基于改进粒子群算法的机器人时间最优轨迹规划.pdfVIP

基于改进粒子群算法的机器人时间最优轨迹规划

Timeoptimaltrajectoryplanningofrobotbasedonimprovedparticleswarmoptimization

摘要：针对六自由度工业机器人在考虑运动学约束条件下，使用传统粒子群算法进行时间优化易陷入局部最优的问

题，结合免疫算法与模拟退火算法，提出一种混合免疫粒子群算法（HIPSO）进行时间最优轨迹规划求解。

为提升粒子群跳出局部最优的能力，算法结合模拟退火算法使得粒子保持一定概率突跳的能力，并引入免

疫算法的浓度机制保留高适应度低浓度粒子，在加快收敛速度保持种群多样性的同时能跳出局部最优达到

全局最优。以PUMA560机器人为对象进行仿真，结果表明HIPSO算法能够使机器人在运动过程中速度、加

速度连续无突变，相较常规粒子群算法时间缩短约15%，验证了算法的可行性和有效性。

关键词：粒子群算法；时间最优；3-5-3多项式插值；轨迹优化

0引言而将其运动路径划分为三段进行插值，通过逆运动学方程

[1]逆解算可求解得到各关节在4个插值点对应的关节矢量值。

轨迹优化是机器人领域的热点问题，其任务是根据

将关节角之间的变换看作是关于时间的函数，3-5-3多项式

给定的目标轨迹点规划出通过指定点且满足速度、加速度

插值函数的通式为：

等约束条件的最优运动轨迹。目前的轨迹优化方式主要包

括时间优化和能量优化两种[2,3]，其中时间优化应用最广。(1)

机器人时间优化问题中，粒子群算法（PSO）[4]以其

结构简单、参数可调的特点在机械臂时间优化问题上得到

广泛应用。文献[5]提出自适应反函数PSO算法对机器人双(2)

NURBS轨迹优化，但收敛速度较慢且粒子后期易在最优解周

边振荡。文献[6]基于粒子群算法进行轨迹规划，通过时

(3)

间、速度的双适应度函数之间切换控制，在满足运动学约

~ltltlt

式(1)式(3)中()、()、()为分别代表多项式

束的同时优化了时间，但算法效率不太理想。文献[7]采用j1j2j3

ajmn

PSO、DE算法得到平滑运动轨迹的同时提高了机器人的工作的角位移函数，jmn为第个关节的第段插值的第个系

t

效率，但无法保证全局收敛。数，为插值的时间变量。

针对粒子群算法局部搜索能力差、易陷入局部最优解3-5-3多项式插值规划的前提是插值时间已知，根据

的不足，本文通过引入模拟退火算法（SA）的扰动机制及各关节在起始点和结束点速度和加速度为零，且中间两过

免疫算法（IA）的浓度选择机制，在选择粒子群