一种机械臂高能效轨迹优化方法与流程

本发明涉及机械臂轨迹优化，特别涉及一种机械臂高能效轨迹优化方法。

背景技术：

1、机械臂轨迹优化的目的是为机械臂关节跟踪控制器生成平滑连接各离散路径节点的运动状态轨迹，并对轨迹参数进行迭代优化，使得机械臂跟踪参考轨迹就可以高效到达目标位姿执行作业任务。为了提高机械臂作业效率，状态轨迹应尽可能缩短每个操作任务中机械臂从起始构型运动到目标构型的轨迹时长。此外，考虑到能量供应功率有限，机械臂应尽可能提高能量效率，减少能量消耗。但是，尽可能缩短轨迹时长和尽可能降低能量消耗是彼此冲突的两个目标性能，不存在使两个目标性能同时达到最优的解，需要在各目标性能之间进行权衡决策，尽可能使得轨迹时长最短化、能耗最低化等目标达到综合最优。传统多目标轨迹优化方法一般通过非负加权求和把多目标优化问题转化成单目标优化问题，再对单目标优化问题进行求解。这要求预先设定各目标性能指标之间的相对重要性权值，然而，实际优化问题中这些权值信息难以预先准确获取，只能根据经验进行试凑调整。而且，单目标优化问题只能得到一个最优解，不能体现出多个目标之间的相关性，导致结果的可解释性较差。

2、近年来，国内外学者相继提出了多目标粒子群优化算法等生物启发式多目标优化算法，模拟自然界中的鸟群等生物群体基于多个简单个体之间协作实现复杂觅食行为模式，通过多目标协同优化求解得到非支配可行解集及帕雷托前沿，可解释性大大增强。多目标粒子群算法通过粒子群体信息共享机制和多个粒子个体并行探索机制自适应迭代探索更优解，不受优化问题目标空间的形状和代价函数特征的影响，普遍应用于多目标优化问题。然而，现有多目标粒子群优化算法将决策空间搜索范围设置得非常宽泛，导致粒子群探索寻优效率较低。此外，现有多目标粒子群算法在探索过程中直接舍弃不可行解，仅利用可行解信息引导粒子群寻优，导致其优化过程存在较强的盲目性，约束边界探索效率低、耗时长，寻优效率尚有较大提升空间。

技术实现思路

1、本发明的目的是提供一种机械臂高能效轨迹优化方法。本发明解决了现有多目标轨迹优化算法将决策空间搜索范围设置得非常宽泛导致的粒子群探索寻优效率较低的问题，以及未充分利用不可行解信息导致的约束边界探索效率低、耗时长等问题。

2、本发明的技术方案。一种机械臂高能效轨迹优化方法，包括以下步骤：

3、s1.设机械臂有

n个离散轨迹型值点

qi，计算各相邻型值点间的时间间隔的极限最小值

hi,0；

4、s2.将结点向量两端的重复度设为

q+1，基于n-1个时间间隔，构造归一化非均匀结点

ur，进而归一化非均匀结点向量

u={

ur}；

5、s3.根据向量

u解算b样条基函数

bi,q(

u) 的值，然后结合

n个

qi构造约束方程，反算

q次b样条曲线控制点

pi，进行基于

q次b样条曲线的机械臂轨迹规划，获得具备机械臂关节角位移、关节角速度、关节角加速度、关节角加加速度运动约束的轨迹曲线；

6、s4.判断每相邻两个型值点

qi和

qi+1间的轨迹段上，机械臂各关节的运动状态是否始终满足所述的运动约束；

7、s5.满足运动约束，则计算机械臂轨迹的多维决策空间边界值并执行步骤s6；

8、s6.在决策空间边界限定范围内初始化一群粒子，每个粒子的位置代表机械臂轨迹优化问题的一个潜在解；将所有粒子个体的初始位置设置为线性均匀分布，将所有粒子个体的初始速度设置为随机分布；

9、s7.对粒子群探索获得的所有解进行约束违反度检查，把可行解存入主记忆池中，把不可行解存入副记忆池中；通过非支配排序对中的所有可行解的相对优劣进行定量比较，获得非支配可行解，然后通过稀散度排序，选择当前稀散度最大的非支配可行解作为群体最优探索位置，引导粒子群加速探索当前非支配可行解分布较为稀疏的区域；

10、s8.粒子群中的所有粒子在当前个体最优位置和群体最优位置的引导下调整自己的探索速度，然后在决策空间中迭代更新粒子位置，并将当前搜寻到的个体最优位置信息共享给其他粒子；

11、s9.针对中的每一个不可行解，选择中与其决策空间距离最近的可行解进行连接，并在它们中间生长一个新解；如的约束违反度不为零，则用替换中的。

12、前述的机械臂高能效轨迹优化方法中，s4中，如存在违反约束的情况，则针对性地增加这段轨迹对应的两个型值点之间的时间间隔。

13、前述的机械臂高能效轨迹优化方法中，s5中，不满足运动约束，根据更新后的时间间隔，再次执行步骤s2~步骤s4，重新构造归一化非均匀结点向量

u和规划机械臂运动状态轨迹曲线。

14、前述的机械臂高能效轨迹优化方法中，s9中，如果的约束违反度为零，则将添加到中。

15、前述的机械臂高能效轨迹优化方法中，还包括s10，判断粒子群迭代次数是否已经达到最大迭代次数，如果尚未达到最大迭代次数，则继续执行步骤s6~步骤s9。

16、前述的机械臂高能效轨迹优化方法中，如果达到，结束迭代并输出中的所有非支配可行解及其目标函数值组成的帕雷托前沿。

17、前述的机械臂高能效轨迹优化方法中，s1中，

18、

19、其中，表示机械臂关节的最大允许角速度，。

20、前述的机械臂高能效轨迹优化方法中，s2中，

21、

22、其中，为机械臂运动轨迹总时长，即。

23、前述的机械臂高能效轨迹优化方法中，s2中，

24、。

25、前述的机械臂高能效轨迹优化方法中，s3中，

26、机械臂关节角位移轨迹曲线

27、机械臂关节角速度轨迹曲线

28、机械臂关节角加速度轨迹曲线

29、机械臂关节角加加速度轨迹曲线。

30、本发明的有益效果：①针对现有多目标粒子群优化算法将决策空间搜索范围设置得非常宽泛导致的粒子群探索寻优效率较低的问题，本发明提出了一种约束引导自适应边界调整策略，通过针对性地小增量调整违反约束的型值点之间的时间间隔，实现了对多维决策空间边界的精准自适应调整，减少了对决策者参数设置经验的依赖，提高了粒子群寻优效率，进而大大缩短迭代优化的收敛时间。

31、②针对现有多目标粒子群优化算法未充分利用不可行解信息导致的约束边界探索效率低、耗时长等问题，本发明提出了一种互补双记忆池启发边沿拓展策略，通过同时构建两个外部记忆池(主记忆池用于存储非支配可行解集，副记忆池用于存储非支配不可行解集)来连接可行域与不可行域，充分利用约束边界附近不可行解的信息，启发式引导粒子群高效探索逼近约束边界附近区域，大大增强粒子群的约束边界探索效率，进而快速获得更多高质量的非支配解。

32、综上，本发明以机械臂为应用对象，面向多约束条件下的机械臂高能效轨迹优化任务需求，提出了一种约束引导自适应边界调整策略和一种互补双记忆池启发边沿拓展策略，设计了基于约束引导边界调整和双记忆池启发边沿拓展策略的机械臂高能效轨迹优化方法，提高了粒子群迭代寻优效率，缩短了迭代收敛时间，增强了粒子群的约束边界探索效率，进而快速获得更多高质量的非支配解，能够很好地满足机械臂的高能效轨迹优化要求，具有较高的工程应用价值。