基于差分演化的冗余自由度机器人多目标性能准则优化

论文摘要

冗余自由度机器人具有区别于传统的非冗余自由度机器人的冗余特性,使得冗余自由度机器人在能够保证其末端运动规律的同时,还可以利用其自运动产生不同的关节位形来提高其操作性能,这也是冗余自由度机器人的一个重要应用。冗余机器人性能优化通常采用的方法是梯度投影法。然而,在本质上,梯度投影法是一种局部优化算法,容易陷入局部最优,因此,难以保证冗余机器人在全局范围内实现最优。有鉴于此,本文以平面三自由度冗余机器人作为研究对象,提出了基于差分演化算法的单目标或多目标性能优化方法。首先,通过分析差分演化算法的基本思想、过程,对算法进行了改进,设计出了一种能够实现冗余自由度机器人单目标性能优化的方法;而对于冗余自由度机器人多目标性能优化,本文提出一种基于非劣排序的多目标差分演化方法来实现。通过分析适用于多目标优化问题的交叉算子、变异算子和选择算子等问题,设计出了基于非劣排序差分演化的冗余自由度机器人多目标性能优化的步骤。最后,采用MATLAB作为数学工具进行实验,仿真结果表明:基于差分演化算法的优化方法能够对冗余机器人单目标或多目标性能进行优化,且与梯度投影法相比,不易陷入局部最优,因此可以实现冗余机器人的全局性能准则优化,且优化效果更明显。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及研究的目的与意义
• 1.2 机器人性能优化的研究现状
• 1.2.1 运动学单目标性能优化指标
• 1.2.2 运动学多目标性能优化指标
• 1.3 多目标演化算法的发展概况
• 1.4 本文的主要研究内容
• 第2章 冗余自由度机器人运动学
• 2.1 冗余自由度机器人运动学基本问题
• 2.2 梯度投影法
• 2.3 运动学优化性能指标H（q）
• 2.3.1 冗余机器人关节位移极限指标
• 2.3.2 冗余机器人运动灵活性指标
• 2.3.3 冗余机器人避障指标
• 2.3.4 线性加权多目标性能优化指标
• 2.4 本章小结
• 第3章 基于差分演化的冗余自由度机器人单目标性能优化
• 3.1 差分演化算法
• 3.1.1 初始化种群
• 3.1.2 变异操作
• 3.1.3 交叉操作
• 3.1.4 选择操作
• 3.1.5 流程图
• 3.2 冗余自由度机器人数学模型
• 3.2.1 平面三自由度冗余机器人描述
• 3.2.2 机器人末端轨迹描述
• 3.3 基于差分演化的冗余机器人单目标性能优化步骤
• 3.4 基于差分演化的冗余机器人单目标性能优化仿真
• 3.4.1 冗余自由度机器人数学模型
• 3.4.2 运动学性能指标
• 3.4.3 仿真参数及条件
• 3.4.4 仿真结果及分析
• 3.5 本章小结
• 第4章 基于差分演化的冗余自由度机器人多目标性能优化
• 4.1 多目标优化
• 4.1.1 基本概念
• 4.1.2 多目标优化问题与决策
• 4.2 多目标演化算法常用策略
• 4.2.1 适应度赋值方法
• 4.2.2 种群多样性维护
• 4.2.3 选择算子
• 4.2.4 精英策略
• 4.3 非劣排序多目标差分演化算法
• 4.3.1 NSDE 算法流程
• 4.3.2 快速非劣排序法
• 4.3.3 拥挤距离
• 4.3.4 拥挤选择算子
• 4.4 基于NDSE 的冗余机器人多目标性能优化步骤
• 4.5 基于NSDE 的冗余机器人多目标性能优化仿真
• 4.5.1 冗余自由度机器人数学模型
• 4.5.2 运动学性能指标
• 4.5.3 仿真参数及条件
• 4.5.4 仿真结果及分析
• 4.6 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢