多策略改进粒子群优化算法的机械臂时间最优轨迹规划OA
为提升机械臂在轨迹规划中的优化效率与路径质量,提出一种融合多项策略(multi-strategy,MS)的改进型粒子群优化(improved particle swarm optimization,IPSO)算法,简称MS-IPSO算法。该算法分别从初始化方式、权重调节机制以及学习因子控制3个方面进行了增强优化:在初始阶段采用拉丁超立方采样(Latin hypercube sampling,LHS)以提升种群分布均匀性;通过基于适应度演化的动态惯性权重实现局部与全局搜索能力的协调;并引入非线性变化的学习因子策略,使粒子在迭代不同阶段能够灵活调整对历史最优解的依赖程度。为确保轨迹的平滑连续性,采用了3-5-3分段多项式进行轨迹插值,在插值的过程中利用改进的粒子群实现时间最优轨迹规划。仿真结果表明:与标准粒子群优化(particle swarm optimization,PSO)算法相比,MS-IPSO算法的轨迹最优时间缩短约14%,平均收敛代数减少约32%,验证了其在时间优化任务中的实用价值。
管声启;管杰;柳帅男;王士博
西安工程大学机电工程学院,陕西西安710048西安工程大学机电工程学院,陕西西安710048西安工程大学机电工程学院,陕西西安710048西安工程大学机电工程学院,陕西西安710048
信息技术与安全科学
多策略改进粒子群算法轨迹规划动态惯性权重动态学习因子3-5-3多项式插值
《西安工程大学学报》 2026 (4)
P.73-80,8
陕西省重点研发计划项目(2022GY-058)高校院所科技人员服务企业项目(25GXKJRC00036)。
评论