[发明专利]一种基于切换SCAPSO的六自由度机械臂逆解方法

说明书

本发明公开一种基于切换SCAPSO的六自由度机械臂逆解方法，建立六自由度机械臂模型；利用DH建模获取末端执行器位置与旋转关节角的关系表达式；在约束范围内随机设置NUM个第一代逆解粒子值使用目标函数fit(P,θ)计算每个逆解粒子目标函数值；根据逆解粒子历史最优θ_pbesti和当前全局最优逆解粒子θ_gbest，使用粒子群算法规则更新得到每一代逆解粒子值当逆解粒子历史最佳粒子超过Limit代数没更新，并且目标函数改变值大于EPS，切换成基于正余弦函数的粒子群算法，在当前解周围产生随机解；当全局最优解的目标函数在迭代中改变值小于限度值，结束迭代得到全局最优解。此种方法在精准求解机械臂逆运动学的同时，能够解决传统算法中存在的陷入缓慢收敛和局部最优的弊端。

技术领域

本发明属于工业机械臂控制技术领域，特别涉及一种基于切换SCAPSO的六自由度机械臂逆运动学求解方法。

背景技术

近年来，机械臂研究发展迅猛，在工业生产和技术研究中应用广泛，机械臂轨迹规划和位置设计是机械臂控制的主要问题，而机械臂逆运动学问题是以上两关键问题的基础。机械臂逆运动学是将末端执行器的笛卡尔坐标系位置映射到关节坐标系中的一种求解问题，其中存在复杂的非线性映射关系，还存在逆解不唯一和高计算复杂等矛盾。机械臂逆运动学传统方案主要分为三类：解析法、几何法和数值法。解析法存在非线性多耦合问题，导致求解难度大甚至无解现象；几何法构造困难且通用性不高，局限于特定系统；数值法通过迭代实现求解，存在误差累积弊端。如何构造精准有效的机械臂逆运动学求解方案是机械臂控制基础，设计通用型方案对各种类型机械臂控制的改进有重要作用。

将机械臂逆运动学问题归类于多元函数最优问题，智能算法陆续应用于此类问题求解，元式启发算法因其对机械臂模型无特殊限制、求解速度快、通用性强等优势被广泛推广。但智能算法在最优求解过程中容易产生过早收敛从而陷入局部最优的情况，也容易发生收敛过慢不能尽快达到最优解的弊端，对智能算法中存在缺陷的改进，是此类研究的重点所在。粒子群算法作为一种群体智能优化算法，在多元多目标优化问题中达到良好效果，但是上述两类弊端会导致算法陷入收敛缓慢和局部最优的情况。设计改进算法，在迭代陷入局部最优时施加合理扰动，并在不同阶段调整搜索方向和步长，以保证快速精准达到最优值，对解算出符合优化目标的机械臂逆运动学具有重要意义，值得深入研究。

基于以上分析，本案由此产生。

发明内容

本发明的目的，在于提供一种基于切换SCAPSO的六自由度机械臂逆解方法，其是对传统粒子群算法的改进，在精准求解机械臂逆运动学的同时，能够解决传统算法中存在的陷入缓慢收敛和局部最优的弊端。

为了达成上述目的，本发明的解决方案是：

一种基于切换SCAPSO的六自由度机械臂逆解方法，包括如下步骤：

步骤1，基于六自由度机械臂模型，利用DH建模建立末端执行器位置P与机械臂旋转关节角θ之间的关系表达式；

步骤2，在约束范围内随机设置NUM个第一代逆解粒子值

步骤3，根据步骤2中得到的粒子，使用目标函数fit(P,θ)计算每个逆解粒子目标函数值；

所述目标函数fit(P,θ)包括约束函数f(P)和优化函数f(θ)：