基于改进粒子群算法的并联机械手运动学参数辨识-信息与控制.pdf

信息与控制　　２０１５年　第４４卷　第５期：５４５～５５１ ＤＯＩ：１０．１３９７６／ｊ．ｃｎｋｉ．ｘｋ．２０１５．０５４５ 文章编号：１００２－０４１１（２０１５）－０５－０５４５－０７ 基于改进粒子群算法的并联机械手运动学参数辨识 白国振，荆鹏翔 上海理工大学机械工程学院，上海　２０００９３ 基金项目：上海市自然科学基金资助项目（１２ＺＲ１４２０７００） 通信作者：荆鹏翔，ｊｉｎｇｐｘ５５５＠１２６．ｃｏｍ　　收稿／录用／修回：２０１４－０９－１７／２０１４－１１－２１／２０１４－１２－２０ 摘要 关键词 针对Ｄｅｌｔａ并联机械手在运动过程中由于受静态误差的影响，使其运动学精 并联机械手 度降低的问题，提出了一种运动学参数辨识的新方法．首先建立含有９项主要误 参数辨识 差源的误差模型，提出一种基于粒子分类和按维动态改变权重（ＰＣＤＣＷＤ）的改进 粒子群优化 粒子群算法．该算法引入平均极值将粒子分类，针对不同粒子采用异步进化策略， 异步进化 增强种群间的协作；针对进化过程中同一粒子的不同维度所出现的维差异问题， 维差异 通过引入距离因子概念，实现粒子按维动态改变惯性权重的策略．通过对五个经 惯性权重 典函数进行测试，并与线性递减粒子群优化算法进行比较，仿真结果表明，ＰＣ 中图分类号：ＴＰ２４１；ＴＰ３０１．６ ＤＣＷＤ算法能有效避免陷入局部最优，提高算法的精度和收敛速度，具有更强的 文献标识码：Ａ 优化性能．最后，对误差模型的９项误差源进行参数辨识，仿真结果表明，辨识值 与真实值几乎相等，从而验证了所提算法的有效性、可行性． ＫｉｎｅｍａｔｉｃＰａｒａｍｅｔｅｒＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆＰａｒａｌｌｅｌＭａｎｉｐｕｌａｔｏｒＢａｓｅｄ ｏｎＩｍｐｒｏｖｅｄＰａｒｔｉｃｌｅＳｗａｒｍＡｌｇｏｒｉｔｈｍ ＢＡＩＧｕｏｚｈｅｎ，ＪＩＮＧＰｅｎｇｘｉａｎｇ ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｈａｎｇｈａｉｆｏｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２０００９３，Ｃｈｉｎａ Ａｂｓｔｒａｃｔ Ｋｅｙｗｏｒｄｓ ＴｈｅｋｉｎｅｍａｔｉｃｐｒｅｃｉｓｉｏｎｏｆｔｈｅＤｅｌｔａｐａｒａｌｌｅｌｍａｎｉｐｕｌａｔｏｒｉｓｒｅｄｕｃｅｄｄｕｒｉｎｇｍｏｖｅｍｅｎｔｂｅｃａｕｓｅｏｆｓｔａｔｉｃｅｒ ｐａｒａｌｌｅｌｍａｎｉｐｕｌａｔｏｒ； ｒｏｒｓ．Ｉｎｔｈｉｓｓｔｕｄｙ，ａｎｅｗｍｅｔｈｏｄｆｏｒｉｄｅｎｔｉｆｙｉｎｇｔｈｅｋｉｎｅｍａｔｉｃｐａｒａｍｅｔｅｒｓｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ａｎｅｒｒｏｒｍｏｄｅｌ ｐａｒａｍｅｔｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎ； ｉｓｅｓｔａｂｌｉｓｈｅｄｔｈａｔｉｎｖｏｌｖｅｓｎｉｎｅｍａｉｎｓｏｕｒｃｅｓｏｆｅｒｒｏｒｓ．Ａｍｏｄｉｆｉｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄ ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ； ｏｎｐａｒｔｉｃｌｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｄｙｎａｍｉｃａｌｌｙｃｈａｎｇｉｎｇｗｅｉｇｈｔｂｙｄｉｍｅｎｓｉｏｎｓ（ＰＣＤＣＷＤ）ｉｓｔｈｅｎｐｒｏｄｕｃｅｄ．Ｔｈｉｓ ａｓｙｎｃｈｒｏｎｏｕｓｅｖｏｌｕｔｉｏｎａｒｙ； ａｌｇｏｒｉｔｈｍｉｎｔｒｏｄｕｃｅｓａｎａｖｅｒａｇｅｅｘｔｒｅｍｅｖａｌｕｅｔｏｃｌａｓｓｉｆｙｐｏｐｕｌａｔｉｏｎｓ，ａｎｄｉｔａｄｏｐｔｓａｓｙｎｃｈｒｏｎｏｕｓｅｖｏｌｕｔｉｏｎａｒｙ ｄｉｆｆｅｒｅｎｃｅｓｉｎｄｉｆｆｅｒｅｎｔ ｓｔｒａｔｅｇｉｅｓｆｏｒｄｉｆｆｅ