1.一种机器人关节空间轨迹规划方法,其特征在于,所述空间轨迹规划方法包括:
将机器人关节在笛卡尔空间起止点坐标转换为关节空间起止点关节角度,并对所述关节空间起止点之间插值得到所述关节空间中间点关节角度;
使用多项式插值函数对所述关节空间中的轨迹曲线进行插值;
构造时间最优适应度函数,并设置运动学约束;
在满足所述运动学约束下,使用pso算法和sa算法对所述轨迹曲线的时间间隔进行优化并输出所述时间间隔;
将所述时间间隔作为所述多项式插值函数的时间系数,并计算所述多项式插值函数的系数进而得到优化后关节轨迹曲线。
2.如权利要求1所述的一种机器人关节空间轨迹规划方法,其特征在于,使用matlab机器人工具箱对所述关节空间起止点之间进行插值。
3.如权利要求1所述的一种机器人关节空间轨迹规划方法,其特征在于,所述多项式插值函数的约束条件为:所述关节空间起止点和所述关节空间中间点的位置已知,所述关节空间起止点的速度,加速度,加加速度为零,所述关节空间中间点的位置,速度,加速度,加加速度及所述轨迹曲线的四阶导皆连续。
4.如权利要求1所述的一种机器人关节空间轨迹规划方法,其特征在于,当所述中间点个数为两个时,所述适应度函数为
5.如权利要求4所述的一种机器人关节空间轨迹规划方法,其特征在于,所述运动学约束包括关节速度约束和关节加速度约束,分别为:
其中,
6.如权利要求1所述的一种机器人关节空间轨迹规划方法,其特征在于,所述使用pso算法和sa算法对所述轨迹曲线的时间间隔进行优化并输出所述时间间隔包括:
初始化pso算法和sa算法的基本参数;
使用随机方式初始化m个粒子的速度和位置;
判断所述粒子的位置是否满足所述运动学约束,计算每个所述粒子的适应度值;
对比每个所述粒子的所述适应度值,求解所述粒子的个体最佳位置pib和种群历史最佳位置gb;
更新惯性权重值w和动态学习因子c1和c2;
更新所述m个粒子的速度和位置,并判断是否满足所述运动学约束;
根据改进的metropolis准则判断所述粒子是否接受新解;
判断所述粒子的所述个体最佳位置pib和所述种群历史最佳位置gb;
更新模拟退火算法的温度,使温度下降;
判断是否达到最大迭代,若小于最大迭代次数则返回所述更新惯性权重值w和动态学习因子c1和c2;否则退出迭代并输出所述时间间隔。
7.如权利要求1至6任一项所述的一种机器人关节空间轨迹规划方法,其特征在于,当所述中间点个数为两个时,所述多项式插值函数的各多项式最高次数分别为5,7,5。