基于改进PSO算法的时间最优机械臂轨迹规划北大核心

针对传统机械臂轨迹规划存在效率低、智能算法易早熟和运行不稳定等问题,提出了一种以时间最优为目标,采用改进粒子群算法(PSO)对6自由度机械臂轨迹进行优化的方法。首先,在关节空间下利用机械臂正逆运动学原理获取其轨迹插值点;其次,为了使机械臂能够快速平稳地到达目标位置,采用3-5-3多项式对其轨迹进行插值;最后,使用改进PSO算法对分段多项式插值构造的轨迹进行优化,实现6自由度机械臂时间最优的轨迹规划。通过MATLAB仿真实验可以得到机械臂各个关节的加速度、速度和位置的轨迹信息,在满足机械臂运动学约束的前提下,机械臂完成整段轨迹所用的时间从3 s减少到2.1 s,整体运行时间相对于PSO算法优化前缩短了近30%,由此表明改进PSO算法可以有效地实现6自由度机械臂时间最优的轨迹规划。     

基于改进粒子群算法的六自由度机械臂时间最优轨迹规划

针对六自由度机械臂时间最优轨迹规划问题,提出一种基于改进粒子群算法的4-3-4混合多项式插值轨迹规划算法。算法采用自适应惯性权重,它能根据搜索过程的各个阶段采用相应大小的权重,有利于跳出局部最优陷阱,保持粒子群多样性;以非线性学习因子代替传统粒子群算法中固定的学习因子,有效提高算法的收敛速度和求解精度。通过MATLAB进行仿真验证,结果表明改进粒子群算法收敛速度提高46%,寻优精度提高38%,同时机械臂轨迹规划时间缩短了大约36%,充分地证明了该轨迹规划算法的可靠性和优越性。     

基于粒子群算法的新型机械臂圆弧导轨优化设计

针对传统的机械产品设计过程周期长、效率低,很难在短时间内得到最优解的缺点,将粒子群优化算法引入一种用于康复机器人的新型机械臂圆弧导轨的优化设计中。通过机械臂的使用目的搭建机械模型,确定导轨设计中的重要参数作为设计变量,同时利用强度校核确定设计变量的边界条件,根据设计目的确立产品质量最小为优化设计的目标函数,利用粒子群算法快速、准确地获得合理的结构参数。实现了对新型机械臂圆弧导轨最优解的优选。     

基于群智优化小波神经网络的机械臂路径控制研究

为了提高机械臂路径控制的准确性,采用群智能优化的小波神经网络算法对机械臂路径进行跟踪,以便实现精准有效的控制。首先分析了二连杆机械臂动力结构,然后建立基于小波神经网络的机械臂路径控制模型,根据机械臂状态变量构建粒子群,通过粒子位置更新获得稳定的小波神经网络模型主要参数。在仿真过程中通过差异化设置隐藏层节点数M和粒子群速度权重ω主要参数,实验证明,当M=12,ω=1.2时,可以获得最优的机械臂目标路径跟踪性能,角度平均误差和位移平均误差均最小,相比于小波神经网络的机械臂路径跟踪,经过了粒子群优化后的跟踪性能提升明显。     

多策略改进型麻雀算法在水下伸缩臂轨迹定位的应用

针对深层水域水下机器人通过机械臂捕捉目标物定位精度低、搜索难度大、耗费时间长的问题,提出一种基于多策略改进型麻雀搜索算法的水下机器人伸缩臂轨迹定位方法。通过D-H参数法搭建伸缩臂模型,结合MATLAB和ADAMS分析伸缩臂在水下捕捉目标物群目标物的低效性,引用麻雀搜索算法中鸟群觅食在最优位置的思想,引入Logistic混沌映射和柯西高斯变异原理,通过水下机器人的4项性能指标分析最优结果。结果表明：优化后的麻雀算法优于其他算法,同粒子群算法、天牛群算法、鲸鱼优化算法相比,伸缩臂捕捉目标物轨迹路线更加精确,水域环境下避障更为明显。     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

改进麻雀搜索算法下机械臂轨迹规划

针对数控加工机器人的工作抖动问题,考虑机床工作精密度、时间、能耗指标,提出一种时间寻优的改进麻雀搜索优化算法。使用D-H参数构建机械臂数学模型,在MATLAB环境下对已建立模型进行仿真分析,利用3-5-3多项式插值法对机械臂空间轨迹路线分析,并提出麻雀搜索算法优化方案,对比传统算法及改进后机械臂关节速度及加速度曲线,明确优化后算法高效性,对比其他优化算法,确定机械臂时间最优解。研究结果表明,改进麻雀搜索算法粒子收敛速度提升43%,最优解收敛精度提升8%,机械臂轨迹规划用时明显缩短,轨迹规划达到预期,有效提高算法收敛效率及求解精度。     

一种改进粒子群算法及其在多目标冗余机器臂轨迹规划中的应用

针对5臂混凝土泵车臂架系统的冗余和原始粒子群算法存在的不足,提出了一种可以求解冗余臂架系统逆动力学问题的粒子群改进算法.改进的粒子群算法,对冗余臂架系统在有障碍和无障碍空间两种工况下的工作轨迹进行了规划,并分别考虑了多个不同重要程度的子目标.通过数值仿真和实验研究,验证了改进的粒子群算法的有效性.最后,通过与传统粒子群算法比较,进一步验证了所提出的改进粒子群算法的优越性.     

一种改进粒子群算法及其在多目标冗余机器臂轨迹规划中的应用（英文）

针对5臂混凝土泵车臂架系统的冗余和原始粒子群算法存在的不足,提出了一种可以求解冗余臂架系统逆动力学问题的粒子群改进算法。改进的粒子群算法,对冗余臂架系统在有障碍和无障碍空间两种工况下的工作轨迹进行了规划,并分别考虑了多个不同重要程度的子目标。通过数值仿真和实验研究,验证了改进的粒子群算法的有效性。最后,通过与传统粒子群算法比较,进一步验证了所提出的改进粒子群算法的优越性。     

基于自适应变异粒子群优化算法的移动机器人路径规划

对路径规划中区域划分的建模方法进行改进,实现根据环境中障碍物的具体分布来自适应划分环境空间,将路径规划问题转化为带约束目标函数优化求解问题.针对粒子群算法的局部极小值问题,提出将自适应差分进化算子作为粒子群优化算法的自适应变异算子的改进方案.仿真结果表明:环境模型的自适应划分可以提高算法的搜索效率,缩短计算时间,使算法具有更好的实时性;加自适应变异算子的粒子群优化算法可以使目标函数快速跳出局部最优的束缚.     

一种关节型机器人快速收敛的粒子群优化算法

快速收敛性的研究和应用对关节型机器人轨迹规划有着重要的意义和价值。以关节型机器人完成不同动作时轨迹的平滑度和所用的时间为主要优化目标,提出一种快速收敛的粒子群算法。将全局学习因子和局部学习因子联合起来,通过调整比例系数和全局学习因子的比重获得更快的收敛速度。实验结果表明：在迭代次数较少时,所提方法与改进的粒子群算法的应用效果接近;在迭代次数较多时,所提方法优于改进的粒子群算法。     

基于改进自适应粒子群算法的机器人逆解研究

为提高结构复杂、自由度较高机器人逆运动学求解的准确性,提出了一种改进的自适应粒子群算法(IAPSO).首先,通过改进DH(Denavit-Hartenberg)参数法建立了6自由度臂型抓取机器人模型的运动学方程;其次,在已有粒子群算法的基础上,利用种群曼哈顿距离实时判定种群的进化状态,并根据进化状态的不同确定自适应学习...     

基于改进量子遗传算法的机器人关节轨迹优化

电子元器件体积较小,对它进行分拣较一般分拣工作困难且工作量巨大,应用机器人分拣可大大提高工作效率。采用七次多项式曲线插值的方法进行轨迹规划,使运动关节的角速度、角加速度和角急动度曲线光滑连续;提出一种改进的量子遗传算法,引入正态分布概率密度函数以改进量子门旋转角步长策略,对关节运动轨迹进行最短时间优化,使机器人能够在满足非线性约束条件的基础上具有最优关节轨迹曲线。仿真结果表明：该轨迹算法能够快速有效地缩短机械臂关节运动时间。     

基于混合算法的七轴机器人逆解求解

为了解决七轴机器人逆运动学求解较难、精度较低的问题,提出一种基于数值迭代法与粒子群优化算法相结合的方法求解.对机器手模型及逆运动学位姿函数进行了研究,利用数值迭代法进行机器手逆解的初步最优角度解,在此基础上缩小搜索范围利用粒子群算法进行二次优化搜索计算,减小数值迭代过程中产生的累积误差,仿真结果表明机器手的位姿精度大大...     

NMPC算法下六自由度机械臂避障轨迹规划

针对机械臂在空间避障轨迹规划的需求,提出一种基于NMPC的六自由度机械臂避障轨迹规划算法。与以往的避障算法相比,该避障算法在规避障碍物的同时可以对运动轨迹精度进行控制。首先,建立六自由度机械臂自主防撞最优控制模型。其次,为了保证系统的时效性,对复杂的六自由度机械臂系统进行线性化处理,并且通过剪切搜索的方法来寻找最优解。最后,使其在满足控制约束和轨迹约束的前提下,达到自主避障效果。通过MATLAB对该算法进行仿真验证,结果表明：该方法能够有效地规划出满足机械臂性能要求的无障碍运动轨迹,实现机械臂在动态环境下的防撞控制,有效提高机械臂的运行安全。     

基于粒子群优化的焊接工作台伺服系统PID控制

提出了基于粒子群优化的焊接进给工作台位置PID控制。焊接进给工作台是焊机伺服系统的重要组成部分,其位置控制对提高焊接质量具有重要意义。采用简单高效的PID控制算法,但由于焊接伺服系统具有非线性等特点,使得PID控制器参数调整困难,传统的齐格勒—尼柯尔斯法则参数整定效果不佳。粒子群算法是一种全局优化算法,可以有效地实现PID参数整定,因此,在Simulink软件下建立进给工作台位置控制模型,采用粒子群算法来实现PID参数的调整,并进行了仿真。仿真结果显示,基于粒子群优化的PID控制器具有超调量小、精度高的特点,控制效果明显好于齐格勒—尼柯尔斯法则。     

采用混合算法优化的3?P RRR并联冗余机械手驱动力矩研究

为了降低平面3-PRRR并联冗余机械手驱动力矩,提高机械手运动平台运动的稳定性,采用混合算法优化机械手运动参数,并对驱动力矩进行仿真验证。针对传统非冗余机械手驱动系统进行改进,给出了平面3-PRRR并联冗余机械手简图,设计了冗余机械手驱动系统,采用雅克比矩阵对冗余机械手运动平台运动轨迹进行转换,推导出冗余机械手3个分支闭环运动轨迹方程式。引用粒子群算法并进行改进,添加了遗传算法中交叉和变异操作,设计出了混合粒子群算法。采用混合算法优化冗余机械手运动参数,通过MATLAB软件对冗余机械手3个分支驱动力矩变化进行仿真,与优化前进行对比。结果显示:优化前,平面3-PRRR并联冗余机械手驱动力矩较大,整体波动幅度较大;优化后,平面3-PRRR并联冗余机械手驱动力矩较小,整体波动幅度较小。采用混合算法优化平面3-PRRR并联冗余机械手运动参数,可以降低机械手驱动力矩,减少冗余机械手运动系统能量消耗。