BP-MPSO混合算法在机器人空间路径中的应用.pdfVIP

BP-MPSO混合算法在机器人空间路径中的应用杨辉，等

BP．MPSO混合算法在机器人空间路径中的应用

ofBP—MPSOinPathofRobot

ApplicationHybridAlgorithmSpaceOptimization

扬据李鸣郑弱支磐莫

(南昌大学环境与化学工程学院，江西南昌330031)

摘要：在对PUMA机器人空间路径进行BP算法环境建模与目标建模的基础上，针对传统粒子群优化(PSO)算法搜索空间有限、容

易陷入局部最优点的缺陷，提出了一种改进的粒子群优化(MPSO)算法。该算法引入了基于全局信息反馈的重新初始化过程机制，并

对PUMA机器人空间路径进行了优化。仿真实验表明，该算法的应用不仅降低了求解逆运动方程的难度，还能得到全局最优解，显著

地提高了PUMA机器人空间路径优化的效率。

关键词：PUMA机器人空间路径优化目标建模BP算法MPSO算法

中圈分类号：TP242．6文献标志码：A

thebasisofandenvironmentwithBPforPUMArobotattheof

Abstract：Ontargetmodelingmodelingalgorithmspacepath，aimingproblems

PSO

limitedsearchoftraditionalswarnlandtointolocalmodified

spaceparticleoptimization(PSO)algorithmeasilybringoptimalpoint，the

informationfeedbacktheofPUMArobot

mechanismbasedonis

(MPSO)isproposed．The舱一initialprocessglobalintroduced。andspacepath

issimulationindicatesthattheavoidstheintheinversemotionengui_esthatthe

optimized．Thealgorithmdifficultysolvingequation，andglobal

be

solutionwillobtained．Theofisincreased

optimalefficiencypathoptimizationgreatly．

robotBPMPSO

Keywords：PUMASpacepathoptimizationTargetmodelingalgorithmalgorithm

所示。

0引言

机器人空间路径的优化不仅要实现从已知的起始

位置出发、绕过障碍物后到达预先规定的终止位置，最

后出现目标期望的姿态，同时在整个优化过程中还要

追求定位误差最小、系统的稳定性最好、总能量消耗最

少等。常用的方法有势场法、惩罚函数法、遗传算法

等¨。2-。虽然这些算法在不同的方面有着各自的优

势，然而在总体上，它们都还存在不足，如计算过于复

杂、全局性及多目标优化能力不强等。

为避免优化过程求解逆运动方程的难度，提高全

局性及多目标路径优化的能力，本文采用了一种基于

全局信息反馈、重新初始化机制的改进型PSO算法与

BP神经网络相结合的优化方法，对机器人空间路径的

优化问题进行了研究，通过仿真实验验证了算法的可

图1环境信息的BP神经网络