CN108656117A - 一种多约束条件下最优时间的机械臂空间轨迹优化方法 - Google Patents
一种多约束条件下最优时间的机械臂空间轨迹优化方法 Download PDFInfo
- Publication number
- CN108656117A CN108656117A CN201810490308.7A CN201810490308A CN108656117A CN 108656117 A CN108656117 A CN 108656117A CN 201810490308 A CN201810490308 A CN 201810490308A CN 108656117 A CN108656117 A CN 108656117A
- Authority
- CN
- China
- Prior art keywords
- particle
- joint
- value
- population
- mechanical arm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种多约束条件下最优时间的机械臂空间轨迹优化方法,首先根据机械臂笛卡尔坐标系下的路径点生成关节空间的路径点;根据关节空间的路径点生成各关节从任务起点到终点的多次样条插值函数,并根据约束条件生成各关节的适应性函数;利用改进的混沌粒子群算法对各关节的运动时间进行优化,最终得到最优解。本发明综合考虑机械臂各关节的多个约束条件,包括速度加速度等,在粒子群算法基础上进行了改进,使得粒子群在混沌状态与稳定状态之间切换,并检测每个粒子的状态,使其在达到局部极值时及时脱离,从而增加了整个粒子群的多样性。利用该方法,可在多个约束条件下有效减少机械臂运动的时间,提高工作效率。
Description
技术领域
本发明属于多自由度机械臂控制技术领域,涉及机械臂空间轨迹优化方法,具体涉及一种多约束条件下最优时间的机械臂空间轨迹优化方法。
背景技术
在日益现代化的工业制造领域,对机器臂有着日益强大的应用需求。其中,机器臂的轨迹规划与轨迹跟踪控制算法是机械臂研究的核心内容,该方面的研究可为机械臂平稳运行、提高工作效率等提供技术支持。
时间作为轨迹规划的重要指标,可以直观地表现机械臂的工作效率的要求,使机械臂能够高效运作;同时,对机械臂关节加入约束条件,使其在高效运作的同时更加平稳。
现有的关于最优时间的轨迹优化方法主要是根据粒子群算法进行单目标优化,没有考虑各个关节的约束条件,不能反映出整个机械臂运行时间的全局水平;另一方面,标准粒子群算法很容易陷入局部极值,从而不能得出时间的最优解,使得机械臂的工作效率降低。
发明内容
本发明的目的是提供一种多约束条件下最优时间的机械臂空间轨迹优化方法。
为达到上述目的,本发明采用如下技术方案:
一种多约束条件下最优时间的机械臂空间轨迹优化方法,其特征在于,包括如下步骤:
步骤1)根据机械臂在笛卡尔坐标系下的路径点,通过逆运动学求解得到各个关节在关节空间的插值角度;
步骤2)根据机械臂的在关节空间的插值关节角度,生成3-5-3多项式插值函数,得到机械臂的连续轨迹运动方程;
步骤3)根据优化目标要求以及约束条件生成各关节的适应度函数:
其中,fitness(t)s为第s个关节的适应度函数,m为机械臂的关节总个数,s表示关节序数,取值为1到m之间正整数,tsj为第s个关节的第j维度的时间,n为时间总维度,j表示维度序数,取值为1到n之间正整数,t表示时刻,为第s个关节在第t时刻的速度值,为第s个关节在第t时刻的加速度值,为第s个关节在第t时刻的跃度值,vsmax为第s个关节的最大速度值,asmax为第s个关节的最大加速度值,jsmax为第s个关节的最大跃度值;
步骤4)利用改进混沌粒子群算法对机械臂轨迹进行优化;
所述步骤4)包括如下步骤:
S1:初始化粒子群规模,学习因子,惯性权重,最大迭代次数,设置多样化参数M,用来参照粒子群的离散程度,设置每一维变量的变化范围;
S2:利用Tent映射产生粒子的位置和速度,并映射到解空间,计算粒子的适应度函数值,选出较优部分作为初始群体,公式如下;
其中,zx代表第x个粒子的位置或速度值,x表示序数,为正整数,zx∈[0,1];
S3:比较每个初始粒子的适应度函数值,将函数值最小的粒子作为全局最优粒子,并选出每个粒子的个体最优极值;
S4:按照以下公式进行粒子群位置和速度的更新;
vij(k+1)=ωvij(k)+c1r1(pij(k)-xij(k))+c2r2(gj(k)-xij(k))
xij(k+1)=xij(k)+vij(k+1)
其中,i表示粒子序数,为正整数,vij(k+1)为第i个粒子的第j维k+1代速度值,xij(k+1)为第i个粒子的第j维k+1代位置值,pij(k)为第k代第i个粒子的个体最优极值的第j维数值,gj(k)为第k代粒子群中全局最优极值的第j维数值,ω为惯性权重,c1、c2为学习因子,r1、r2为0到1之间的随机数;
若更新后粒子的位置及速度值超过设置的数值区间,则取区间的上下限作为粒子的位置及速度值;
S5:计算粒子群的适应度函数值方差N为粒子的总个数,M为多样性参数,用来衡量粒子群的离散程度,且M为常数,根据不同的情景具体赋值,若σ2>M,则说明粒子群的多样性程度高,执行步骤S7;若σ2<M,则说明粒子群的多样性程度低,执行步骤S6;
S6:对粒子进行混沌化处理,以全局最优位置为初始条件产生新混沌序列,用新混沌群体的最优粒子替换当前群体中适应度最差的粒子:
将全局最优位置g=(g1、g2.....gj)映射到下列式子:
其中,aj、bj为第j维粒子位置的上、下限;
以zj0为初始状态,利用Tent映射产生h个新的混沌粒子z'=[z1'、z2'...zh'],利用下列公式将新产生的混沌序列映射到解空间,得到h个新粒子的位置g'=[g'1、g'2...g'h]
gl′=aj+(bj-aj)zl′ (l=1、2...h)
计算h个粒子的适应度函数值,选出最优粒子位置g'best替换原粒子群的适应度最差的粒子;
S7:对每个粒子的个体最优值进行检测,若粒子个体最优值超过5次迭代为发生变化,则对粒子进行逃脱操作,按下列公式重新计算该粒子的惯性权重;
其中,k为粒子群当前的迭代次数,T为粒子群的最大迭代次数;
S8:判断算法是否到达最大迭代次数,若满足,则算法结束,否则跳转至步骤S4。
作为优选,所述学习因子c1、c2采取随时间动态调整的方法,在算法进行寻优初期,粒子具有较强的自我探索能力和较弱的群体学习能力,以加强粒子的全局搜索能力;在寻优后期,粒子具有较弱的自我探索能力与较强的群体学习能力,学习因子按照下列公式更新:
其中,c1max、c1min为认知系数的最大值和最小值,k为粒子群当前的迭代次数,T为粒子群的最大迭代次数,c1从2.5线性递减到1.5;c2max、c2min为社会系数的最大值和最小值,c2从1.5线性递增到2.5。
作为优选,所述惯性权重ω采取自适应调整的方法,根据粒子当前适应度以及迭代次数进行自动自适应调整,增加了粒子群全局搜索与局部搜索的协调性,公式如下;
其中,ωmax、ωmin分别为ω的最大值与最小值;为粒子平均适应度,fi为第i个粒子的适应度函数值,fmin为粒子最小适应度,T为最大迭代次数,k为当前迭代次数,a、b为常数系数,根据不同的优化问题来具体设置。
和现有技术相比,本发明具有如下技术效果:
(1)本发明充分考虑了机械臂每个关节的速度、加速度、跃度等约束条件,使得每个关节都能平稳工作。
(2)本发明利用混沌序列来增加粒子种群的多样性,并用多样性参数来检测粒子的离散状态,使粒子群在混沌和稳定之间达到平衡,改善了以往粒子群算法收敛过早,容易陷入局部极值的缺点。
(3)本发明检测每个粒子的个体最优极值,若迭代次数超过5次未发生改变,则对粒子进行逃脱操作,使得每个粒子陷入局部极值时能及时跳出。
(4)本发明采取惯性权重ω自适应调整的方法,根据粒子当前适应度以及迭代次数进行自动自适应调整,增加了粒子群全局搜索与局部搜索的协调性。
附图说明
图1是本发明机械臂空间轨迹优化方法流程图;
图2仿真实验后机械臂的关节一角度、速度、加速度的曲线变化图;
图3仿真实验后机械臂的关节二角度、速度、加速度的曲线变化图;
图4仿真实验后机械臂的关节三角度、速度、加速度的曲线变化图;
图5仿真实验后机械臂的关节四角度、速度、加速度的曲线变化图;
图6仿真实验后机械臂的关节五角度、速度、加速度的曲线变化图;
图7仿真实验后机械臂的关节六角度、速度、加速度的曲线变化图。
具体实施方式
下面结合附图对本发明作进一步说明。
图1是本发明的方法流程图,结合图1所示:
1、根据笛卡尔坐标系下的路径点生成关节空间的路径点
将机械臂末端执行器的笛卡尔坐标系下的轨迹转换成关节坐标系下的角度变化,设机械臂完成整个轨迹需要经过的路径点θ:
θ={θsr|s=1,...m;r=1,...n+1}
其中,θsr表示第s个关节的第r个路径点的位置,m为机械臂的关节个数,n+1为路径点的个数。
2、生成各关节从任务起点到终点的3-5-3插值函数
假定机械臂的一个关节从关节空间中A点路径上两点B和C点运动到终点D,则A点和B点之间的轨迹用3次多项式表示,B点和C点之间的轨迹用5次多项式表示,C点和D点之间的轨迹用3次多项式表示;根据生成的关节空间路径点,生成各关节的插值函数,其中3-5-3插值函数能满足机械臂各关节对于速度、加速度、跃度在时域的连续性,先对时间进行归一化处理,定义时间t:
其中,τ为轨迹段的实际时间,τ∈[τj-1,τj],τj-1为第j段轨迹的起始时间,τj为第j段轨迹的末端点时间,j=1,2,3.各段轨迹的方程如下:
θ1(t)=a10+a11t1+a12t1 2+a13t1 3
θ2(t)=a20+a21t2+a22t2 2+a23t2 3+a24t2 4+a25t2 5
θ3(t)=a30+a31t3+a32t3 2+a33t3 3
其中,θ1(t)、θ2(t)、θ3(t)为三段多项式轨迹,设机械臂关节在起点和终点的位置、速度和加速度分别是θ0、θf、v0、vf、a0、af,根据轨迹及其中间点位置、速度和加速度连续的要求得到约束条件,结合上面的等式可以求得等式中的系数;
a10=θ 0a20=θ1 a30=θ2 a11=v0Δτ1 a13=Δθ1-a11-a12 b1=Δθ2-a21-a22 a23=10b1+b2-4b3 a24=-15b1-2b2+7b3 a25=6b1+b2-3b3
3、根据优化目标和约束条件,确定各关节的适应度函数
以机械臂运行时间最短为目标构建适应度函数:
每个机械臂关节都有其关节约束,对每个关节施加约束,并构造多约束条件下的适应度函数:
其中,fitness(t)s为第s个关节的适应度函数,m为机械臂的关节总个数,s表示关节序数,取值为1到m之间正整数,tsj为第s个关节的第j维度的时间,n为时间总维度,j表示维度序数,取值为1到n之间正整数,t表示时刻,为第s个关节在第t时刻的速度值,为第s个关节在第t时刻的加速度值,为第s个关节在第t时刻的跃度值,vsmax为第s个关节的最大速度值,asmax为第s个关节的最大加速度值,jsmax为第s个关节的最大跃度值。
对机械臂关节加入约束,在保证其正常运行的情况下缩短工作时间,当机械臂不能满足约束条件时,则将其适应度函数值设为最大值fitnessmax。
4、利用改进的混沌粒子群算法对各个关节的适应度函数进行优化求解,具体步骤如下:
S1:初始化粒子群规模,学习因子,惯性权重,最大迭代次数,设置多样化参数M,参数大小依据具体问题而定,用来参照粒子群的离散程度,并设置每一维变量的变化范围;
S2:利用Tent映射(帐篷映射)产生粒子的位置和速度,并映射到解空间,计算粒子的适应度函数值,选出较优部分作为初始群体,公式如下;
其中,zx代表第x个粒子的位置或速度值,x表示序数,为正整数,zx∈[0,1];利用下列公式映射到解空间;
zx=aj+(bj-aj)zx x=0、1、2...j=1、2...n
其中,a、b分别为每一维变量的下限和上限。
S3:计算并比较每个初始粒子的适应度函数值,将函数值最小的粒子作为全局最优粒子,并选出每个粒子的个体最优极值;
S4:按照以下公式进行粒子群位置和速度的更新;
vij(k+1)=ωvij(k)+c1r1(pij(k)-xij(k))+c2r2(gj(k)-xij(k))
xij(k+1)=xij(k)+vij(k+1)
其中,i表示粒子序数,为正整数,vij(k+1)为第i个粒子的第j维k+1代速度值,xij(k+1)为第i个粒子的第j维k+1代位置值,pij(k)为第k代第i个粒子的个体最优极值的第j维数值,gj(k)为第k代粒子群中全局最优极值的第j维数值,ω为惯性权重,c1、c2为学习因子,r1、r2为0到1之间的随机数,惯性因子ω按下列公式更新:
其中,ωmax、ωmin分别为ω的最大值与最小值;为粒子平均适应度,fi为第i个粒子的适应度函数值,fmin为粒子最小适应度,T为最大迭代次数,k为当前迭代次数,a、b为常数系数,根据不同的优化问题来具体设置;
学习因子按照下列公式更新:
其中,c1max、c1min为认知系数的最大值和最小值,c1从2.5线性递减到1.5;c2max、c2min为社会系数的最大值和最小值,c2从1.5线性递增到2.5;
若更新后粒子的位置及速度值超过设置的数值区间,则取区间的上下限作为粒子的位置及速度值;
S5:计算粒子群的适应度函数值方差N为粒子的总个数,M为多样性参数,用来衡量粒子群的离散程度,M为常数,根据不同的情景具体赋值,若σ2>M,则说明粒子群的多样性程度高,执行步骤S7;若σ2<M,则说明粒子群的多样性程度低,执行步骤S6;
S6:对粒子进行混沌化处理,以全局最优位置为初始条件产生新混沌序列,用新混沌群体的最优粒子替换当前群体中适应度最差的粒子:
将全局最优位置g=(g1、g2.....gj)映射到下列式子:
其中,aj、bj为第j维粒子位置的上、下限;
以zj0为初始状态,利用Tent映射(帐篷映射)产生h个新的混沌粒子z'=[z1'、z2'...zh'],利用下列公式将新产生的混沌序列映射到解空间,得到h个新粒子的位置g'=[g'1、g'2...g'h]
gl′=aj+(bj-aj)zl′ (l=1、2...h)
计算h个粒子的适应度函数值,选出最优粒子g'best替换原粒子群的适应度最差的粒子;
S7:对每个粒子的个体最优值进行检测,若粒子个体最优值超过5次迭代为发生变化,则对粒子进行逃脱操作,按下列公式重新计算粒子的惯性系数;
其中,k为粒子群当前的迭代次数,T为粒子群的最大迭代次数,粒子在迭代初期不易陷入局部极值,将ω设为e-λ使其在迭代后期加大惯性因子,能够及时逃脱局部极值。
S8:判断算法是否到达最大迭代次数,若满足,则算法结束,否则跳转至步骤S4。
5、按照目标要求选出最优的轨迹规划方案
根据时间最短的要求选出最佳的方案,
具体实施案例
以6自由度的机械臂为例,首先预设关节空间的路径点,如下表所示:
对机械臂关节施加约束:速度约束为[-40 40](deg/s),加速度约束为[-60 60](deg/s2)。
在给定的约束条件下,以最短时间为目标,利用matlab进行仿真。图2到图7是仿真实验后机械臂六个关节角度、速度、加速度的曲线变化图,机械臂的运动变化在约束范围内。利用本算法对时间进行优化,得到六个关节的运行时间,取每一维的最大值构成最后的最优时间:fitness=[1.96 2.92 2.45]。
与标准粒子群算法进行比较,取第一个关节的时间为例:
从上表数据可知,与标准粒子群算法相比,本算法优化后的时间有所减少,从第三维的时间可知,标准粒子群在优化时陷入局部极值,导致时间明显增大,而本算法能够及时跳出局部极值。
综上所述,多约束条件下最优时间的机械臂空间轨迹优化方法,在充分考虑每个关节的运动约束条件下,对机械臂的工作时间进行明显的优化,并使其陷入局部极值的情况大大降低,使得机械臂能够快速平稳的运行,大大提高了工作效率。
Claims (3)
1.一种多约束条件下最优时间的机械臂空间轨迹优化方法,其特征在于,包括如下步骤:
步骤1)根据机械臂在笛卡尔坐标系下的路径点,通过逆运动学求解得到各个关节在关节空间的插值角度;
步骤2)根据机械臂的在关节空间的插值关节角度,生成3-5-3多项式插值函数,得到机械臂的连续轨迹运动方程;
步骤3)根据优化目标要求以及约束条件生成各关节的适应度函数:
其中,fitness(t)s为第s个关节的适应度函数,m为机械臂的关节总个数,s表示关节序数,取值为1到m之间正整数,tsj为第s个关节的第j维度的时间,n为时间总维度,j表示维度序数,取值为1到n之间正整数,t表示时刻,为第s个关节在第t时刻的速度值,为第s个关节在第t时刻的加速度值,为第s个关节在第t时刻的跃度值,vsmax为第s个关节的最大速度值,asmax为第s个关节的最大加速度值,jsmax为第s个关节的最大跃度值;
步骤4)利用改进混沌粒子群算法对机械臂轨迹进行优化;
所述步骤4)包括如下步骤:
S1:初始化粒子群规模,学习因子,惯性权重,最大迭代次数,设置多样化参数M,用来参照粒子群的离散程度,设置每一维变量的变化范围;
S2:利用Tent映射产生粒子的位置和速度,并映射到解空间,计算粒子的适应度函数值,选出较优部分作为初始群体,公式如下;
其中,zx代表第x个粒子的位置或速度值,x表示序数,为正整数,zx∈[0,1];
S3:比较每个初始粒子的适应度函数值,将函数值最小的粒子作为全局最优粒子,并选出每个粒子的个体最优极值;
S4:按照以下公式进行粒子群位置和速度的更新;
vij(k+1)=ωvij(k)+c1r1(pij(k)-xij(k))+c2r2(gj(k)-xij(k))
xij(k+1)=xij(k)+vij(k+1)
其中,i表示粒子序数,为正整数,vij(k+1)为第i个粒子的第j维k+1代速度值,xij(k+1)为第i个粒子的第j维k+1代位置值,pij(k)为第k代第i个粒子的个体最优极值的第j维数值,gj(k)为第k代粒子群中全局最优极值的第j维数值,ω为惯性权重,c1、c2为学习因子,r1、r2为0到1之间的随机数;
若更新后粒子的位置及速度值超过设置的数值区间,则取区间的上下限作为粒子的位置及速度值;
S5:计算粒子群的适应度函数值方差N为粒子的总个数,M为多样性参数,用来衡量粒子群的离散程度,且M为常数,根据不同的情景具体赋值,若σ2>M,则说明粒子群的多样性程度高,执行步骤S7;若σ2<M,则说明粒子群的多样性程度低,执行步骤S6;
S6:对粒子进行混沌化处理,以全局最优位置为初始条件产生新混沌序列,用新混沌群体的最优粒子替换当前群体中适应度最差的粒子:
将全局最优位置g=(g1、g2.....gj)映射到下列式子:
其中,aj、bj为第j维粒子位置的上、下限;
以zj0为初始状态,利用Tent映射产生h个新的混沌粒子z'=[z1'、z2'...zh'],利用下列公式将新产生的混沌序列映射到解空间,得到h个新粒子的位置g'=[g'1、g'2...g'h]
g′l=aj+(bj-aj)z′l(l=1、2...h)
计算h个粒子的适应度函数值,选出最优粒子位置g'best替换原粒子群的适应度最差的粒子;
S7:对每个粒子的个体最优值进行检测,若粒子个体最优值超过5次迭代为发生变化,则对粒子进行逃脱操作,按下列公式重新计算该粒子的惯性权重;
其中,k为粒子群当前的迭代次数,T为粒子群的最大迭代次数;
S8:判断算法是否到达最大迭代次数,若满足,则算法结束,否则跳转至步骤S4。
2.如权利要求1所述的一种多约束条件下最优时间的机械臂空间轨迹优化方法,其特征在于:
学习因子c1、c2采取随时间动态调整的方法,在算法进行寻优初期,粒子具有较强的自我探索能力和较弱的群体学习能力,以加强粒子的全局搜索能力;在寻优后期,粒子具有较弱的自我探索能力与较强的群体学习能力,学习因子按照下列公式更新:
其中,c1max、c1min为认知系数的最大值和最小值,k为粒子群当前的迭代次数,T为粒子群的最大迭代次数,c1从2.5线性递减到1.5;c2max、c2min为社会系数的最大值和最小值,c2从1.5线性递增到2.5。
3.如权利要求1所述的一种多约束条件下最优时间的机械臂空间轨迹优化方法,其特征在于:
惯性权重ω采取自适应调整的方法,根据粒子当前适应度以及迭代次数进行自动自适应调整,增加了粒子群全局搜索与局部搜索的协调性,公式如下;
其中,ωmax、ωmin分别为ω的最大值与最小值;为粒子平均适应度,fi为第i个粒子的适应度函数值,fmin为粒子最小适应度,T为最大迭代次数,k为当前迭代次数,a、b为常数系数,根据不同的优化问题来具体设置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810490308.7A CN108656117B (zh) | 2018-05-21 | 2018-05-21 | 一种多约束条件下最优时间的机械臂空间轨迹优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810490308.7A CN108656117B (zh) | 2018-05-21 | 2018-05-21 | 一种多约束条件下最优时间的机械臂空间轨迹优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108656117A true CN108656117A (zh) | 2018-10-16 |
CN108656117B CN108656117B (zh) | 2021-04-16 |
Family
ID=63777164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810490308.7A Active CN108656117B (zh) | 2018-05-21 | 2018-05-21 | 一种多约束条件下最优时间的机械臂空间轨迹优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108656117B (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109434841A (zh) * | 2019-01-07 | 2019-03-08 | 南京航空航天大学 | 一种工业机器人动态调速的全局时间最优轨迹规划方法 |
CN109623818A (zh) * | 2018-12-20 | 2019-04-16 | 北京理工大学 | 一种基于时间分组的机械臂关节轨迹优化方法 |
CN109676610A (zh) * | 2019-01-25 | 2019-04-26 | 温州大学 | 一种断路器装配机器人及其实现工作轨迹优化的方法 |
CN109814651A (zh) * | 2019-01-21 | 2019-05-28 | 中国地质大学(武汉) | 基于粒子群的光伏电池多峰值最大功率跟踪方法及*** |
CN109877838A (zh) * | 2019-03-25 | 2019-06-14 | 重庆邮电大学 | 基于布谷鸟搜索算法的时间最优机械臂轨迹规划方法 |
CN109901397A (zh) * | 2019-03-25 | 2019-06-18 | 西北工业大学 | 一种使用粒子群优化算法的机械臂逆运动学方法 |
CN110027727A (zh) * | 2019-04-10 | 2019-07-19 | 上海交通大学 | 一种基于遗传算法的飞机结构强度试验优化安装方法 |
CN110866877A (zh) * | 2019-11-12 | 2020-03-06 | Oppo广东移动通信有限公司 | 基于约束粒子群算法的色彩校正方法、装置及终端设备 |
CN111821022A (zh) * | 2020-06-22 | 2020-10-27 | 浙江工业大学 | 基于二阶振荡粒子群优化算法的柔性穿刺针路径规划方法 |
CN112378402A (zh) * | 2020-11-11 | 2021-02-19 | 四川长虹电器股份有限公司 | 自适应调整路径点容差的移动机器人路径规划方法及装置 |
CN112428267A (zh) * | 2020-11-09 | 2021-03-02 | 西安工程大学 | 一种快速求解冗余自由度机器人逆解的方法 |
CN113334382A (zh) * | 2021-06-01 | 2021-09-03 | 上海应用技术大学 | 机械臂最优时间轨迹规划方法 |
CN113435025A (zh) * | 2021-06-22 | 2021-09-24 | 同济大学 | 一种结合多级优化模型的机器人高性能轨迹自动生成方法 |
CN113442170A (zh) * | 2021-06-28 | 2021-09-28 | 国网上海市电力公司 | 一种对机械臂路径冗余节点的反向拆分计算的方法及*** |
CN113478489A (zh) * | 2021-07-29 | 2021-10-08 | 桂林电子科技大学 | 一种机械臂轨迹规划方法 |
CN114030222A (zh) * | 2021-11-04 | 2022-02-11 | 温州大学 | 可视化冲压线多机协调轨迹优化方法及*** |
CN114167937A (zh) * | 2022-02-12 | 2022-03-11 | 武汉理工大学 | 一种基于粒子群算法改进的热电最大功率跟踪方法及*** |
CN114413906A (zh) * | 2022-01-18 | 2022-04-29 | 哈尔滨工业大学 | 一种基于改进粒子群优化算法的三维轨迹规划方法 |
CN114654464A (zh) * | 2022-03-22 | 2022-06-24 | 上海景吾酷租科技发展有限公司 | 基于时间最优的清洁机器人定位位置选择方法及*** |
CN114770512A (zh) * | 2022-05-09 | 2022-07-22 | 浙江大学 | 用于救援清障的移动机器人机械臂搬运最优时间规划方法 |
CN113343393B (zh) * | 2021-07-06 | 2023-04-18 | 青岛科技大学 | 机械臂求解方法 |
CN116572257A (zh) * | 2023-07-13 | 2023-08-11 | 湖南尖山智能科技有限责任公司 | 机械臂控制方法、装置、***、存储介质及机械臂 |
CN117371639A (zh) * | 2023-12-06 | 2024-01-09 | 合肥工业大学 | 一种鱼雷罐运动优化方法、电子设备及可读存储介质 |
EP4217155A4 (en) * | 2020-09-23 | 2024-01-17 | Applied Materials, Inc. | GRAPHIC PATH PLANNING IN ROBOT JOINT SPACE AND MOTION EXECUTION |
CN117543706A (zh) * | 2024-01-08 | 2024-02-09 | 国网江西省电力有限公司经济技术研究院 | 一种基于微电网风光储***的混合储能配置方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020665A (zh) * | 2014-06-25 | 2014-09-03 | 北京邮电大学 | 基于多目标粒子群算法的机械臂最小跃度轨迹优化方法 |
CN105159096A (zh) * | 2015-10-10 | 2015-12-16 | 北京邮电大学 | 一种基于粒子群算法的冗余度空间机械臂关节力矩优化方法 |
CN105404783A (zh) * | 2015-12-01 | 2016-03-16 | 吉林大学 | 一种盲源分离方法 |
CN106334283A (zh) * | 2016-10-10 | 2017-01-18 | 南京工程学院 | 一种灭火救援机器人***及控制方法 |
US9690274B1 (en) * | 2015-09-11 | 2017-06-27 | Plethora Corporation | System and method for automatic support device generation |
CN107547457A (zh) * | 2017-09-15 | 2018-01-05 | 重庆大学 | 一种基于改进粒子群优化bp神经网络的盲信道均衡方法 |
WO2018086226A1 (zh) * | 2016-11-09 | 2018-05-17 | 广州视源电子科技股份有限公司 | 机械臂的控制方法和装置 |
-
2018
- 2018-05-21 CN CN201810490308.7A patent/CN108656117B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020665A (zh) * | 2014-06-25 | 2014-09-03 | 北京邮电大学 | 基于多目标粒子群算法的机械臂最小跃度轨迹优化方法 |
US9690274B1 (en) * | 2015-09-11 | 2017-06-27 | Plethora Corporation | System and method for automatic support device generation |
CN105159096A (zh) * | 2015-10-10 | 2015-12-16 | 北京邮电大学 | 一种基于粒子群算法的冗余度空间机械臂关节力矩优化方法 |
CN105404783A (zh) * | 2015-12-01 | 2016-03-16 | 吉林大学 | 一种盲源分离方法 |
CN106334283A (zh) * | 2016-10-10 | 2017-01-18 | 南京工程学院 | 一种灭火救援机器人***及控制方法 |
WO2018086226A1 (zh) * | 2016-11-09 | 2018-05-17 | 广州视源电子科技股份有限公司 | 机械臂的控制方法和装置 |
CN107547457A (zh) * | 2017-09-15 | 2018-01-05 | 重庆大学 | 一种基于改进粒子群优化bp神经网络的盲信道均衡方法 |
Non-Patent Citations (4)
Title |
---|
居凤霞: "粒子群优化算法的改进及应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
戴永寿等: "自适应混沌嵌入式粒子群算法提取地震子波 ", 《石油地球物理勘探》 * |
李海楠等: "基于群体适应度方差的粒子群优化算法 ", 《计算机仿真》 * |
魏玉琴等: "基于Tent映射的自适应混沌嵌入式粒子群算法 ", 《计算机工程与应用》 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109623818A (zh) * | 2018-12-20 | 2019-04-16 | 北京理工大学 | 一种基于时间分组的机械臂关节轨迹优化方法 |
CN109434841A (zh) * | 2019-01-07 | 2019-03-08 | 南京航空航天大学 | 一种工业机器人动态调速的全局时间最优轨迹规划方法 |
CN109434841B (zh) * | 2019-01-07 | 2021-07-06 | 南京航空航天大学 | 一种工业机器人动态调速的全局时间最优轨迹规划方法 |
CN109814651A (zh) * | 2019-01-21 | 2019-05-28 | 中国地质大学(武汉) | 基于粒子群的光伏电池多峰值最大功率跟踪方法及*** |
CN109814651B (zh) * | 2019-01-21 | 2020-07-07 | 中国地质大学(武汉) | 基于粒子群的光伏电池多峰值最大功率跟踪方法及*** |
CN109676610A (zh) * | 2019-01-25 | 2019-04-26 | 温州大学 | 一种断路器装配机器人及其实现工作轨迹优化的方法 |
CN109901397B (zh) * | 2019-03-25 | 2021-05-18 | 西北工业大学 | 一种使用粒子群优化算法的机械臂逆运动学方法 |
CN109877838A (zh) * | 2019-03-25 | 2019-06-14 | 重庆邮电大学 | 基于布谷鸟搜索算法的时间最优机械臂轨迹规划方法 |
CN109901397A (zh) * | 2019-03-25 | 2019-06-18 | 西北工业大学 | 一种使用粒子群优化算法的机械臂逆运动学方法 |
CN109877838B (zh) * | 2019-03-25 | 2022-03-29 | 重庆邮电大学 | 基于布谷鸟搜索算法的时间最优机械臂轨迹规划方法 |
CN110027727A (zh) * | 2019-04-10 | 2019-07-19 | 上海交通大学 | 一种基于遗传算法的飞机结构强度试验优化安装方法 |
CN110866877A (zh) * | 2019-11-12 | 2020-03-06 | Oppo广东移动通信有限公司 | 基于约束粒子群算法的色彩校正方法、装置及终端设备 |
CN110866877B (zh) * | 2019-11-12 | 2022-09-09 | Oppo广东移动通信有限公司 | 基于约束粒子群算法的色彩校正方法、装置及终端设备 |
CN111821022A (zh) * | 2020-06-22 | 2020-10-27 | 浙江工业大学 | 基于二阶振荡粒子群优化算法的柔性穿刺针路径规划方法 |
EP4217155A4 (en) * | 2020-09-23 | 2024-01-17 | Applied Materials, Inc. | GRAPHIC PATH PLANNING IN ROBOT JOINT SPACE AND MOTION EXECUTION |
CN112428267A (zh) * | 2020-11-09 | 2021-03-02 | 西安工程大学 | 一种快速求解冗余自由度机器人逆解的方法 |
CN112428267B (zh) * | 2020-11-09 | 2022-07-22 | 西安工程大学 | 一种快速求解冗余自由度机器人逆解的方法 |
CN112378402B (zh) * | 2020-11-11 | 2022-02-22 | 四川长虹电器股份有限公司 | 自适应调整路径点容差的移动机器人路径规划方法及装置 |
CN112378402A (zh) * | 2020-11-11 | 2021-02-19 | 四川长虹电器股份有限公司 | 自适应调整路径点容差的移动机器人路径规划方法及装置 |
CN113334382A (zh) * | 2021-06-01 | 2021-09-03 | 上海应用技术大学 | 机械臂最优时间轨迹规划方法 |
CN113334382B (zh) * | 2021-06-01 | 2022-06-28 | 上海应用技术大学 | 机械臂最优时间轨迹规划方法 |
CN113435025A (zh) * | 2021-06-22 | 2021-09-24 | 同济大学 | 一种结合多级优化模型的机器人高性能轨迹自动生成方法 |
CN113442170A (zh) * | 2021-06-28 | 2021-09-28 | 国网上海市电力公司 | 一种对机械臂路径冗余节点的反向拆分计算的方法及*** |
CN113442170B (zh) * | 2021-06-28 | 2023-12-01 | 国网上海市电力公司 | 一种对机械臂路径冗余节点的反向拆分计算的方法及*** |
CN113343393B (zh) * | 2021-07-06 | 2023-04-18 | 青岛科技大学 | 机械臂求解方法 |
CN113478489B (zh) * | 2021-07-29 | 2022-05-10 | 桂林电子科技大学 | 一种机械臂轨迹规划方法 |
CN113478489A (zh) * | 2021-07-29 | 2021-10-08 | 桂林电子科技大学 | 一种机械臂轨迹规划方法 |
CN114030222B (zh) * | 2021-11-04 | 2023-12-01 | 温州大学 | 可视化冲压线多机协调轨迹优化方法及*** |
CN114030222A (zh) * | 2021-11-04 | 2022-02-11 | 温州大学 | 可视化冲压线多机协调轨迹优化方法及*** |
CN114413906A (zh) * | 2022-01-18 | 2022-04-29 | 哈尔滨工业大学 | 一种基于改进粒子群优化算法的三维轨迹规划方法 |
CN114413906B (zh) * | 2022-01-18 | 2022-12-13 | 哈尔滨工业大学 | 一种基于改进粒子群优化算法的三维轨迹规划方法 |
CN114167937A (zh) * | 2022-02-12 | 2022-03-11 | 武汉理工大学 | 一种基于粒子群算法改进的热电最大功率跟踪方法及*** |
CN114654464A (zh) * | 2022-03-22 | 2022-06-24 | 上海景吾酷租科技发展有限公司 | 基于时间最优的清洁机器人定位位置选择方法及*** |
CN114770512B (zh) * | 2022-05-09 | 2023-12-29 | 浙江大学 | 用于救援清障的移动机器人机械臂搬运最优时间规划方法 |
CN114770512A (zh) * | 2022-05-09 | 2022-07-22 | 浙江大学 | 用于救援清障的移动机器人机械臂搬运最优时间规划方法 |
CN116572257A (zh) * | 2023-07-13 | 2023-08-11 | 湖南尖山智能科技有限责任公司 | 机械臂控制方法、装置、***、存储介质及机械臂 |
CN116572257B (zh) * | 2023-07-13 | 2023-09-22 | 湖南尖山智能科技有限责任公司 | 机械臂控制方法、装置、***、存储介质及机械臂 |
CN117371639A (zh) * | 2023-12-06 | 2024-01-09 | 合肥工业大学 | 一种鱼雷罐运动优化方法、电子设备及可读存储介质 |
CN117371639B (zh) * | 2023-12-06 | 2024-02-27 | 合肥工业大学 | 一种鱼雷罐运动优化方法、电子设备及可读存储介质 |
CN117543706A (zh) * | 2024-01-08 | 2024-02-09 | 国网江西省电力有限公司经济技术研究院 | 一种基于微电网风光储***的混合储能配置方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108656117B (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108656117A (zh) | 一种多约束条件下最优时间的机械臂空间轨迹优化方法 | |
Qi et al. | Kinematic control of continuum manipulators using a fuzzy-model-based approach | |
CN107248822B (zh) | 基于分数阶pid离散滑模变结构的逆变器控制方法 | |
CN110370256B (zh) | 机器人及其路径规划方法、装置和控制器 | |
CN109901397B (zh) | 一种使用粒子群优化算法的机械臂逆运动学方法 | |
Yu et al. | Shape control of deformable linear objects with offline and online learning of local linear deformation models | |
CN109676610B (zh) | 一种断路器装配机器人及其实现工作轨迹优化的方法 | |
Lee et al. | Incremental motion primitive learning by physical coaching using impedance control | |
Števo et al. | Optimization of robotic arm trajectory using genetic algorithm | |
CN110861088A (zh) | 一种冗余自由度机器人的运动优化方法 | |
CN108681243A (zh) | 一种机器人轨迹跟踪方法 | |
KR102030141B1 (ko) | 로봇의 팔꿈치 제어시스템 및 그 제어방법 | |
CN109866222A (zh) | 一种基于天牛须优化策略的机械臂运动规划方法 | |
CN107685343A (zh) | 一种机械臂运动学参数标定构型优化方法 | |
CN109822550A (zh) | 一种复杂曲面机器人高效高精度示教方法 | |
CN111152220A (zh) | 一种基于人机融合的机械臂控制方法 | |
US20210245364A1 (en) | Method And Control System For Controlling Movement Trajectories Of A Robot | |
Tangpattanakul et al. | Optimal trajectory of robot manipulator using harmony search algorithms | |
CN116872212A (zh) | 一种基于A-Star算法和改进人工势场法的双机械臂避障规划方法 | |
CN112380655B (zh) | 一种基于rs-cmsa算法的机器人逆运动学求解方法 | |
CN113967909B (zh) | 基于方向奖励的机械臂智能控制方法 | |
JP2011056624A (ja) | 経路計画生成装置および該方法ならびにロボット制御装置およびロボットシステム | |
CN116079730B (zh) | 一种提升机器人手臂操作精度的控制方法及*** | |
CN116985147B (zh) | 机械臂逆运动学求解方法及装置 | |
CN114083545B (zh) | 一种基于视觉感知的运动物体机器人抓取方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |