[发明专利]一种基于粒子群优化算法的机器人操纵方法

权利要求书

1.一种基于粒子群优化算法的机器人操纵方法，其特征在于，包括如下步骤：

步骤S1，告知机器人需要完成的任务，即设置任务在各个执行阶段的约束参数，其中包括：初始状态的位置约束与力约束x_init、F_init、中间一系列状态的位置约束与力约束x_exec1、F_exec1、x_exec2、F_exec2…，及完成状态下的位置约束与力约束x_fini、F_fini，这些约束用于确定机器人在操作过程中所处的各个状态及各个状态之间的转移条件；

步骤S2，利用粒子群优化算法进行迭代训练，生成最优控制参数，包括：

进行粒子群初始化，由粒子位置生成阻抗控制参数；其中，根据每个粒子的状态和任务参数确定阻抗控制参数α、β、γ_α、γ_β及期望轨迹参数x_d、F_d；

由所述阻抗控制参数及期望轨迹参数生成各个粒子所对应的阻抗控制率

其中，F_ff为自适应前馈力矩；F_d为理想轨迹所对应的前馈力矩；K为阻抗控制刚度；D为阻尼矩阵；e为偏差；α、γ_α为力矩前馈的学习因子和遗忘因子；β、γ_β为刚度的学习因子和遗忘因子；T为控制器步长；κ为自适应跟踪误差；J为机器人雅可比矩阵；

根据所生成的控制参数进行机器人阻抗控制，完成操纵任务；其中，利用所生成的阻抗控制率对机器人本体进行实时控制，根据控制参数操纵实时回路，完成对机器人的操纵任务；

考察各个粒子所对应的操纵结果，以完成操作任务所需的时间作为粒子的适应度，从而更新个体历史最好位置d_pbest与群体历史最好位置d_gbest，并更新粒子的速度与位置；

其中，所述粒子的速度与位置通过下式进行更新，得到更新后的机器人阻抗控制参数：

v_i＝v_i+c₁·R₁·(d_pbest-d_i)+c₂·R₁·(d_gbest-d_i)

d_i＝d_i+v_i

式中，v_i为粒子速度，d_i为粒子位置，即表征阻抗控制参数的多维向量，R₁、R₂为0～1之间的随机数，表征粒子运动的随机性，c₁、c₂为加速度常数，分别表征个体认知与群体认知对粒子影响的大小；

如果全局最优位置满足最小界限，则训练层迭代完毕，向任务层输出最优控制参数，如果未达到终止条件则由更新后的粒子状态重新生成阻抗参数，并进行新一轮训练。

2.如权利要求1所述基于粒子群优化算法的机器人操纵方法，其特征在于，在所述步骤S2中，所述进行粒子群初始化，包括：设置粒子为与所述阻抗控制参数个数相关的n维向量，设置种群规模在25左右，速度最大值在参数变化范围20％以内，随机生成粒子的初始位置d_init与速度v_init。

3.如权利要求1所述基于粒子群优化算法的机器人操纵方法，其特征在于，在所述步骤S2中，将机器人操作时间作为粒子适应度，首先计算各个粒子在初始位置下的适应度，选出适应度最高的位置作为历史最好位置，在每一次迭代中，将粒子当前的适应度与历史最好位置的适应度作比较，以更新个体历史最好位置d_pbest与粒子群体历史最好位置d_gbest。