基于五次B样条的工业机器人轨迹优化

为提高工业机器人的工作效率,提出一种以时间最优为目标的轨迹优化方法,在5次B样条曲线轨迹规划原理的基础上,引入遗传算法对轨迹进行优化。针对工作时间建立适应度函数,并通过选择交叉概率和变异概率操作产生新的轨迹解,与未被淘汰的父代组成新的种群,经过迭代求得运行时间最优的期望解。利用MATLAB软件对这一方法进行仿真,结果表明,经分析遗传算法优化后,轨迹运行时间明显减少,且具有良好的轨迹效果。

基于改进自适应多目标粒子群算法的机械臂最优轨迹规划方法

轨迹规划是机械臂运动控制的关键环节,向控制器提供时间最短且稳定的参考轨迹,能够减少机械臂的运动时间以及关节振动。该文针对多自由度机械臂的时间、冲击最优轨迹规划问题,提出了一种基于改进自适用多目标粒子群算法(improved adaptive multi-objective particle swarm optimization,IAMOPSO)的机械臂轨迹规划方法。首先,利用5次B样条曲线对给定的关节路径点进行插值,获得位置、速度以及加速度等物理量连续的运动轨迹;然后,建立以机械臂的运动时间和关节冲击为优化目标的数学模型,将机械臂的关节运动学约束作为优化问题的约束条件;最后,为提高非支配解集的多样性,同时避免产生局部极值,采用变异算子、自适应权重以及动态学习因子的混合策略改进多目标粒子群算法,再优化求解目标函数,并利用归一化函数选取平均最优解。使用5次B样条曲线插值能够满足机械臂关节轨迹平滑以及连续性要求,基于IAMOPSO算法的最优轨迹规划方法能获得收敛性较好的Pareto前沿面,依据平均最优准则所选取的时间、冲击最优轨迹,能有效提高机械臂的作业效率与稳定性。

基于改进A^(*)算法的煤矿救援机器人路径规划

煤矿救援机器人在执行救援任务时,在获得任务指令后首先需要获得环境模型,再利用内置算法在该环境模型中规划出一条从当前位置到目标位置的无碰撞路径。为减少救援机器人的移动时间,通常要求该路径为时间最优,而目前使用较多的传统A^(*)算法在栅格地图环境下规划的路径存在路径冗余点多、路径转折角度大等问题,导致该路径对于可沿任意方向灵活移动的救援机器人来说是“非最优”的。为解决这一问题,在传统A^(*)算法的基础上提出一种改进A^(*)算法。首先,该算法在传统A^(*)算法的基础上增加当前扩展节点的邻接点数量,以快速搜索获得初始路径;其次,通过设置距离阈值并重连路径点,去除初始路径的冗余点;根据步长分割路径获得间距更小的路径点集合,并再次去除冗余点;最后,为进一步对所得路径的转角进行平滑处理,采用5次B样条曲线进行拟合,最终得到路径点更少、路径代价更小、累计转折角度更小的优化路径。在5种不同尺寸、障碍物覆盖率为20%的栅格地图环境中利用MATLAB对上述改进A^(*)算法进行仿真实验,并将改进A^(*)算法的仿真结果与传统A^(*)算法的仿真结果进行对比。结果表明:相对于传统A^(*)算法,改进A^(*)算法通过扩展邻接点、去除路径冗余点及路径平滑等操作,有效改善了传统A^(*)算法的路径冗余点多和路径转折角度大等问题;此外,改进A^(*)算法还能在一定程度上减少生成初始路径时的扩展节点数量,降低系统内存占用。

一种机械臂最优时间-冲击轨迹优化算法

针对工业机械臂执行效率以及运动过程中的冲击产生振动、机械磨损的问题,提出了一种机械臂的最优时间-冲击轨迹规划方法,优化机械臂关节运动时间和加加速度(冲击)两个耦合且矛盾的运动性能指标。通过逆运动学可以将机械臂执行的运动轨迹转换为在关节空间中的位置-时间序列,采用5次非均匀B样条函数在关节空间内构造插值曲线,用各阶B样条曲线控制顶点的约束代替机械臂的运动约束,利用NSGA-Ⅱ(Non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)对目标函数进行优化。仿真结果表明,采用5次非均匀B样条函数插值,对运动时间和冲击进行优化的运动轨迹,提高了机械臂的执行效率,保证了运动过程中产生较小的冲击,使得机械臂的运动控制性能得到了提高。

基于时间-平滑性多目标的机械臂轨迹规划

针对机械臂工作效率及工作中产生振动、磨损的问题,利用5次非均匀B样条曲线(NURBS),在关节空间中建立曲线端点的一阶导数与二阶导数均可指定的时间-位置曲线,通过引入NSGA-II(Non-dominated Sorting Genetic Algorithm II)优化算法以运行效率最优与振动冲击最小为优化目标对机械臂运行轨迹进行优化,得到Pareto最优解。对6R机械臂的仿真结果表明,由5次非均匀B样条曲线构造的轨迹提高了运行效率并减小了机械臂在运动过程中产生的振动与冲击,使得机械臂获得更优的工作性能。