工业机器人的最优能量轨迹规划

胡令贻

摘 要： 对于工业机器人而言最优能量路径规划时现代机器人发展的重点方向之，本文综合参考了大量国内外工程经验以及相关参考文献，提出了基因环境双演化免疫克隆算法。利用这一套算法对工业机器人的轨迹进行优化升级的问题进行了一定的研究，以达到最优时间和最优能量轨迹的目的。

关键词： 工业机器人 ; 轨迹规划  ;基因环境双演化免疫克隆算法

中图分类号： TP242.2    文獻标识码： A    文章编号： 1672-9129（2018）09-0158-01

Abstract：  for industrial robots， the key direction of modern robot development is the optimal energy path planning. Based on a lot of domestic and foreign engineering experience and relevant references， a bievolutionary immune cloning algorithm for genetic environment is proposed. In order to achieve optimal time and energy trajectory， the optimization and upgrading of industrial robot's trajectory are studied.

Key words：  industrial robot trajectory planning gene environment bievolutionary immune cloning algorithm

引言：工业机器人的最优轨迹规划（Optimal Trajectory Planning，OTP）问题并不是最近才出现的一个问题。长久以来人们就致力于工业机器人最优控制问题的研究与发展，对于一个特定的任务机器人应该通过制定的路径节点来实现既能以最优化的时间和最便捷的路径完成任务即通过规划的最优能量路径来完美的完成给定的任务。对于工业机器人机器人的OTP 问题而言，一般存在很多的指标可以进行优化改进，但是其中的能量和时间的优化问题往往最为显得突出。对于机器人的时间优化问题很好理解就是通过提高机器人的操作速度以及减少或缩工序来快速完成特定任务。由于篇幅有限本文不做详述具体研究可参考文献[1]。其次在能源危机问题日益突出的背景下，工业机器人的能量指标越来越受到重视。本文综合参考了目前国内外大量相关最优能量优化轨迹的相关研究，并提出了基因环境双演化免疫克隆算法。利用这一套算法对工业机器人的轨迹进行优化升级的问题进行了一定的研究，以达最优能量轨迹的目的。

1 工业机器人最优轨迹的研究

对于这一个问题的研究，首先需要对工业机器人轨迹进行分析。通常机器人以一定的顺序通过各种预先规划的空间节点来构成机器人的轨迹路径。通常机器人规划路径的节点是通过数学多项式的曲线连接起来的[1]。首先假设q是分布在空间j当中的关键点，然后机器人以时间序列t来通过各节点。然后规定节点空隙当中的函数为Q ，其中两关键点位移、速率、加速度与二次加速度分别为 （注：机器人的速度和加速度为预先设置好的定量）。当 是已知数时，便可以利用三次多项式对 进行计算，进而确定其大小。事实上，在给定的加速度和速度的相互关系确定的情况下， 是能够可以时间和能量的数学表达式。

一般情况下工业机器人运动的速度加速度都存在着物理的极限，其中二次加速度的速度极限主要是对机器人运动中位置跟踪带来的误差进行限制。与此同时，加速度的界限还能有效的防止工业机器人运动过度，延长其使用寿命。因此为了对机器人的最优能量路径的规划，需要对机器人动态运动行为的物理极限有着充分了解的基础上面对其轨迹进行最优能量规划[2]。

2 工业机器人最优轨迹规划算法

本文采用EGICA十进制编码算法来进行工业机器人的最优能量轨迹规划，需要对以下几个方面进行优化处理：

其中：f（x）是代表实值函数， G为全部可行解的结合，g（x）为约束函数。

代价函数设计。如上文所述，对于一般的约束函数求解而言，因为自身条件的约束，所以往往会存在非常大且繁杂的的可行解集空间，一般采用罚函数来解决这一问题，具体的代价函数如下所示：

对上式而言，最困难的是关于惩罚系数取值的问题，这是由约束条件存在而导致的。当rg 的取值过大时，便会导致比较容易的得出可行解，但时如果此时求解出的的可行解集存在另外一个不是最优解的空间集当中，就会导致不能跳出这非最优解的局部空间，最终影响求解结果的准确性;当 rg 的取值比较小时，就会导致惩罚函数的力度也会相应的比较小，此时就会影响对最优方向寻找的结果。综上所述，惩罚函数的选取是一个比较困难但又至关重要的过程。

结语： 本文综合参考了目前国内外大量相关最优能量优化轨迹的相关研究，并提出了基因环境双演化免疫克隆算法。采用EGICA十进制编码算法来进行工业机器人的最优能量轨迹规划，以达最优能量轨迹的目的。

参考文献：

[1] 徐海黎 ， 解祥荣 ， 庄健 ， 王孙安.工业机器人的最优时间与最优能量轨迹规划[J]. 机械工程学报 ，2010，10（09）：19-25.

[2] 高功臣. 工业机器人的最优时间与最优能量轨迹规划问题分析[J]. 同行， 2016（11）.