基于改进蝴蝶算法的机械臂时间最优轨迹规划

机械臂在轨迹规划过程中,为使驱动装置符合实际负载要求,各关节速度和加速度在选取上会相对保守,导致完成一套动作需要的时间过长,从而使基于运动速度和加速度的机械臂的连续性和平稳性未能充分发挥。为解决机械臂各个关节速度和加速度的优化问题,提出一种基于改进蝴蝶算法的机械臂时间最优轨迹规划方法。首先,利用3-5-3多项式插值算法对AUBO-i5六自由度机械臂构造机械臂运动轨迹,然后,利用引入莱维飞行和正弦余弦算法的蝴蝶优化算法对运动轨迹进行时间优化,在满足工作需求的前提下,减少机械臂的运行时间。仿真结果表明,改进的蝴蝶算法与同类算法相比,不易陷入局部最优,且具有更高的寻优精度。将改进的蝴蝶算法应用在轨迹规划中,机械臂的运动时间大大缩短,可保证机械臂在实际生产中平稳高效地完成任务。

基于网格搜索算法的6-RUS并联机器人时间最优轨迹规划

针对6-RUS并联喷涂机器人再现轨迹不平滑、轨迹规划效率低等问题,提出了基于优化贝塞尔曲线节点位置的6-RUS并联机器人时间最优轨迹规划方法。首先,将预处理的轨迹离散化为网格点,更新节点参数并优化贝塞尔曲线弧长,进一步拟合小线段路径获取最优几何路径;然后,计算不同粗网格点对应的最佳速度以及求解时间,选择合适的粗网格点,进一步以较小步长密化网格点间路径,迭代求解正反向最大速度,搜索路径的最佳速度曲线,获取6-RUS并联机器人的最佳运行时间。最后,在自研的6-RUS并联机器人平台上进行实验。结果表明,在相同示教轨迹条件下,基于所提的改进贝塞尔曲线算法得到的路径长为8.12 m,优于传统贝塞尔曲线算法以及G2CBS算法的结果;同时将改进的时间最优轨迹规划算法(TOPP)用于优化后的示教路径,所提算法的最优速度曲线的求解时间为416.4 ms,与TOPP-RA算法的最优速度曲线的求解时间相比缩短了244.7 ms,而且该算法下最优轨迹规划时间也优于TOPP-RA算法,该方法提高了最佳速度的求解速率,缩短了6-RUS并联机器人轨迹再现时间,提高了工作效率。

改进鲸鱼优化算法在机械臂时间最优轨迹规划的应用

针对机械臂时间最优轨迹规划问题,提出一种改进鲸鱼优化算法的最优轨迹规划方法。首先把机械臂各个关节的角度、角速度、角加速度作为约束参数,在关节空间中采用五次多项式插值构造机械臂的轨迹,然后建立以机械臂运行时间最优为目标的目标函数,采用改进的鲸鱼优化算法(IWOA)来对时间进行优化,提高机械臂的运行效率。最后通过MATLAB进行仿真,结果表明,改进的鲸鱼优化算法相较于其它同类算法求解精度更高,收敛速度更快,并且经过IWOA和轨迹优化结合得到的机械臂的位移、速度和加速度曲线都是平滑的且没有明显的突变,验证了该轨迹规划方法的有效性。

工业机器人时间最优轨迹规划及轨迹控制的理论与实验研究(英文)

提出了一种用于工业机器人时间最优轨迹规划及轨迹控制的新方法 ,它可以确保在关节位移、速度、加速度以及二阶加速度边界值的约束下 ,机器人手部沿笛卡尔空间中规定路径运动的时间最短 .在这种方法中 ,所规划的关节轨迹都采用二次多项式加余弦函数的形式 ,不仅可以保证各关节运动的位移、速度、加速度连续而且还可以保证各关节运动的二阶加速度连续 .采用这种方法 ,既可以提高机器人的工作效率又可以延长机器人的工作寿命 .以PUMA 5 6 0机器人为对象进行了计算机仿真和机器人实验 ,结果表明这种方法是正确和有效的 .它为工业机器人在非线性运动学约束条件下的时间最优轨迹规划及控制问题提供了一种较好的解决方案 .

基于超冗余度机械臂动力学的时间最优轨迹规划

基于超冗余度机械臂的动力学方程 ,提出了一种超冗余度机械臂同时受速度和力矩约束的时间最优轨迹规划方法 .它首先采用 B样条曲线拟合无碰撞离散路径 ,得到由伪位移参数 s表示的超冗余度机械臂连续、光滑运动路径 ,然后对动力学方程和约束方程进行数学变换 ,得到由 s表示的动力学方程和约束方程 ,最后以 s和伪速度 s· 分别作为动态规划的阶段变量和状态变量 ,对超冗余度机械臂进行时间最优轨迹规划 .仿真结果表明 ,所给出的时间最优轨迹规划算法是正确的 。

基于IAGA的机械手时间最优轨迹规划

为了实现机械手在约束范围内以最快的速度运动,将遗传算法应用于机械手时间最优轨迹规划的研究。在遗传算法进化过程的基础上,提出了一种基于种群集散状态的改进自适应遗传算子,同时采用了优胜劣汰的选择方式,进化后期交换交叉和变异的顺序,有效地解决了简单遗传算法的两大缺陷。对PUMA560的前三铰进行了仿真试验,并与混沌优化法进行了对比分析。实验结果表明,所提出的算法可以有效地防止早熟,收敛速度更快,鲁棒性更好且拥有较强的寻优能力。

采用强化学习的多轴运动系统时间最优轨迹优化

为实现多轴运动系统高速运动并解决电机动载荷过载的问题,提出了一种采用强化学习的时间最优轨迹优化方法。使用改进状态-动作-奖励-状态-动作(SARSA)算法和迭代交互法来寻找时间最优轨迹:通过改进SARSA算法与基于运动学模型建立的强化学习环境进行交互学习,找到满足运动学约束的初始策略轨迹;通过迭代交互法与真实环境进行交互学习,从而将电机动态载荷约束引入到强化学习环境中并对策略轨迹进行修正;最终得到满足电机动态载荷约束的时间最优轨迹。在自行搭建的两轴运动系统上进行验证,结果表明,改进SARSA算法优化得到的策略轨迹的速度和加速度曲线均在约束范围内,且经过10次迭代后的轨迹实际测量力矩曲线也在电机动载荷约束范围内,所提方法能够得到同时满足运动学约束和动力学约束的时间最优轨迹。

高效计算时间最优轨迹的牛顿-共轭梯度增广拉格朗日方法

基于牛顿-共轭梯度(Newton-CG)增广拉格朗日算法,给出了一种计算机数控(CNC)系统时间最优轨迹规划问题的高效求解方法.通过非线性变量代换,时间最优轨迹规划问题被表述为一个固定时间域的凸最优控制问题.基于扩展极大值原理,证明了弦误差与分轴加速度约束的时间最优轨迹具有bang-bang的约束结构.基于控制向量参数化方法,问题被转化为具有无穷维约束的半无穷规划问题.通过构造拉格朗日函数,约束优化问题转化为一系列无约束问题.由于问题凸性,故迭代求解采用高效的线搜索Newton-CG方法.通过求解给定测试路径的时间最优轨迹规划问题,验证了所提方法的有效性.

基于PSO算法的双臂机器人时间最优轨迹规划

依据双臂机器人运动学约束条件,将已完成无碰撞路径规划的由两个5自由度机械臂构成的双臂机器人作为一个具有10自由度的单臂机器人,采用多段样条多项式插值对其一般时间最优轨迹规划问题进行研究,并以4-3-3-4次多项式插值为例,运用PSO算法对双臂机器人各段插值时间进行优化,得到满足速度约束条件下的最优插值时间,并由此得到双臂机器人各个关节的运动位置、速度和加速度曲线,仿真结果表明,该方法能够有效实现指定速度约束下已完成无碰撞路径规划的双臂机器人时间最优轨迹规划。

基于自适应粒子群算法的FS20N机器人时间最优轨迹规划

针对通用型机器人,以运行时间最短为目标,提出一种基于自适应粒子群(APSO)时间最优轨迹规划算法。在关节空间轨迹规划中,逆解得到关节变量与时间的关系,以此建立五次多项式关节变量与时间的插值轨迹。然后,利用罚函数对其关节角度、关节速度、关节加速度进行处理,同时以插值关节各点间的时间间隔之和为优化目标,采用自适应粒子群算法进行优化求解,得到时间最优的轨迹。最后,利用MATLAB仿真软件,建立川崎FS20 N仿真模型进行验证,得到运行平稳且时间最优的运行轨迹图,仿真结果验证了该算法在轨迹规划中的可行性。

锚护机器人工作臂的时间最优轨迹规划

根据锚护机器人工作臂的作业效率和避障需求,设定了锚护机器人钻架的运动路径,然后使用4-3-3-3-3-3-4分段多项式插值得到工作臂各关节的运动轨迹,并提出自适应差分进化算法求解时间最优轨迹,结合运动学模型得到了钻架的运动路径。研究结果表明:得到的时间最优轨迹在满足工作臂的物理约束、作业效率和动作平稳性的同时保证工作臂和钻架不会与外界环境产生碰撞。

工业机器人的时间最优轨迹规划

随着我国工业逐步向现代化迈进,工业机器人的作用越来越重要。做好机器人的最优时间轨迹规划是实现机器人最优控制的一个重要前提。规划时间最优轨迹的目的就是最大程度的提高机器人的操作速度以缩短其运行的时间,最终提高机器人的工作效率。本文对工业机器人的时间最优轨迹规划问题作了一个简要的概述。

包装生产线的操作臂轨迹规划的一种优化方法

目的为提高仓库存储、包装生产领域操作臂运动效率,提出一种基于混合优化的鲸鱼算法(MAIWOA)来求解操作臂始末2点运动过程中时间最优值。方法首先是通过混沌算法优化初始化种群;其次,提出一种对勾函数和包围收缩学习机制来帮助算法跳出局部收敛;然后利用改进的反向树形拓扑结构来提高种群探索的多样性;采取改进收敛因子和自适应权重机制来平衡前中期的全局探索能力和后期的收敛性。结果该算法在收敛速度和收敛精度上均有可观的提升。将该算法应用到五次多项式插值关节运动时间最优求解上取得了很好的效果,关节1、2、3的运动时间由20 s分别缩减到了9.6425、9.2515、10.787 s,效率分别提高了51.79%、53.74%、46.07%。结论将MAIWOA应用到一般性操作臂轨迹规划上,可提高生产线上操作臂的执行效率。

基于改进CMA-ES算法的机器人轨迹规划

针对工业机器人的关节状态无法达到最大约束而影响工作效率的问题,提出一种基于改进协方差矩阵自适应进化策略算法的时间最优轨迹规划方法。本文首先引入1/5成功理论来调整协方差矩阵自适应进化策略算法(CMA-ES)的种群规模和步长,以提高算法的寻优效率。然后以PUMA560工业机器人为例,规划传统的3-5-3多项式插值轨迹。最后,以时间最小为目标,罚函数法处理速度、加速度约束条件,利用改进CMA-ES算法对机器人的轨迹进行优化。仿真结果表明,改进后算法性能增强,采用改进CMA-ES算法优化后的轨迹时间明显比未优化更少,而且算法寻优时的收敛速度较快。算法具有有效性和可行性,提高了机器人的工作效率。