[发明专利]一种基于粒子群优化的机器人标定方法

权利要求书

1.一种基于粒子群优化的机器人标定方法，其特征在于：包括如下步骤：

建立适应度函数；

利用粒子群算法优化外参数；

利用适应度函数和外参数对给定的粒子群进行优化。

2.如权利要求1所述的一种基于粒子群优化的机器人标定方法，其特征在于：所述适应度函数为：

H=(dpx)2+(dpy)2+(dpz)2+(δx)2+(δy)2+(δz)2]]>

H为适应度函数，dp_x、dp_y和dp_z是末端在参考坐标系下的一阶位置误差，δx、δy和δz为一阶微分旋转矢量。

3.如权利要求1所述的一种基于粒子群优化的机器人标定方法，其特征在于：所述利用适应度函数和外参数对给定的粒子群进行优化包括以下步骤：

初始化给定的粒子群；

确定每个粒子的初始最优适应值，初始个体最优位置以及初始群体最优位置

迭代次数k每增加1，对每个粒子的位置速度进行更新，并根据更新的和重新计算每个粒子的适应值；

将更新过的每个粒子的适应值与其初始最优适应值进行比较，若更优，则更新个体最优位置否则保留原值；

将更新后的每个粒子的个体最优位置与初始群体最优位置进行比较，若更优，则更新否则保留原值；

判断是否达到最大迭代次数或群体最优位置变化小于设定值；

若达到最大迭代次数或群体最优位置变化小于设定值，则终止迭代，获得个体最优位置及群体最优位置

4.如权利要求3所述的一种基于粒子群优化的机器人标定方法，其特征在于：所述初始化给定的粒子群，具体为：设定粒子群的种群数m、最大权重因子ω_max、最小权重因子ω_min和最大迭代次数k_max，将迭代次数k设为0，解空间维数D设为6。

5.如权利要求3所述的一种基于粒子群优化的机器人标定方法，其特征在于：所述确定每个粒子的初始最优适应值，初始个体最优位置以及初始群体最优位置的方法具体为：

随机给出m个初始粒子确定每个粒子的初始最优适应值，并将每个粒子的初始个体最优位置设置为当前位置根据所述适应度函数计算出每个粒子的适应度，取适应值最优的粒子所对应的个体最优位置为初始的群体最优位置