[发明专利]仿人机械臂飞行球体作业最优击球构型一种求取方法

说明书

技术领域

本发明涉及机器人技术，尤其涉及面向高速飞行球体作业七自由度仿人机械臂最优击球构型的一种求取方法。

背景技术

仿人机器人要想替代人类完成各种作业，必须应拥有类人上肢功能的仿人机械臂。仿人机器人7-DOF机械臂在一些复杂作业任务执行时，如对高速飞行球体乒乓球、棒球击球作业时，将存有无穷多组作业连杆构型满足对同一目标球体的作业任务需求，不同的作业连杆构型对机械臂的性能要求也会相差很大。仿人机械臂由于连杆机构与形状的设计使其每个关节都存有关节位置物理约束，人们希望击球时刻机械臂各关节位置能尽可能地远离对应的位置限位，使其能处在一种自然的连杆构形姿态对目标球体进行作业。机械臂作业时刻对球体击球连杆构型优选问题可转化为等效的最小化问题,并采用数值优化方法求解。目前相关研究也有报道，如采用和声搜索全数值法(《控制理论与应用》(2012,29(7):867-876))、遗传算法迭代(《中国机械工程》(2008,19(22):2661-2665))等，但这些方法需给定机器人末端位姿为前提，而且采用优化参数多，寻优解易陷入局部最优，算法参数效应敏感，需设置适宜的参数否则将影响搜索性能。

2011年Rao等人提出一种新颖启发式搜索方法---教学优化方法(Teaching–Learning-Based Optimization,TLBO)，该方法源于班级中教学现象及效果的模拟；与其它仿生优化算法比较该方法仅有群体规模与进化代数两个参数，需设置参数少，可避免算法因参数设置不当造成计算量增加或陷入局部解问题。在传统TLBO方法中，主要通过教师“教”阶段与学员“学”阶段实现学员水平提高，事实上在教师“教”阶段中教师除了尽力使班级平均水平接近自身外，还存有个性化答疑及单独交流、互动等方式。由此于坤杰等人提出基于反馈的精英教学优化方法(《自动化学报》(2014,40(9):1976-1983))，该方法在标准TLBO算法基础上增加了反馈阶段，将学员与教师间的反馈思想以与教师、学员阶段串列的阶段方式存在，再评估反馈阶段后的个体；同标准TLBO算法比较，该方法性能得到了改善，但增加了算法每代适应度函数计算次数，提高计算量。

发明内容

本发明克服现有技术不足，提供仿人机械臂飞行球体作业最优击球构型的一种求取方法。

本发明涉及的仿人机械臂为七自由度，其中肩部三个自由度，肘部一个自由度，腕部三个自由度；在击球时刻机械臂将根据末端拍心位置及球拍笛卡尔速度矢量方向求取最优击球连杆构型。

仿人机械臂飞行球体作业最优击球构型的一种求取方法包括如下步骤：

1).为获取仿人机械臂飞行球体作业最优击球构型，使机械臂处在一种自然连杆构型姿态进行击球作业，定义如下最小化目标函数

minf(K)＝μ

式中K为q_r与参数组合，其中q_r为机械臂逆解求取中设定的第三冗余关节变量，为球拍姿态矩阵中绕z轴转动的偏摆角，q_imin、q_imid与q_imax分别表示关节i位置下限、中值与上限值，q_i为关节i位置；该最小化目标函数作为改进教学优化算法对仿人机械臂飞行球体作业最优击球构型求取方法搜索q_r、变量的目标函数；

2).设置改进教学优化算法的参数：最大进化代数G＝10、种群规模P＝10、个体编码长度即优化变量个数L＝2及算法终止准则；

3).运行改进教学优化算法，搜索寻优仿人机械臂飞行球体作业运动模型中的未知参数q_r、通过最小化目标函数得到模型中一组未知参数q_r、的最优变量参数值；

4).将最优变量参数值代入仿人机械臂飞行球体作业运动模型中，获得机械臂对飞行物体作业的最优构型，使所获得的机械臂连杆构型最大程度地远离各关节位置限位；

其中，步骤3)包括的步骤为：

31).设置改进教学优化算法运行参数，仿人机械臂飞行球体作业模型中2个待优化变量参数q_r、的搜索范围，随机生成初始种群；定义仿人机械臂飞行球体作业模型中远离关节物理约束限位程度为算法目标函数；

32).将种群中每一个体作为仿人机械臂飞行球体作业模型中的一组参数，代入仿人机械臂运动学模型中逆解求取几何表达式，并计算这组参数所对应的目标函数值；