多子群分層粒子群差分算法在機器人逆運動學(xué)中的應(yīng)用.pdf

1、給定機器人末端執(zhí)行器的位姿或者坐標(biāo)來求解關(guān)節(jié)變量即為機器人逆運動學(xué)，機器人逆運動學(xué)問題求解在機器人學(xué)中占有重大地位，是機器人控制的基礎(chǔ)。根據(jù) D-H法建立的機器人正運動學(xué)方程可知，機器人關(guān)節(jié)角與末端執(zhí)行器空間坐標(biāo)之間呈現(xiàn)嚴(yán)重非線性關(guān)系。對于滿足特定結(jié)構(gòu)的機器人而言，在給定末端執(zhí)行器坐標(biāo)的情況下，可以通過解析法采用在正運動學(xué)方程兩端不斷逆乘變換矩陣逐漸分離出關(guān)節(jié)變量而求得精確解。對于不滿足特定結(jié)構(gòu)的機器人來說，無法通過解析法求解。針對此問

2、題，本文提出多子群分層粒子群差分算法，采用種群進化算法，利用機器人正運動學(xué)方程，不斷在關(guān)節(jié)變量解空間中搜尋滿足條件的最優(yōu)解。
　　論文首先闡述了機器人運動學(xué)方程中的連桿坐標(biāo)系之間的變換關(guān)系，并以此為基礎(chǔ)推導(dǎo)出兩類具有代表性的機器人：PUMA560機器人與噴涂機器人的正運動學(xué)方程。然后，在標(biāo)準(zhǔn)粒子群算法和標(biāo)準(zhǔn)差分算法的基礎(chǔ)上做了一些改進，改進后的自適應(yīng)粒子群算法中慣性權(quán)重、學(xué)習(xí)因子隨著迭代過程進行做相應(yīng)變化，更能適應(yīng)整個種群的進化。

3、同時，將差分算法中原有的變異算子替換為自適應(yīng)變異算子，是算法具有更好的收斂特性。并將改進粒子群算法和差分算法融合成多子群分層差分粒子群算法，該算法底層的多個種群采用自適應(yīng)粒子群算法進行粗搜索，搜索完成后每個種群的部分優(yōu)秀粒子構(gòu)成頂層種群并用差分算法進化進行精細(xì)搜索。多子群分層拓?fù)浣Y(jié)構(gòu)可以使得種群粒子的性能自底層到頂層從低到高排列，因此更能兼顧全局搜索能力和局部搜索能力。通過對常用的經(jīng)典測試函數(shù)仿真表明，融合后的算法在收斂速度和計算精度方