《一种基于蚁群算法的空间机械臂末端器避障路径规划的方法.pdf》由会员分享，可在线阅读，更多相关《一种基于蚁群算法的空间机械臂末端器避障路径规划的方法.pdf（10页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN104199292A43申请公布日20141210CN104199292A21申请号201410391192322申请日20140811G05B13/04200601G05D1/1020060171申请人大连大学地址116622辽宁省大连市金州新区学府大街10号72发明人张强周东生王兰74专利代理机构大连创达专利代理事务所普通合伙21237代理人赵英杰54发明名称一种基于蚁群算法的空间机械臂末端器避障路径规划的方法57摘要本发明设计了一种基于蚁群算法的空间机械臂末端器避障规划的方法。该方法首先对空间机械臂和环境进行建模，然后以起始点到目标点之间的避障路径既短又安全为目标来定义。
2、适应度函数，并对蚁群算法中的搜索策略、转移规则和信息素更新方法进行改进，最后利用改进的蚁群算法搜索最优的避障路径。本发明着重解决的问题是利用改进的蚁群算法实现空间机械臂末端器的避障。51INTCL权利要求书2页说明书4页附图3页19中华人民共和国国家知识产权局12发明专利申请权利要求书2页说明书4页附图3页10申请公布号CN104199292ACN104199292A1/2页21一种基于蚁群算法的空间机械臂末端器避障规划的方法，其特征在于，该方法包括以下步骤步骤一建立空间机械臂模型和环境模型；步骤二参数初始化；步骤三设计启发式函数进行路径搜索，并更新局部信息素；启发式函数为HI,J,KDI,J。
3、,KSI,J,KQI,J,K1式1中，I、J和K分别表示划分规划空间ABCDEFGH时沿边AB、边AD和AE的划分序号；DI,J,K表示两点间的距离，促使蚂蚁向离它近的点移动，其表达式为DI,J,KSQRTXAXB2YAYB2ZAZB22SI,J,K表示安全性因素，促使蚂蚁选择安全点，当选择点不可达到时，其表达式为SI,J,K0；QI,J,K为下一点到目标点的路径长度，促使蚂蚁选择距离目标更近的点，表达式如下QI,J,KSQRTXBXD2YBYD2ZBZD23式2中，X,Y,Z表示规划空间中的任意一点对应的坐标；A、B分别为当前点和下一个点；式3中，B、D分别表示下一个点和目标点；步骤四将搜索。
4、到的路径的适应度值进行比较进行路径规划，并进行全局信息素更新；在进行路径规划时，取X轴为路径规划的主方向，将适应度函数定义为式4中，N为种群的个数，I表示当前点，I1表示下一点；如果新路径比已知最优路径的长度短，则用新路径替代原来的最优路径；步骤五如果满足迭代次数要求，则输出最优的避障路径。2根据权利要求1所述的基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，其特征在于所述空间机械臂模型为跟据广义雅可比矩阵对空间机械臂建立的运动学模型，所述环境模型是采用等分空间方法在三维空间中建立路径规划所需的网格点，并设计障碍物均为顶面和底面与XY面平行的不规则体。3根据权利要求1所述的基于改进的蚁。
5、群算法的空间机械臂末端器避障路径规划的方法，其特征在于所述步骤二中参数初始化的参数分别为起始点和目标点的坐标、蚂蚁的数量N、迭代次数NC的初始值及最大值NCMAX、信息素衰减系数和更新系数。4根据权利要求1所述的基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，其特征在于所述步骤三中路径搜索为设一只蚂蚁位于节点I，那么它根据下面的方程式选择下一个要转移的节点K权利要求书CN104199292A2/2页3式5中，A1,U,V表示规划空间中要选择的下一个点的坐标，A1,U,V为平面I1上点PA1,U,V的信息素值，HA1,U,V为点PI到平面I1内的可行点集合的启发信息值，Q是在0,1区间均。
6、匀分布的随机数，Q0是0,1区间内的数，J是根据下面公式选择出来的节点5根据权利要求1所述的基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，其特征在于所述步骤三中局部信息素更新随着蚂蚁的搜索进行，其更新公式为IJK1IJK6式6中，IJK为点I,J,K上所带的信息素值，为信息素的衰减系数。6根据权利要求1所述的基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，其特征在于所述步骤四中全局信息素更新公式如下IJK1IJKIJK7式7中为信息素更新系数，IJK为式8中，K是系数，LENGTHM为第M只蚂蚁经过的路径长度。7根据权利要求1所述的基于改进的蚁群算法的空间机械臂末端器避障路径。
7、规划的方法，其特征在于步骤五中，如果迭代次数NCNCMAX，则转步骤三，否则输出最优的避障路径。权利要求书CN104199292A1/4页4一种基于蚁群算法的空间机械臂末端器避障路径规划的方法技术领域0001本发明涉及一种属于空间机械臂避障路径规划的方法，具体讲是涉及一种基于蚁群算法的空间机械臂末端器避障路径规划的方法，其属于宇航控制领域。背景技术0002空间机器人是由机器人本体卫星和其搭载的机械臂组成。由于机器人本体内携带气体推进器，它可以在空间微重力环境下自由飞行或浮游，从而扩展了机器人的工作空间，因此它将代替宇航员从事各种舱外作业，成为今后空间机器人的主要研究方向之一。空间环境中的碎片、。
8、空间舱体外设试验装置等都有可能成为空间机械臂在轨操作过程中的障碍，而机械臂与障碍物之间的碰撞不仅会干扰在轨操作任务的完成，甚至会对机械臂系统及操作人员造成伤害，因此空间机械臂的避障路径规划具有十分重要的研究意义。0003空间机械臂避障规划的目标是为空间机械臂规划出一条从起始点到目标点避开所有障碍物并且满足某项指标最优的路径。针对路径规划问题，已经采用的方法有C空间法、A搜索法、改进人工势场法、遗传算法、蚁群算法等，它们都存在一定的局限性。由于C空间法的计算时间要比机械臂的响应时间长，因此限制了其在实际避障中的应用；A算法的计算量会随着维数的增加而急剧增加，其时空要求很难得到满足；改进人工势场法。
9、非常适用于处理动态避障，但其容易陷入局部最小点处；在复杂的环境中，遗传算法很难找到一条满足约束条件的可行路径；蚁群算法具有较强的鲁棒性，能够进行分布式计算，易于与其他方法相结合，但同时也存在一些缺陷，如收敛速度慢，易于陷入局部最优。发明内容0004鉴于现有技术存在的问题，本发明的目的在于提出一种基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，着重解决蚁群算法收敛速度慢，易于陷入局部最优的缺点，使机械臂末端器不仅能顺利地避开所有障碍物，还能保证其运动的路径比蚁群算法搜索到的路径更短。0005为了实现上述目的，本发明所采用的技术方案为基于改进的蚁群算法的空间机械臂末端器避障路径规划的方法，。
10、其步骤如下0006步骤一建立空间机械臂模型和环境模型；0007根据广义雅可比矩阵对空间机械臂建立运动学模型，然后采用等分空间方法在三维空间中建立路径规划所需的网格点，最后设计障碍物均为顶面和底面与XY面平行的不规则体。0008步骤二参数初始化；0009需要初始化的参数包括起始点和目标点的坐标；蚂蚁的数量N；迭代次数NC的初始值及最大值NCMAX；信息素衰减系数和更新系数。0010步骤三设计启发式函数进行路径搜索，并更新局部信息素；说明书CN104199292A2/4页50011设启发式函数为0012HI,J,KDI,J,KSI,J,KQI,J,K0013在上式中，I、J和K分别表示划分规划空间。
11、ABCDEFGH时沿边AB、边AD和AE的划分序号。0014DI,J,K表示两点间的距离，促使蚂蚁向离它近的点移动，其表达式为0015DI,J,KSQRTXAXB2YAYB2ZAZB20016其中，X,Y,Z表示规划空间中的任意一点对应的坐标。A、B分别为当前点和下一个点。0017SI,J,K表示安全性因素，促使蚂蚁选择安全点，当选择点不可达到时，其表达式为SI,J,K0。0018QI,J,K为下一点到目标点的路径长度，促使蚂蚁选择距离目标更近的点，表达式如下0019QI,J,KSQRTXBXD2YBYD2ZBZD20020其中，B、D分别表示下一个点和目标点。0021如果一只蚂蚁位于节点I，。
12、那么它根据下面的方程式选择下一个要转移的节点K00220023其中，A1,U,V表示规划空间中要选择的下一个点的坐标，A1,U,V为平面I1上点PA1,U,V的信息素值，HA1,U,V为点PI到平面I1内的可行点集合的启发信息值，Q是在0,1区间均匀分布的随机数，Q0是0,1区间内的数，J是根据下面公式选择出来的节点00240025局部信息素更新随着蚂蚁的搜索进行，更新公式为0026IJK1IJK0027其中，IJK为点I,J,K上所带的信息素值，为信息素的衰减系数。0028步骤四将搜索到的路径的适应度值进行比较进行路径规划，并进行全局信息素更新；0029在进行路径规划时，取X轴为路径规划的主。
13、方向，将适应度函数定义为00300031其中，N为种群的个数，I表示当前点，I1表示下一点；如果新路径比已知最优路径的长度短，则用新路径替代原来的最优路径；进行全局信息素更新，其公式如下0032IJK1IJKIJK0033其中为信息素更新系数，IJK为说明书CN104199292A3/4页600340035其中，K是系数，LENGTHM为第M只蚂蚁经过的路径长度。0036步骤五如果满足迭代次数要求，则输出最优的避障路径；0037判断迭代次数是否满足NCNCMAX，是则转步骤S3，否则输出最优的避障路径。0038本发明与现有技术相比具有以下优点算法搜索到的避障路径更短，需要较少的迭代次数就能得到。
14、最优的适应度值，运行的平均时间较短，而且可以有效地避免收敛速度慢和易于陷入局部最优的问题。附图说明0039以下通过附图及具体实施例对本发明进行详细说明。0040图1本发明流程图；0041图2利用改进的蚁群算法得到的最优避障路径；0042图3利用改进的蚁群算法得到的迭代次数表示；0043图4利用蚁群算法得到的最优避障路径；0044图5利用蚁群算法得到的迭代次数表示。具体实施方式0045下面结合附图对本发明作进一步说明。本发明具体实施步骤0046步骤一对空间机械臂和环境建立模型；0047步骤二参数初始化；0048步骤三设计启发式函数进行路径搜索，并更新局部信息素；0049步骤四将搜索到的路径的适应。
15、度值进行比较，并进行全局信息素更新；0050步骤五如果满足迭代次数要求，则输出最优的避障路径。0051实施例10052本发明的实施例是在以本发明技术方案为前提下进行实施的，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述实施例。具体实施步骤为0053步骤1首先建立环境模型，在三维坐标系中作立方体ABCDEFGH，首先沿边AB把规划空间ABCDEFGH进行等分，得到N1个平面,然后对这N1个平面沿AD进行M等分，沿边AE进行L等分，并且求解出里面的交点。然后设定三个障碍物的坐标分别为4,4,1，4,8,1，8,4,1，8,8,1，5,5,4，7,5,4，5,7,47,7,4；1。
16、0,8,125，10,12,125，14,8,125，14,12,125，11,9,5，11,11,5，13,9,5，13,11,5；16,12,15，16,16,15，20,12,15，20,16,15，17,13,6，17,15,6，19,13,6，19,15,6。0054步骤2初始化参数。起始点和目标点的坐标分别为1,4,2，21,14,1；蚂蚁的数量N20；初始迭代次数NC0，最大迭代次数NCMAX100；信息素衰减系数09，信息素更新系数02。0055步骤3设计启发式函数为0056HI,J,KDI,J,KSI,J,KQI,J,K说明书CN104199292A4/4页70057如果一只。
17、蚂蚁位于节点I，那么它根据下面的方程式选择下一个要转移的节点K00580059其中，A1,U,V为平面I1上点PA1,U,V的信息素值，HA1,U,V为点PI到平面I1内的可行点集合的启发信息值，Q是在0,1区间均匀分布的随机数，Q0是0,1区间内的数，在本发明中定义Q005。局部信息素更新随着蚂蚁的搜索进行，更新公式为0060IJK1IJK0061步骤4将适应度函数定义为00620063如果新路径比已知最优路径的长度短，则用新路径替代原来的最优路径。全局信息素更新公式如下0064IJK1IJKIJK00650066在本发明中定义K100。0067步骤5判断迭代次数是否满足NC100，是则转步。
18、骤3，否则输出最优的避障路径。0068本发明提出的改进的蚁群算法与蚁群算法的比较。分别对两种算法运行10次，将它们得到的平均适应度值、运行时间和最优适应度值进行比较，结果如表一所示。0069表一蚁群算法和改进蚁群算法的比较00700071利用本发明的方法得到的最优避障路径和迭代次数表示分别如附图2、附图3所示，利用蚁群算法得到的最优避障路径和迭代次数表示分别如附图4、附图5所示。从表一、附图2附图5可以看出，利用本发明提出的算法与蚁群算法相比避障路径更短；得到最优的适应度函数所需要的迭代次数更少；运行的平均时间更短。综上所述本发明的方法不仅能使机械臂末端器顺利地避开所有障碍物，还能保证其运动的路径比蚁群算法搜索到的路径更短。0072以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围内。说明书CN104199292A1/3页8图1图2说明书附图CN104199292A2/3页9图3图4说明书附图CN104199292A3/3页10图5说明书附图CN104199292A10。