基于群智能优化算法的冗余机械臂运动学逆解研究
发布时间：2021-11-03 09:14
对于几何结构不满足Pieper准则的冗余机械臂,其运动学逆解只能用数值解法来求解,不能用封闭解法获得。而常规的数值迭代法常常面临计算量大、存在累积误差以及对于奇异位形无法求解的问题。针对这些问题,当前应用群智能优化算法求解冗余机械臂运动学逆解已取得了良好的研究进展,但还存在算法收敛速度慢、收敛精度不高以及容易陷入局部最优等不足。为有效改善冗余机械臂逆运动学问题的求解质量,本文对典型的群智能优化算法即粒子群优化算法（PSO）、克隆选择算法（CSA）以及果蝇优化算法（FOA）进行改进研究,具体的主要研究工作如下:（1）PSO算法的改进研究及其冗余机械臂逆运动学求解。提出两种改进的PSO算法,即综合改进的粒子群优化算法（CIPSO）和混合变异粒子群优化算法（HMPSO）。CIPSO算法从种群的初始化、惯性权重调整策略、差分变异操作的引入、粒子位置与飞行速度的越界处理、局部变尺度深度搜索等多方面对PSO算法进行综合的改进;HMPSO算法采用了带有随机因子的惯性权重更新策略,并引入了混合变异进化环节。将改进的PSO算法用于解决7自由度冗余机械臂的逆运动学问题,试验结果表明:CIPSO和HMPSO...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：158 页
【学位级别】：博士
【部分图文】：
图２．５?７－ＤＯＦ?ＹｕＭｉ不同关节角对应的位姿??由上述求解算例可知，机械臂的正运动学求解相对容易，其求解结果是唯??
?第３章ＰＳＯ的改进及冗余机械臂逆运动学问题求解???式中：〃５为［０，１］内均匀分布的随机变量，其余参数与前述相同。??设最大迭代次数（＿＝５００时，根据式（３．７）可得在算法某一次寻优过程中??的惯性权重取值演化过程如图３．１所示。改进的惯性权重是在线性递减策略??ｒ?ｙ??的基础上增加了叠加项（〇．５－ｒ５）卜ｉ?，使得其取值范围随着迭代次数的增加??Ｖ?＾ｍａｘ?Ｊ??而逐渐压缩并整体上呈振荡随机递减趋势，避免了惯性权重单一变化的模式，??有助于改善种群的随机性与多样性。??１．４?＇?■???：???１．２…卜??Ｊ?－??〇?４１?＇?１?１?１?＾??＇０?１００?２００?３００?４００?５００??ｔ??图３．１算法Ｃ１ＰＳ０的惯性权重取值策略??３．３．３差分变异进化??受差分进化思想的启发，本文在算法寻优进程中引入差分变异环节，其差??分进化算子为式（３．８）。??ｕｉｎ＾ｐ＾ｎ＋Ｆ＾ｉｎ－ｗ）?（３．８）??式中：为差分进化操作产生的中间变异向量；厂为区间［〇，１］内的缩??放因子，用于控制对基准向量（种群的全局历史最佳位置）的扰动量；其余参??数与前述相同。??可见，变异向量ｆ／（／）是以种群全局历史最佳位置与个体历史最佳位置之间??的差分向量尸（＆?（（）－￡（／））为扰动分量对基准向量Ａ⑴进行扰动而获得，该策??略有助于在种群全局历史最佳位置附近发现质量更优的潜在解。最后，计算变??异向量的适应值，按照贪婪选择机制对个体历史最佳位置和种群全局历史最佳??位置进行实时更新。??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??图３．４?（续）不同算法的平均收敛曲线图??根据表３．６可知：对于表３．１中的所有基准测试函数，ＣＩＰＳＯ算法优化结果??的标准差为０，说明ＣＩＰＳＯ算法的寻优稳定性远优于ＰＳＯ、ＰＳＯｄ及ＰＳＯＴＤ算??法；在８个测试函数中，ＰＳＯ、ＰＳＯｄ及ＰＳＯＴＤ算法不能收敛于任一个函数的??理论最优值：Ｃ１ＰＳＯ算法能够收敛于函数．／；、／２、／，、／４、＿／；、／６及／８的理??论最优值，且获得了在４个算法中最小的平均有效评估次数，说明ＣＩＰＳＯ算法??能够以较小的计算成本达到较高的收敛精度，即该算法收敛精度高、收敛速度??快以及计算成本小；对于函数／７，尽管ＣＩＰＳＯ算法的评估次数高于ＰＳＯ、ＰＳＯｄ??及ＰＳＯＴＤ算法，但ＣＩＰＳＯ算法获得了远优于它们的收敛精度；由于实验中的??最大迭代次数较小，相对于ＰＳＯ算法，ＰＳＯＴＤ和ＰＳＯｄ算法对优化性能的改善??未有明显的体现。综上所述，与ＰＳＯ、ＰＳＯｄ及ＰＳＯＴＤ算法相比，ＣＩＰＳＯ算法??具有较强的全局搜索能力，具有收敛速度快、收敛精度高、寻优稳定性好的优??点。??从图３．４中不同算法的
【参考文献】：
期刊论文
[1]求冗余机器人手臂逆解的反向认知果蝇优化算法[J]. 李梅红. 机械设计与研究. 2019(05)
[2]动态变步长果蝇算法求冗余机械臂逆运动学解[J]. 李梅红. 机械设计与研究. 2019(03)
[3]一种新的双策略进化果蝇优化算法[J]. 方波,陈红梅. 山东大学学报(工学版). 2019(03)
[4]基于改进差分进化算法的机械臂运动学逆解[J]. 谢习华,范诗萌,周烜亦,李智勇. 机器人. 2019(01)
[5]自适应搜索云逃逸的果蝇优化算法[J]. 张水平,陈阳. 华中科技大学学报(自然科学版). 2018(09)
[6]带全局判据的改进量子粒子群优化算法[J]. 徐珊珊,金玉华,张庆兵. 系统工程与电子技术. 2018(09)
[7]基于成功历史自适应的混合克隆选择算法[J]. 张伟伟,高奎,张卫正,孟颍辉,王华,张秋闻. 郑州大学学报(工学版). 2019(02)
[8]基于循环配送策略的汽车装配线物料配送调度方法[J]. 周炳海,谭芬. 东北大学学报(自然科学版). 2018(03)
[9]自适应混合变异克隆选择算法研究[J]. 巫东凯,张凤斌,席亮. 计算机工程与应用. 2018(21)
[10]果蝇优化算法研究综述[J]. 李少波,赵辉,张成龙,郑凯. 科学技术与工程. 2018(01)
博士论文
[1]混合免疫智能优化算法研究及其在复杂系统中的应用[D]. 刘朝华.湖南大学 2012
[2]改进免疫克隆选择算法的研究与应用[D]. 石刚.东北大学 2011
本文编号：3473429
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：158 页
【学位级别】：博士
【部分图文】：
图２．５?７－ＤＯＦ?ＹｕＭｉ不同关节角对应的位姿??由上述求解算例可知，机械臂的正运动学求解相对容易，其求解结果是唯??
?第３章ＰＳＯ的改进及冗余机械臂逆运动学问题求解???式中：〃５为［０，１］内均匀分布的随机变量，其余参数与前述相同。??设最大迭代次数（＿＝５００时，根据式（３．７）可得在算法某一次寻优过程中??的惯性权重取值演化过程如图３．１所示。改进的惯性权重是在线性递减策略??ｒ?ｙ??的基础上增加了叠加项（〇．５－ｒ５）卜ｉ?，使得其取值范围随着迭代次数的增加??Ｖ?＾ｍａｘ?Ｊ??而逐渐压缩并整体上呈振荡随机递减趋势，避免了惯性权重单一变化的模式，??有助于改善种群的随机性与多样性。??１．４?＇?■???：???１．２…卜??Ｊ?－??〇?４１?＇?１?１?１?＾??＇０?１００?２００?３００?４００?５００??ｔ??图３．１算法Ｃ１ＰＳ０的惯性权重取值策略??３．３．３差分变异进化??受差分进化思想的启发，本文在算法寻优进程中引入差分变异环节，其差??分进化算子为式（３．８）。??ｕｉｎ＾ｐ＾ｎ＋Ｆ＾ｉｎ－ｗ）?（３．８）??式中：为差分进化操作产生的中间变异向量；厂为区间［〇，１］内的缩??放因子，用于控制对基准向量（种群的全局历史最佳位置）的扰动量；其余参??数与前述相同。??可见，变异向量ｆ／（／）是以种群全局历史最佳位置与个体历史最佳位置之间??的差分向量尸（＆?（（）－￡（／））为扰动分量对基准向量Ａ⑴进行扰动而获得，该策??略有助于在种群全局历史最佳位置附近发现质量更优的潜在解。最后，计算变??异向量的适应值，按照贪婪选择机制对个体历史最佳位置和种群全局历史最佳??位置进行实时更新。??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??图３．４?（续）不同算法的平均收敛曲线图??根据表３．６可知：对于表３．１中的所有基准测试函数，ＣＩＰＳＯ算法优化结果??的标准差为０，说明ＣＩＰＳＯ算法的寻优稳定性远优于ＰＳＯ、ＰＳＯｄ及ＰＳＯＴＤ算??法；在８个测试函数中，ＰＳＯ、ＰＳＯｄ及ＰＳＯＴＤ算法不能收敛于任一个函数的??理论最优值：Ｃ１ＰＳＯ算法能够收敛于函数．／；、／２、／，、／４、＿／；、／６及／８的理??论最优值，且获得了在４个算法中最小的平均有效评估次数，说明ＣＩＰＳＯ算法??能够以较小的计算成本达到较高的收敛精度，即该算法收敛精度高、收敛速度??快以及计算成本小；对于函数／７，尽管ＣＩＰＳＯ算法的评估次数高于ＰＳＯ、ＰＳＯｄ??及ＰＳＯＴＤ算法，但ＣＩＰＳＯ算法获得了远优于它们的收敛精度；由于实验中的??最大迭代次数较小，相对于ＰＳＯ算法，ＰＳＯＴＤ和ＰＳＯｄ算法对优化性能的改善??未有明显的体现。综上所述，与ＰＳＯ、ＰＳＯｄ及ＰＳＯＴＤ算法相比，ＣＩＰＳＯ算法??具有较强的全局搜索能力，具有收敛速度快、收敛精度高、寻优稳定性好的优??点。??从图３．４中不同算法的
【参考文献】：
期刊论文
[1]求冗余机器人手臂逆解的反向认知果蝇优化算法[J]. 李梅红. 机械设计与研究. 2019(05)
[2]动态变步长果蝇算法求冗余机械臂逆运动学解[J]. 李梅红. 机械设计与研究. 2019(03)
[3]一种新的双策略进化果蝇优化算法[J]. 方波,陈红梅. 山东大学学报(工学版). 2019(03)
[4]基于改进差分进化算法的机械臂运动学逆解[J]. 谢习华,范诗萌,周烜亦,李智勇. 机器人. 2019(01)
[5]自适应搜索云逃逸的果蝇优化算法[J]. 张水平,陈阳. 华中科技大学学报(自然科学版). 2018(09)
[6]带全局判据的改进量子粒子群优化算法[J]. 徐珊珊,金玉华,张庆兵. 系统工程与电子技术. 2018(09)
[7]基于成功历史自适应的混合克隆选择算法[J]. 张伟伟,高奎,张卫正,孟颍辉,王华,张秋闻. 郑州大学学报(工学版). 2019(02)
[8]基于循环配送策略的汽车装配线物料配送调度方法[J]. 周炳海,谭芬. 东北大学学报(自然科学版). 2018(03)
[9]自适应混合变异克隆选择算法研究[J]. 巫东凯,张凤斌,席亮. 计算机工程与应用. 2018(21)
[10]果蝇优化算法研究综述[J]. 李少波,赵辉,张成龙,郑凯. 科学技术与工程. 2018(01)
博士论文
[1]混合免疫智能优化算法研究及其在复杂系统中的应用[D]. 刘朝华.湖南大学 2012
[2]改进免疫克隆选择算法的研究与应用[D]. 石刚.东北大学 2011
本文编号：3473429
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3473429.html
