[发明专利]基于QPSO算法的机械臂多项式插值轨迹规划方法

说明书

本发明提供一种基于QPSO算法的机械臂多项式插值轨迹规划方法，利用QPSO算法对多自由度机械臂的3‑5‑3分段插值轨迹进行时间最优轨迹规划，其特征在于，包括以下步骤：步骤S1，构建机械臂多项式插值轨迹规划所需的目标函数；步骤S2，根据QPSO算法，根据粒子个体最优位置和粒子全局最优位置来对粒子群体进行迭代进化,从而选出具有全局最优适应度的粒子位置和其对应的适应度值。本发明能保证六自由度机械臂末端轨迹满足运行过程尽量平滑,末端位置、角速度和角加速度无突变的原则；其仿真结果的精度要优于双层PSO优化算法,收敛速度要比传统PSO优化算法快,计算过程所耗时间均比双层PSO算法与PSO算法少。

技术领域

本发明涉及机器人控制技术领域，尤其是一种基于QPSO算法的机械臂多项式插值轨迹规划方法。

背景技术

轨迹规划是随着时间的推移在两种不同配置之间移动机器人,以便在履行机器人的约束的同时执行特定的任务.一定的配置需要机器人操纵器的一组关节角度和所有可能的关节角度集合称为配置空间,约束包含机器人的物理限制.它们包括几何约束,其可以用机器人关节角度(即关节角度的边界,避免与环境的碰撞)来表示.它们还包括运动学和动力学约束,包括关节角度的高阶时间导数(即关节速度,加速度等)。

机械臂在工业操作中必须遵循一个重要的原则,即运行过程应当尽量平滑,应当避免其末端位置、速度和加速度的突变,而分段多项式插值法可以使得机械臂末端轨迹满足这一原则.常用的分段式插值法有较为普遍的3-3-3-3-3多项式插值法和王焱等提到的4-3-4多项式插值法,对于前者,其使用的是三项式插值法,由于阶次过低,易使得轨迹脉动不连续；于后者,其中两段使用了四项式插值法,多项式阶次越高公式转换计算量越大,需牺牲大量的运算时间.相比这两种方法,徐向荣等提出的3-5-3多项式插值法具有阶次高,轨迹无位置、速度和加速度突变的特点,且其前后两段为三项式插值,针对机械臂模型的复杂性,公式转换计算量可以得到大大的减少.然而基于多项式差值的轨迹规划具有阶次较高,没有凸包性等特点,难以利用传统的方法进行优化,而粒子群算法恰好能解决这一问题，李小为等针对六自由度机械臂,提出一种在速度约束下的PSO时间最优轨迹规划,但是PSO(粒子群算法)的目标值收敛时间和计算时间均较长,为了对粒子群算法收敛速度进行改善,周志勇等提出一种自适应双层粒子群优化算法,但运用于六自由度机械臂的时间最优轨迹规划时,其精度不佳,易于早熟从而达不到最优值。

而QPSO(量子粒子群算法)较于一般PSO更适用于对工业机械臂的时间最优轨迹规划。

发明内容

本发明的目的是在于克服现有技术中存在的不足，提供一种一种基于QPSO算法的机械臂多项式插值轨迹规划方法，其解决了多项式差值的轨迹规划具有阶次较高,没有凸包性等特点,难以利用传统的方法进行优化的问题；并能保证六自由度机械臂末端轨迹满足运行过程尽量平滑,末端位置、角速度和角加速度无突变的原则；其仿真结果的精度要优于双层PSO优化算法,收敛速度要比传统PSO优化算法快,计算过程所耗时间均比双层PSO算法与PSO算法少。本发明采用的技术方案是：

一种基于QPSO算法的机械臂多项式插值轨迹规划方法，利用QPSO算法对多自由度机械臂的3-5-3分段插值轨迹进行时间最优轨迹规划，其特征在于，包括以下步骤：

步骤S1，构建机械臂多项式插值轨迹规划所需的目标函数；

步骤S2，根据QPSO算法，根据粒子个体最优位置和粒子全局最优位置来对粒子群体进行迭代进化,从而选出具有全局最优适应度的粒子位置和其对应的适应度值。

步骤S1具体包括：

步骤S1.1，构建多项式插值函数；多自由度机械臂关节i的3-5-3多项式插值通式为：