基于QPSO算法的机器人时间最优轨迹规划

在考虑关节约束的前提下,为得到工业机器人时间最优的关节运动轨迹,提出一种工业机器人时间最优轨迹规划新算法。采用五次非均匀B样条插值法构造各关节运动轨迹,得到的机器人各关节位置准确,各关节速度、加速度和加加速度曲线连续。利用量子行为粒子群优化算法(Quantum-behaved Particle Swarm Optimization,简称QPSO)进行时间最优的轨迹规划,该算法可以在整个可行域上搜索,具有较强的全局搜索能力。与标准粒子群算法(Particle Swarm Optimization,简称PSO)和差分进化算法(Differential Evolution Algorithm,简称DE)相比较,结果显示使用该算法进行时间最优的轨迹规划得到的数值结果更小。     

双臂机器人时间最优轨迹规划研究

本论文对双臂机器人时间最优轨迹规划问题作了深入研究,成功地运用了动态规划法 ,对沿着特定路径运动的双臂机器人左、右臂进行了时间最优轨迹规划,从而保证机器人左 、右臂在无碰撞的前提下,实现时间最优运动．算法通过了计算机仿真实验,证明算法可行 ,效率较高．     

工业机器人时间-能量最优轨迹规划

针对工业机器人时间最优、能耗最优的多目标轨迹优化问题,提出了一种基于改进引力搜索算法的最优轨迹规划方法。将引力搜索算法的种群按照惯性质量的大小均分为两组。首先引领组的粒子进行小范围的邻域搜索。然后引领组通过施加引力来引导跟随组的粒子进行位置更新。同时引入人工蜂群算法的贪婪选择策略,每次更新保留较优解。以自主研发的150 kg重载机器人为实验对象,将所提算法与标准人工蜂群算法和引力搜索算法进行比较,结果表明所提算法具有更优性能。     

基于改进GA的5R串联机器人最优时间轨迹规划

该文以工业自动化中的5R工业机器人为研究对象,在关节空间中采用3-5-3样条插值曲线建立起轨迹基元函数,并提出一种改进遗传算法（genetic algorithm,GA）对3-5-3样条插值曲线的各段插值时间分别进行优化用以满足不同速度的约束条件。在遗传算法中采用轮盘赌法和锦标赛选择法相结合的选择算子并针对交叉概率和变异概率分别设置自适应参数调节机制,以实现算法性能的提升,防止种群陷入局部极值。在MATLAB中搭建5R机器人仿真平台进行实时实验,得到了各关节角度位置、角速度、角加速度、急动度曲线,实验表明该方法能够有效实现不同速度约束下的最优时间轨迹规划。     

基于遗传算法的工业机器人时间最优轨迹规划及仿真研究

为了使工业机器人的末端执行器在任给路径下运行时间最短,在考虑机器人各关节速度、加速度、加加速度和力矩约束的情况下,以PUMA560为例,对工业机器人轨迹进行时间最优规划;在Matlab平台上,对该轨迹规划优化算法进行仿真,仿真结果表明机器人各关节时间最优轨迹规划比未处理的轨迹规划时间明显缩小6.999 4s,6.651 0s,6.351 2s,各个关节的轨迹曲线平滑,从而验证了该算法的有效性。     

基于6DOF机器人的能耗最优轨迹规划

为研究MOTOMAN-UP6机器人的运动学和轨迹规划,该文采用标准D-H建模方法对该机器人进行运动学建模。基于该机器人的特性,采用了一种可易编程的位姿分离法进行逆运动学分析;因逆解的不唯一性,为使得轨迹的能耗最优,提出关节加权系数对轨迹点之间的关节变量进行处理后,得到最优轨迹;同时为减少机器人在运行中的冲击和振动,采用七次多项式对最优轨迹进行轨迹规划,得到了机器人各关节下的位移、速度、加速度、冲击的仿真曲线,曲线光滑且连续,同时也表明了在关节冲击方面优于五次多项式的规划。     

工业机器人轨迹规划方法综述

轨迹规划是工业机器人运动控制的基础,对工业机器人的工作效率和稳定性有重大影响。为掌握工业机器人轨迹规划方法的研究现状,根据工业机器人规划空间和优化目标的不同对轨迹规划方法进行分类,介绍了直线、圆弧等基本轨迹的优缺点和适用场合,分析了基于约束和智能算法的各种最优轨迹规划算法的思路和性能特点。指出了基于强化学习的轨迹规划、轨迹误差预测和补偿、动态避障、多机器人运动规划等是工业机器人轨迹规划的关键问题和重要研究方向。     

关节型工业机器人轨迹规划研究综述

关节型工业机器人凭借其良好的灵活性和高效率的工作模式被广泛地应用于现代工业自动化生产之中,例如搬运、码垛、焊接、切割等。轨迹规划是工业机器人运动控制的基础研究领域,决定着其作业效率和运动性能。工业机器人的轨迹规划是指综合考虑作业需求和机器人性能,在笛卡尔空间或关节空间内得出指导机器人末端执行器运动的轨迹。阐述了工业机器人轨迹规划的概念及其分类,就各个领域的轨迹规划算法进行了全面综述,包括基本轨迹规划和最优轨迹规划,指出了各类轨迹规划算法中所存在的问题和未来的发展方向。     

基于混合遗传算法的工业机器人最优轨迹规划

为兼顾工业机器人工作效率与轨迹的平稳性,提出一种基于混合遗传算法的二次轨迹规划方案.通过最优时间轨迹规划得到最小执行时间,在最小执行时间内进行最优冲击轨迹规划,进而规划出一条既高效又平滑的运动轨迹.采用五次均匀B样条在关节空间进行快速插值,不仅保证了各关节速度和加速度连续性还保证了各关节冲击的连续性.连续平滑的冲击可以减少机械振动,延长机器人的工作寿命.选用PUMA560为对象进行仿真与实验,结果表明,该方案可以获得比较理想的机器人运动轨迹,所提出的混合遗传算法能有效提高全局寻优的性能和算法运行的稳定性.     

Efficient time-optimal two-corner trajectory planning algorithm for differential-driven wheeled mobile robots with bounded motor control inputs

We propose an efficient time-optimal trajectory planning algorithm for differential-driven wheeled mobile robots with bounded motor control inputs in the environment with cranked road where two corners with arbitrary angles exist. Based on dynamics for differential-driven wheeled mobile robots including actuating motors as well as on the bang–bang principle for time-optimality, we plan the time-optimal free path trajectory which unifies path planning and trajectory generation. Thus it improves total time significantly while handling obstacle avoidance. We divide our trajectory into three sections and then divide each section into an appropriate number of subsections to make five subsections in total. We introduce the concept of transition angle to solve the problem with formulating search loops efficiently. Numerical results are provided to validate the effectiveness of the proposed algorithm.     

基于QPSO 算法移动机器人轨迹规划与实验

针对移动机器人路径规划问题,提出一种基于QPSO算法的路径规划方法,并用概率论的方法分析了移动机器人路径规划的收敛性,阐明了该方法随均匀分布和正态分布的参数关系和收敛区间;然后根据移动机器人的运动特征提出一种改进的轨迹规划方法。移动机器人平台的实验结果表明了该方法在移动机器人路径规划中的有效性和可行性。     

计算机数控系统光滑时间最优轨迹规划

基于控制向量参数化(CVP)方法, 研究了计算机数控(CNC)系统光滑时间最优轨迹规划方法. 通过在规划问题中引入加加速度约束, 实现轨迹的光滑给进. 引入时间归一化因子, 将加加速度约束的时间最优轨迹规划问题转化为固定时间的一般性最优控制问题. 以路径参数对时间的三阶导数(伪加加速度)和终端时刻为优化变量, 并采用分段常数近似伪加加速度, 将最优控制问题转化为一般的非线性规划(NLP)问题进行求解. 针对加加速度、加速度等过程不等式约束, 引入约束凝聚函数, 将过程约束转化为终端时刻约束, 从而显著减少约束计算. 构造目标和约束函数的Hamiltonian函数, 利用伴随方法获得求解NLP问题所需的梯度.     

载人机器人平顺轨迹规划及自抗扰跟踪控制方法

针对公共环境载人机器人的安全性和乘载舒适性需求,提出一种机器人平顺轨迹规划及改进自抗扰跟踪控制方法,重点解决避险和平稳运动两种工况下机器人轨迹扰动问题;首先,设计了基于障碍物密度及其危险性的在线速度空间优化方法,获得符合安全和舒适度要求的轨迹;其次,采用扩张状态观测器观测机器人轨迹跟踪过程中内外扰动并实施补偿;再次,引入非线性反馈控制律自动调整反馈增益,减少超调并提高自抗扰控制器稳定性;对不同场景数值模型仿真表明,提出的轨迹规划方法可以满足机器人作业的安全性、舒适性需求;改进自抗扰跟踪控制器效果明显优于传统ADRC和自适应PID,具有较强的抗干扰能力和较快速的跟踪性能.     

多障碍环境中移动机器人的光滑轨迹规划

根据轮式移动机器人参数化轨迹生成模型,结合多障碍物结构化环境中障碍物的建模,把其和参数化轨迹规划模型融合,得到了具有一般性的多障碍物环境中轮式移动机器人光滑轨迹规划模型;并利用最优化控制原理,建立了任意性能指标下,多障碍物环境中最优参数化轨迹生成模型。结合数值求解方法,推导了多障碍物环境中参数化轨迹规划非线性求解模型的求解方法。最后通过仿真验证了参数化轨迹规划求解模型的正确性。     

Evolutionary trajectory planning for an industrial robot

This paper presents a novel general method for computing optimal motions of an industrial robot manipulator (AdeptOne XL robot) in the presence of fixed and oscillating obstacles. The optimization model considers the nonlinear manipulator dynamics, actuator constraints, joint limits, and obstacle avoidance. The problem has 6 objective functions, 88 variables, and 21 constraints. Two evolutionary algorithms, namely, elitist non-dominated sorting genetic algorithm (NSGA-II) and multi-objective differential evolution (MODE), have been used for the optimization. Two methods (normalized weighting objective functions and average fitness factor) are used to select the best solution tradeoffs. Two multi-objective performance measures, namely solution spread measure and ratio of non-dominated individuals, are used to evaluate the Pareto optimal fronts. Two multi-objective performance measures, namely, optimizer overhead and algorithm effort, are used to find the computational effort of the optimization algorithm. The trajectories are defined by B-spline functions. The results obtained from NSGA-II and MODE are compared and analyzed.