Page 125 - 工业机器人控制技术研究

第四章 工业机器人的性能优化

提高了数值优化的效率和可靠性。同样，Kim 等也采用设置权系数的方式对时间、
能量同时进行优化，通过引入平均动力学概念，利用当前和最终状态的所有可用
动态信息来不断对机械手动力学模型参数进行更新，从而让机械臂能够以接近约

束限制的关节速度运行，达到时间、能量的综合优化的目标。
全球对于时间—冲击综合优化也进行了相关研究。同样，大多数研究采用的
是附加权系数的方式达到综合优化。Gasparetto 等提出通过给时间、冲击项附加
权系数的方式定义了综合优化目标函数，可根据实际作业需求，通过调整权系数

来改变时间、冲击项在优化中的重要程度。该方法的优势在于执行算法前可不必
知道任务总执行时间，并且可设置运动学约束。在此基础上的进一步研究，改变
了优化方式，采用 B 样条曲线规划轨迹之后，将优化目标函数自变量转化成 B
样条曲线参数，最后通过对样条参数的优化得到综合最优轨迹。Lanzutt 进行了

实验评估与验证研究，采用样条曲线规划轨迹，改变权系数值进行了不同实验分
析，证实了对时间和冲击的不同优化效果，并且通过末端执行器的加速度测试，
表明机械臂运行过程中的振动现象得以减少。也有研究学者将时间—冲击综合优
化直接看作两个优化目标，利用优化算法同时进行优化。Huang 等采用 5 阶 B 样

条函数对关节空间轨迹进行插值，然后利用精英非支配排序遗传算法对整个轨迹
的运动时间和平均冲击两个优化目标同时进行优化。与其他优化方法相比较，利
用此算法求解更直接，但算法的收敛性、时效性需要进一步考虑。
综合时间、能量、冲击 3 个优化目标的时间—能量—冲击优化是最为理想的

轨迹优化，难度也是最大的。Saravanan 等不仅考虑了时间、能量、冲击的多目
标优化，还加入了关节加速度以及可操作性评价参数的优化，建立了多目标准则
函数。多准则成本函数是时间、总能量、奇点避免、关节加速度和关节加速度的
加权平衡。在采用 B 样条曲线进行关节空间轨迹规划的基础上，分别利用了精

英非支配排序遗传算法（NSGA-II）和差分进化（Differential Evolution，DE）算
法对优化问题进行求解，进行了对比分析。相较之下，DE 比 NSGA-II 可得到更
好的结果，收敛更快，计算时间更短。但是，由于采用加权系数平衡各优化目标，
其结果完全取决于各权系数的选择。Xu 等基于 5 次 B 样条插值关节轨迹，使用

多目标粒子群优化（Multi-objective Partial Swarm Optimization，MOPSO）算法对
时间、距离、能量 3 个优化目标进行优化；该算法通过产生一组 Pareto 最优解集合，
然后利用模糊判断以从最优解集合中选择一个潜在解。同样的，李丽等则考虑了

117