移動機(jī)械臂運(yùn)動規(guī)劃研究.pdf

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

2、臂避障軌跡規(guī)劃的優(yōu)化問題。本文的創(chuàng)新點(diǎn)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(jìn)人工勢場法(PSO-TVAPF)。首先，迭代的計(jì)算的機(jī)器人當(dāng)前位置與目標(biāo)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(jìn)行合成，形成機(jī)器人路徑規(guī)劃的驅(qū)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(zhì)量有著顯著的作用;最后，為了進(jìn)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(jìn)行優(yōu)化。仿真實(shí)驗(yàn)和實(shí)物實(shí)驗(yàn)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(xué)習(xí)機(jī)和順序變異的遺傳算法優(yōu)化的計(jì)算六自由度機(jī)械臂逆運(yùn)動學(xué)解的智能算法(ELM-SGA)。算法的基本思路是先利用極限學(xué)習(xí)機(jī)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(luò)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(dá)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(luò)的訓(xùn)練時間和計(jì)算逆解的時間。極限學(xué)習(xí)機(jī)隨機(jī)初始化輸入層權(quán)值和隱藏偏置能夠最大限度提高訓(xùn)練速度。與傳統(tǒng)的遺傳算法的隨機(jī)變異不同，本文提出一種順序變異的方式對初步逆解進(jìn)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(shí)驗(yàn)和MT-ARM機(jī)械臂的驗(yàn)證也證實(shí)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(jī)械臂運(yùn)動學(xué)逆解的時間效率。
　　(3)針對機(jī)械臂的避障軌跡規(guī)劃問題，提出一種改進(jìn)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(diǎn)進(jìn)行求逆，進(jìn)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(jī)械臂能耗為適應(yīng)度函數(shù)對軌跡進(jìn)行優(yōu)化。仿真實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的人工勢