基于改进灰狼算法的机器人激励轨迹优化

作者：刘磊; 赵刚^*; 唐康峻; 颜鹏程; 周七

来源：组合机床与自动化加工技术, 2020, (12): 35-38.

DOI：10.13462/j.cnki.mmtamt.2020.12.009

• 动力学模型
• 参数辨识
• 激励轨迹
• 灰狼算法

针对协作型机器人惯性参数辨识中激励轨迹设计问题,文章提出了一种采用改进灰狼算法(SGWO)用于优化设计激励轨迹参数方法。首先,用Newton-Euler递推法推导并建立了机器人最小惯性参数观测矩阵,并将观测矩阵条件数准则作为优化目标函数;其次,引入改进灰狼算法(SGWO).通过反向最优最差策略改善种群初始值,采用sigmoid函数优化收敛因子;最后,利用改进灰狼算法(SGWO)优化设计了满足多约束条件的周期傅里叶级数作为激励轨迹。实验结果表明,采用所提优化方法设计的激励轨迹可以充分激发机器人动力学特性,提高参数辨识的抗噪能力,为准确获取机器人动力学参数奠定基础。

• 单位
  武汉科技大学; 自动化学院