基于改进遗传算法的机械臂时间最优轨迹规划

来源：核心期刊咨询网时间：2020-08-05 09:2212

摘要：摘 要：机械臂的时间最优轨迹规划是指机械臂的末端关节在从初始位置到给定位置过程中，所花时间最短的轨迹规划。文章以七自由度机械臂为研究对象，在用三次多项式规划出机械臂运动轨迹的前提下，拟采用改进遗传算法的方法，用浮点编码和设计适应度函数，生成

　　摘 要：机械臂的时间最优轨迹规划是指机械臂的末端关节在从初始位置到给定位置过程中，所花时间最短的轨迹规划。文章以七自由度机械臂为研究对象，在用三次多项式规划出机械臂运动轨迹的前提下，拟采用改进遗传算法的方法，用浮点编码和设计适应度函数，生成满足约束条件的初始种群，然后不断迭代直到满足算法终止条件为止，对机械臂的运动轨迹进行时间上的优化，通过将机械臂在全局寻优的方法，找到时间最短的方案。

　　关键词：机械臂;轨迹规划;时间最优;改进遗传算法

　　引言

　　近年來，随着机器人技术的快速发展，针对机器人展开了各项技术研究。其中，针对机械臂轨迹规划的研究主要从关节空间轨迹规划和笛卡尔空间轨迹规划两种方面进行展开，而无论采用哪种规划方法所规划出来的轨迹，不管是从时间还是能耗以及关节冲击上都不是最优的，因此这就需要我们对规划好的轨迹进行优化找出一条最优的轨迹。随着企业对于生产效率要求的普遍提高，这就要求机械臂沿着规划的轨迹运行的同时还要求其运行的轨迹平滑连续。

　　为了更充分地利用机械臂动力性能，需要在保证机械臂约束的前提下对机械臂的运动轨迹进行优化。就目前来看，机器人适用的场合不同所优化目标也不尽相同，大致分为：运行时间优化、耗能优化和减冲击优化这三种[1]，本文主要针对时间优化展开研究。韦素云，徐敏使用双臂的机器人作为执行机构，将神经网络算法应用到了机械臂解耦问题上，取得了良好的效果，很好的避免了复杂轨迹优化收敛速度较慢及局部收敛的问题[2]。宫孟孟等人也是用神经网络的方法，来识别障碍物来进行避障，同时也能够判断设计出来的运动路线是否会与障碍物发生碰撞，在一定程度上可以提高计算速率[3]。文献[4]采用改进的蚁群算法和模糊PID控制算法对时间进行优化，很好地保证了时间以及冲击最优。本文采用改进遗传算法，对机械臂通过固定路径点进行时间最优的轨迹规划。

　　1 三次多项式插值规划轨迹

　　由于机械臂轨迹规划中，需要在轨迹中插入许多中间点，我们可以把相邻的每三个点都看作是轨迹的起始点、中间点和终止点，那么，每段轨迹的终止点的一二阶导数就是下一段起始点的一二阶导数，限制在于每个被当成是起始点或终止点的中间点的速度必须是连续的，而整段轨迹的起始点和中间点的速度均为0。设?兹0是关节的初始角度值，?兹f是终止点的关节角度值。三次多项式函数表达式为?兹(t)=a0+a1t+a2t2+a3t3。

　　在起始和终止点处的位移约束条件为：

　　关节速度约束条件为：

　　联立(1)和(2)：

　　2 改进遗传算法

　　2.1 浮点编码法

　　在机械臂的关节轨迹优化过程中，很多论文都采用的是传统的二进制编码方法，这种方法的好处在于直接简便，但其缺陷也很明显。例如，线性函数在离散化的过程中会产生误差;编码方法也对二进制编码优化的准确度有很大影响。为了解决这些问题，选择了浮点编码方法，作为一个时间间隔变量，以直接验证该变量与浮点的匹配性，在一定程度上减少了算法的计算量，从而加强了算法收敛的速度。

　　2.2 适应度函数设计

　　在适应度函数的设计方面，为了防止算法出现较大的误差，因此采用罚函数法，对约束条件中的个体进行筛选，满足要求的种群后代不会受到惩罚，而不满足的后代则将会施加惩罚。根据算法迭代中种群的基因变化情况，调整罚函数的约束，使得误差趋于最小化，算法更加精确。适应度函数为：

　　推荐阅读：机械论文发表有哪些核心期刊

转载请注明来自：http://www.qikan2017.com/lunwen/lig/16300.html