多子群分層粒子群差分算法在機器人逆運動學中的應用.pdf

1、給定機器人末端執(zhí)行器的位姿或者坐標來求解關節(jié)變量即為機器人逆運動學，機器人逆運動學問題求解在機器人學中占有重大地位，是機器人控制的基礎。根據(jù) D-H法建立的機器人正運動學方程可知，機器人關節(jié)角與末端執(zhí)行器空間坐標之間呈現(xiàn)嚴重非線性關系。對于滿足特定結(jié)構(gòu)的機器人而言，在給定末端執(zhí)行器坐標的情況下，可以通過解析法采用在正運動學方程兩端不斷逆乘變換矩陣逐漸分離出關節(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方程，不斷在關節(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方程中的連桿坐標系之間的變換關系，并以此為基礎推導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方程。然后，在標準粒子群算法和標準差分算法的基礎上做了一些改進，改進后的自適應粒子群算法中慣性權(quán)重、學習因子隨著迭代過程進行做相應變化，更能適應整個種群的進化。

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搜索。多子群分層拓撲結(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