[发明专利]一种结合多级优化模型的机器人高性能轨迹自动生成方法

权利要求书

1.一种结合多级优化模型的机器人高性能轨迹自动生成方法，其特征在于，该方法包括：

S1、确定轨迹关键点坐标、以及相邻两个轨迹关键点之间的轨迹曲线模型；

S2、搭建性能指标库，构建多级优化模型；

S3、获取性能指标的权重因子，确定优化目标函数；

S4、基于优化目标函数，采用改进的遗传粒子群混合优化算法对各段轨迹的运动时间进行优化；

S5、基于轨迹曲线模型和各段轨迹的运动时间确定轨迹曲线模型参数，获取各段轨迹曲线；

所述的轨迹曲线模型包括五次样条曲线，表示为：

p(t)＝a₀+a₁t+a₂t²+a₃t³+a₄t⁴+a₅t⁵

其中，t表示运动时刻，p(t)表示t时刻的轨迹位置，a₀、a₁、a₂、a₃、a₄、a₅为待确定的轨迹曲线模型参数；

所述的多级优化模型为：

f＝ω₁·f_time+ω₂·f_len+ω₃·f_η+ω₄·f_vel+ω₅·f_acc

其中，f多级优化模型性能指标加权和，f_time为运动时间性能指标，f_len为轨迹长度性能指标，f_η为相对能耗性能指标，f_vel为速度约束性能指标，f_acc为加速度约束性能指标，ω₁、ω₂、ω₃、ω₄、ω₅为各性能指标的权重因子，tMin_i为第i段轨迹的最短运动时间，t_i为第i段轨迹的运动时间优化值，l_i为第i段轨迹的长度，v_imax为第i段轨迹的最大限幅速度，n为轨迹总段数，l_straight为从起点到终止点间的路径最短长度，|s_i+1-s_i|为第i个轨迹关键点和第i+1个轨迹关键点之间的欧式距离，Q_i、Q_i+1分别为第i段、i+1段轨迹的起始角度，q_i、q_i+1分别为第i段、i+1段轨迹运动过程中运动体关节的转动角度，v表示运动过程中是实时速度，a表示运动过程中是实时加速度，v_max表示最大限速，a_max表示最大加速度；

步骤S4具体为：

S41、设定最大迭代次数和迭代终止条件；

S42、初始化粒子群，设粒子群规模为N，每个粒子的维数为d，d＝n，n为轨迹总段数，以x_i＝(x_i1,x_i2,...,x_id)表示第i个粒子的空间位置，v_i＝(v_i1,v_i2,...,v_id)表示第i个粒子的速度，p_i＝(p_i1,p_i2,...,p_id)记录第i个粒子当前搜索的各维度空间位置最优值，p_g＝(p_g1,p_g2,...,p_gd)记录当前整个种群的粒子空间位置最优值，i＝1，2，……，N，所述的粒子的空间位置为待优化的各段轨迹的运动时间；

S43、采用参数改进后的粒子位置和速度更新公式更新粒子速度和位置；

S44、根据更新的粒子位置，基于轨迹曲线模型确定模型参数，计算优化目标函数的值作为粒子的适应度值；

S45、根据各粒子的适应度值更新最优粒子，使粒子种群朝着适应度值降低的方向收敛；

S46、采用遗传算法中的交叉变异技术，挑选种群中最优的两个粒子进行交叉遗传，并以概率对种群中某一随机粒子进行概率变异；

S47、返回步骤S43进行下一次循环计算，直至达到最大迭代次数k_max或满足迭代终止条件，终止算法迭代，获取最优粒子；

所述的参数改进后的粒子位置和速度更新公式为：

v_ij(k+1)＝ω(k)v_ij(k)+c₁(k)R₁(p_ij(k)-x_ij(k))+c₂(k)R₂(p_gj(k)-x_ij(k))

x_ij(k+1)＝x_ij(k)+v_ij(k+1)

其中，k表示迭代次序，ω(k)为第k次迭代的惯性权重因子，c₁(k)为第k次迭代的个体学习因子，c₂(k)为第k次迭代的全局学习因子，x_ij(k)、v_ij(k)分别表示第k次迭代粒子i的第j维度的空间位置分量和速度分量，x_ij(k+1)、v_ij(k+1)分别表示第k+1次迭代粒子i的第j维度的空间位置分量和速度分量，p_ij(k)表示第k次迭代粒子i的第j维度的空间位置分量最优值，p_gj(k)表示第k次迭代整个种群的第j维度的空间位置最优值，j＝1，2，……，d，R₁、R₂为0到1间的随机数；

在迭代计算过程中，所述的惯性权重因子采用了指数下降的方式进行更新；

所述的惯性权重因子的更新公式为：

其中，ω_max、ω_min分别为惯性权重因子的最大值和最小值，e为自然常数，γ为常数；

在迭代计算过程中，所述的个体学习因子和全局学习因子采用异步非线性更新方式进行更新；

所述的个体学习因子的更新公式为：

其中，c_α、c_β为常数；

所述的全局学习因子的更新公式为：

其中，c_μ、c_ν为常数。