1.一种多自由度空间机械臂非完整路径规划方法,其特征在于,该方法包括如下的步骤:
步骤一,机械臂各关节运动规律函数化,采用正弦函数对关节角进行参数化设计;
步骤二,利用初始、终端、过程状态约束条件,将步骤一所述正弦函数中的未知参数用待定参数表示,以减少待定参数个数;
步骤三,基于终端时刻本体控制精度和过程约束要求,得到适应度目标函数;
步骤四,进行待定参数的遗传算法寻优,基于本体-臂耦合动力学关系寻找使适应度目标函数最小的待定参数组合,据此确定机械臂完整运动路径。
2.根据权利要求1所述的多自由度空间机械臂非完整路径规划方法,其特征在于,所述步骤一中,采用了关于时间的五次多项式正弦函数对关节角进行参数化设计,以约束关节角的运动范围,并保证机械臂运动过程的平滑,函数关系表示为:
θi(t)=Ai1sin(ai7t7+ai6t6+ai5t5+ai4t4+ai3t3+ai2t2+ai1t+ai0)+Ai2 (1)
其中,变量下标i对应机械臂系统的第i个关节;
所述步骤二中,根据如下约束条件化简待定参数:
其中,Θ=[θ1 θ2 ... θn]T,n为机械臂关节总数,1≤i≤n,且t0≤t≤tf;
将(1)式求一阶及二阶导数,并将(2)式定义的约束条件代入,得到:
由此,ai6、ai7为待定参数,其余未知参数均用待定参数表示,定义:
根据(4)式,通过对A中待定参数组合的设定,来调节机械臂关节空间从初始状态Θ0运动到期望终端状态Θd的路径,进而对本体姿态运动加以干预。
3.根据权利要求2所述的多自由度空间机械臂非完整路径规划方法,其特征在于,所述步骤三中,适应度目标函数表示为:
其中,δq为本体姿态四元数终值误差,||·||为求范数运算,Kq为根据本体姿态控制精度要求设定的阈值,只要||δq||<Kq,即认为结果满足要求;分别表示关节角速度和角加速度超出其允许值的百分比,分别为与对应的阈值;JΔq为机械臂运动过程中星本体姿态相对于初值最大变化量的百分比,KΔq为与JΔq对应的阈值。
4.根据权利要求3所述的多自由度空间机械臂非完整路径规划方法,其特征在于,所述步骤四中,星本体-机械臂耦合动力学与运动学关系表示为:
其中,Jba_ω为本体角速度-机械臂关节角速度雅可比矩阵,是根据和机械臂各关节的历史构型实时计算得到;q为本体姿态四元数。
5.根据权利要求4所述的多自由度空间机械臂非完整路径规划方法,其特征在于,所述步骤四中,对适应度目标函数按如下流程进行计算:
S11、对于一组确定的A值,代入(1)式的一阶导数计算各关节角速度,进而确定以及(5)式中的
S12、根据(6)式计算本体的角速度ω0;
S13、根据(7)式计算本体四元数的时间导数
S14、计算本体四元数终值以及(5)式中JΔq;
S15、根据(5)式计算适应度目标函数。
6.根据权利要求5所述的多自由度空间机械臂非完整路径规划方法,其特征在于,所述步骤四中,采用遗传算法对待定参数矩阵A寻优的流程如下:
S21、随机产生含np个个体的初始种群P0;np为种群大小;
S22、计算每个个体的适应度目标函数:若存在任意个体的适应度目标函数的每一项均小于1,则终止寻优,确定该个体为待定参数矩阵A的最优值,并根据由此最优值确定的(1)式θi(t)和(6)式中计算机械臂最优运动路径;否则转S23;
S23、确定当代种群的进化代数Ng:若Ng=Ng_max,将当代种群中适应度目标函数最小的个体作为待定参数矩阵A的次优估计值,并根据此次优估计值确定的(1)式θi(t)和(6)式中计算机械臂次优运动路径;否则转S24;
S24、进行复制、交叉、变异操作生成后代种群,Ng=Ng+1,并转S22。
7.根据权利要求5所述的多自由度空间机械臂非完整路径规划方法,其特征在于,所述步骤四中,遗传算法的算法参数:种群大小np=40,复制概率pc=0.8,交叉概率pm=0.08,有效基因数ne=4,进化总代数Ng_max=300。