[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

说明书

本发明属于工业机器人控制相关技术领域，其公开了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，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。本发明轨迹规划的效果较好。

技术领域

本发明属于工业机器人控制相关技术领域，更具体地，涉及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。

背景技术

通常情况下机器人经过轨迹规划可实现基本的操作，但却难以保证任务执行过程中的高效、平稳和低能耗。因此，在轨迹规划的基础上，进一步对机器人的运行轨迹进行优化具有重要意义。轨迹优化的目标是使一个或多个与机器人操作过程相关的性能指标最小化或最大化，通常关注的主要性能指标有：执行时间、能量消耗、最大功率、驱动力矩等。为优化上述性能指标，学者们提出了不同的轨迹优化策略，具体可分为单目标轨迹优化和多目标轨迹优化。

单目标轨迹优化的目标是在轨迹规划过程中，使机器人的某个性能指标最小化或最大化。一些应用场景对产量较为关注，较短的任务执行时间能够提升机器人的生产效率，使得在同样的任务执行时间内提升产量。单个目标的轨迹规划问题较为简单，但很难保证其它目标的性能，多目标轨迹规划方法能够实现工业机器人不同目标间的性能平衡，能较好的满足工业机器人在不同应用场景下的性能需求。多目标轨迹优化是在轨迹规划过程中，构造多个目标函数，使机器人的多个性能指标最小化或最大化，较好的轨迹优化方法能够保证机器人在满足位置、速度、加速度等约束的条件下以较低的能量、较短的时间、较低的关节脉动运行，实现降低任务执行过程中的能量消耗并和提升运行效率的目标。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了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，其实现了不同应用场景下工业机器人的多目标轨迹优化，具有适用性广、优化性能好等优点。

为实现上述目的，按照本发明的一个方面，提供了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，该优化方法包括以下步骤：

(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。

进一步地，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。

进一步地，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。

进一步地，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||