基于多目标蛾群算法的机械臂最优轨迹规划OA

为了提高绿篱修剪机械臂的效率和稳定性,以运行时间和关节冲击为优化目标,提出一种基于改进的多目标蛾群算法(improved multi-objective moth swarm algorithm,IMOMSA)的最优轨迹规划方法。根据机械臂结构形式,结合其可操作性选择路径点并进行插值拟合。在运动学约束下使用IMOMSA进行时间-冲击多目标优化,生成Pareto最优解集并通过模糊隶属函数选择最优解。该算法整合Pareto存档和拥挤距离机制以扩展单目标算法,并引入混沌初始化和对立学习(opposition-based learning,OBL)改进策略。通过两个算例将IMOMSA与经典多目标优化算法进行对比,在ZDT测试函数集中评估算法多样性和收敛性指标,在实际轨迹规划问题中验证算法有效性。最后得到的仿真结果显示,优化后的运行时间减少11.8%,各关节冲击指数下降5.98%至39.96%,IMOMSA在最优轨迹规划问题中的应用可提升绿篱修剪机械臂的效率与稳定性。