工业机器人多目标轨迹优化

基于工业机器人时间、能量、冲击最优等多目标下的轨迹优化问题,采用多目标优化方法进行研究。采用七次B样条插值曲线,构造工业机器人连续并且两端端点的参数都可以进行设定的轨迹,保证了工业机器人的运动性能。然后采用改进遗传算法对工业机器人进行优化,得出Pareto最优解集。在自主研发的六自由度工业机器人上的仿真结果表明:七次B样条插值可以得到连续的机器人轨迹,改进的遗传算法可使B样条轨迹进行有效的多目标寻优,获得良好的Pareto前沿。

基于IGA的机械臂时间最优轨迹规划

针对传统机械臂轨迹规划效率较低的问题,课题组提出了对传统遗传算法初始种群的选取及种群的变异策略改进的方法。该方法以三次B样条插值曲线作为轨迹规划的基础,以各关节运动角速度、角加速度、角加加速度作为运动约束,使用改进型遗传算法(improved genetic algorithm,IGA)进行时间优化,可以得到满足运动约束条件的时间最优运动轨迹。课题组以自主研发的QFB140机械臂作为研究对象,采用改进型D-H参数进行标识,并导入MATLAB进行仿真。结果表明:IGA在时间优化上有了较大提升,进一步实现了时间最优轨迹规划,提高了工作的效率。