论文部分内容阅读
研究的内容包括与机械臂运动规划相关的4个问题：1.非冗余机械臂的运动学奇异问题分析及奇异路径的精确跟踪问题；2.考虑动力学的机械臂点到点最优运动规划组合优化方法；3.一类具有良好局部极值定位能力和收敛速度的改进确定性排挤GA算法；4.PSO算法及其在机器人局部最优路径规划中的应用。
文中采用最优控制来描述和求解考虑动力学的机械臂点到点最优运动规划问题。首先通过B样条函数来逼近关节运动轨迹，把最优控制问题化为函数优化问题；为了得到高精度的全局最优解，提出了一种结合GA全局寻优性与SQP快速收敛性的串行结构组合算法，并通过仿真实验验证了组合算法的优化性能。
文中引入分支理论的概念和方法对非冗余机械臂奇异点邻域内的路径跟踪问题进行了分析。对奇异路径分类、分支点定位、分支局部模型求取、逆运动学计算等问题进行了研究，并导出相应的数值计算方法。采用路径跟踪方程解曲线弧长作为空间几何路径的全局参数，把奇异路径表示为该全局参数的解析映射，从而奇异路径的最优跟踪问题化为常规的轨迹规划问题。在此基础上，导出基于动态规划的奇异路径最优轨迹规划的一般方法。
为提高GA的全局寻优能力，本文在确定性排挤GA基础上，提出了邻域限制、相似交叉和种群扩展等三种改进策略。邻域限制把确定性替换操作限制在预设的优化粒度内，避免了基因流失；相似交叉提高相似个体交叉的概率，缓解了邻域限制带来的探索效率下降；种群扩展利用未满足邻域限制的子代个体来增加种群多样性，一定程度上降低了算法对初始种群规模的依赖性。
为了求解局部最优路径规划，本文提出一类邻域级联PSO算法，通过级联机制，广义梯度信息得以在更大范围内传递，使微粒获得更多的社会信息，因而算法能够在保持较小寻优粒度的同时提局部收敛速度。该算法应用于机器人局部极值路径规划，取得了良好的效果。