[发明专利]一种基于WOA-GA混合优化算法的机器人关节控制力矩预测方法

摘要

一种基于WOA‑GA混合优化算法的机器人关节控制力矩预测方法，包括以下步骤：步骤1：建立机器人关节控制力矩的微分方程；步骤2：设定初始参数；步骤3：计算每个个体的适应性函数值；步骤5：使用WOA算子更新种群；步骤6：更新最优个体的位置向量；步骤7：使用GA算子进行种群的更新；步骤8：对于当前种群进行单点交叉和单点变异；步骤9：更新最优个体的位置向量；步骤10：若当前种群最优适应性函数值fbest＜min_fit，执行步骤12，反之执行下一步；步骤11：若当前种群代数t＜max_gen，更新各个参数，同时种群代数t＝t+1，执行步骤5；否则执行下一步；步骤12：结束参数辨识优化过程，输出最小适应度函数值和需要辨识的参数。本发明提高关节控制力矩的预测精度。

主权项

1.一种基于WOA‑GA混合优化算法的机器人关节控制力矩预测方法，其特征在于，所述方法包括以下步骤：步骤1：建立机器人关节控制力矩的微分方程：式中：q为机器人关节位置向量，为关节速度向量，为关节加速度向量，M(q)为机器人的质量矩阵，G(q)为关节的重力，为关节离心力和科式力，τ为关节控制力矩，τ_fric为关节摩擦力矩，τ_motor为关节电机的惯性力矩，sign()为符号函数用于判断关节速度向量的正负性，T_c为关节的库伦摩擦系数，T_s为静摩擦系数，为关节Stribeck速度，δ为关节形状系数，T_v为粘性摩擦系数，tr为关节电机齿数比，J_m为关节电机惯量；其中，将T_c，T_s，δ作为参数调整辨别的对象；步骤2：设定初始参数，包括种群数量pop_size，种群个体维数dim，种群代数max_k，内嵌GA代数max_g，最小适应性函数值min_fit，GA中的交叉率P_c，变异率P_m，随机进行种群初始化；步骤3：根据公式(4)计算每个个体的适应性函数值Fitness，从而获取最优个体X^*的位置向量；Fitness＝abs(τ_p‑τ_a)   (4)式中：abs()为绝对值函数，τ_p为预测的关节控制力矩，τ_a为实际的关节控制力矩；步骤4：令t＝1，种群初始代数；步骤5：使用WOA算子更新种群，当随机数p<0.5且时，根据公式(5)～(8)来更新每个种群个体的位置向量，当随机数p<0.5且时，根据公式(9)和(10)来更新每个种群个体的位置向量，当随机数p＞0.5时，根据(11)和(12)来更新每个种群个体的位置向量；式中：为一个值随着迭代次数增加而线性减小的向量，其值的范围是[0，2]；为一个随机向量，其值的范围是[0，1]；式中：为向量系数，t为当前种群代数，为当前最优个体的位置向量，为第t代种群中第i个个体的位置向量，为第t+1代种群的位置向量；式中：为当前种群中任意个体的位置向量，为当前种群中第i个个体的位置向量，为第(t+1)代种群中第i个个体的位置向量；式中：为第t代种群中第i个个体的位置向量与当前最优个体的位置向量之间的距离，为第(t+1)代种群中第i个个体的位置向量，b为一个常数；l为一个随机数，其值的范围是[0，1]；步骤6：计算种群个体的适应性函数值，更新最优个体的位置向量；步骤7：使用GA算子进行种群的更新，基于每个种群个体的适应度函数值，对其进行轮盘选择，形成新的种群；步骤8：对于当前种群进行单点交叉和单点变异，交叉概率和变异概率分别为P_c和P_m，形成新的种群；步骤9：计算新种群个体的适应性函数值，更新最优个体的位置向量；步骤10：若当前种群最优适应性函数值f_best<min_fit，执行步骤12，反之执行下一步；步骤11：若当前种群代数t<max_gen，更新各个参数l，b和p，同时种群代数t＝t+1，执行步骤5；若前种群代数t＝max_gen，执行下一步；步骤12：结束参数辨识优化过程，输出最小适应度函数值和需要辨识的参数T_c，T_s，和δ；最后将辨识到的参数和已知的参数代入机器人关节控制力矩模型函数里面，完成关节控制力矩的预测曲线的绘制。