基于粒子群算法的伺服吊机臂控制系统设计.docx

《基于粒子群算法的伺服吊机臂控制系统设计.docx》由会员分享，可在线阅读，更多相关《基于粒子群算法的伺服吊机臂控制系统设计.docx（7页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、基于粒子群算法的伺服吊机臂控制系统设计蔡大伟导语：本文通过对机械臂控制系统和构造组成进展描绘，建立并定义相关坐标系。通过齐次变换矩阵得到系统的正运动方程，在此根底上研究随车吊的逆运动学问题。采用混纯粒子算法计算逆运动学的解，同时针对不同情况分析算法的优劣。摘要：本文通过对机械臂控制系统和构造组成进展描绘，建立并定义相关坐标系。通过齐次变换矩阵得到系统的正运动方程，在此根底上研究随车吊的逆运动学问题。采用混纯粒子算法计算逆运动学的解，同时针对不同情况分析算法的优劣。最后，通过实验仿真给出随车吊逆运动学的仿真验证结果。关键词：PLC，伺服；控制系统；中途分类号：TP9文献标识码：B0引言随着经济和

2、当代科技的开展，机器人产品的实用性，不但解决了单靠人力难以解决的实际问题，而且大大促进了工业自动化的进程。而且对保障人身平安，改善劳动环境，减轻劳动强度，进步劳动消费率，节约原材料消耗和降低消费本钱，有着特别重要的意义。自动化的机器设备可以通过更新程序来完成不同的作业任务，然而实际工程中并没有很好的表达这种性能。对于一些不可预知的工作任务或者不断变化的作业，如挖掘机械，大多采用人工操作的方法。随着机器人应用领域的扩展，对于工况较为固定，作业内容确定，并且对控制精度要求较高的工业经过，假如采用人工操纵，往往消耗人力并且达不到要求。这种情况下，迫切需要一种便于自动控制的机器人代替人工操作，以此高效

3、、准确地完成整个作业经过。通过随车吊举升机构及伸缩系统来实现货物的抓取、回转、搬运的自动化机械装置，一般由起重臂、转台、机架、支腿等局部组成。随车吊的机械动作通过变幅、伸缩、回转、卷扬等机构的运动来实现，不同机构的组合运动实现不同的作业任务。因为随车吊在高速下能提供大力矩，并且具有高耐用性、巩固、高功率/重力比、快响应等特点，因此，在根底设施建立、煤炭化工和核工业等高危作业中被广泛使用。随车吊具有操作简单，动作灵敏，性能稳定，使用寿命长等优点。目前，随车吊按类型分为伸缩式、直臂式、折臂式；按最大起重量划分又有多种型号。因为快速响应和高功率/重力比，液压驱动的随车吊已经广泛应用在工业操作中，例如

4、：组装任务、材料加工、建筑和采矿。在机器人学中，运动学正解计算简单，且结果唯一；而运动学逆解那么不然，多组解情况较为常见，也存在无解的情况。传统的代数法即反变换法固然求解经过直观，但要进展屡次的矩阵逆乘运算；迭代法依赖于起始点，计算量大，程序设计复杂难以实现实时控制。近些年度来，随着智能控制的兴起，越来越多的学者应用智能控制解决机器人逆运动学的问题。智能控制方法的求解思想是将机器人运动方程转化为一个控制问题来求解，主要包括遗传算法、神经网络算法等。采用齐次变换矩阵的方法，给出了随车吊的运动学模型，针对6自由度随车吊机械臂的构造特点。1吊机械臂模型描绘随车吊机械臂装载在车辆的尾部，主要用于吊装大

5、载荷物体，完成物体在该车和运输车之间的转载任务，其控制系统采用液压驱动形式，由定量泵、支腿油缸、变幅油缸、折叠油缸和伸缩油缸等组成。变幅油缸、折叠油缸、伸缩油缸采用内置式磁致伸缩传感器，可实现准确地伸缩量控制和反应，如图1所示。图2.1机械臂液压驱动系统示意图随车吊机械臂是由五个转动关节和三个伸缩关节组成，其简化构造如图2所示。随车吊的基座是一个绕z轴方向旋转的自由度，其目的是调节随车吊抓取包装箱的空间位置指向，即控制转运角度；为使随车吊到达较远的目的位置，随车吊不仅需要两个转动关节自由度2和3，还增加了三段式的伸缩臂自由度4，5和6来扩大工作范围；由于抓取的物体属于大载荷，在搬运经过中为减小

6、末端重物产生的附加力矩，因此增加一个腕关节自由度7，保证其始终垂直向下；吊具抓或者放箱体都要保证其摆放的方向性，这样还需要一个调整末端姿态的自由度8。图2机械臂模型简图2模型简化根据公式可知基座回转关节1与连杆2、3和伸缩连杆不在同一个运动平面，基座回转关节在平面运动，控制转运包装箱的空间指向；连杆2、3和伸缩杆在平面运动，主要任务是抓取包装箱。因此随车吊在运动经过中的空间指向就可以利用双变量正切函数唯一确定，其逆解为。据此分析又可将多自由度随车吊的空间问题转化为平面三自由度问题。3粒子群优化算法粒子群优化算法又翻译为粒子群算法、微粒群算法、或者微粒群优化算法。是通过模拟鸟群觅食行为而开展起来

7、的一种基于群体协作的随机搜索算法。通常认为它是群集智能的一种。它可以被纳入多主体优化系统，是由Eberh博士和kennedy博士创造。粒子群优化算法模拟鸟群的捕食行为。混沌粒子群优化算法由于没有类似于遗传算法的编解码、选择、穿插与变异等复杂操作，而且需要参数少，算法构造简单，运算速度快，但是粒子群优化算法与其他智能算法类似也存在早熟收敛和部分寻优才能差的缺点。当粒子在飞行经过中遇到部分极值，将导致所有粒子迅速向其聚集并保持该极值不再变化，进而使算法陷入部分最优，出现早熟问题。因此将混沌优化算法引入粒子群算法中，利用混沌运动在一定范围内按其自身的规律不重复遍历所有状态的特点，实现全局最优。按照混

8、沌粒子群优化算法的思想，首先按照混沌搜索建立初始粒子，然后进展粒子群算法的根本操作，直到粒子进入部分收敛后进展混沌搜索，跳出部分最优使其快速收敛到全局最优解。如图3所示为粒子群优化算法算法流程图：图3粒子群优化算法流程图4仿真结果通过对随车吊工作空间的分析，可以预先通过双变量正切函数确定其工作区域；这样将随车吊模型简化成平面空间的冗余关节变量的计算问题。选取以最小位置误差，关节转角和伸缩长度相对初始状态的最小变化值作为附加约束，这样可以获得一组可行解。设初始种群为30，最大进化代数为100，混沌搜索最大次数为30，各关节的初始状态：。好，且精度高。图4粒子群优化算法仿真图5结论本文介绍了随车吊的根本构造，给出了机械臂的简单化模型。针对复杂的随车吊模型，本文采用粒子群优化算法对随车吊逆运动学问题进展分析。为解决空间机械臂的逆运动学问题，采用粒子群优化算法在选取适当的优化函数的条件下，得到一组可行的运动学逆解。最后，对粒子群优化算法做了仿真研究。