【机械臂逆解组合优化算法分析案例3900字】

机械臂逆解组合优化算法分析案例 1 1 2 4由于上述构造的目标函数包含姿态矩阵和位置矩阵两个不同维数的矩阵的将上式中的位姿矩阵进行分解，分别计算姿态误差函数fr(θi)和位置误差函位为1:在实际求解中，机器人的关节角随机给出并在此基础上(1)动态惯性权重高前期惯性权重占比37,使粒子以较大的飞行速度搜索到解附近。在搜索后期逐惯性权重随迭代次数增加而变化的趋势如图1.1所示：(2)学习因子的动态调整(3)机器人逆运动学组合优化算法机器人逆解是一个受约束的非线性问题。根据前文对适果使用PSO直接进行迭代求解，粒子是进行全维度的运动的，收敛到理想结果利用BAS求机器人运动学逆解，其优势在收敛本文研究的PSO-BAS将上述两种算法结合，充分利用各自的长处，将改进Step3:初始化组合算法中PSO和Step5:利用改进PSO求解出达到精度节点的一组解；Step6:将求出的解代入组合算法中的BAS中；Step7:利用BAS迭代至最大代数，求出逆解；本文提出的算法流程图如图1.2所示。初始化各项参数，建立机械臂模型输入目标坐标误差精度精度节点迭代次数<迭代节点计算个体当前适应度值更新个体最佳位置更新群体最佳位置速度更新，位置更新群体最佳位置为天牛须质心计算天牛须两端位置计算两端的适应度值更新天牛须质心位置迭代<最大迭代次数否输出天牛须质心位置是(1)组合算法测试及分析为方便组合算法和两个单独的算法进行比较，初始种群个数设置为100个，每个粒子的维度为6,最大迭代次数为200。在组合算法中，需要确定的是前期逆解所要达到转入BAS的精度节点△。考虑到迭代总数为200,而在进行测试时就不能将迭代次数设置的太大，要给组合算法中的BAS的迭代留出空间，综合考虑100为上限，并由此来计算PSO的求解到达精度节点的成功率。这里要说明的是，精度成本通过两个精度节点收益率为精度节点改变时，相对应的收敛时间成本COSTt与精度成本CO的比值，单位为1,来反映从收敛时间的角度上考虑精度节点减小的合理性和必Table1.1Testresult精度节点收敛平均代数收敛时间t/s6精度需要的时间也越长，求解成功率也称下降趋势。可以看到，精度节点从0.4减少到0.37时，精度成本上升7.5%,时间成本上升14.7%,收益率为1.96,精度节点从0.37减少到0.35时，精度成本上升5.4%,时间成本上升12.6%,收益率为2.33,而当收敛节点0.35时，收敛时间大幅度上升，且求解成功率不能保证100%。同时，对比0.4和0.37两个收敛节点所对应的收敛平均值，两者相差(2)算法测试及分析为检验PSO-BAS的性能，在Matlab软件上进行了两组试验。本次试验的处理器使用Inter(R)Core(TM)i7-2700=CPU@2.30GHz,运行内存8GB,操作系统为Windos10家庭版，仿真环境基于MatlabR2018b。应度值和位置收敛值以及姿态收敛值都取以10为底的对数。重复定位次数在图5姿态误差的收敛结果上面，PSO-BAS收敛精度达到远远领先前两者的10⁸后记录在表1.2中。其中收敛结果的精度通过平均值得到，逆解的质量通过最大适应度最小值值标准差表1.2的数据表明，PSO-BAS求解的平均位置误差相比单独的PSO和BAS组合算法求解结果的离散性高出其他两个算法2个数量级，其求解寻优稳定性最(3)组合算法收敛性试验及分析本试验利用PSO-BAS对随机选取的目标位姿进行求解，与上面的试适应度值一位置误差迭代次数图1.6收敛曲线图1.6为随机抽取的一次迭代过程，从收敛曲线可以看到，求逆解结果收敛此时利用PSO跳出局部最优解需要付出的计算成本将大幅上升。这种情(4)同类智能算法对比试验及分析为进一步检验组合算法的优势，本文做了与改进自适应差分进化算法 (SAMDE)[³9的对比试验。出于公平，对某一随机选定的位姿目标，选择相同的机械臂模型，进行300次迭代，最后结果显示迭代结果显示器能够兼顾到位置误差和姿态误差，两者误差分别为滞“,不能快速的进行收敛，且在迭代峰值前存在突变情况，为了更加明显地和本文提出的组合算法进行对比，将结果进行分解，分别作了对比曲线，如下图1.8,图1.9,图1.10所示。200迭代次数迭代次数迭代次数明显的，图1.8可以看出，本文研究的的组合算法相比SAMDE在适应度收敛速度和收敛上精度都具有明显优势，前者在收敛至80左右时就基本稳定，且最后收