文献类型：期刊文章

作　　者：寇斌[1,2] 郭士杰[1,2] 任东城[1,2]

KOU Bin;GUO Shijie;REN Dongcheng(Academy for Engineering and Technology,Fudan University,Shanghai 200433,China;Engineering Research Center of AI&Robotics,Ministry of Education(Fudan University),Shanghai 200433,China)

机构地区：[1]复旦大学工程与应用技术研究院,上海200433 [2]智能机器人教育部工程研究中心(复旦大学),上海200433

出　　处：《哈尔滨工业大学学报》

基　　金：国家重点研发计划项目(2017YFB1301000)。

年　　份：2022

卷　　号：54

期　　号：1

起止页码：9-13

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统粒子群(PSO)算法在解决工业机器人几何误差标定问题中存在的收敛速度慢的缺点,提出了一种基于两段式的动态粒子群算法(LDPSO-BT)。用Denavit-Hartenberg方法建立工业机器人的误差模型,将几何误差标定问题转换成对高维非线性方程的求解;对粒子群数目进行线性递减,同时针对算法求解过程中粒子数目线性递减的特点,在改进粒子群算法迭代后期采用改进的搜索模式,对传统粒子群的速度迭代公式进行改进;仿真实验对比了工业机器人几何误差标定前与标定后两种算法的末端定位精度。实验结果表明:在采用粒子群算法辨识工业机器人实际几何参数的过程中,粒子群数目对算法的迭代时间有重要影响,通过线性递减的方式减少粒子群的粒子数目可以有效地减少工业机器人几何误差标定时间,同时在粒子群算法迭代后期采用改进的速度迭代公式可以确保收敛精度。与传统粒子群算法相比,使用改进后的粒子群算法,不仅可以有效减少工业机器人的定位误差,而且还拥有更高效的迭代效率。

关 键 词：工业机器人 粒子群算法(PSO)  线性递减  几何误差  定位精度  

分 类 号：TP391]