.,.17Vol17No4卷RBT,机器人OOuy19951995Jl基于遗传算法的机器人关节空间最优运动规划寸悻为民席裕庚(上海交通大学自动化研究所200030)摘要本文整体上研究了最优轨迹规划问题,它包含两个密切相关的子问题,最优路径规划和.、.最优轨迹规划本文提出了一种基于遗传算法的更为一般柔性和有效的新方法该策略综合考虑了、.机器人的运动学约束动力学约束和控制约束最优轨迹用合适的多项式拟合,得到的控制序列适宜..于高速高精度的动力学控制本文最后以二自由度机器人为例进行了仿真实验关键词最优运动规划,路径规划,轨迹规划,遗传算法1引言机器人最小时间轨迹规划问题一直是一个悬而未决的具有实际意义的挑战性问题,它需.要从整体上考虑最优路径规划和轨迹规划本文把这个问题一般化并称为关节空间最优运动,,规划问题(OMPJS)并把约束和目标一起视为广义目标它的困难集中在两个方面:、.(l)需要可靠和通用的方法处理众多的运动学动力学和控制约束.(2)需要一般化和高效的算法在巨大的轨迹空间构造或搜索出一组最优轨迹一,.自然地这个问题吸引了许多研究者Kahn和Roth‘’开创性地用最优控制理论研究了该问题,但不得不线性化机器人臂的动力学,因为不可能求解一组带有许多约束的高度锅合、高.度非线性的微分方程与OMPJS相近的一个问题是笛卡尔空间最优运动规划问题.,(OMPCS)OMPCS问题一般是在约束下沿给定路径求最小时间轨迹它实质上是OMPJS问..,.题的一个特例LinCha::g和L:lh’3研究了这个问题但也未考虑机器人的全部动力学特性一,Bobrow等{‘运用机器人动力学的时标特性解决了OMP(名但得到轨迹的速度和加速度是不.,,连续的因为OMPJS问题同时要寻找一条最优路径所以它更为困难同时也提供了充分利.,用机器人物理性能的机会Saha:和Holerbach{’首先网格化关节空问用图搜索法寻找最优.轨迹,并用动态时标算法考虑力矩约束,这种方法面临组合爆炸和轨迹速度不连续的困境、、.Shille:和D:,bowsky‘5研究了带有障碍力矩手爪和负载约束的OMT,JS问题Bessomnet和.Lalemand!6运用庞特亚金极大值原理处理带有动态力约束的OMPJS问题、本文将运用一种基于遗传算法的新策略来处理带运动学动力学和控制约束的OMPJS,.-问题这种方法更为一般和实用下节介绍遗传算法以及本文发展的新策略;第三节给出OM.PJS问题的一般描述;第四节为基于遗传算法的OMPJS;第五节为仿真实验;最后给出结论2遗传算法遗传算法是一种自适应启发式概率性迭代式全局搜索算法,来源于进化论和群体遗传,·.学〔,吕〕,遗传算法在许多应用中被证明是有效的‘“’l).”.本研究工作得到863高技术基金及上海市自然科学荃金资助收稿时间:1994一05一3117卷4期浑为民等:基于遗传算法的机器人关节空间最优运动规划2.1什么是遗传算法遗传算法的特征是:.(l)在表达空间而不是参数空间搜索(由符号或实数值编码,常用二进制码).(2)进行群体搜索而不是单点搜索.(3)优化中仅使用适合度函数而不是任何模型知识.(4)使用随机操作规则遗传算法之所以具有吸引力是由于以下特性:.(l)简单(易于编程和应用).(2)鲁棒(几乎适合于任何形式的搜索空问),.(3)有效(由于隐形并行性机理比任何随机搜索算法快).(4)全局优化(能运用全局信息)2.2遗传过程,若采用二进制串表达遗传算法运用一群二进制串(相当于遗传学中的染色体)搜索表达.空间每个串对应于参数空间的一点,通过适合度函数来评价这些串,适合度函数包含了对问..题所需的所有信息由某一串解码所得的解越好,则相应的适合度越高遗传算法然后应用基.因操作来获得新的群体,群体的适合度随之提高,遗传过程见图1Beginoinitializerandomlypopulationp,[o〕;oevaluateP,[o〕;k~l;Repeat。oreprod。eeP,[k〕fromP,〔k一〕;。recombineP,〔泛];。evaluateP,[k〕;k++吝Until(terrninationeondition);end图l遗传过程.每一代群体通过基因操作产生下一代群体基因操作确保群体中适合度高的串生存下来,.它们的有效信息块得到保存并且组合成更好的后代