[发明专利]一种二指机器人抓手的快速多目标优化设计方法

摘要

本发明公开了一种二指机器人抓手的快速多目标优化设计方法，根据一组均匀分布的权重向量，将多目标优化问题分解为多个单目标子问题。计算权重向量间的欧几里得距离确定邻近子问题，确定初始的进化种群和外部种群；然后根据外部种群确定子问题选择概率pro，根据子问题选择概率挑选一个子问题，从该子问题的邻近子问题B中随机挑选两个子问题作为父代通过繁殖操作生成新的决策向量；用新的决策向量更新进化种群和外部种群；当生成N个新的决策向量后，就完成了一次迭代过程，N表示均匀分布的权重向量的个数。本发明能够在面对不同的工业需求能够快速而准确地提供解决问题的方案，从而节约二指机器人抓手设计过程中的时间和人力等方面的代价，提高二指机器人抓手的应用范围。

主权项

1.一种二指机器人抓手的快速多目标优化设计方法，其特征在于，包括以下步骤：步骤1，确定二指机器人抓手的设计因素，根据二指机器人抓手的设计因素确定二指机器人抓手的决策向量X；根据确定的二指机器人抓手的决策向量X构造多目标优化问题的二指机器人抓手模型；二指机器人抓手的第一手指P1和第二手指P2之间形成了夹持空间，该抓手共有一个驱动端D，两个固定节点S1,S2，四个移动节点S3,S4,S5,S6，其中S5,S6只能水平移动；P为驱动力，α和β是连杆与水平参考线之间的角度，F_k为机器人抓手手指对工件施加的抓取力，y为机器人抓手手指的位移，该抓手对应的决策变量决策向量为X＝[a,b,c,e,f,l]^T，a,b,c,e,f,l为抓手各工件的尺寸，a,b,c分别为三根连杆的长度，e为固定节点S1到移动节点S5的垂直高度，f为移动节点S5到驱动端D的垂直高度，l为固定节点S1到驱动端D的水平距离；以上变量分别满足以下条件：10≤a≤150,10≤b≤150,100≤c≤200,0≤e≤50,10≤f≤150,100≤l≤300；b²＝a²+g²‑2agcos(α‑φ)；α＝arccos((a²+g²‑b²)/(2ag))+φ,a²＝b²+g²‑2bgcos(φ+β)；β＝arccos((b²+g²‑a²)/(2bg))‑φ,tanφ＝e/(l‑z)；φ＝atan(e/(l‑z)),抓取力为抓手末端的位移为y(x,z)＝2[(e+f)‑csinβ)]，抓取力约束的七个约束和两个模糊规则：g₁(x)＝Y_min‑y(x,Z_max)≥0；g₂(x)＝y(x,Z_max)≥0；g₃(x)＝y(x,0)‑Y_max≥0；g₄(x)＝Y_G‑y(x,0)≥0；g₅(x)＝(a+b)²‑l²‑e²≥0；g₆(x)＝(l‑Z_max)²+(a‑e)²‑b²≥0；g₇(x)＝l‑Z_max≥0；规则1：if(a＜4b and c＜a+b)then f＝2e+10；规则2：if(a＜4b and c＞a+b)then f＝e+50；考虑两个目标，一个用来描述假定抓手末端位移范围的情况下最大与最小抓取力的差值：另外一个用来描述抓手驱动机构与抓手末端力的传动比：二指机器人抓手设计优化问题用以下数学表达式描述：minimum F(x)＝(f₁(x),f₂(x))其中，f₁(x)代表二指机器人抓手的平衡抓取力差值，f₂(x)代表二指机器人抓手驱动结构与抓取力的传动比，是6维的决策向量，X为决策域空间，F:X→R²是由两个实值目标函数组成的，是7个约束条件以及2个模糊规则；步骤2，根据步骤1确定的二指机器人抓手的决策向量X给定一组均匀分布的权重向量，根据这一组均匀分布的权重向量将步骤1构造的多目标优化问题的二指机器人抓手模型分解为多个单目标子问题；且每个子问题的目标函数都是原始目标函数的聚合函数；步骤3，步骤2得到的每个子问题对应一个子问题决策向量，这个子问题决策向量是该子问题当前搜索到的最优决策向量，所有子问题的最优决策向量构成了进化种群；计算权重向量间的欧几里得距离，为每个子问题选择最近的T个子问题作为邻近子问题B，并随机生成一组决策向量，作为初始的进化种群和外部种群；步骤4，根据外部种群确定子问题选择概率pro，根据子问题选择概率pro从所有子问题中通过轮盘赌方法选择一个子问题，并从这个子问题的邻近子问题中随机选取两个子问题，将这两个子问题对应的决策向量作为父代，通过繁殖操作生成新的决策向量；步骤5，如果步骤4生成的新的决策向量在一个邻近子问题上的性能比旧的决策向量好，则把新的决策向量作为这个邻近子问题B的当前最优决策向量，更新进化种群；将所有生成的新的决策向量与外部种群合并，使用快速非支配排序法和拥挤距离法对合并后的种群进行排序，确定新的外部种群；步骤6，当生成N个新的决策向量后，就完成了一次迭代过程，N表示均匀分布的权重向量的个数；此时如果达到了算法终止条件就直接输出外部种群中的决策向量，否则继续前面的生成新决策向量过程，进行下一次迭代。