CN116277000B 一种基于改进秃鹰搜索算法的串联机械臂运动学标定方法 （浙江大学）

一种基于改进秃鹰搜索算法的串联机械臂本发明公开了一种基于改进秃鹰搜索算法型参数名义值与实际值存在误差而导致机械臂求解了运动学参数误差的最优估计并代入正向运动学补偿，提升串联机械臂末端绝对位姿精数秃鹰搜索算法相较于其他已经应用于该领域2在一组随机构型下测量串联机械臂末端实际六自由度位置和姿学参数在同一组机械臂构型下计算串联机械臂末端名义六自2.根据权利要求1所述的一种基于改进秃鹰搜索算法的串联机械臂运动学标定方法，3.根据权利要求1所述的一种基于改进秃鹰搜索算法的串联机械臂运动学标定方法，4.根据权利要求3所述的一种基于改进秃鹰搜索算法的串联机械臂运动学标定方法，5.根据权利要求1所述的一种基于改进秃鹰搜索算法的串联机械臂运动学标定方法，6.根据权利要求5所述的一种基于改进秃鹰搜索算法的串联机械臂运动学标定方法，7.根据权利要求6所述的一种基于改进秃鹰搜索算法的串联机械臂运动学标定方法，38.根据权利要求7所述的一种基于改进秃鹰搜索算法的串联机械臂运动学标定方法，9.根据权利要求8所述的一种基于改进秃鹰搜索算法的串联机械臂运动学标定方法，θ(i)＝axπxrand，r(i)=θ(i)+Rxrand10.根据权利要求9所述的一种基于改进秃鹰搜索算法的串联机械臂运动学标定方法，4(L_M)算法。上述优化算法的共同点是需要与运动学参数相差不大的名义值作为优化求解5素算法相较于其他已经应用于运动学标定问题的搜索优化算法具有更强的全局寻优能力，利用名义运动学参数在同一组机械臂构型下计算串联机械臂末端名义六自由度位置和姿维空间中，使用改进秃鹰搜索算法，以构造的适应度函数度量每一个潜在解Δx的适应度6已经应用于运动学标定问题的搜索优化算法具有更强的全局寻优能力，更好的收敛性能，78臂末端位置偏差δP＝[δxδyδz]T＝Preal_Pnomial；姿态误差δQ＝[δθyδθpδθr]T用简单的向量相减。两个表示机械臂末端姿态名义值和实际值的欧拉角向量Qnomial,Qreal，定义其姿态差异δQ的每一个分量由式(5)求位置Δxbest和种群的中心位置Δxmean确定搜索区域，传递了上一次迭代生成的种群位置信9100q1290°0123.830_111.840101.850101.8690°0定的搜索优化算法，如量子粒子群(QuantumParticleSwarmOptimization,QPSO)算法、差分进化(DifferentialEvolution,DE)算法为另两种算法的3倍，但由于BESVP算法能更早收敛，故本发明提出的BESVP的运算效率更[0079]表2优化得到的运动学参数误差估计值和仿真中设定值对比(不考虑末端位姿测设定值_5_5_5_5_5_5BESVP寻优结果_5_5_5_5_5_5QPSO寻优结果_5_5_5_5_5DE寻优结果_5_5_5_5_5_5mm设定值2.1024BESVP寻优结果0.33260.46460.34082.1024QPSO寻优结果3.24196.84662.1022DE寻优结果4.61512.1030mmΔa1Δa2设定值002.64002.360000BESVP寻优结果2.64002.3600QPSO寻优结果2.63972.3601DE寻优结果2.64042.3610[0088]表2对比了仿真中运动学参数误差设定值与寻优所得值(即参数误差估计值)。结免矩阵接近或陷入奇异值而无法求解的情况，但是寻优结果中单独的长度参数误差之和相较于其他两种算法所得更接近于量系统以其精度高、测量范围大的特点被广泛应用于机械臂运动学标定。实验所用端位置误差没有明显增大，说明得到的运动学参数误差估计值相较于λ=0时更接近真实下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，