CN115570565B 基于改进粒子群算法的工业机器人多目标轨迹优化方法 （华中科技大学）

基于改进粒子群算法的工业机器人多目标其公开了一种基于改进粒子群算法的工业机器统一表征并利用5次非均匀B样条曲线进行轨迹样条轨迹方程；(2)通过改进粒子群算法实现多均脉动和关节力矩的平均变化率作为轨迹优化性能度量方法选取符合不同应用场景需求的最2(1)将工作空间路径点约束转换到关节空间进行统一表征并利用5次非均匀B样条曲线(3)采用极限性能度量方法和SSM综合性能度量方法选取符合不同应用场景需求的最步骤(1)中，通过函数缓冲法对路径点进行参数化，同时通2.如权利要求1所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特0f3.如权利要求1所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特3t4.如权利要求3所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特5.如权利要求4所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特支配关系寻找一组Pareto最优解集XSR"使各子目标函数Fi(x),x∈X接近于最优的状6.如权利要求5所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特7.如权利要求1_6任一项所述的基于改进粒子群算法的工业机器人多目标轨迹优化方4dif和dl分别为边界解和极值之间的欧式距离。8.如权利要求7所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特i(j)表示Pareto前沿面上第j个解对应的第i个目标函值；Fimax和Fimin表示5好的满足工业机器人在不同应用场景下的性能需求。多目标轨迹优化是在轨迹规划过程工业机器人多目标轨迹优化方法，其实现了不同应用场景下工业机器人的多目标轨迹优[0006](1)将工作空间路径点约束转换到关节空间进行统一表征并利用5次非均匀B样条[0008](3)采用极限性能度量方法和SSM综合性能度量方法选取符合不同应用场景需求6[0014]进一步地，采用Slerp插值法对轨迹中机械臂末端姿态进行配置，所采用的公式7[0029]B(t+1)=4B(t)(1-(t)),F(0)=rand于改进粒子群算法的工业机器人多目标轨迹优化方法主要具[0042]1.本发明利用函数缓冲法和slerp插值的实现加减速效果。选用五次B样条曲线构建的连续路径运动轨迹在路径连接处的速度连[0044]3.本发明采用极限性能度量方法和SSM综合性能度量法根据实际的应用场景对最8[0045]图1是本发明实施例提供的一种基于改进粒子群算法的工业机器人多目标轨迹优采用Slerp插值方法对四元数的参数进行加权平均，使各路径点的姿态始终处于起始点姿9表示k[0083]P,=p(ux)p⃞=p(unp)C(n_k+1)×(n+1)展开[0099]具体地，通过改进粒子群算法实现多目标轨迹优化包括多目标优化模型的构建、支配关系寻找一组Pareto最优解集xeRW使各子目标函数Fi(x)，x∈X接近于最优的状[0109]当整个种群的大小为N，相邻路径点之间的时间间隔参数为Δt＝{t1-t0，t2-ijijij分别表示j维空的0.1倍作为网格的数量Gn，根据rep存档中各粒子在4个目标中的最大适应度和最小适应[0130]粒子速度和位置更新时在线性权重中加入Logistic算法，ω的更新公式如下所[0133]步骤三，采用极限性能度量方法和SSM综合性能度量方法选取符合不同应用场景[0134]为实现在不同场景下实现解的优选，采用极限性能度量方法和SSM综合性能度量SSM综合性能度量方法选取符合不同应用场景下的[0148]采用函数缓冲法将工作空间路径点约束转换到关节空间进行统一表征；利用5次法和SSM综合性能度量方法选取符合不同应用场景下对机器人的能耗比较关注时，可以通过能量轴上选出能量最优的粒子作为参数优选的结