论文部分内容阅读
随着工业机器人广泛地应用于生产生活的各个领域,对轨迹规划提出了更高的要求。工作效率和能量消耗一直是工业机器人最为重要的性能指标。本文以150Kg级6轴重载机器人为研究对象,采用D-H法建立工业机器人的运动学模型,利用拉格朗日法来推导动力学方程。在SolidWorks中建立工业机器人的三维实体模型并获取相关运动学和动力学参数。以时间-能量为优化指标,基于智能优化算法研究工业机器人的最优轨迹规划。传统的多项式轨迹规划并没有考虑约束条件,因此本文基于智能优化算法研究了满足动力学约束的时间-能量最优轨迹规划方法。针对人工蜂群算法(Artificial Bee Colony Algorithm,ABC)收敛慢、精度低等问题,提出了 一种改进的人工蜂群算法(Improved ABC,IABC)。为改善ABC算法每次迭代都只在单个维度上进行搜索,效率较低的不足,本文采用效率更高的全维搜索。在雇佣蜂阶段,引入了基于精英解的引导项和基于任意解的干扰项,在提高精英解导向作用的同时维持了种群的多样性。在跟随蜂阶段采用复合搜索策略,让一部分粒子执行全维度的邻域搜索以保证算法的全局探索能力,另一部分则执行灰狼算法(Grey Wolf Optimizer,GWO)的搜索策略以增强算法的开发能力。使用基准函数检验IABC算法的性能,并与 ABC、GWO、MABC(Modified artificial bee colony algorith)和GABC(Gbest-guided Artificial Bee Colony Algorithm)相比较,结果表明,IABC 表现出了更优性能。引力搜索算法(Gravitational Search Algorithm,GSA)是一种新颖的优化算法。但是标准引力搜索算法的搜索机制会造成后期种群过于集中,导致算法精度不高且易早熟收敛。因此借鉴ABC算法的邻域搜索策略和贪婪选择思想,提出了一种改进的引力搜索算法(Improved GSA,IGSA)。根据惯性质量的大小将种群均分为引领组和跟随组,更接近最优解的引领组执行小范围的邻域搜索以增强算法的开发能力;引领组对跟随组施加引力,跟随组的粒子根据所受合力确定前进方向和步长,增强了较好解的引导力,加速算法收敛。针对工业机器人时间最优、能耗最优的多目标轨迹优化问题,在考虑动力学的基础上建立能量消耗模型,综合考虑节能和效率,以能耗与工作时间的加权和为目标函数。分别基于IABC和IGSA算法提出了最优轨迹规划方法。基于MATLAB平台进行仿真,采用基于NI Compact RIO嵌入式处理器为硬件平台自主开发的运动控制程序,并进行150Kg工业机器人运动控制实验,验证了本文所提算法的有效性和应用于实际工作的可行性。