[发明专利]一种基于快速非支配排序算法的机器人关节空间轨迹多目标优化方法

说明书

本发明公开了一种基于快速非支配排序算法的机器人关节空间轨迹多目标优化方法，基于建立的函数以及的约束函数，由此建立机器人关节空间轨迹多目标优化的数学模型；对机器人关节空间轨迹多目标优化问题的决策变量进行实数编码；初始化算法种群；定义解的可行度函数；采用非一致性变异算子，加快算法初期收敛速度；通过改进的快速非支配排序遗传算法，求解机器人关节空间轨迹多目标优化问题，得到机器人关节空间轨迹多目标优化问题的Pareto解集及Pareto解集中的解对应的决策变量。本发明能够针对不用应用领域下对时间、能耗和运动平稳性的不同要求，灵活地选择机器人关节空间轨迹。

技术领域

本发明属于机器人运动控制技术领域，尤其是涉及一种基于快速非支配排序算法的机器人关节空间轨迹多目标优化方法。

背景技术

随着机器人应用领域的不断拓展，对机器人关节空间轨迹进行多目标优化，能够有针对性的对优化指标做出选择，灵活地应对不同应用场景下对机器人关节空间轨迹的要求。在诸多应用场景中，对机器人关节空间轨迹的要求主要集中在三个方面：

1.机器人关节空间轨迹的运行时间要求。机器人关节空间轨迹的运行时间越小，越有利于提高生产效率

2.机器人关节空间轨迹的能量消耗要求。机器人关节空间轨迹的能量消耗越少，越有利于降低能耗成本。

3.机器人关节空间轨迹的运动平稳性要求。机器人关节空间轨迹的运动平稳性差会导致机器人的重复定位精度降低，跟踪误差变大，严重影响机器人的性能，导致机器人的使用寿命减少。

对于以上要求，目前国内外机器人关节空间轨迹多目标优化方法存在以下问题。首先，在对机器人关节空间进行优化时往往是考虑时间和能耗或者时间和运动平稳性的影响，没有将三者同时作为优化目标进行优化。其次，在进行多目标优化时采用加权法将多目标转化为单目标问题，加权因子人为选定，不利于获得最优结果。

Gasparetto等[参见学术论文“Gasparetto,A.Lanzutti.Experimentalvalidation and comparative analysis of optimal time-jerk algorithms fortrajectory planning[J].Robotics and Computer-Integrated Manufacturing.2012:164-181.”]分别以时间和运动平稳性作为优化目标，通过调整时间、加加速度的权值因子来获得较好的优化结果。沈悦等[参见学术论文“沈悦,李银伢,戚国庆,盛安冬.基于PSO的工业机器人时间-脉动最优轨迹规划[J].计算机测量与控制,2017,25(01):158-162.”]通过权重法将时间-运动平稳性的多目标优化问题变为单目标优化问题，通过粒子群优化算法得到加权后的最优轨迹。操鹏飞等[参见学术论文“操鹏飞,许德章,杨伟超.基于改进遗传算法的工业机器人能耗最优轨迹规划[J].井冈山大学学报(自然科学版),2016,37(02):48-54.”]以时间-能耗作为目标函数，通过改进的遗传算法得到优化问题的解。

因此，本发明提出一种基于快速非支配排序算法的机器人关节空间轨迹多目标优化方法，将时间、能耗和运动平稳性同时作为优化目标，采用改进的基于快速非支配排序思想的遗传算法获得多目标优化问题的Paoreto最优解集。

发明内容

本发明为了解决现有机器人关节空间轨迹多目标优化方法中，优化目标考虑不全面，采用加权法优化结果受加权因子影响较大的问题，提供了一种基于快速非支配排序算法的机器人关节空间轨迹多目标优化方法。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于快速非支配排序算法的机器人关节空间轨迹多目标优化方法，包括以下步骤：

(1)建立机器人关节空间轨迹多目标优化的时间函数；

(2)建立机器人关节空间轨迹多目标优化的能耗函数；