[发明专利]基于改进粒子群算法的工业机器人多目标轨迹优化方法

权利要求书

1.一种基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于，该方法包括以下步骤：

(1)将工作空间路径点约束转换到关节空间进行统一表征并利用5次非均匀B样条曲线进行轨迹规划，以得到速度、加速度约束下的5次非均匀B样条轨迹方程；

(2)通过改进粒子群算法实现多目标轨迹优化：将待优化机器人的时间、能量、平均脉动和关节力矩的平均变化率作为轨迹优化的目标函数，利用Logistic混沌映射进行种群初始化和惯性权重分配，并基于Pareto支配关系寻得最优解；

(3)采用极限性能度量方法和SSM综合性能度量方法选取符合不同应用场景需求的最优轨迹。

2.如权利要求1所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：步骤(1)中，通过函数缓冲法对路径点进行参数化，同时通过Slerp插值法实现路径点的姿态配置，完成各路径点的姿态配置后，将工作空间路径点输入到逆解函数中进行求解，最终得到关节空间路径点。

3.如权利要求2所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：对路径点进行参数优化所采用的公式为：

其中P_j为路径上第j个路径点，i＝1～f,c₀＝0。

4.如权利要求2所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：采用Slerp插值法对轨迹中机械臂末端姿态进行配置，所采用的公式为：

ω＝||q₀·q_f||

其中，R_pq为姿态矩阵的p行q列，经过转换，机器人的R_s0、R_sf分别与q₀、q_f相对应。

5.如权利要求1所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：基于改进粒子群的多目标轨迹规划的最优评价指标包括了机器人的效率、能耗、稳定性和关节力矩的平均变化率，以上评价指标的目标函数为：

其中，F₁、F₂、F₃、F₄分别是机器人的效率、能耗、稳定性和关节力矩的平均变化率；n+1表示路径点的个数；t₀、t_n分别表示机器人起点和终点对应的时刻；τ_i表示关节i的力矩；v_i表示关节i的角速度；d_t表示机器人控制周期；J_i表示关节i的脉动。

6.如权利要求5所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：各关节的约束关系为：

其中，u₁～i₄分别表示力矩τ、速度v、加速度a、加加速度J的安全系数。

7.如权利要求6所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：所述的改进粒子群算法采用Pareto支配关系来评判不同粒子之间的优劣，并根据支配关系寻找一组Pareto最优解集使各子目标函数F_i(x),x∈X接近于最优的状态。

8.如权利要求7所述的基于改进粒子群算法的工业机器人多目标轨迹优化方法，其特征在于：利用Logistic混沌映射初始化粒子位置、速度的算法函数表达式为：

粒子速度和位置更新时在线性权重中加入Logistic算法，ω的更新公式为：

其中，t_max为总迭代次数；ω_max、ω_min分别为最大、最小惯性权重。