基于改进的鲸鱼优化算法的轨迹优化方法、装置及设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115840369A(43)申请公布日2023.03.24(21)申请号202310134080.9(22)申请日2023.02.20(71)申请人南昌大学地址330000江西省南昌市红谷滩新区学府大道999号(72)发明人郭福民胡瑢华张华曾成周浩张义仕(74)专利代理机构南昌旭瑞知识产权代理事务所(普通合伙)36150专利代理师曹远龙(51)Int.Cl.G05B13/04(2006.01)权利要求书3页说明书13页附图5页(54)发明名称基于改进的鲸鱼优化算法的轨迹优化方法、装置及设备(57)摘要本发明提供一种基于改进的鲸鱼优化算法的轨迹优化方法、装置及设备，所述方法包括：根据预设规则构建分段多项式轨迹方程，分段多项式轨迹包括匀速段轨迹及衔接匀速段轨迹两端的两段多项式轨迹；根据分段多项式轨迹方程，分别构建时间‑急动度最优目标函数以及优化约束条件；根据时间‑急动度最优目标函数以及优化约束条件，采用改进的鲸鱼优化算法对分段多项式轨迹方程进行求解，得到全局最优解；将全局最优解代入所述分段多项式轨迹方程当中，得到优化后的最优运动轨迹。本发明通过提出更加符合自然人运动规律的特殊分段多项式轨迹方程，并通过特殊改进的鲸鱼优化算法进行最优求解，使得规划出的最优运动轨迹具有更好的康复效果。CN115840369ACN115840369A权利要求书1/3页1.一种基于改进的鲸鱼优化算法的轨迹优化方法，其特征在于，所述轨迹优化方法包括：根据预设规则构建分段多项式轨迹方程，所述分段多项式轨迹包括匀速段轨迹及衔接所述匀速段轨迹两端的两段多项式轨迹；根据所述分段多项式轨迹方程，分别构建时间‑急动度最优目标函数以及优化约束条件；根据所述时间‑急动度最优目标函数以及所述优化约束条件，采用改进的鲸鱼优化算法对所述分段多项式轨迹方程进行求解，得到全局最优解；将所述全局最优解代入所述分段多项式轨迹方程当中，得到优化后的最优运动轨迹。2.根据权利要求1所述的基于改进的鲸鱼优化算法的轨迹优化方法，其特征在于，根据所述时间‑急动度最优目标函数以及所述优化约束条件，采用改进的鲸鱼优化算法对所述分段多项式轨迹方程进行求解，得到全局最优解的步骤包括：根据预设的运动初始位置、运动终点位置以及所述优化约束条件，随机生成两个子种群，所述子种群当中包括若干粒子，每个粒子代表一条运动轨迹参数；根据所述时间‑急动度最优目标函数计算每个所述子种群当中的每个粒子适应度值，以确定每个所述子种群的单种群最优粒子；根据每个所述子种群的单种群最优粒子，采用预设的双种群交流机制搜索到当次全局最优粒子；采用预设的位置更新算法对所述两个子种群的位置进行迭代更新，并根据每次更新后的两个子种群重新搜索当次全局最优粒子，并从搜索到的所有所述当次全局最优粒子中确定最终的全局最优粒子，得到所述全局最优解。3.根据权利要求2所述的基于改进的鲸鱼优化算法的轨迹优化方法，其特征在于，所述双种群交流机制的表达式为：**其中，两个子种群在每次迭代中均会搜索到各自的单种群最优粒子X1和X2，H(k)和L**(k)分别表示第k次迭代中两个子种群搜索到的单种群最优粒子X1和X2中较好和较差的个体，X*(k)代表第k次迭代中全局最优粒子的位置，X*(k‑1)代表第k‑1次迭代中全局最优粒子的位置，V(k)是第k次迭代中的变化量，V(k‑1)是第k‑1次迭代中的变化量，r1、r2和r3分别是[0,1]中的随机数。4.根据权利要求2所述的基于改进的鲸鱼优化算法的轨迹优化方法，其特征在于，根据所述时间‑急动度最优目标函数计算每个所述子种群当中的每个粒子适应度值，以确定每个所述子种群的单种群最优粒子的步骤包括：根据所述时间‑急动度最优目标函数计算每个所述子种群当中的每个粒子适应度值，并根据预设的最优个体混合变异算法确定每个所述子种群的单种群最优粒子。5.根据权利要求4所述的基于改进的鲸鱼优化算法的轨迹优化方法，其特征在于，根据所述时间‑急动度最优目标函数计算每个所述子种群当中的每个粒子适应度值，并根据预设的最优个体混合变异算法确定每个所述子种群的单种群最优粒子的步骤包括：2CN115840369A权利要求书2/3页根据所述时间‑急动度最优目标函数计算每个所述子种群当中的每个粒子适应度值，以确定得到每个所述子种群的原单种群最优粒子；根据预设的最优个体混合变异算法对每个所述子种群的原单种群最优粒子进行变异，得到每个所述子种群的变异后的单种群最优粒子；根据所述时间‑急动度最优目标函数分别计算出原单种群最优粒子和变异后的单种群最优粒子对应的目标适应度值，并将目标适应度值更高的确定为所述子种群的单种群最优粒子；其中，所述最优个体混合变异算法为：式中，X*是原单种群最优粒子，是变异后的