[发明专利]基于遗传禁忌搜索算法的机器人运动学参数辨识方法

说明书

本发明公开了一种基于遗传禁忌搜索算法的机器人运动学参数辨识方法，该方法构建机器人的运动学模型及机器人的误差模型；利用遗传算法的全局搜索能力和禁忌搜索算法的局部搜索能力，遗传算法得到的最佳解直接输入禁忌搜索算法，使得该技术既具有全局优化能力，又能利用禁忌规则跳出局部最优解，实现模型误差的精确辨识，以此来修正机器人模型的各项参数，提高机器人末端的绝对定位精度。

技术领域

本发明涉及机器人运动学标定技术领域，具体涉及一种基于遗传禁忌搜索算法的机器人运动学参数辨识方法。

背景技术

机器人运动学标定通常可分为建模、测量、参数辨识和补偿四个步骤，在实际情况中，机器人末端误差与运动学参数误差的关系是非线性的，但通常基于线性误差模型进行运动学参数辨识，因此会引起辨识的偏差。大多数均忽略参数的二阶误差项，但经过多次迭代可以减小其影响，能够有较高的辨识精度。进行运动学参数辨识最常用的方法为最小二乘法，该方法不需考虑扰动信息，但需要方程的数量大于辨识参数的数量，也就要求测量数据点较多，计算量较大，并且需要设计合理的轨迹，具有一定的局限性；还有的使用遗传算法对运动学参数进行辨识，但是遗传算法容易陷入局部最优；禁忌搜索起初是为了解决组合优化问题而提出，随着应用场景的扩展，后来也应用于连续优化问题中，禁忌搜索算法是一种局部搜索算法，对于每一个可行解，都需要计算出其邻域集，并且要计算出邻域中每个点的适应度值并进行一系列的操作，如果初始解选的不好的话，禁忌搜索算法的计算效率是比较低的。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种基于遗传禁忌搜索算法的机器人运动学参数辨识方法，对机器人运动学误差模型进行辨识，能够在解的全局范围内进行寻优，且能跳出局部最优解，缩短计算时间。

本发明的第二目的在提供一种基于遗传禁忌搜索算法的机器人运动学参数辨识系统。

本发明的第三目的在于提供一种存储介质。

本发明的第四目的在于提供一种计算设备。

为了达到上述目的，本发明采用以下技术方案：

一种基于遗传禁忌搜索算法的机器人运动学参数辨识方法，包括下述步骤：

构建机器人的运动学模型及机器人的误差模型；

设置种群大小，随机产生初始种群；

将机器人末端实际位置和理论位置的x，y，z误差平方和的倒数作为适应度函数，计算种群中每个个体的适应度；

采用适应度函数输出最佳个体作为禁忌搜索算法的初始解；

构建邻域集：按照邻域规则生成邻域环，在邻域环内随机取多个点作为初始解X的邻域集；

将辨识的参数作为机器人运动学参数，利用已知的关节角度求得机器人末端的理论位置，将所有点实际位置和理论位置坐标差平方和的均值作为适应度，根据该适应度，计算邻域集各点的适应度和当前点的适应度；

对邻域集中各点的适应度按从小到大进行排序，取最小适应度的点作为邻域的最佳点，标记为X′；

判断X′的适应度是否小于初始解X的适应度，若不小于则进行禁忌表中禁忌次数判断，若小于则将当前解替换为X′，并且更新禁忌表；

禁忌次数判断：判断X′在禁忌表中的禁忌次数是否大于等于设定值，若大于等于设定值则按照邻域各点适应度排序，取邻域的下一个最优点作为X′；若小于设定值则将当前解替换为X′，并且更新禁忌表；

判断是否已经超出邻域内的最后一个点，若超出则取邻域内所有点的平均值作为X′，若不超出则进行禁忌次数判断；

判断是否达到禁忌搜索的最大迭代次数，若未达到则返回构建邻域集，若达到则输出最佳解和最佳解的适应度。