CN104678766A - 仿人机械臂飞行球体作业最优击球构型一种求取方法 - Google Patents

Abstract

本发明涉及仿人机械臂飞行球体作业最优击球构型一种求取方法。该方法包括如下步骤：(1)运动学数学模型的建立，根据末端连接拍心位置及球拍笛卡尔速度矢量方向获得机械臂末端位姿，并计算推导仿人机械臂逆解求取几何表达式；(2)采用改进教学优化算法搜索模型中冗余变量，以远离关节物理约束限位程度作为算法的目标函数；(3)设置改进教学优化算法运行参数；(4)通过改进教学优化算法最小化目标函数，得到模型中最佳冗余变量值；将最优冗余变量值代入至运动学模型中，获得机械臂对飞行球体作业最优击球构型。本发明能根据拍心位置及球拍笛卡尔速度矢量方向获得机械臂最优的自然构型进行击球作业，解决了机械臂对球体作业连杆构型的优选问题，而且具有待优化参数少、所求关节角具有远离关节位置限位裕量大的优点。

Description

仿人机械臂飞行球体作业最优击球构型一种求取方法

技术领域

本发明涉及机器人技术，尤其涉及面向高速飞行球体作业七自由度仿人机械臂最优击球构型的一种求取方法。

背景技术

仿人机器人要想替代人类完成各种作业，必须应拥有类人上肢功能的仿人机械臂。仿人机器人7-DOF机械臂在一些复杂作业任务执行时，如对高速飞行球体乒乓球、棒球击球作业时，将存有无穷多组作业连杆构型满足对同一目标球体的作业任务需求，不同的作业连杆构型对机械臂的性能要求也会相差很大。仿人机械臂由于连杆机构与形状的设计使其每个关节都存有关节位置物理约束，人们希望击球时刻机械臂各关节位置能尽可能地远离对应的位置限位，使其能处在一种自然的连杆构形姿态对目标球体进行作业。机械臂作业时刻对球体击球连杆构型优选问题可转化为等效的最小化问题,并采用数值优化方法求解。目前相关研究也有报道，如采用和声搜索全数值法(《控制理论与应用》(2012,29(7):867-876))、遗传算法迭代(《中国机械工程》(2008,19(22):2661-2665))等，但这些方法需给定机器人末端位姿为前提，而且采用优化参数多，寻优解易陷入局部最优，算法参数效应敏感，需设置适宜的参数否则将影响搜索性能。

2011年Rao等人提出一种新颖启发式搜索方法---教学优化方法(Teaching–Learning-BasedOptimization,TLBO)，该方法源于班级中教学现象及效果的模拟；与其它仿生优化算法比较该方法仅有群体规模与进化代数两个参数，需设置参数少，可避免算法因参数设置不当造成计算量增加或陷入局部解问题。在传统TLBO方法中，主要通过教师“教”阶段与学员“学”阶段实现学员水平提高，事实上在教师“教”阶段中教师除了尽力使班级平均水平接近自身外，还存有个性化答疑及单独交流、互动等方式。由此于坤杰等人提出基于反馈的精英教学优化方法(《自动化学报》(2014,40(9):1976-1983))，该方法在标准TLBO算法基础上增加了反馈阶段，将学员与教师间的反馈思想以与教师、学员阶段串列的阶段方式存在，再评估反馈阶段后的个体；同标准TLBO算法比较，该方法性能得到了改善，但增加了算法每代适应度函数计算次数，提高计算量。

发明内容

本发明克服现有技术不足，提供仿人机械臂飞行球体作业最优击球构型的一种求取方法。

本发明涉及的仿人机械臂为七自由度，其中肩部三个自由度，肘部一个自由度，腕部三个自由度；在击球时刻机械臂将根据末端拍心位置及球拍笛卡尔速度矢量方向求取最优击球连杆构型。

仿人机械臂飞行球体作业最优击球构型的一种求取方法包括如下步骤：

1).为获取仿人机械臂飞行球体作业最优击球构型，使机械臂处在一种自然连杆构型姿态进行击球作业，定义如下最小化目标函数

minf(K)＝μ

$\mathrm{\μ}=\max \left[\right|\frac{q_1-q_{1\mathrm{mid}}}{(q_{1\max }-q_{1\min })/2}|,\·\·\·|\frac{q_i-q_{\mathrm{imid}}}{(q_{i\max }-q_{i\min })/2}|,\·\·\·,|\frac{q_7-q_{7\mathrm{mid}}}{(q_{7\max }-q_{7\min })/2}\left|\right],(i=\mathrm{1,2},\·\·\·,7)$

式中K为q_r与参数组合，q_imin、q_imid与q_imax分别表示关节i位置下限、中值与上限值，q_i为关节i位置；该最小化目标函数作为改进教学优化算法对仿人机械臂飞行球体作业最优击球构型求取方法搜索q_r、变量的目标函数；

2).设置改进教学优化算法的参数：最大进化代数G＝10、种群规模P＝10、个体编码长度即优化变量个数L＝2及算法终止准则；

3).运行改进教学优化算法，搜索寻优仿人机械臂飞行球体作业运动模型中的未知参数q_r、，通过最小化目标函数得到模型中一组未知参数q_r、的最优变量参数值；

4).将最优变量参数值代入仿人机械臂飞行球体作业运动模型中，获得机械臂对飞行物体作业的最优构型，使所获得的机械臂连杆构型最大程度地远离各关节位置限位。

所述的改进教学优化算法的终止准则为：算法运行达到最大进化代数时迭代自行终止。

所述的改进教学优化算法对仿人机械臂飞行球体作业模型中的变量参数进行搜索寻优的步骤为：

1).设置改进教学优化算法运行参数，仿人机械臂飞行球体作业模型中2个待优化变量参数q_r、的搜索范围，随机生成初始种群；定义仿人机械臂飞行球体作业模型中远离关节物理约束限位程度为算法目标函数；

2).将种群中每一个体作为仿人机械臂飞行球体作业模型中的一组参数，代入仿人机械臂运动学模型中逆解求取几何表达式，并计算这组参数所对应的目标函数值；

3).对应于种群中目标函数值最小的个体作为当前群体的最优个体，计算最优个体与当前种群个体平均值间之差Difference_Mean；基于当前最优解与反馈方式进行种群个体的更新；若更新后的解优于原先解，则接受新解，否则保留原解；

4).随机选择两个个体，基于两个个体间的差异性进行种群个体更新；若更新后的解优于原先解，则接受新解，否则保留原解；

5).最优个体解取代最劣个体，修改重复个体；

6).重复步骤2)～步骤5)进行算法迭代，直至算法满足终止准则为止；

7).输出最优结果，所得的最优个体即为仿人机械臂飞行球体作业模型中待优选的变量参数值，将所优选的变量参数值代入作业模型中，获得机械臂对飞行物体作业的最优击球构型。

所述的基于当前最优解与反馈方式更新种群个体按如下方式进行：

x_new,i＝x_old,i+rand·(M_new-T_FM_i)+rand·(M_new-x_old,i)

其中，rand为0-1的随机数，T_F为教学因子随机确定为1或2，M_i为种群个体平均值，M_new为最优个体，x_new,i为现有个体x_old,i更新后的值。

所述的仿人机械臂运动学模型逆解几何表达式按如下步骤计算求取中机械臂连杆末端位姿：

1).设定仿人臂击球时刻球拍速度方向与拍面垂直，根据作业时刻球拍速度V，确定当球拍背面与其速度方向垂直的球拍姿态矩阵R

式中φ、γ和分别为球拍绕x，y，和z轴旋转运动的滚动、俯仰和偏摆角；假定绕z轴转动的偏摆角作为球拍姿态矩阵R冗余姿态角已知，可得

当球拍掌面与其速度方向垂直时，球拍姿态矩阵R为

假定绕z轴转动的偏摆角已知，可得

2).由球拍中心位姿可求得仿人机械臂连杆末端位姿分别为

R₇＝R

p₇＝p-R₇·(0 0 -L₃)^T

式中p为球拍中心位置，L₃为腕部与拍心距离，(p₇,R₇)为仿人臂末端位姿。

本发明能根据拍心位置及球拍笛卡尔速度矢量方向求得机械臂对飞行球体最优的击球构型姿态，而且所采用的改进教学优化方法无需设置算法参数，避免因参数设置不当使算法陷入局部最优；本发明解决了机械臂对飞行球体作业连杆构型的优选问题，优化变量数目少，且能使机械臂处在一种自然的构型姿态进行击球作业。

附图说明

图1所示为仿人机械臂模型示意图；

图2所示为七自由度仿人机械臂关节结构模型图；

图3所示为仿人机械臂逆解几何表达式肘关节角计算图；

图4所示为七自由度仿人机械臂逆解几何表达式腕关节角计算图；

图5所示为仿人机械臂飞行球体作业最优击球构型求取方法流程图；

图6所示为采用本案方法获得的仿人机械臂对应构型示意图。

具体实施方式

以下将结合附图对本发明作进一步说明：

七自由度仿人机械臂模型示意如图1所示，其关节结构模型如图2所示，其肩部有三个自由度、肘部一个自由度、腕部有三个自由度，仿人臂的末端连接有球拍，图中∑_W表示世界坐标系，a_i(i＝1,2,…,7)表示关节轴矢量，即7个关节轴矢量a₁□a₇为

$\left\{\begin{array}{cc}{a}_1=\left(\mathrm{0,1,0}\right)& \\ a_2=\left(\mathrm{1,0,0}\right)& a_3=\left(\mathrm{0,0,1}\right)\\ a_4=\left(\mathrm{1,0,0}\right)& a_5=\left(\mathrm{0,0,1}\right)\\ a_6=\left(\mathrm{1,0,0}\right)& a_7=\left(\mathrm{0,1,0}\right)\end{array}\right.$

另关节模型中肩宽长度为D，肩至肘部长度为L₁，肘至腕部长度为L₂，腕部至拍心距离为L₃。

本发明根据班级内教师与学员间教学现象，提出基于改进教学优化算法的仿人机械臂飞行球体最优击球构型一种求取方法；受教师阶段在“教”过程学员与教师间还存有答疑、交流互动等现象启发，算法在教师阶段基于当前最优解与反馈方式更新种群个体。

仿人机械臂飞行球体作业最优击球构型一种求取方法包括如下步骤：

1).为获取仿人机械臂对飞行球体作业最优的击球构型，使机械臂击球时刻处在一种自然的连杆构型姿态进行作业，定义如下最小化目标函数

minf(K)＝μ

$\mathrm{\μ}=\max \left[\right|\frac{q_1-q_{1\mathrm{mid}}}{(q_{1\max }-q_{1\min })/2}|,\·\·\·|\frac{q_i-q_{\mathrm{imid}}}{(q_{i\max }-q_{i\min })/2}|,\·\·\·,|\frac{q_7-q_{7\mathrm{mid}}}{(q_{7\max }-q_{7\min })/2}\left|\right],(i=\mathrm{1,2},\·\·\·,7)$

式中K为q_r与参数组合，q_imin、q_imid与q_imax分别表示关节i位置下限、中值与上限值，q_i为关节i位置；该最小化目标函数作为改进教学优化算法对仿人机械臂飞行球体作业最优击球构型求取方法搜索q_r、变量的目标函数；

2).设置改进教学优化算法的参数：最大进化代数G＝10、种群规模P＝10、个体编码长度即优化变量个数L＝2及算法终止准则；

3).运行改进教学优化算法，搜索寻优仿人机械臂飞行球体作业运动模型中的未知参数q_r、，通过最小化目标函数得到模型中一组未知参数q_r、的最优变量参数值；

4).将最优变量参数值代入仿人机械臂飞行球体作业运动模型中，获得机械臂对飞行物体作业的最优构型，使所获得的机械臂连杆构型最大程度地远离各关节位置限位。

所述的改进教学优化算法其终止准则为：算法运行达到最大进化代数时迭代自行终止。

所述的改进教学优化算法对仿人机械臂飞行球体作业模型中的变量参数进行搜索寻优的步骤为：

1).设置改进教学优化算法运行参数，仿人机械臂飞行球体作业模型中2个待优化变量参数q_r、的搜索范围，并随机生成初始种群；定义仿人机械臂飞行球体作业模型中以远离关节物理约束限位程度为算法目标函数；

2).将种群中每一个体作为仿人机械臂飞行球体作业模型中的一组参数，代入仿人机械臂运动学模型逆解求取几何表达式中，并计算这组参数所对应的目标函数值；

3).对应于种群中目标函数值最小的个体作为当前群体的最优个体，计算最优个体与当前种群个体平均值间之差Difference_Mean；基于当前最优解与反馈方式进行种群个体的更新；若更新后的解优于原先解，则接受新解，否则保留原解；

4).随机选择两个个体，基于两个个体间的差异性进行种群个体更新；若更新后的解优于原先解，则接受新解，否则保留原解；

5).最优个体解取代最劣个体，修改重复个体；

6).重复步骤2)～步骤5)进行算法迭代，直至算法满足终止准则为止；

7).输出最优结果，所得的最优个体即为仿人机械臂飞行球体作业模型中待优选的变量参数值，将所优选的变量参数值代入作业模型中，获得机械臂对飞行物体作业最优构型。

所述的仿人机械臂运动学模型逆解几何表达式按如下步骤计算求取中机械臂连杆末端位姿：

1).设定机械臂击球时刻球拍速度方向与拍面(背面)垂直，根据作业时刻球拍在笛卡尔空间下速度为V＝[V_x,V_y,V_z]^T，根据球拍速度方向单位矢量在其局部坐标系∑_R与世界坐标系∑_W间变换关系可求取其姿态矩阵R：

式中φ、γ和分别为球拍绕x，y，和z轴旋转运动的滚动、俯仰和偏摆角； 为角简要写法，γ、φ角记号含义类似；记绕z轴转动的偏摆角作为球拍姿态矩阵R冗余姿态角(假定已知)，可得

同理当球拍(掌面)与其速度方向垂直时，球拍姿态矩阵R为

假定绕z轴转动的偏摆角已知，可得

2).由球拍中心位姿与仿人机械臂连杆末端位姿关系，可求得仿人机械臂连杆末端位姿分别为

R₇＝R

p₇＝p-R₇·(0 0 -L₃)^T

式中p为球拍中心位置，L₃为腕部与拍心距离，(p₇,R₇)为仿人臂末端位姿。

所述的仿人机械臂运动学模型中逆运动学解几何表达式可参考《机械工程学报》(2014,50(19):58-65)中根据七自由度仿人机械臂连杆末端位姿，计算推导的各关节解析表达式，其中7-DOF机械臂逆解求取中设定第三关节q₃为冗余关节变量，即q_r＝q₃。

所述的基于当前最优解与反馈方式更新种群个体按如下方式进行：

x_new,i＝x_old,i+rand·(M_new-T_FM_i)+rand·(M_new-x_old,i)

其中第二项rand·(M_new-T_FM_i)为最优个体与当前平均值间偏差，rand为0-1的随机数，T_F为教学因子随机确定为1或2，M_i为种群个体平均值，M_new为教师(最优个体)，x_new为当前个体x_old的更新解，若x_new优于x_old则接受x_new。

所述的基于随机选择的两个个体间差异性更新种群个体步骤按如下方式进行：

x_new,i＝x_old,i+rand·(x_i-x_h)，  f(x_i)优于f(x_h)

x_new,i＝x_old,i+rand·(x_h-x_i)，  f(x_h)优于f(x_i)

其中，x_i与x_h为随机选择的两个学员，若x_new优于x_old，则接受x_new。

实施实例：本发明的效果可以通过以下实验仿真进一步说明：

考虑如图2所示所设计的七自由度仿人机械臂关节结构模型，下表1为该机械臂各关节角度范围。

表1 7自由度冗余灵巧臂各关节角度范围(度)

设机械臂肩宽D＝0.14m，上臂肩至肘部长度L₁＝0.26m，下臂肘至腕部距离L₂＝0.25m，腕部至球拍中心距离L₃＝0.14m；设定肩部为世界坐标系原点，仿人机械臂颈部位姿分别为p₀＝(0.00 0.14 0.00)^Tm，R₀＝E(单位阵)；若仿人机械臂在击球时刻对飞行球体作业要求的拍心位置与球拍笛卡尔速度分别为

p＝(0.25 0.35 -0.35)^T m

V＝[V_x,V_y,V_z]^T＝[2,0,0]^T m/s

由给定的拍心位置及球拍笛卡尔速度矢量信息，设定仿人臂击球时刻球拍速度方向与其拍面(背面)垂直，按照机械臂连杆末端位姿计算步骤与《机械工程学报》(2014,50(19):58-65)中计算推导的各关节解析表达式，建立仿人机械臂对飞行球体作业的运动学数学模型，其中数学模型中待优化的变量参数为q_r与共两个，其中q_r为机械臂逆解求取中设定的第三冗余关节变量q₃，为球拍姿态矩阵中绕z轴转动的偏摆角。

下面将通过代入数据的具体实施例对本发明进行进一步解释：

基于改进教学优化方法的仿人机械臂飞行球体作业最优击球构型求取方法如下：

1).如下最小化目标函数

minf(K)＝μ

$\mathrm{\μ}=\max \left[\right|\frac{q_1-q_{1\mathrm{mid}}}{(q_{1\max }-q_{1\min })/2}|,\·\·\·|\frac{q_i-q_{\mathrm{imid}}}{(q_{i\max }-q_{i\min })/2}|,\·\·\·,|\frac{q_7-q_{7\mathrm{mid}}}{(q_{7\max }-q_{7\min })/2}\left|\right],(i=\mathrm{1,2},\·\·\·,7)$

式中K为q_r与参数组合，q_imin、q_imid与q_imax分别表示关节i位置下限、中值与上限值，q_i为关节i位置；此优化指标作为所述改进教学优化算法对机械臂飞行球体作业最优击球构型求取方法搜索q_r、变量的目标函数。

2).设置改进教学优化算法的参数：最大进化代数G＝10、种群规模P＝10、个体编码长度(优化变量个数)L＝2，算法运行达到最大进化代数G时迭代终止。

3).运行改进教学优化算法，搜索寻优7-DOF仿人机械臂飞行球体作业运动模型中的未知参数q_r(q₃)、，通过最小化目标函数得到模型中一组最优变量参数值；

4).将最优变量参数值代入仿人机械臂作业模型中，获得机械臂对飞行物体作业的最优构型。

所述的改进教学优化算法其终止准则为：算法运行达到最大进化代数G时迭代终止。

所述的改进教学优化算法对仿人机械臂飞行球体作业模型中待优化变量参数q_r(q₃)、进行搜索寻优的步骤为：

1).设置优化算法运行参数：最大进化代数G＝10、种群规模P＝10，根据表1冗余关节变量搜索区间q_r(q₃)∈[-π,π/2]，球拍冗余姿态角搜索区间为对个体采用实数编码方式并随机产生初始种群；

2).将种群中每一个体作为仿人机械臂飞行球体作业模型中的一组参数，代入《机械工程学报》(2014,50(19):58-65)中所计算推导的七自由度仿人机械臂逆解几何表达式，并计算对应的目标函数值，此优化指标作为所述改进教学优化算法搜索参数的目标函数；

3).计算当前种群最优个体与个体平均值间之差Difference_Mean；基于当前最优解与反馈方式进行种群个体更新；若更新后的解优于原先解，则接受新解，否则保留原解；

4).随机选择两个个体，基于两个个体间的差异性进行种群个体更新；若更新后的解优于原先解，则接受新解，否则保留原解；

5).最优个体解取代最劣个体，修改重复个体；

6).重复步骤2)～步骤5)进行算法迭代，直至算法满足终止准则为止；

7).输出最优结果，所得的最优结果作为仿人机械臂飞行球体作业模型中待优选的q_r(q₃)、变量参数值，将其代入作业模型中，获得机械臂对飞行球体击球作业最优击球构型。

表2为遗传算法、教学优化方法与改进教学优化方法优化模型中参数变量值结果比较：

表2 不同方法求解7-DOF仿人臂逆运动学解结果比较

遗传算法采用适应度比例选择、算术交叉和均匀变异算子，其中交叉概率P_c＝0.90，变异概率P_m＝0.10；教学优化方法执行流程参见《Information Sciences》(2012,183(1):1-15)所述；各方法群体规模与进化代数相同。

从表2中可以看出，本案方法得出的结果分别与遗传算法和教学优化方法结果比较，改进教学优化方法所求取的最优击球构型对应目标函数μ值最小，说明其所获得的解远离各关节位置限位程度大。图6为采用本案方法获得的7-DOF仿人机械臂对应构型示意图，构型示意图验证了拍心位置及球拍姿态满足球拍笛卡尔速度方向要求，其拍面与要求的笛卡尔速度矢量方向垂直。同全数值优选方法需比较，本案提出的方法由于待优选的变量参数仅为两个，优化变量维数低(全数值优选方法为8维变量维数)，减少了问题解决的复杂性。

以上实施例仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (5)

1.仿人机械臂飞行球体作业最优击球构型一种求取方法，其特征在于该方法包括如下步骤：

1).为获取仿人机械臂飞行球体作业最优击球构型，使机械臂处在一种自然连杆构型姿态进行击球作业，定义如下最小化目标函数

minf(K)＝μ

$\mathrm{\μ}=\max \left[\right|\frac{q_1-q_{1\mathrm{mid}}}{(q_{1\max }-q_{1\min })/2}|,...|\frac{q_i-q_{\mathrm{imid}}}{(q_{i\max }-q_{i\min })/2}|,...,|\frac{q_7-q_{7\mathrm{mid}}}{(q_{7\max }-q_{7\min })/2}\left|\right],(i=\mathrm{1,2},...,7)$

式中K为q_r与参数组合，q_imin、q_imid与q_imax分别表示关节i位置下限、中值与上限值，q_i为关节i位置；该最小化目标函数作为改进教学优化算法对仿人机械臂飞行球体作业最优击球构型求取方法搜索q_r、变量的目标函数；

2).设置改进教学优化算法的参数：最大进化代数G＝10、种群规模P＝10、个体编码长度即优化变量个数L＝2及算法终止准则；

3).运行改进教学优化算法，搜索寻优仿人机械臂飞行球体作业运动模型中的未知参数q_r、通过最小化目标函数得到模型中一组未知参数q_r、的最优变量参数值；

4).将最优变量参数值代入仿人机械臂飞行球体作业运动模型中，获得机械臂对飞行物体作业的最优构型，使所获得的机械臂连杆构型最大程度地远离各关节位置限位。

2.根据权利要求1所述的仿人机械臂飞行球体作业最优击球构型一种求取方法，其特征在于所述的改进教学优化算法的终止准则为：算法运行达到最大进化代数时迭代自行终止。

3.根据权利要求1所述的仿人机械臂飞行球体作业最优击球构型一种求取方法，其特征在于所述的改进教学优化算法对仿人机械臂飞行球体作业模型中的变量参数进行搜索寻优的步骤为：

1).设置改进教学优化算法运行参数，仿人机械臂飞行球体作业模型中2个待优化变量参数q_r、的搜索范围，随机生成初始种群；定义仿人机械臂飞行球体作业模型中远离关节物理约束限位程度为算法目标函数；

2).将种群中每一个体作为仿人机械臂飞行球体作业模型中的一组参数，代入仿人机械臂运动学模型中逆解求取几何表达式，并计算这组参数所对应的目标函数值；

3).对应于种群中目标函数值最小的个体作为当前群体的最优个体，计算最优个体与当前种群个体平均值间之差Difference_Mean；基于当前最优解与反馈方式进行种群个体的更新；若更新后的解优于原先解，则接受新解，否则保留原解；

4).随机选择两个个体，基于两个个体间的差异性进行种群个体更新；若更新后的解优于原先解，则接受新解，否则保留原解；

5).最优个体解取代最劣个体，修改重复个体；

6).重复步骤2)～步骤5)进行算法迭代，直至算法满足终止准则为止；

7).输出最优结果，所得的最优个体即为仿人机械臂飞行球体作业模型中待优选的变量参数值，将所优选的变量参数值代入作业模型中，获得机械臂对飞行物体作业的最优击球构型。

4.根据权利要求3所述的仿人机械臂飞行球体作业最优击球构型一种求取方法，其特征在于改进教学优化算法对仿人机械臂飞行球体作业模型中的变量参数搜索寻优，所述的基于当前最优解与反馈方式更新种群个体按如下方式进行：

x_new,i＝x_old,i+rand·(M_new-T_FM_i)+rand·(M_new-x_old,i)

其中，rand为0-1的随机数，T_F为教学因子随机确定为1或2，M_i为种群个体平均值，M_new为最优个体，x_new,i为现有个体x_old,i更新后的值。

5.根据权利要求3所述的仿人机械臂飞行球体作业最优击球构型一种求取方法，其特征在于改进教学优化算法对仿人机械臂飞行球体作业模型中的变量参数搜索寻优，所述的仿人机械臂运动学模型逆解几何表达式按如下步骤计算求取中机械臂连杆末端位姿：

1).设定仿人臂击球时刻球拍速度方向与拍面垂直，根据作业时刻球拍速度V，确定当球拍背面与其速度方向垂直的球拍姿态矩阵R

式中φ、γ和分别为球拍绕x，y，和z轴旋转运动的滚动、俯仰和偏摆角；假定绕z轴转动的偏摆角作为球拍姿态矩阵R冗余姿态角已知，可得

当球拍掌面与其速度方向垂直时，球拍姿态矩阵R为

假定绕z轴转动的偏摆角已知，可得

2).由球拍中心位姿可求得仿人机械臂连杆末端位姿分别为

R₇＝R

p₇＝p-R₇·(0 0 -L₃)^T

式中p为球拍中心位置，L₃为腕部与拍心距离，(p₇,R₇)为仿人臂末端位姿。