基于改進鯨魚算法的搬運機器人運動規劃

李靜 熊瑞平 胡英達 周程勝 巫啟源

摘要：針對搬運機器人搬運效率不足、穩定性效果不好等問題，使用改進鯨魚優化算法的時間最優運動規劃方法進行解決。首先將機器人模型導入MATLAB中，根據相關算法計算出機器人的空間范圍，從空間范圍中選取實際目標點并轉換到關節空間，在關節空間中使用“四次－三次－四次”插值多項式構造機器人的軌跡，然后將各關節的角速度、角加速度作為約束條件，采用改進的鯨魚優化算法對軌跡進行優化，縮短機器人運行時間。通過仿真實驗，改進的鯨魚算法較PSO算法規劃時間縮短約30%，較標準的鯨魚算法規劃時間縮短約17%，有效提升了搬運機器人在搬運方面的效率和穩定性。

關鍵詞：搬運機器人；運動規劃；多項式插值；時間最優；鯨魚算法

中圖分類號：TP242.3 文獻標志碼：A doi：10.3969/j.issn.1006-0316.2024.02.001

文章編號：1006-0316 （2024） 02-0001-07

Trajectory Planning of Handling Robot Based on Improved Whale Algorithm

LI Jing，XIONG Ruiping，HU?Yingda，ZHOU?Chengsheng，WU?Qiyuan

（?School of Mechanical Engineering， Sichuan University， Chengdu 610041， China ）

Abstract：A time-optimal trajectory planning method based on improved whale optimization algorithm is?proposed to solve the problems of low efficiency and insufficient stability of the robot. Firstly， the robot model is imported into MATLAB， and the space range of the robot is calculated according to the relevant algorithm. The actual target points are selected from the space range and converted to the joint space. In the joint space， the ?“quartic-cubic-quartic” interpolation polynomial is used to construct the robot trajectory， and then the angular velocity and angular acceleration of each joint are taken as the constraint conditions. The improved whale optimization algorithm is used to optimize the trajectory and shorten the running time of the robot. Through simulation experiments， the planning time of the improved whale algorithm is about 30% shorter than that of the PSO algorithm， and about 17% shorter than that of the standard whale algorithm， which can effectively improve the handling efficiency and stability of the robot.

Key words：handling robot；trajectory planning；polynomial interpolation；optimal time；whale algorithm

隨著我國工業自動化水平的不斷提高，工業機器人將會逐步取代更多原本需要人工作業的行業。其中，搬運機器人憑借著高精準、高效率、大負載，已得到了廣泛應用，大大提高了生產效率、經濟效益、減輕了工人負擔^[1]。在近代機械技術的快速發展中，搬運物流線運用于各個領域，因此對于搬運機器人的研究比較重要。

對于機器人軌跡規劃，目前一般先采用插值算法對機器人運動路徑進行插值，再采用合適的群智算法對其進行軌跡優化^[2]。孫玥等^[3]采用五次多項式插值法對搬運機器人進行軌跡規劃，該方法實現了速度和加速度的平滑過渡，末端運行精度得到很大提高，但運算相對復雜。韓順杰等^[4]采用三次多項式函數進行軌跡規劃，結構簡單，易于實現，但其二階導數不連續導致機械手運行不穩定。陳晗等^[5]提出5-7-5次分段多項式與復合型法相結合的方式，提高了效率，降低了能耗，但運算相對復雜，高階次更容易引起“龍格”效應的產生。Zhang等^[6]采用權重系數法構成目標函數，并采用粒子群算法對五自由度機械臂進行運動規劃。以上研究均未考慮智能算法的收斂速率以及陷入局部最優的問題。

本文以庫卡重載搬運機器人為研究對象，首先根據鉛錠搬運工廠流水線的實際工況提出4-3-4插值多項式函數對機器人的關節空間進行軌跡規劃。該插值多項式既解決了3次多項式二階導數不連續的問題，也解決了5次多項式運算復雜的問題。然后通過改進的鯨魚算法對三段多項式的時間進行尋優，在確保各關節的位置、速度、加速度連續可控的基礎上保證搬運效率最高且穩定性更優。

1??4-3-4分段插值函數的構造

由于笛卡爾空間軌跡規劃缺乏關節的旋轉方向和角度信息，而關節空間運動規劃是指給定關節角的約束條件（起點、終點或中間節點的位置、速度、加速度等），生成各關節變量變化曲線的過程，因此在關節空間進行運動規劃。常用的軌跡插值計算方法有三次多項式插值、五次多項式插值和高階多項式插值^[7]。三次多項式不能保證加速度的連續；單條五次多項式軌跡適應能力較差，容易因為一兩個點造成整個曲線的變形；高階的七次規劃曲線，求解較復雜，且會出現龍格現象，其求解出的值準確度更低。為了保證搬運機器人在實際工作中軌跡的連續平穩且高效運行，選取4-3-4插值多項式進行軌跡規劃。

4-3-4多項式插值位移、速度、加速度函數分別為：

分段插值多項式條件為起始點、兩個中間點和終點的位移、速度、加速度，且起始點與終點的速度和加速度均為零。由上述條件可以求出分段多項式的14個系數，系數的推導公式具體如式（4）～（6）所示。

四個插值點的位置條件使用：

（4）

四個插值點的速度條件使用：

（5）

四個插值點的加速度條件使用：

（6）

2 改進鯨魚優化算法的軌跡優化

2.1 運動學約束與適應度函數

選取的4-3-4插值多項式由三段構成，各段時間分別為t₁、t₂、t₃。插值多項式系數求解依賴于各段的時間和笛卡爾空間的插值點。笛卡爾空間的插值點確定之后，關鍵是選取合適的時間進行機械臂時間最優軌跡規劃。每個關節的優化目標函數和約束條件為：

（7）

式中：為優化目標函數；、分別為角速度和角加速度；、分別為角速度和角加速度限制

2.2 改進的鯨魚優化算法

2.2.1 標準的鯨魚優化算法

鯨魚算法是參考座頭鯨在水下搜尋獵物的方式，其進化過程分為局部搜索和全局搜索。局部搜索的更新機制是泡網攻擊和包圍捕食，全局搜索則采用隨機更新的方式^[8]。

2.2.2 改進的鯨魚優化算法

標準鯨魚優化算法由于本身參數設定大多為線性且探索能力不足，存在以下缺陷：①求解準確度較低；②收斂速度較慢；③會陷入局部最優。針對這些缺陷進行如下改進。

（1）準反射學習機制

該學習機制是基于反向學習和準反向學習提出的。將該機制用于鯨魚算法種群的初始化，能提高種群的質量和多樣性^[9]。

其中：LB為下限；UB為上限；r為0～1之間的隨機數。

最后對兩種初始化種群計算出的適應度值按照從小到大排序，從升序中挑選前N個適應度最好的初始化種群作為初始化鯨魚種群。

（2）非線性收斂因子

由于鯨魚優化算法的探索能力和收斂因子的關系密切，因此對線性收斂因子進行一定的改進以提高算法的探索能力，最終提出：

（4）引入非線性權重

本文取消了文獻[10]中系數A前的線性遞減權重，而是將系數A中的a由線性變為非線性遞減的收斂因子，改變后可以很好地平衡種群的全局搜索和局部開發能力。同時，隨著迭代次數的增加，S為非線性遞增，可以引導種群向更好的方向移動。算法流程圖如圖1所示。

3 建模仿真實驗

3.1 基準函數測試及結果分析

（1）測試函數的選擇

為評估改進算法的性能，在四個主流的算法測試函數中進行測試，并選擇具有多樣性的函數來評估其適應性，選取兩個單峰函數和兩個多峰函數來對改進的算法進行測試。設置三種算法的參數為：種群規模N＝30，迭代次數t_max＝1000，空間維度D＝30，對于標準粒子群，步進參數w＝0.5，學習因子c₁＝c₂＝1.4995^[12]；測試函數如式（16）所示，四個測試函數的維度和理論值分別30和0。

（2）結果分析

四個測試函數的結果如表1所示?？梢钥闯?，改進鯨魚優化算法的尋優能力遠好于標準鯨魚優化算法和標準粒子群算法。標準粒子群算法在四個測試函數中均會不同程度地陷入局部最優，標準鯨魚算法在F₁和F₂兩個單峰測試函數中會不同程度地陷入局部最優，而使用改進鯨魚優化算法的四個測試函數均取得理論最優值。改進鯨魚算法在收斂速度和求解精度方面很大程度上也優于其他兩個算法。由此驗證了本文改進算法的有效性。

3.2 搬運機器人的仿真實驗

選取庫卡KR90 R2700 pro型號作為研究對象，其連桿參數默認設置為該型號的連桿參數。搬運機器人的工作工況如圖2所示。

搬運機器人的搬運對象是鉛錠，機器人將鉛錠從工作臺搬運到物流線的輸送機上進行運送。將選取的庫卡機器人連桿參數導入MATLAB中，得到搬運機器人的仿真模型如圖3所示。

然后進一步得到機器人的工作空間范圍，根據工況從工作空間中選取笛卡爾坐標系下的四個目標點，如表2所示。

通過求逆解獲得關節空間中各關節對應的插值點，如表3所示。

使用MATLAB繪制出三種算法的適應度曲線對比圖，如圖4所示?？梢钥闯?，改進的鯨魚算法在收斂精度和收斂速度上都優于標準鯨魚算法和標準粒子群算法。

采用改進的鯨魚算法對三段插值多項式進行優化，得到各關節最優插值時間，如表4所示。為確保機器人各關節以同樣的時間到達目標點位置，選取各關節最優插值時間的最大值，為：t₁＝0.3731 s、t₂＝0.59411 s、t₃＝0.2489 s。

通過控制插值時間的最大值，精確繪制出各關節的角位移、角速度和角加速度曲線，實現更加準確和穩定的運動，如圖5～7所示?？梢钥闯?，改進后的鯨魚算法在縮短搬運時間的基礎上得到的角位移、角速度和角加速度曲線較為平滑，同時角速度、角加速度曲線也滿足約束條件，提高了搬運機器人的搬運效率和穩定性。

4 結語

對鉛錠搬運機器人進行關節空間軌跡規劃，建立插值分段多項式函數，從優化初始種群、平衡全局與局部探索能力以及更好地引導種群三方面改進鯨魚算法。

為實現時間最優化，采用改進的鯨魚算法對模型進行優化處理。由仿真結果可知，改進的鯨魚算法有很好的準確度和較高的收斂速度，最終在保證機器人運行穩定的基礎上讓機器人有更高的效率，為后面進一步深入研究提供了參考。

參考文獻：

[1]呂鯤，陳宗元，張業明. 裝磚碼垛機器人時間-沖擊最優軌跡規劃[J]. 機械工程師，2019（9）：1-4，8.

[2]NAGY ?KOS，VAJK ISTV?N. Nonconvex Time-Optimal Trajectory Planning for Robot Manipulators[J]. Journal of Dynamic Systems， Measurement， and Control，2019，141（11）：1362-1368.

[3]孫玥，魏欣. 基于五次多項式的碼垛機器人軌跡規劃[J]. 包裝工程，2017，38（21）：159-163.

[4]韓順杰，單新超，于愛君，等. 基于改進粒子群算法的工業機器人軌跡規劃[J]. 制造技術與機床，2021（4）：9-14.

[5]陳晗，李林升. 基于復合形法的時間最優機械臂軌跡規劃[J].

機械傳動，2019，43（3）：72-75，94.

[6]ZHANG Haojian，WANG Yunkuan，ZHENG Jun，et al. Path Planning of Industrial Robot Based on Improved RRT Algorithm in Complex Environments[J]. IEEE Access，2018（6）：53296-53306.

[7]劉杰，卞新宇，王曉勇，等. 改進鯨魚優化算法的機器人時間最優軌跡規劃[J]. 機械設計與制造，2023（2）：270-275.

[8]武澤權，牟永敏. 一種改進的鯨魚優化算法[J]. 計算機應用研究，2020，37（12）：3618-3621.

[9]FAN?Qian，CHEN?Zhenjian，XIA?Zhanghua. A novel quasi-reflected Harris hawks optimization algorithm for global optimization problems[J]. Soft Computing，2020，24（19）：14825-14843.

[10]吳澤忠，宋菲. 基于改進螺旋更新位置模型的鯨魚優化算法[J]. 系統工程理論與實踐，2019，39（11）：2928-2944.

[11]趙傳武，黃寶柱，閻躍觀，等. 一種非線性權重的自適應鯨魚優化算法[J]. 計算機技術與發展，2020，30（10）：7-13.

[12]袁錦濤，劉軍，鄒樹梁. 基于粒子群算法的工業機器人多目標最優軌跡規劃[J]. 工業儀表與自動化裝置，2021（5）：73-79.