CN114670207A - 一种基于野狗优化算法的机械臂柔顺控制方法及系统 - Google Patents

一种基于野狗优化算法的机械臂柔顺控制方法及系统 Download PDF

Info

Publication number
CN114670207A
CN114670207A CN202210498688.5A CN202210498688A CN114670207A CN 114670207 A CN114670207 A CN 114670207A CN 202210498688 A CN202210498688 A CN 202210498688A CN 114670207 A CN114670207 A CN 114670207A
Authority
CN
China
Prior art keywords
wild dog
contact force
wild
mechanical arm
optimization algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210498688.5A
Other languages
English (en)
Inventor
温红玲
王艳红
孙如月
宋锐
刘义祥
付天宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN202210498688.5A priority Critical patent/CN114670207A/zh
Publication of CN114670207A publication Critical patent/CN114670207A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1612—Programme controls characterised by the hand, wrist, grip control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manipulator (AREA)

Abstract

本发明涉及机械臂柔顺控制技术领域，提供了一种基于野狗优化算法的机械臂柔顺控制方法及系统，包括：获取机械臂末端的实际位置、实际接触力、参考位置和参考接触力；基于机械臂末端的实际位置、实际接触力、参考位置和参考接触力，采用阻抗控制模型对机械臂的关节进行控制；其中，阻抗控制模型的阻尼系数和刚度系数，通过采用野狗优化算法最小化机械臂末端的接触力误差和速度误差得到。具有更快收敛速度、更高收敛精度和更强稳定性。

Description

一种基于野狗优化算法的机械臂柔顺控制方法及系统
技术领域
本发明属于机械臂柔顺控制技术领域，尤其涉及一种基于野狗优化算法的机械臂柔顺控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着机器人的不断普及，工业机器人在诸多场景中得到应用。然而在一些特殊场景中，比如建筑顶部安装、核电运行维护、飞机船舶生产制造等，工作空间狭小、操作流程复杂、装配精密度要求高，传统工业机器人无法胜任此类工作。外肢体机器人能够实现复杂作业过程中机器人辅助操作、辅助抓持、辅助支撑、安全保护等功能，除应用于工业领域外，可以推广应用于医疗康复、军用单兵、抢险救援等诸多领域。
外肢体机器人在执行任务过程中，机械臂末端与环境、目标接触会产生较大的接触力，为保证人机交互过程中的安全性，需采用柔顺控制的方式实现对机械臂末端接触力与位置的控制。在柔顺控制算法中，阻抗控制通过调节末端执行器的位置和接触力之间的动态关系来实现控制，能实现系统由无约束到有约束运动的稳定转换，对扰动和不确定性有很好的鲁棒性。但是现有的阻抗控制算法中，无法确定最优阻抗参数。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种基于野狗优化算法的机械臂柔顺控制方法及系统，采用野狗优化算法来选取最优阻抗参数，具有更快收敛速度、更高收敛精度和更强稳定性。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种基于野狗优化算法的机械臂柔顺控制方法，其包括：
获取机械臂末端的实际位置、实际接触力、参考位置和参考接触力；
基于机械臂末端的实际位置、实际接触力、参考位置和参考接触力，采用阻抗控制模型对机械臂的关节进行控制；
其中，阻抗控制模型的阻尼系数和刚度系数，通过采用野狗优化算法最小化机械臂末端的接触力误差和速度误差得到。
进一步地，所述阻抗控制模型的惯性系数为定值。
进一步地，所述野狗优化算法的目标函数为：
Figure BDA0003634425330000021
其中，W1与W2均是权重系数，Δf是机械臂末端的参考接触力，fd是机械臂末端的期望接触力，
Figure BDA0003634425330000022
为机械臂末端的期望加速度，
Figure BDA0003634425330000023
为机械臂末端的实际加速度。
进一步地，所述野狗优化算法的步骤为：
(1)初始化野狗种群，野狗种群中每个野狗的位置对应一种阻尼系数和刚度系数的组合；
(2)根据每个野狗的适应度值，结合全局最优值，选取群体攻击、迫害攻击或清扫食腐中的一种狩猎策略更新野狗的位置；
(3)根据每个更新后的野狗的适应度值，更新全局最优值；
(4)判断是否满足终止条件，若是，输出全局最优值；否则，迭代次数加1，并计算每个野狗的存活率，选取野狗进行位置更新，并返回步骤(2)。
进一步地，所述更新全局最优值的方法为：根据每个更新后的野狗的适应度值，选取适应度值最大的野狗的位置作为全局最优值。
进一步地，所述迫害攻击表示为：
Figure BDA0003634425330000031
其中，β2和r1均为随机数，
Figure BDA0003634425330000032
是第t次迭代中第r1个野狗的位置，y*(t)是第t次迭代的全局最优值，yi(t)是第t次迭代中第i个野狗的位置。
进一步地，所述群体攻击表示为：
Figure BDA0003634425330000033
其中，yi(t)是第t次迭代中第i个野狗的位置，β1是比例因子，na是随机整数，ψk(t)是第t次迭代中第k个攻击野狗的位置，y*(t)是第t次迭代的全局最优值。
本发明的第二个方面提供一种基于野狗优化算法的机械臂柔顺控制系统，其包括：
8、一种基于野狗优化算法的机械臂柔顺控制系统，其特征在于，包括：
数据获取模块，其被配置为：获取机械臂末端的实际位置、实际接触力、参考位置和参考接触力；
柔顺控制模块，其被配置为：基于机械臂末端的实际位置、实际接触力、参考位置和参考接触力，采用阻抗控制模型对机械臂的关节进行控制；
其中，阻抗控制模型的阻尼系数和刚度系数，通过采用野狗优化算法最小化机械臂末端的接触力误差和速度误差得到。
本发明的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种基于野狗优化算法的机械臂柔顺控制方法中的步骤。
本发明的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种基于野狗优化算法的机械臂柔顺控制方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明提供了一种基于野狗优化算法的机械臂柔顺控制方法，其采用野狗优化算法来选取最优阻抗参数，具有更快收敛速度、更高收敛精度和更强稳定性。
本发明提供了一种基于野狗优化算法的机械臂柔顺控制方法，其采用野狗优化算法简化了繁琐的调参过程，能够有效减小力控制误差和位置控制误差，能实时调整阻抗参数以达到更好的柔顺控制效果。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例一的野狗优化算法流程图；
图2是本发明实施例一的阻抗控制模型图；
图3是本发明实施例一的基于位置的阻抗控制模型结构图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本实施例提供了一种基于野狗优化算法的机械臂柔顺控制方法，具体包括以下步骤：
步骤1、获取机械臂末端的实际位置、实际接触力、参考位置和参考接触力。
步骤2、基于机械臂末端的实际位置、实际接触力、参考位置和参考接触力，采用阻抗控制模型对机械臂的关节进行控制。
如图2所示，机械臂常用的阻抗控制模型为
Figure BDA0003634425330000051
式中，Md、Bd、Kd分别表示目标阻抗的惯性系数矩阵、阻尼系数矩阵、刚度系数矩阵，
Figure BDA0003634425330000052
x(t)分别表示机械臂末端的实际位置、实际加速度和实际加加速度，
Figure BDA0003634425330000053
xr(t)分别表示机械臂末端的参考位置、参考加速度和参考加加速度，Fr为机械臂末端与环境之间参考接触力。
如图3所示为一种基于位置的阻抗控制模型，其中θ为机械臂各关节实际关节角，θc为机械臂各关节参考关节角，阻抗控制模型包括阻抗控制器和位置控制器。当机械臂末端不与环境发生接触时，机械臂可进行自由空间运动，Δf＝fd，其中，Δf为机械臂末端的参考接触力，fd为机械臂末端的期望接触力，此时阻抗控制器输出位置差Δx＝0，即机械臂末端的参考位置xc＝xd，其中xc为机械臂末端的参考位置，将机械臂末端的期望位置xd直接输入到位置控制器中；当机械臂末端与环境发生接触时，Δf＝fd-fe，设机械臂末端实际接触力为fe，输入阻抗控制器可得到产生的位置差Δx，机械臂末端的参考位置xc＝xd-Δx，将其输入至位于机械臂的位置控制器中；位置控制器的作用：输入的参考位置经过逆运动学运算得到关节角度θc，关节控制器调整关节到相应角度θ，使机械臂末端到达期望位置xd，通过正运动学运算求得实际的末端位置x。
对于阻抗控制模型，当Md，Bd、Kd确定时，可得阻抗控制末端期望轨迹满足：
Figure BDA0003634425330000061
其中，Md、Bd、Kd分别表示目标阻抗的惯性系数矩阵、阻尼系数矩阵、刚度系数矩阵；xd表示末端期望位置；
Figure BDA0003634425330000062
表示末端期望加速度；
Figure BDA0003634425330000063
表示末端期望加加速度；fd表示末端期望接触力；fe表示末端实际接触力。
假设控制器性能足够好，即x能够准确跟踪xd，当受环境影响产生的位置偏差xe、环境信息Kd已知时，机械臂末端的参考接触力
Δf＝Kd·(x-xe)＝F(Md,Bd,Kd,fd,fe,Kd,xe) (3)
因此，野狗优化算法的目标函数为：
Figure BDA0003634425330000064
其中，Δf是机械臂末端的参考接触力，fd是机械臂末端的期望接触力，目标函数对二者差值取平方后开方。
一方面，若机械臂末端对环境施加的力超过一定范围，势必会损坏机械臂或外界环境，希望Δf能够跟踪fd；另一方面，从系统稳定性出发，不希望x与xd，差距太大，及需要避免轨迹调整太突然。因此，阻抗控制模型的阻尼系数和刚度系数，通过采用野狗优化算法最小化机械臂末端的接触力误差和速度误差得到，即，野狗优化算法的目标函数加入速度误差
Figure BDA0003634425330000071
做如下改进：
Figure BDA0003634425330000072
其中，W1与W2均是权重系数，Δf是机械臂末端的参考接触力，fd是机械臂末端的期望接触力，
Figure BDA0003634425330000073
为机械臂末端的期望加速度，
Figure BDA0003634425330000074
为机械臂末端的实际加速度。
由于阻抗参数中的惯性系数Md的变化会引起接触力与接触位置会产生剧烈振荡，且振荡幅度随Md值增大而增大，因此取Md为较小的定值(即取Md小于1kg)，只针对阻尼系数Bd和刚度系数Kd进行优化。
阻抗控制模型中的阻尼系数和刚度系数采用野狗优化算法进行优化，如图1所示，具体步骤包括：
(1)初始化野狗种群。设置目标搜索空间维度，初始化随机生成一群初始野狗，野狗种群中每一个野狗位置yi(一个个体)对应一种阻尼系数Bd和刚度系数Kd的组合。
yi＝Lbi+Randi(Ubi-Lbi) (6)
其中，Lbi和Ubi分别表示个体的上下边界，i＝1,2,…,SP，SP是野狗种群的规模，Randi是[0,1]之间的随机数。在每个采样时刻，野狗优化函数将寻找最优的Bd、Kd，使得T最小，从而得到每一时刻最优的阻抗参数。
(2)更新每个野狗的位置。更新策略选取概率值，，根据策略选取概率值选取狩猎策略，以更新野狗的位置。野狗的狩猎策略包括三种，即群体攻击、迫害攻击和清扫食腐，更新Bd、Kd的位置。
更新策略选取概率值P1和P2，P1为群体攻击或清扫食腐策略的概率，P2为群体攻击策略或迫害攻击策略的概率，当P1<0.5时，执行群体攻击，否则，执行清扫食腐策略；当P2<0.7时，执行群体攻击策略，否则，执行迫害攻击策略。
群体攻击：野狗通常单独捕食小猎物，但当捕食大猎物，它们会成群结队。野狗能找到猎物的位置并将其包围，其行为如式(7)所示：
Figure BDA0003634425330000081
其中，t代表当前的迭代次数，yi(t+1)是第i个野狗的新位置；na是在[2,SP/2]的逆序中生成的随机整数，SP是野狗种群的规模；ψk(t)是第t次迭代中第k个攻击野狗的位置，其中ψ∈Y，Y＝{y1,y2,…,ySP}是步骤(1)随机生成的野狗种群；yi(t)是第i个野狗的当前位置；y*(t)是第t次迭代中发现的最佳野狗位置；β1是一个比例因子，在[-2,2]区间内均匀生成的随机数，可改变野狗轨迹的大小。
迫害攻击：野狗通常捕猎小猎物，直到单独捕获为止。式(8)模拟了这种行为：
Figure BDA0003634425330000082
其中，β2是在[-1,1]区间内均匀生成的随机数，r1是在从1到野狗种群最大大小的区间内生成的随机数，
Figure BDA0003634425330000083
是第t次迭代中随机选择的第r1个野狗的位置，其中i≠r1，y*(t)是第t次迭代的全局最优值，yi(t)是第t次迭代中第i个野狗的位置。
清扫食腐：野狗在它们的栖息地随意行走时找到腐肉吃，式(9)用于模拟这种行为：
Figure BDA0003634425330000091
其中，α是随机生成的二进制数，α∈{0,1}。
(3)计算适应度。按式(5)的目标函数计算每个更新后的野狗的适应度。
(4)获得局部最优值、全局最优值，即根据每个更新后的野狗的适应度值，更新全局最优值。即，根据每个更新后的野狗的适应度值，选取适应度最大的野狗的位置作为全局最优值。
具体的，计算每组Bd、Kd对应的野狗(即第i个野狗)的适应度值和第t代最好野狗适应度值作比较。如本代的最好野狗适应度小，则将第i个野狗替换为本代最好野狗。将所有本代个体比较过后，得到本代中适应度最高的个体成为本代的全局最优值。
(5)算法更新与终止。终止条件(达到最大迭代次数或者最好的野狗的目标函数T的值小于0.5)判断，若不满足条件，迭代次数t加1，并计算每个野狗的存活率，对存活率低的野狗的位置进行更新后，重复步骤(2)；若满足条件，则退出算法，并输出最优解。
第i个野狗的存活率值S(i)由式(10)给出：
Figure BDA0003634425330000092
其中，Fitmax和Fitmin分别是当前一代中最差和最佳的适应度值，而Fit(i)是第i个野狗位置的第t代适应度值。S(i)包含[0,1]区间内的归一化适应度。
式(11)应用于低存活率(即S(i)小于0.3)的野狗，即对存活率低的野狗的位置进行更新的方法为：
Figure BDA0003634425330000101
其中，yi(t)是被更新的存活率较低的野狗的位置，r1和r2在从1到野狗种群最大大小的区间内生成的随机数，r1≠r2，
Figure BDA0003634425330000102
和
Figure BDA0003634425330000103
是随机选择的第r1、r2个野狗位置。本发明采用野狗优化算法来选取最优阻抗参数，具有更快收敛速度、更高收敛精度和更强稳定性。
实施例二
本实施例提供了一种基于野狗优化算法的机械臂柔顺控制系统，其具体包括如下模块：
数据获取模块，其被配置为：获取机械臂末端的实际位置、实际接触力、参考位置和参考接触力；
柔顺控制模块，其被配置为：基于机械臂末端的实际位置、实际接触力、参考位置和参考接触力，采用阻抗控制模型对机械臂的关节进行控制；
其中，阻抗控制模型的阻尼系数和刚度系数，通过采用野狗优化算法最小化机械臂末端的接触力误差和速度误差得到。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的一种基于野狗优化算法的机械臂柔顺控制方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的一种基于野狗优化算法的机械臂柔顺控制方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于野狗优化算法的机械臂柔顺控制方法，其特征在于，包括：
获取机械臂末端的实际位置、实际接触力、参考位置和参考接触力；
基于机械臂末端的实际位置、实际接触力、参考位置和参考接触力，采用阻抗控制模型对机械臂的关节进行控制；
其中，阻抗控制模型的阻尼系数和刚度系数，通过采用野狗优化算法最小化机械臂末端的接触力误差和速度误差得到。
2.如权利要求1所述的一种基于野狗优化算法的机械臂柔顺控制方法，其特征在于，所述阻抗控制模型的惯性系数为定值。
3.如权利要求1所述的一种基于野狗优化算法的机械臂柔顺控制方法，其特征在于，所述野狗优化算法的目标函数为：
Figure FDA0003634425320000011
其中，W1与W2均是权重系数，Δf是机械臂末端的参考接触力，fd是机械臂末端的期望接触力，
Figure FDA0003634425320000012
为机械臂末端的期望加速度，
Figure FDA0003634425320000013
为机械臂末端的实际加速度。
4.如权利要求1所述的一种基于野狗优化算法的机械臂柔顺控制方法，其特征在于，所述野狗优化算法的步骤为：
(1)初始化野狗种群，野狗种群中每个野狗的位置对应一种阻尼系数和刚度系数的组合；
(2)根据每个野狗的适应度值，结合全局最优值，选取群体攻击、迫害攻击或清扫食腐中的一种狩猎策略更新野狗的位置；
(3)根据每个更新后的野狗的适应度值，更新全局最优值；
(4)判断是否满足终止条件，若是，输出全局最优值；否则，迭代次数加1，并计算每个野狗的存活率，选取野狗进行位置更新，并返回步骤(2)。
5.如权利要求4所述的一种基于野狗优化算法的机械臂柔顺控制方法，其特征在于，所述更新全局最优值的方法为：根据每个更新后的野狗的适应度值，选取适应度值最大的野狗的位置作为全局最优值。
6.如权利要求4所述的一种基于野狗优化算法的机械臂柔顺控制方法，其特征在于，所述迫害攻击表示为：
Figure FDA0003634425320000021
其中，β2和r1均为随机数，
Figure FDA0003634425320000022
是第t次迭代中第r1个野狗的位置，y*(t)是第t次迭代的全局最优值，yi(t)是第t次迭代中第i个野狗的位置。
7.如权利要求4所述的一种基于野狗优化算法的机械臂柔顺控制方法，其特征在于，所述群体攻击表示为：
Figure FDA0003634425320000023
其中，yi(t)是第t次迭代中第i个野狗的位置，β1是比例因子，na是随机整数，ψk(t)是第t次迭代中第k个攻击野狗的位置，y*(t)是第t次迭代的全局最优值。
8.一种基于野狗优化算法的机械臂柔顺控制系统，其特征在于，包括：
数据获取模块，其被配置为：获取机械臂末端的实际位置、实际接触力、参考位置和参考接触力；
柔顺控制模块，其被配置为：基于机械臂末端的实际位置、实际接触力、参考位置和参考接触力，采用阻抗控制模型对机械臂的关节进行控制；
其中，阻抗控制模型的阻尼系数和刚度系数，通过采用野狗优化算法最小化机械臂末端的接触力误差和速度误差得到。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种基于野狗优化算法的机械臂柔顺控制方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种基于野狗优化算法的机械臂柔顺控制方法中的步骤。
CN202210498688.5A 2022-05-09 2022-05-09 一种基于野狗优化算法的机械臂柔顺控制方法及系统 Pending CN114670207A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210498688.5A CN114670207A (zh) 2022-05-09 2022-05-09 一种基于野狗优化算法的机械臂柔顺控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210498688.5A CN114670207A (zh) 2022-05-09 2022-05-09 一种基于野狗优化算法的机械臂柔顺控制方法及系统

Publications (1)

Publication Number Publication Date
CN114670207A true CN114670207A (zh) 2022-06-28

Family

ID=82079282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210498688.5A Pending CN114670207A (zh) 2022-05-09 2022-05-09 一种基于野狗优化算法的机械臂柔顺控制方法及系统

Country Status (1)

Country Link
CN (1) CN114670207A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115741692A (zh) * 2022-11-17 2023-03-07 山东大学 一种基于数据驱动的液压机械臂高精度控制方法及系统
CN116822723A (zh) * 2023-06-08 2023-09-29 淮阴工学院 一种自循环减碳系统及其优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107186460A (zh) * 2017-07-10 2017-09-22 上海新时达电气股份有限公司 工业机器人进行轴孔装配的方法及其系统
WO2022007358A1 (zh) * 2020-07-08 2022-01-13 深圳市优必选科技股份有限公司 阻抗控制方法、装置、阻抗控制器和机器人
CN114347035A (zh) * 2022-01-28 2022-04-15 山东大学 基于示教学习与柔顺控制的机器人阀门旋拧方法及系统
CN114434449A (zh) * 2022-04-02 2022-05-06 北京科技大学 一种新型粒子群自适应阻抗控制方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107186460A (zh) * 2017-07-10 2017-09-22 上海新时达电气股份有限公司 工业机器人进行轴孔装配的方法及其系统
WO2022007358A1 (zh) * 2020-07-08 2022-01-13 深圳市优必选科技股份有限公司 阻抗控制方法、装置、阻抗控制器和机器人
CN114347035A (zh) * 2022-01-28 2022-04-15 山东大学 基于示教学习与柔顺控制的机器人阀门旋拧方法及系统
CN114434449A (zh) * 2022-04-02 2022-05-06 北京科技大学 一种新型粒子群自适应阻抗控制方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PERAZA-VAZQUEZ, HERNAN等: "A Bio-Inspired Method for Engineering Design Optimization Inspired by Dingoes Hunting Strategies", 《MATHEMATICAL PROBLEMS IN ENGINEERING》, pages 1 - 5 *
卢承华: "超冗余机械臂协调操作柔顺控制方法研究", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》, no. 8, pages 140 - 197 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115741692A (zh) * 2022-11-17 2023-03-07 山东大学 一种基于数据驱动的液压机械臂高精度控制方法及系统
CN116822723A (zh) * 2023-06-08 2023-09-29 淮阴工学院 一种自循环减碳系统及其优化方法

Similar Documents

Publication Publication Date Title
CN108656117B (zh) 一种多约束条件下最优时间的机械臂空间轨迹优化方法
CN114670207A (zh) 一种基于野狗优化算法的机械臂柔顺控制方法及系统
CN109901397B (zh) 一种使用粒子群优化算法的机械臂逆运动学方法
CN112904728B (zh) 一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法
US10962976B1 (en) Motion control method and system for biomimetic robotic fish based on adversarial structured control
CN111360830A (zh) 一种基于协同跟踪的柔性机械臂的振动控制方法
CN112757306A (zh) 一种机械臂逆解多解选择和时间最优轨迹规划算法
Liu et al. Online time-optimal trajectory planning for robotic manipulators using adaptive elite genetic algorithm with singularity avoidance
CN109866222B (zh) 一种基于天牛须优化策略的机械臂运动规划方法
CN108227506A (zh) 一种基于自适应最优化方法的机器人导纳控制系统
CN110530373B (zh) 一种机器人路径规划方法、控制器及系统
Liu et al. Modeling and control of robotic manipulators based on artificial neural networks: a review
WO2022199146A1 (zh) 基于脉冲神经网络的机器人控制方法、机器人及存储介质
CN115781685A (zh) 一种基于强化学习的高精度机械臂控制方法及系统
CN116061173A (zh) 一种带电作业的机械臂六自由度冗余任务轨迹规划方法
CN115256401A (zh) 一种基于强化学习的空间机械臂轴孔装配变阻抗控制方法
CN113219825B (zh) 一种四足机器人单腿轨迹跟踪控制方法及系统
Castaño et al. Trajectory tracking control of rowing pectoral fin-actuated robotic fish
Daş et al. Robotic applications with particle swarm optimization (pso)
CN109634118A (zh) 一种机械臂的鲁棒自适应神经切换控制方法
CN117733870A (zh) 基于轨迹预测控制的机械臂目标捕捉方法、设备及介质
CN117140527A (zh) 一种基于深度强化学习算法的机械臂控制方法及系统
Chen et al. A Cerebellum-Inspired Control Scheme for Kinematic Control of Redundant Manipulators
Yılmaz et al. Optimal trajectory planning by big bang-big crunch algorithm
CN115556098B (zh) 基于增量式模型的机械臂避障规划方法、装置及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination