移動機械臂運動規(guī)劃研究.pdf

1、移動機械臂是由可移動的基座和可操作的機械臂組成的復雜菲線性系統(tǒng)。多自由度的機械臂和可移動的基座讓移動機械臂兼具移動性和靈活性的雙重優(yōu)點，使得其在家庭服務，智能倉儲和工業(yè)生產(chǎn)等領域中得到了廣泛的應用。針對移動機械臂理論和應用的研究對于提高生活質量和促進生產(chǎn)力發(fā)展具有至關重要的作用，近年來已成為機器人領域的研究熱點。本文針對移動機械臂運動學范疇中的若干問題進行了研究，主要內容包括:移動機械臂基座的路徑規(guī)劃、六自由度機械臂的逆運動學問題和機械

2、臂避障軌跡規(guī)劃的優(yōu)化問題。本文的創(chuàng)新點主要體現(xiàn)在以下三個方面:
　　(1)針對人工勢場法(APF)容易產(chǎn)生局部極小值和路徑規(guī)劃效率不高的問題，提出一種基于切向量和粒子群優(yōu)化的改進人工勢場法(PSO-TVAPF)。首先，迭代的計算的機器人當前位置與目標之間障礙物的切向量，并通過一定的篩選策略選擇最優(yōu)切向量;然后，將所得切向量與傳統(tǒng)人工勢場法中的引力和斥力按照某種比例進行合成，形成機器人路徑規(guī)劃的驅動力，切向量的引入，對于避免局部極小

3、值和改善路徑規(guī)劃質量有著顯著的作用;最后，為了進一步提高算法的魯棒性和路徑規(guī)劃效率，使用粒子群算法對基于切向量的人工勢場法(TVAPF)進行優(yōu)化。仿真實驗和實物實驗表明本文提出的基于切向量和粒子群優(yōu)化的人工勢場法能夠有效的避免局部極小值和大幅度的縮短最終路徑長度。
　　(2)提出一種基于極限學習機和順序變異的遺傳算法優(yōu)化的計算六自由度機械臂逆運動學解的智能算法(ELM-SGA)。算法的基本思路是先利用極限學習機求出一個精度不高的初

4、始逆解，然后利用基于順序變異的遺傳算法優(yōu)化初始逆解得到高精度解。ELM-SGA算法的提出受到基于神經(jīng)網(wǎng)絡和遺傳算法求逆解的混合智能算法(Hybrid)的啟發(fā)，在保證與原算法達到同等精度的情況下最大限度的提高算法的時間效率，這里的時間效率包括兩個方面，神經(jīng)網(wǎng)絡的訓練時間和計算逆解的時間。極限學習機隨機初始化輸入層權值和隱藏偏置能夠最大限度提高訓練速度。與傳統(tǒng)的遺傳算法的隨機變異不同，本文提出一種順序變異的方式對初步逆解進行優(yōu)化，這能夠有效

5、的提高遺傳算法的局部搜索能力，提高算法收斂速度。仿真實驗和MT-ARM機械臂的驗證也證實了本文提出的算法在保證高精度的前提下能有效提高求機械臂運動學逆解的時間效率。
　　(3)針對機械臂的避障軌跡規(guī)劃問題，提出一種改進的人工勢場法，然后利用本文提出的逆解算法ELM-SGA對軌跡上的點進行求逆，進行碰撞檢測，直至得到安全軌跡為止，最后利用粒子群算法以末端軌跡長度和機械臂能耗為適應度函數(shù)對軌跡進行優(yōu)化。仿真實驗結果表明，改進后的人工勢