科研之友
微信
新浪微博
Facebook
分享链接
摘要
工业及农业领域存在诸多复杂场景，使得机器人常面临由大量非连续离散局部路径组成的复杂轨迹，合理的运动规划是机器人实现预期作业目标的首要基础。本文提出一种基于非支配遗传算法(Non-dominated sorting genetic algorithm, NSGA-Ⅱ)的多目标综合优化方法，算法基于个体的相互支配关系进行分层并引入“拥挤度”指标来表征个体间的差异性，从而为保持遗传过程的种群多样性提供了有力支撑。同时建立了机器人运动学模型并构造了缩短机器人空载路程、运动时间及关节冲击的路径序列优化函数，并在笛卡尔空间与关节空间进行了高阶样条拟合与插值规划，显著提升了空间轨迹的光顺性及几何特性。基于NSGA-Ⅱ生成空间Pareto最优前沿解集，解决了机器人运动时间短、关节冲击小、任务路径优等约束下的多目标优化问题。优化后机器人运动路径长度缩减74%,作业效率提升33.44%,关节稳定性平均可增强50.97%,通过仿真与实验，验证了算法在改善机器人运动效率、连续性和非突变性等方面具有显著效果。
- 单位
