【技術(shù)實(shí)現(xiàn)步驟摘要】
.本專利技術(shù)涉及機(jī)器人智能控制領(lǐng)域，尤其涉及一種爬樹(shù)機(jī)器人關(guān)節(jié)軌跡優(yōu)化方法。
技術(shù)介紹
1、.爬樹(shù)機(jī)器人在執(zhí)行任務(wù)時(shí)，不僅需要克服重力穩(wěn)定地附著在樹(shù)干上，還需靈活應(yīng)對(duì)各種復(fù)雜環(huán)境挑戰(zhàn)，這些挑戰(zhàn)包括但不限于樹(shù)干表面的不規(guī)則性(如凸起、凹陷、裂紋等)、樹(shù)枝的交錯(cuò)分布、以及由于風(fēng)力和樹(shù)木生長(zhǎng)導(dǎo)致的運(yùn)動(dòng)軌跡非線性等問(wèn)題。這些環(huán)境因素極大地增加了機(jī)器人路徑規(guī)劃和運(yùn)動(dòng)控制的難度，導(dǎo)致傳統(tǒng)控制算法在實(shí)際應(yīng)用中往往表現(xiàn)出控制精度不足、穩(wěn)定性差等問(wèn)題。為了提高爬樹(shù)機(jī)器人在復(fù)雜環(huán)境中的靈活性和控制效果，科研人員一直在探索和優(yōu)化控制算法。然而，目前常用的優(yōu)化算法，如遺傳算法、粒子群優(yōu)化算法等，雖然在一定程度上能夠提高控制性能，但仍存在一些固有的局限性。例如，這些算法容易陷入局部最優(yōu)解，即它們?cè)谒阉鬟^(guò)程中可能過(guò)早地收斂到一個(gè)并非全局最優(yōu)的解，從而限制了機(jī)器人性能的進(jìn)一步提升。因此，迫切需要一種改進(jìn)的優(yōu)化方法來(lái)解決上述問(wèn)題。這種方法應(yīng)該具備更強(qiáng)的全局搜索能力，以避免陷入局部最優(yōu)解；同時(shí)，它還應(yīng)具有較快的收斂速度，以適應(yīng)爬樹(shù)機(jī)器人對(duì)實(shí)時(shí)性的要求。可能的改進(jìn)方向包括：
技術(shù)實(shí)現(xiàn)思路
1、.本專利技術(shù)的目的在于提供一種爬樹(shù)機(jī)器人關(guān)節(jié)軌跡優(yōu)化方法，以解決目前優(yōu)化算法應(yīng)用于機(jī)器人關(guān)節(jié)軌跡優(yōu)化中，存在初始種群分布的均勻化偏低，在算法過(guò)程中容易陷入局部最優(yōu)解的問(wèn)題。具體包括如下步驟：
2、.步驟s1.建立機(jī)器人關(guān)節(jié)軌跡優(yōu)化模型。將機(jī)器人運(yùn)動(dòng)軌跡映射到關(guān)節(jié)空間，將機(jī)器人軌跡規(guī)劃問(wèn)題轉(zhuǎn)化為關(guān)節(jié)運(yùn)動(dòng)的優(yōu)化問(wèn)題，建立
3、.步驟s2.建立改進(jìn)的蝴蝶優(yōu)化算法。首先，通過(guò)引入改進(jìn)的tent混隊(duì)映射初始種群策略，增強(qiáng)種群的多樣性和全局搜索能力；同時(shí)，結(jié)合自適應(yīng)全局引導(dǎo)策略，動(dòng)態(tài)挑選優(yōu)異個(gè)體，避免算法陷入局部最優(yōu)；最后，在算法后期融合折射學(xué)習(xí)策略，增加局部搜索的隨機(jī)性，提高解的精度和穩(wěn)定性。
4、.步驟s3.改進(jìn)的蝴蝶優(yōu)化算法在機(jī)器人關(guān)節(jié)軌跡優(yōu)化中的應(yīng)用。將關(guān)節(jié)運(yùn)動(dòng)優(yōu)化問(wèn)題的決策向量β等價(jià)為改進(jìn)蝴蝶優(yōu)化算法中蝴蝶的位置向量xi。即xi＝β，即xi＝[xi1,xi2,…,xid]＝β＝[β0,β1,…,βn]。決策向量中變量的個(gè)數(shù)等于位置向量的維數(shù)。n+1＝d。最優(yōu)決策向量對(duì)應(yīng)算法中最優(yōu)位置向量xbest。即xbest＝[xi1*,xi2*,…,xid*]＝β*＝[β0*,β1*,…,βn*]。優(yōu)化問(wèn)題中的最大加速度αmax對(duì)應(yīng)算法中的適應(yīng)度f(wàn)i，即fi＝αmax＝maxα(y),y∈[0,time]。最小的最大加速度minαmax對(duì)應(yīng)為最優(yōu)適應(yīng)度f(wàn)best，即fbest＝minαmax＝min?max{α(y),y∈[0,time]}。利用改進(jìn)蝴蝶優(yōu)化算法對(duì)機(jī)器人關(guān)節(jié)軌跡進(jìn)行優(yōu)化。
5、.進(jìn)一步地，建立機(jī)器人關(guān)節(jié)軌跡優(yōu)化模型包括以下步驟：
6、.步驟s11.定義機(jī)器人關(guān)節(jié)初始狀態(tài)為{ps、vs、αs}，經(jīng)過(guò)time時(shí)間，機(jī)器人關(guān)節(jié)最終狀態(tài)為{pe、ve、αe}；其中，ps、vs、αs分別為初始狀態(tài)機(jī)器人關(guān)節(jié)位置、速度和加速度，time為軌跡優(yōu)化的時(shí)間，pe、ve、αe分別為終止?fàn)顟B(tài)機(jī)器人關(guān)節(jié)位置、速度和加速度。
7、.步驟s12.機(jī)器人關(guān)節(jié)運(yùn)動(dòng)位移計(jì)算公式為機(jī)器人關(guān)節(jié)運(yùn)動(dòng)速度計(jì)算公式為
8、.步驟s13.建立優(yōu)化目標(biāo)：以機(jī)器人運(yùn)動(dòng)過(guò)程中關(guān)節(jié)的最大加速度最小值為優(yōu)化目標(biāo)，具體表達(dá)式為minαmax＝min?max{|α(y)|,y∈[0,time]}。
9、.步驟s14.建立約束條件1：機(jī)器人運(yùn)動(dòng)過(guò)程中關(guān)節(jié)的速度小于最大速度vmax，寫(xiě)成表達(dá)式為v(y)≤vmax，y∈[0,time]。
10、.步驟s15.建立約束條件2：關(guān)節(jié)的加加速度絕對(duì)值小于最大加加速度γmax，寫(xiě)成表達(dá)式為abs{(y1)-α(y2)]/[y1-y2]}≤γmax，y1,y2∈[0,time]。
11、.步驟s16.建立約束條件3：初末狀態(tài)機(jī)器人關(guān)節(jié)位置分別為ps、pe，寫(xiě)成表達(dá)式形式為初末狀態(tài)機(jī)器人關(guān)節(jié)速度分別為vs、ve，寫(xiě)成表達(dá)式形式為初末狀態(tài)機(jī)器人關(guān)節(jié)加速度分別為αs、αe。
12、.步驟s17.假設(shè)機(jī)器人關(guān)節(jié)運(yùn)動(dòng)的加速度在time時(shí)間內(nèi)是連續(xù)的，則可以用伯恩斯坦函數(shù)描述，具體為其中，τ＝y(tǒng)/time∈[0,1]，τ為歸一化后的時(shí)間變量；n為多項(xiàng)式最高次數(shù)。βk為對(duì)應(yīng)的系數(shù)。為組合數(shù)。因此，關(guān)節(jié)軌跡優(yōu)化問(wèn)題轉(zhuǎn)化為以βk為優(yōu)化變量，含有約束的優(yōu)化問(wèn)題。
13、.進(jìn)一步，建立改進(jìn)的蝴蝶優(yōu)化算法包括以下步驟：
14、.步驟s21.創(chuàng)建算法初始化及初始種群。定義蝴蝶種群大小為n，最大迭代次數(shù)為tm，以及優(yōu)化問(wèn)題的維度為d。
15、.步驟s22.利用改進(jìn)的tent混沌映射策略生成初始種群，以增強(qiáng)解的多樣性，確保種群廣泛覆蓋搜索空間。改進(jìn)的tent混沌映射公式如下：
16、若xi(t)<0.7，則xi(t+1)＝xi(t)/0.7
17、若xi(t)≥0.7，則xi(t+1)＝(1-xi(t))/0.3
18、.其中，xi(t)為第i個(gè)蝴蝶個(gè)體的位置。
19、.根據(jù)式μ＝ci^a，計(jì)算蝴蝶香味；
20、.步驟s23.將自適應(yīng)全局引導(dǎo)機(jī)制用于蝴蝶優(yōu)化算法，即根據(jù)蝴蝶個(gè)體的位置和適應(yīng)度值動(dòng)態(tài)調(diào)整其搜索方向與速度，提升全局搜索和局部開(kāi)發(fā)的平衡性。對(duì)蝴蝶優(yōu)化算法中每個(gè)個(gè)體的位置進(jìn)行更新，種群的第i只個(gè)體按如下公式更新：
21、xi(t+1)＝xi(t)+s*(xbets(t)-xi(t))+γ*(rand-0.5)*μ
22、s＝smin+(smax-smin)/{1+exp^[δ*(fbest-fi)]}
23、.其中，s是自適應(yīng)步長(zhǎng)，γ＝0.5是擾動(dòng)因子，rand是一個(gè)在[0,1]之間的隨機(jī)數(shù)，xbets為當(dāng)前全局最優(yōu)解。fbest為全局最優(yōu)適應(yīng)度值，fi為個(gè)體的適應(yīng)度值，δ＝0.25為調(diào)整系數(shù)，smax，smin為步長(zhǎng)的上下限。在每次迭代中，蝴蝶的移動(dòng)步長(zhǎng)β根據(jù)適應(yīng)度差異動(dòng)態(tài)調(diào)整。若當(dāng)前個(gè)體的適應(yīng)度值較差，步長(zhǎng)較大，以加強(qiáng)全局搜索；而當(dāng)適應(yīng)度值接近全局最優(yōu)時(shí)，步長(zhǎng)縮小，加強(qiáng)局部開(kāi)發(fā)。
24、.步驟s24.將折射學(xué)習(xí)策略應(yīng)用于蝴蝶優(yōu)化算法的局部開(kāi)發(fā)階段，利用折射學(xué)習(xí)策略對(duì)個(gè)體進(jìn)行精細(xì)化調(diào)整。蝴蝶優(yōu)化算法中每個(gè)個(gè)體的位置進(jìn)行更新，種群的第i只個(gè)體按如下公式更新：
25、xi(t+1)＝xi(t)+η*(xr(t)-xi(t))
26、η＝ηmin+(ηmax-ηmin)*t/tm
27、.其中，η為折射系數(shù)，ηmax，ηmin分別為最大折射系數(shù)和最小折射系數(shù)；xr為隨機(jī)選取的參考個(gè)體位置。t為當(dāng)前迭本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種爬樹(shù)機(jī)器人關(guān)節(jié)軌跡優(yōu)化方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種爬樹(shù)機(jī)器人關(guān)節(jié)軌跡優(yōu)化方法，其特征在于，步驟S1建立機(jī)器人關(guān)節(jié)軌跡優(yōu)化模型為：
3.根據(jù)權(quán)利要求1所述一種爬樹(shù)機(jī)器人關(guān)節(jié)軌跡優(yōu)化方法，其特征在于，步驟S2建立改進(jìn)的蝴蝶優(yōu)化算法為：
4.根據(jù)權(quán)利要求1所述一種爬樹(shù)機(jī)器人關(guān)節(jié)軌跡優(yōu)化方法，其特征在于，步驟S3改進(jìn)的蝴蝶優(yōu)化算法在機(jī)器人關(guān)節(jié)軌跡優(yōu)化中的應(yīng)用為：
【技術(shù)特征摘要】
1.一種爬樹(shù)機(jī)器人關(guān)節(jié)軌跡優(yōu)化方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種爬樹(shù)機(jī)器人關(guān)節(jié)軌跡優(yōu)化方法，其特征在于，步驟s1建立機(jī)器人關(guān)節(jié)軌跡優(yōu)化模型為：
3.根據(jù)權(quán)利要求1所述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周祖鵬，劉旭鋒，
申請(qǐng)(專利權(quán))人：桂林電子科技大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。