題求解???式中：〃５為［０，１］內(nèi)均勻分布的隨機(jī)變量，其余參數(shù)與前述相同。??設(shè)最大迭代次數(shù)（＿＝５００時(shí)，根據(jù)式（３．７）可得在算法某一次尋優(yōu)過(guò)程中??的慣性權(quán)重取值演化過(guò)程如圖３．１所示。改進(jìn)的慣性權(quán)重是在線性遞減策略??ｒ?ｙ??的基礎(chǔ)上增加了疊加項(xiàng)（〇．５－ｒ５）卜ｉ?，使得其取值范圍隨著迭代次數(shù)的增加??Ｖ?＾ｍａｘ?Ｊ??而逐漸壓縮并整體上呈振蕩隨機(jī)遞減趨勢(shì)，避免了慣性權(quán)重單一變化的模式，??有助于改善種群的隨機(jī)性與多樣性。??１．４?＇?■???：???１．２…卜??Ｊ?－??〇?４１?＇?１?１?１?＾??＇０?１００?２００?３００?４００?５００??ｔ??圖３．１算法Ｃ１ＰＳ０的慣性權(quán)重取值策略??３．３．３差分變異進(jìn)化??受差分進(jìn)化思想的啟發(fā)，本文在算法尋優(yōu)進(jìn)程中引入差分變異環(huán)節(jié)，其差??分進(jìn)化算子為式（３．８）。??ｕｉｎ＾ｐ＾ｎ＋Ｆ＾ｉｎ－ｗ）?（３．８）??式中：為差分進(jìn)化操作產(chǎn)生的中間變異向量；廠為區(qū)間［〇，１］內(nèi)的縮??放因子，用于控制對(duì)基準(zhǔn)向量（種群的全局歷史最佳位置）的擾動(dòng)量；其余參??數(shù)與前述相同。??可見(jiàn)，變異向量ｆ／（／）是以種群全局歷史最佳位置與個(gè)體歷史最佳位置之間??的差分向量尸（＆?（（）－￡（／））為擾動(dòng)分量對(duì)基準(zhǔn)向量Ａ⑴進(jìn)行擾動(dòng)而獲得，該策??略有助于在種群全局歷史最佳位置附近發(fā)現(xiàn)質(zhì)量更優(yōu)的潛在解。最后，計(jì)算變??異向量的適應(yīng)值，按照貪婪選擇機(jī)制對(duì)個(gè)體歷史最佳位置和種群全局歷史最佳??位置進(jìn)行實(shí)時(shí)更新。??２９??

?＾?丨?，￡！?Ｈ????％?１３３｜?？?－６－?１．２２Ｐ＂－－－；－＇?］■??＾？１〇－?１?３２５?■?＾?－８－?１１ｌ１????１．１６??６?３５?６４?６?４５?６?５?＂１０＂?１?＇??－１５?－?１５４?１５５?１５６??０?￣Ｔｏｏ￣?￣２００￣?￣３００￣?４００?＂１＾０?＾１００￣?￣２００?３００￣?４００??ｔ?ｔ??（ｇ）?，７?（ｈ）?＿／ｇ??圖３．４?（續(xù)）不同算法的平均收斂曲線圖??根據(jù)表３．６可知：對(duì)于表３．１中的所有基準(zhǔn)測(cè)試函數(shù)，ＣＩＰＳＯ算法優(yōu)化結(jié)果??的標(biāo)準(zhǔn)差為０，說(shuō)明ＣＩＰＳＯ算法的尋優(yōu)穩(wěn)定性遠(yuǎn)優(yōu)于ＰＳＯ、ＰＳＯｄ及ＰＳＯＴＤ算??法；在８?jìng)�(gè)測(cè)試函數(shù)中，ＰＳＯ、ＰＳＯｄ及ＰＳＯＴＤ算法不能收斂于任一個(gè)函數(shù)的??理論最優(yōu)值：Ｃ１ＰＳＯ算法能夠收斂于函數(shù)．／；、／２、／，、／４、＿／；、／６及／８的理??論最優(yōu)值，且獲得了在４個(gè)算法中最小的平均有效評(píng)估次數(shù)，說(shuō)明ＣＩＰＳＯ算法??能夠以較小的計(jì)算成本達(dá)到較高的收斂精度，即該算法收斂精度高、收斂速度??快以及計(jì)算成本��；對(duì)于函數(shù)／７，盡管ＣＩＰＳＯ算法的評(píng)估次數(shù)高于ＰＳＯ、ＰＳＯｄ??及ＰＳＯＴＤ算法，但ＣＩＰＳＯ算法獲得了遠(yuǎn)優(yōu)于它們的收斂精度；由于實(shí)驗(yàn)中的??最大迭代次數(shù)較小，相對(duì)于ＰＳＯ算法，ＰＳＯＴＤ和ＰＳＯｄ算法對(duì)優(yōu)化性能的改善??未有明顯的體現(xiàn)。綜上所述，與ＰＳＯ、ＰＳＯｄ及ＰＳＯＴＤ算法相比，ＣＩＰＳＯ算法??具有較強(qiáng)的全局搜索能力，具有收斂速度快、收斂精度高、尋優(yōu)穩(wěn)定性好的優(yōu)??點(diǎn)。??從圖３．４中不同算法的

【參考文獻(xiàn)】：
期刊論文
[1]求冗余機(jī)器人手臂逆解的反向認(rèn)知果蠅優(yōu)化算法[J]. 李梅紅.  機(jī)械設(shè)計(jì)與研究. 2019(05)
[2]動(dòng)態(tài)變步長(zhǎng)果蠅算法求冗余機(jī)械臂逆運(yùn)動(dòng)學(xué)解[J]. 李梅紅.  機(jī)械設(shè)計(jì)與研究. 2019(03)
[3]一種新的雙策略進(jìn)化果蠅優(yōu)化算法[J]. 方波,陳紅梅.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2019(03)
[4]基于改進(jìn)差分進(jìn)化算法的機(jī)械臂運(yùn)動(dòng)學(xué)逆解[J]. 謝習(xí)華,范詩(shī)萌,周烜亦,李智勇.  機(jī)器人. 2019(01)
[5]自適應(yīng)搜索云逃逸的果蠅優(yōu)化算法[J]. 張水平,陳陽(yáng).  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(09)
[6]帶全局判據(jù)的改進(jìn)量子粒子群優(yōu)化算法[J]. 徐珊珊,金玉華,張慶兵.  系統(tǒng)工程與電子技術(shù). 2018(09)
[7]基于成功歷史自適應(yīng)的混合克隆選擇算法[J]. 張偉偉,高奎,張衛(wèi)正,孟潁輝,王華,張秋聞.  鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2019(02)
[8]基于循環(huán)配送策略的汽車(chē)裝配線物料配送調(diào)度方法[J]. 周炳海,譚芬.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[9]自適應(yīng)混合變異克隆選擇算法研究[J]. 巫東凱,張鳳斌,席亮.  計(jì)算機(jī)工程與應(yīng)用. 2018(21)
[10]果蠅優(yōu)化算法研究綜述[J]. 李少波,趙輝,張成龍,鄭凱.  科學(xué)技術(shù)與工程. 2018(01)

博士論文
[1]混合免疫智能優(yōu)化算法研究及其在復(fù)雜系統(tǒng)中的應(yīng)用[D]. 劉朝華.湖南大學(xué) 2012
[2]改進(jìn)免疫克隆選擇算法的研究與應(yīng)用[D]. 石剛.東北大學(xué) 2011



本文編號(hào)：3473429