CN116352697B 基于改进多目标pso算法的机械臂轨迹优化获取方法 （四川大学锦江学院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116352697B(45)授权公告日2025.07.08

(21)申请号202211555177.9

(22)申请日2022.12.06

(65)同一申请的已公布的文献号申请公布号CN116352697A

(43)申请公布日2023.06.30

(73)专利权人四川大学锦江学院

地址620000四川省眉山市彭山区锦江大

道1号

(72)发明人何政洋段晨旭唐小洁贾成芬

申勤

(74)专利代理机构成都蓉创智汇知识产权代理

有限公司51276专利代理师赵雷

B25J17/02(2006.01)

B25J18/00(2006.01)

(56)对比文件

CN108009680A,2018.05.08审查员陈礼平

(51)Int.CI.

B25J9/16(2006.01)权利要求书3页说明书9页附图2页

(54)发明名称

基于改进多目标PSO算法的机械臂轨迹优化获取方法

(57)摘要

CN116352697B本发明涉及机械臂轨迹优化领域，基于改进多目标PSO算法的机械臂轨迹优化获取方法，其特征在于，包括以下步骤：SA:构建目标机械臂的每个关节关于角度和时间的关节轨迹，将关节轨迹作为待优化对象；SB:采用改进多目标PSO算法对关节轨迹进行优化获得最优解集，获得最优解集所对应的关节轨迹。本发明以角度为目标拟合出的关节路径再获得的最优关节路径，可以使得

CN116352697B

建立目标机械臂仿真

建立目标机械臂仿真模型

对目标机械臂的路径轨迹进行逆计算，获得每个关节的角度值

根据每个关节的角度值，采用

NURBS曲线进行关节轨迹规划，获得每个关节所对应的关节轨迹

根据关节轨迹获取

每个关节的每个阶跃时刻、加速度、角加速度的越度、扭矩，

获得每个关节相关于角度和时间的初始粒子群P

单个最佳粒子的评估和选择全局最优粒子的评估和选择

plesti

gBesti

获得初始粒子群P?

pBost=pBost;

gBest=gBesti

更新粒子的速度V和位置X变异粒子

获得粒子群P.

单个最佳粒子的评估和选择全局最优粒子的评估和选择

pBest.F.

gBestu

iffit(pBest.)fit(pBest?)

pBest-pBest:;

iffit(gBest)fit(gflest;)

gBest=gBest;

否Bestegleat!

CN116352697B权利要求书1/3页

2

1.基于改进多目标PSO算法的机械臂轨迹优化获取方法，其特征在于，包括以下步骤：

SA:构建目标机械臂的每个关节关于角度和时间的关节轨迹，将关节轨迹作为待优化对象；

SB:采用改进多目标PSO算法对关节轨迹进行优化获得最优解集，获得最优解集所对应的关节轨迹；

SB具体为：

SB1、基于关节轨迹构建每个关节相关于角度和时间的初始粒子群P;

SB2、采用单个最佳的评估和选择方法对初始粒子群P的每个关节进行评估和选择，获得初始的个体帕累托解集及其对应的适应度，记为pBest?和pF?;采用全局最优的评估和选择方法对初始粒子群P的每个关节进行评估和选择，获得初始的全局帕累托解集及其对应的适应度，记为gBest;和gF;

SB3、更新粒子的速度和位置、变异粒子群获得新的粒子群，新的粒子群记为Pi+1;

SB4、采用单个最佳的评估和选择方法对粒子群P:+1的每个关节的每个粒子进行评估和选择，获得初始的个体帕累托解集及其对应的适应度，记为pBest?+1和pF?+1;采用全局最优的评估和选择方法对粒子群P:+1的每个关节的进行评估和选择，获得初始的全局帕累托解集及其对应的适应度，记为gBest?+1和gFi+1;

SB5、执行循环判定操作，若符合pBesti+IpBest?和gBest;+18Best,,则重复SB3至SB5,否则，输出gBest=gBest?+1和8Fi+1°

2.根据权利要求1所述的基于改进多目标PSO算法的机械臂轨迹优化获取方法，其特征在于，

SA具体为：

SA1:建立目标机械臂仿真模型，所述目标机械臂仿真模型为空间类仿真模型；