自适应多种群 de 的机械臂控制新方法

《自适应多种群 de 的机械臂控制新方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、自适应多种群DE的机械臂控制新方法1.引言近年来群智能优化算法已经成为机械臂逆运动学领域研究的热点和发展方向,例如用粒子群算法对机械臂路径规划问题进行求解,基于遗传算法给出了求解机械臂路径规划的新方法等.群智能优化算法内容丰富且各有各的优势,但从算法的综合性能来看差分演化算法(differentialevolution-DE)是效率最高、运算速度最快,由于其独特的杂交和变异方式使得具有很强的全局搜索能力,在1996年第一届国际IEEE进化计算竞赛上表现突出,被公认为是计算效率最高的群智能优化算法。由于DE性能出众,在众多优化算法中脱颖而出并得到广泛应用与发展,提出了多种群差分演化算

2、法(multiplepopulationdifferentialevolution-MPDE)改变个体变异的盲目性,提升个体共享种群信息的能力,基于种群适应值方差提出了自适应差分演化算法对DE进行改进.本文结合提出了一种自适应多种群差分演化算法(adaptivemultiplepopulationdifferentialevolution-AMPDE).AMPDE对每个子种群的离散度方差适时动态计算,一旦种群聚集变对种群中某些个体进行扰动,以破坏种群一致性,达到增强种群多样性之目的,这种改进方案几乎没有增加计算复杂度,但从执行效果来看,这种改进是有益的。本文首先根据机械臂关节轴线方

3、向建立了连杆坐标系,并利用D-H法得到连杆坐标系变换矩阵;其次通过连杆坐标系变换矩阵得到机械臂正运动控制模型；最后通过正运动模型得到逆运动控制模型,逆运动控制模型是双目标非线性约束优化问题.为了求解机械臂逆运动模型,本文提出了自适应多种群差分演化算法(AMPDE),新算法根据种群聚集程度适时对个体进行随机扰动,达到增强算法全局搜索的能力,最后数值试验表明新算法可以有效求解机械臂逆运动学模型。2机械臂运动学分析2.1机械臂关节坐标系建立3差分演化算法多种群策略变异模式对DE的性能影响显著,基本的DE对个体的变异操作是盲目、无指导的,而粒子群算法通过借鉴种群的全局最优信息和个体的局部信

4、息对个体的进化进行指导,受到PSO信息共享机制的启发,提出了一种多种群差分演化算法MPDE,将整个种群分成多个子群体协同进化寻优.每个子群体当前最优个体记为,表示子群体的局部最优信息;从所有子群体的最优个体中选出最优个体记为,表示群体的全局最优信息.在对个体进行变异操作时,用子种群的局部信息与全局信息对变异操作进行指导,改进后的变异操作为:........4自适应变异策略DE根据父代间差分向量进行交叉和选择操作,与其他进化算法一样容易陷入局部最优,存在早熟收敛现象,产生早熟收敛的根本原因是随迭代次数增加种群多样性迅速下降.种群的多样性有很多衡量指标,如采用个体的适应值的方差度量群体

5、的多样性.事实上个体的适应值与个体在搜索空间中的位置不是一一对应关系,即是说个体间虽然差异很大个体但适应值可能很相近,所以本文采用个体间的欧氏距离度量个体之间的差异,种群的离散度定义如下:......7.结束语本文利用D-H法建立机械臂正运动模型;然后通过正运动模型得到双目标优化逆运动控制模型(6),本文采用罚函数方法求解模型(6),也就是说将(6)等价转化为单目标逆运动控制模型(7),模型的最优解就是最优控制指令,该最优控制指令既保证控制精度又保证最优指令的转动幅达到最小.为求解模型(7)本文提出AMPDE算法,最后的数值模拟表明新算法可以有效求解机械臂逆运动学问题,基于本文模型

6、与算法可以开发机械臂逆运动控制软件,应用于生产实际。