工业机器人轨迹规划中的耦合插值函数选择方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115981336A(43)申请公布日2023.04.18(21)申请号202310054526.7(22)申请日2023.02.03(71)申请人重庆大学地址400044重庆市沙坪坝区沙坪坝正街174号(72)发明人王时龙张博凯杨波何彦周杰(74)专利代理机构重庆航图知识产权代理事务所(普通合伙)50247专利代理师胡小龙(51)Int.Cl.G05D1/02(2020.01)权利要求书4页说明书20页附图9页(54)发明名称工业机器人轨迹规划中的耦合插值函数选择方法(57)摘要本发明公开了一种工业机器人轨迹规划中的耦合插值函数选择方法，包括如下步骤：步骤一：构建插值函数集，基于插值函数集构建满足时间‑冲击最优轨迹规划要求的目标函数；步骤二：初始化金鹰种群，得到初始种群和外部存档；步骤三：判断当前迭代次数t是否达到设定的最大迭代次数：若是，则执行步骤七；若否，则执行步骤四：步骤四：更新每只金鹰的位置并计算适应度值；步骤五：利用差分进化和反向学习策略依次对金鹰种群造成两次扰动，使金鹰个体变异，计算个体变异后的适应度值；步骤六：更新外部存档，循环执行步骤三；步骤七：迭代结束，将外部存档中每只金鹰的位置映射为目标函数的最优解，得到包含目标函数最优解集的Pareto前沿。CN115981336ACN115981336A权利要求书1/4页1.一种工业机器人轨迹规划中的耦合插值函数选择方法，其特征在于：包括如下步骤：步骤一：构建插值函数集，基于插值函数集构建满足时间‑冲击最优轨迹规划要求的目标函数；步骤二：采用多目标金鹰算法对目标函数寻优，初始化金鹰种群，得到初始种群和外部存档；步骤三：判断当前迭代次数t是否达到设定的最大迭代次数：若是，则执行步骤七；若否，则执行步骤四：步骤四：更新每只金鹰的位置并计算适应度值；步骤五：利用差分进化和反向学习策略依次对金鹰种群造成两次扰动，选择保留较优个体，计算个体变异后的适应度值；步骤六：更新外部存档，循环执行步骤三；步骤七：迭代结束，将外部存档中每只金鹰的位置映射为目标函数的最优解，得到包含目标函数最优解集的Pareto前沿。2.根据权利要求1所述工业机器人轨迹规划中的耦合插值函数选择方法，其特征在于：所述步骤一中，目标函数为：f2＝min{J1,J2,...,JP}约束条件为：其中，f1表示执行时间目标函数；f2表示冲击目标函数；Jk表示第k种插值函数所构造轨迹的冲击平方时间积分；n表示经过点个数；hi表示第i个经过点与第i+1个经过点间的时间间隔；F表示机器人关节数；tf表示机器人关节数；k表示插值函数集中待选插值函数个数；Θj表示机器人关节j的位置；表示机器人关节j的速度；表示机器人关节j的加速度；表示机器人关节j的加加速度；θjmax表示机器人关节j的位置约束；Vjmax表示机器人关节j的速度约束；Ajmax表示机器人关节j的加速度约束；Jjmax表示机器人关节j的加加速度约束。3.根据权利要求1所述工业机器人轨迹规划中的耦合插值函数选择方法，其特征在于：所述步骤二中，初始化金鹰种群的方法为：采用Tent映射生成[0,1]范围内的混沌序列：2CN115981336A权利要求书2/4页其中，i＝1,2,3,…,N表示种群索引；j＝1,2,3,…,D表示决策变量维数；α为Tent映射参数；混沌序列中的第一维为[0,1]间的随机数，ωi,j和ωi,j+1分别表示第i只金鹰的的第j和第j+1维值；cn表示混沌序列；则混沌种群S1中第i只金鹰的第j维初始化为：其中，ubj和lbj分别表示决策变量第j维的上下边界条件；利用反向学习策略得到反向种群S2中第i只金鹰的第j维融合混沌种群和S1反向种群S2得到种群S，计算种群S中每只金鹰的适应度值，采用快速非支配排序法对种群S按照逐渐增大的方式进行分级；优先筛选非支配等级较小的金鹰加入初始种群，若两只金鹰的非支配等级相等，则优先将拥挤距离较大的金鹰加入初始种群；直到初始种群被填满；同时将非支配等级最小的金鹰加入外部存档。4.根据权利要求3所述工业机器人轨迹规划中的耦合插值函数选择方法，其特征在于：采用快速非支配排序法对种群S进行分级的方法为：21)通过各金鹰间支配与非支配关系判断求得一条Pareto前沿，将Pareto前沿中的所有金鹰赋予等级d；d＝1；22)判断种群S中的所有金鹰是否都被赋予等级：若是，则对种群S完成分级；若否，则执行步骤23)；23)将等级d的金鹰从种群S中剔除，d＝d+1；24)通过剩余金鹰间支配与非支配关系判断求得一条Pareto前沿，将Pareto前沿中的所有金鹰赋予等级d；25)循环执行步骤22)。5.根据权利要求3所述工业机器人轨迹规划中的耦合插值函数选择方法，其特征