基于SOA-Newton迭代的六自由度平台正解算法

发布时间：2024-05-21 05:24

　　运动学正解是实现六自由度平台高精度控制和三维可视化仿真的基础,但是传统方法存在着求解难度大、精度低的缺陷。针对Newton-Raphson迭代法求解时依赖迭代初值的问题进行了研究,提出了一种基于SOA-Newton迭代的六自由度平台正解混合算法。该混合算法充分发挥了SOA算法的群体搜索性和拟Newton法的局部细致搜索性,同时也克服了粒子群算法后期搜索效率降低和Newton法对初始点敏感的缺陷。以研制的车载位姿平台为例,在Simulink软件中建立了混合求解算法的仿真模型,给出了计算实例,并与单独的Newton-Raphson迭代法和SOA算法进行了对比。对比结果表明,SOA-Newton混合算法具有极好的稳定性和较高的收敛速度及精度,更能满足工程实际应用。

【文章页数】：9 页

【部分图文】：

图1SOA-Newton算法正解原理图

为了解决智能算法后期搜索效率降低和Newton法对初始点敏感的缺陷,本文提出一种基于人群搜索算法(SeekerOptimizationAlgorithm,SOA)的Newton迭代混合算法用于六自由度平台运动学正解,算法的实现原理如图1所示。已知六个电动缸长度后,利用人群搜索....

图2六自由度运动平台结构简图

六自由度位姿平台基于Stewart机构,如图2所示,主要由上平台、下平台以及连接上下平台的6个电动缸构成。电动缸与上下平台之间通过虎克铰连接,运动平台工作时,上位机通过控制六个电动缸的长度来改变上平台姿态,进而实现空间六个自由度的运动。为了便于建模,对位姿平台进行结构简化,在上平....

图3SOA-Newton混合迭代算法流程图

SOA-Newton混合算法的基本流程为:首先进行种群初始化,设置种群规模、最大迭代次数、边界条件等;接着计算个体适应度,寻找个体最优和全局最优;确定搜索的方向和步长,进行种群位置更新,当进化到一定代数后,将SOA算法的结果作为初始迭代位姿进行Newton迭代;设置Newton....

图4Newton-Raphson迭代法Simulink仿真模型

对于六自由度并联平台来说,其初值x0=[x1x2x3x4x5x6]T=[αβγxyz]T为上平台的姿态和位置信息,ΔL为电动缸长度的变化值,ΔX为位置和姿态的变化值。在Simulink软件中建立了利用Newton迭代法求解六自由度平台正解的仿真模型,如图4所示,....

本文编号：3979667