基于改进遗传算法的六自由度机械臂轨迹优化方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115741688A(43)申请公布日2023.03.07(21)申请号202211423965.2(22)申请日2022.11.15(71)申请人福州大学地址350108福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学(72)发明人陈志勇吴精华徐锋(74)专利代理机构福州元创专利商标代理有限公司35100专利代理师陈鼎桂蔡学俊(51)Int.Cl.B25J9/16(2006.01)权利要求书4页说明书9页附图5页(54)发明名称基于改进遗传算法的六自由度机械臂轨迹优化方法(57)摘要本发明涉及一种基于改进遗传算法的六自由度机械臂轨迹优化方法,包括：步骤S1:获得六自由度机械臂末端执行器起始点和目标点位姿；步骤S2:在起始点与目标点之间，通过路径规划得到机械臂各个关节的路径点；步骤S3:采用三次样条插值算法在机械臂每个关节的相邻两个路径点间构建运动轨迹,获取轨迹曲线多项式；步骤S4:基于轨迹曲线多项式，构建关节的子目标函数；步骤S5:基于改进遗传算法对机械臂关节轨迹进行优化；步骤S6:对得到的每一段曲线轨迹，在所有关节的最优个体中选择最长时间作为该段轨迹的最佳时间；步骤S7:基于轨迹的最佳时间，利用三次样条插值算法确定出每个关节路径点所对应的速度和加速度，得到六自由度机械臂的整条运行轨迹的所有信息。CN115741688ACN115741688A权利要求书1/4页1.一种基于改进遗传算法的六自由度机械臂轨迹优化方法，其特征在于，包括以下步骤：步骤S1:获得六自由度机械臂末端执行器起始点和目标点位姿；步骤S2:在起始点与目标点之间，通过路径规划得到机械臂各个关节的路径点；步骤S3:采用三次样条插值算法在机械臂每个关节的相邻两个路径点间构建运动轨迹，获取轨迹曲线多项式；步骤S4:基于轨迹曲线多项式，以时间最少、能耗最小作为优化目标，在满足预设约束条件下，构建关节的子目标函数；步骤S5:基于改进遗传算法对机械臂关节轨迹进行优化；步骤S6:对得到的每一段曲线轨迹，在所有关节的最优个体中选择最长时间作为该段轨迹的最佳时间；步骤S7:基于轨迹的最佳时间，利用三次样条插值算法确定出每个关节路径点所对应的速度和加速度，最终得到六自由度机械臂的整条运行轨迹的所有信息。2.根据权利要求1所述的基于改进遗传算法的六自由度机械臂轨迹优化方法,其特征在于，所述步骤S2中，设各关节从起始点运动到各路径点的时刻为tn，n＝0,1,2,...,N，则第l个关节的所有路径点描述为其中，表示机械臂关节l在tn时刻的实际位置。3.根据权利要求1所述的基于改进遗传算法的六自由度机械臂轨迹优化方法,其特征在于，所述步骤S3中，机械臂第l个关节两相邻路径点和(j＝0,1,…,N‑1)之间的轨迹曲线为:llll2l3hj(t)＝aj+bj(t‑tj)+cj(t‑tj)+dj(t‑tj)lllll其中，hj(t)为机械臂第l个关节第j段的三次样条曲线，aj、bj、cj、dj为三次样条曲线l系数，分别为hj(t)的一阶、二阶导数，即为机械臂第l个关节在t时刻的速度、加速度。4.根据权利要求1所述的基于改进遗传算法的六自由度机械臂轨迹优化方法，其特征在于，所述步骤S4中，预设约束为：l其中，分别为hj(t)的一阶、二阶导数，即为机械臂第l个关节在t时刻的2CN115741688A权利要求书2/4页ll速度、加速度；vmax为机械臂第l个关节的最大速度值，amax为机械臂第l个关节的最大加速l度值，xj＝tj+1‑tj为机械臂第l个关节第j段轨迹的运行时间，分别为机械臂第l个关节第j段轨迹运行时间的最大值和最小值；构建第l个关节的子目标函数：ll其中，f1表示机械臂运行总时间，f2表示关节l的平均加速度；采用权重法和罚函数构建改进遗传算法的适应度函数：其中，ε1、ε2分别为用于调节机械臂运行总时间和能耗的比例因子；Φ为惩罚因子。5.根据权利要求1所述的基于改进遗传算法的六自由度机械臂轨迹优化方法,其特征在于，所述步骤S5具体为：S5.1：初始化遗传算法各基本参数，包括初始化种群规模的大小pops，种群个体的维度N，算法的最大迭代代数Gmax；S5.2：初始化种群pop，将种群中第i个个体的第j维数值，即机械臂第l个关节第j段轨迹的运行时间，初始化为：其中，rand(0,1)表示[0,1]之间的随机数。然后，计算每个个体的适应度值；S5.3：对种群pop，利用轮盘赌策略选择pops个个体组成新种群pop1，并对种群pop1使用反向学习机制继续产生新种群pop2；S5.4：对种群pop2进行交叉操作，待种群pop2交叉结束后得到新种群pop3；S5.5：对种群pop3进行变异操作，当种群pop3变异结束后得到新种群p