当前位置:主页 > 科技论文 > 机电工程论文 >

基于群智能优化算法的并联机构位姿标定研究

发布时间:2020-07-26 17:34
【摘要】:群智能优化算法是目前一种备受关注的最优化方法,近年来发展迅速并且应用于诸多领域。不同的群智能优化算法具有共性,采用模拟群体动物的种群行为特性,利用种群个体之间信息交换和引导来实现种群寻优,算法容易实现,效率较高,控制参数少。最优化问题需要得到快速准确的解决,而优化算法的开发能力和探索能力如何平衡一直处于开放状态,仍需研究。差分进化算法是一种模拟生物进化的优化算法,采用交叉、变异和选择的方式更新种群,算法鲁棒性强,个体多样性好,能够实现全局收敛,探索能力强。粒子群算法是一种模拟鸟类种群行为的优化算法,采用种群最优粒子引导个体运动,算法局部收敛性强,收敛速度快,开发能力强。本文提出了一种基于自适应权重的差分进化粒子群算法。算法中的种群个体采用交叉变异的方式进行更新,保持种群个体的多样性,使得种群在搜索空间中到达全局最优区域,随后根据种群整体的寻优经验,引导个体进行局部最优区域寻优,使得种群快速收敛。新的改进算法保证了算法鲁棒性和个体多样性,在实现全局寻优的基础上,增加算法的收敛速度。种群个体的运动方式采用新引入的判断因素进行调节,根据不同的最优化模型,合理选择判断因素,可以平衡算法的探索能力和开发能力。人工蜂群算法是模拟群居蜜蜂群体运动的一种群智能优化算法,本文提出一种基于守卫的自适应人工蜂群算法。算法中引入自适应的雇佣蜂,提高算法的开发能力,引入守卫蜂,提高算法的探索能力。其中雇佣蜂根据搜索情况不同采取不同的策略,首先进行大范围的蜜源搜索,提高收敛速度,快速找到最优区域,再进行小范围的蜜源搜索,精准搜索蜜源的最优位置。观察蜂引入了最优蜜源的引导,更有效的对蜜源进行开采。守卫蜂则是确保自适应的雇佣蜂能分辨出蜜源区域,且守卫其蜜源搜索的有效性。结果表示,本文所提出的新算法对于基准函数最优化有良好的搜索能力,能有效且高效的收敛到全局最优值。在工程技术发展中,机械工程有诸多复杂的最优化问题,例如串并联机构的正逆解和机构误差标定参数识别问题。传统的优化方法通常采用解析法和数值法,在解决这类最优化问题时会遇到求解精度低、求解时间长和无法求解等问题。因此基于群智能优化算法的最优化方法被不断提出,本文对群智能优化算法的改进进行了研究,有效解决机构中非线性模型的最优化问题。本文对6-PSS并联机构进行尺寸参数及自由度分析,对机构进行运动学分析,采用数值法建立并联机构运动学正解模型,将正解的非线性方程组转化为单目标最优化问题,建立数值正解判定方程。群智能优化算法能有效解决并联机构正解最优化问题,采用传统群智能优化算法和本文提出的新算法对正解模型进行最优化仿真,将结果进行比较,得到适用于该机构的最佳算法。分析6-PSS并联机构的主要误差,建立传统的矢量链误差模型,将非线性带矩阵的矢量链误差模型转换为最优化问题,建立误差模型的判定方程。采用不同的群智能优化算法进行矢量链误差参数识别,并对结果进行比较。本文提出一种线性化的基于D-H法的并联机构运动链误差模型,将并联机构的6条支链分别看作6个独立驱动的串联机构,采用D-H法建立串联运动支链的运动学方程及误差模型,采用伴随矩阵和泰勒定理将误差模型线性化,提出了一种新的运动链误差模型,将两种误差模型进行仿真对比。实际的误差标定实验结果表明,线性化误差模型提供了末端累积误差和运动链关节运动副误差之间的线性关系,模型能有效识别误差,提高末端执行器精度。
【学位授予单位】:重庆大学
【学位级别】:博士
【学位授予年份】:2018
【分类号】:TH112;TP18
【图文】:

群智能,智能优化算法,优化算法


1 绪 论的求到最优解,更具有应用价值和意义。与群智能优化算法通过个体的比较,协作传递,具有并行性、自适应性、随机性、鲁棒性括遗传算法、混沌优化算法、人工神经网络算法[4](Particle Swarm Optimization, PSO)、)、模拟退火算法、差分进化算法和人工蜂群。智能优化算法与群智能优化算法的关系, 遗传算法群智能优化算法

并联机构,闭链结构,理论方面,多自由度系统


各自有各自的特点。本文将几种算法用于六自由度并联机构运动学分析,而提高其控制的精度,具有研究意义和实用的价值。.3 并联机构的发展与应用.3.1 并联机构的发展并联机构(Parallel Mechanism, 简称 PM),也称并联机器人,Merlet[40]教授给定义:动平台和定平台之间通过两个或两个以上相互独立运动链的连接,构成闭链结构,以并联方式进行驱动的一种多自由度系统。Christopher 在 1945 年对并联机构做了系统的研究,奠定了并联机构的开创性作。其后 Bricard、Cauchy[41][42]对并联机构做了很多理论方面的进一步研究。并的结构进入人们的视野是 1928 年,Gwinnet[43]发明的娱乐设备,如图 1.3 所示,质是一个球并联机构,但遗憾的是,这项发明当时并未实现,鉴于技术的限制。40 年 Pollard[44]发明了适用于汽车喷涂并联机构,该机构被公认是第一台并联机人,也遗憾于技术原因未能制造出来,如图 1.4 所示。

并联机构


各自有各自的特点。本文将几种算法用于六自由度并联机构运动学分析,而提高其控制的精度,具有研究意义和实用的价值。.3 并联机构的发展与应用.3.1 并联机构的发展并联机构(Parallel Mechanism, 简称 PM),也称并联机器人,Merlet[40]教授给定义:动平台和定平台之间通过两个或两个以上相互独立运动链的连接,构成闭链结构,以并联方式进行驱动的一种多自由度系统。Christopher 在 1945 年对并联机构做了系统的研究,奠定了并联机构的开创性作。其后 Bricard、Cauchy[41][42]对并联机构做了很多理论方面的进一步研究。并的结构进入人们的视野是 1928 年,Gwinnet[43]发明的娱乐设备,如图 1.3 所示,质是一个球并联机构,但遗憾的是,这项发明当时并未实现,鉴于技术的限制。40 年 Pollard[44]发明了适用于汽车喷涂并联机构,该机构被公认是第一台并联机人,也遗憾于技术原因未能制造出来,如图 1.4 所示。

【参考文献】

相关期刊论文 前10条

1 刘伟锐;赵恒华;;改进粒子群算法在并联机构位置正解中的应用[J];机械设计与制造;2014年02期

2 刘三阳;张平;朱明敏;;基于局部搜索的人工蜂群算法[J];控制与决策;2014年01期

3 侯雨雷;段艳宾;窦玉超;姚建涛;金超;李建军;赵永生;;65m射电望远镜天线副面调整机构标定研究[J];中国机械工程;2013年24期

4 周新宇;吴志健;王晖;李康顺;张浩宇;;一种精英反向学习的粒子群优化算法[J];电子学报;2013年08期

5 任子武;王振华;孙立宁;;基于改进人工蜂群算法的并联机器人正运动学解[J];机械工程学报;2013年13期

6 孙小勇;谢志江;石万凯;张钧;;6-PSS并联机构误差分析及标定[J];计算机集成制造系统;2012年12期

7 罗钧;李研;;具有混沌搜索策略的蜂群优化算法[J];控制与决策;2010年12期

8 陈莉;张宏立;;粒子群算法在六自由度并联机器人位置正解中的应用[J];重庆理工大学学报(自然科学版);2010年08期

9 刘衍民;赵庆祯;隋常玲;邵增珍;;一种基于动态邻居和变异因子的粒子群算法[J];控制与决策;2010年07期

10 刘伟;赵剑波;高峰;戚开诚;;一种低成本的并联机器人运动学标定方法[J];中国机械工程;2009年08期

相关博士学位论文 前4条

1 程世利;并联机构若干基本问题的研究[D];南京航空航天大学;2011年

2 延皓;基于液压六自由度平台的空间对接半物理仿真系统研究[D];哈尔滨工业大学;2007年

3 于大泳;六自由度运动模拟器精度分析及其标定[D];哈尔滨工业大学;2006年

4 洪林;并联机器人精度分析与综合研究[D];天津大学;2004年

相关硕士学位论文 前2条

1 李凌云;Stewart机构的误差建模与参数标定方法研究[D];燕山大学;2006年

2 杨莅彦;一种新型6-THRT并联机构精确度及其位姿测量模型的研究[D];南京理工大学;2004年



本文编号:2771080

资料下载
论文发表

本文链接:https://www.wllwen.com/jixiegongchenglunwen/2771080.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户61afe***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com