汽車駕駛機器人換擋機械手尺寸的智能優(yōu)化方法
【專利摘要】本發(fā)明公布了一種汽車駕駛機器人換擋機械手尺寸的智能優(yōu)化方法。首先根據(jù)換擋機械手的結構特點建立D?H坐標系，并根據(jù)機器人在DH坐標系中的運動學方程求解并簡化換擋機械手的末端運動軌跡方程；通過換擋機械手的運動軌跡方程分析駕駛機器人的換擋機械手在選擋過程和掛擋過程中的動態(tài)特性，從而建立優(yōu)化目標函數(shù)，并根據(jù)駕駛機器人的結構特征和汽車駕駛室的特點確定約束條件，最后運用基于模擬退火的粒子群(SA?PSO)智能優(yōu)化方法來確定最優(yōu)解，即二自由度七連桿結構的汽車駕駛機器人換擋機械手的各連桿尺寸。本發(fā)明所提出的方法提高了駕駛機器人換擋機械手的運動精度，減少了汽車換擋手柄選擋過程和掛擋過程的運動耦合。
【專利說明】
汽車駕駛機器人換擋機械手尺寸的智能優(yōu)化方法
技術領域
[0001] 本發(fā)明屬于汽車自動駕駛技術領域，具體是一種汽車駕駛機器人換擋機械手尺寸 的智能優(yōu)化方法。
【背景技術】
[0002] 汽車駕駛機器人是指無需對車輛進行改裝，可無損安裝在駕駛室內(nèi)，替代駕駛員 在惡劣條件和危險環(huán)境下進行車輛自動駕駛的特種機器人。由于具有良好的通用性、無損 性、可重復性、安全性、可靠性以及準確性，因此它可廣泛適用于民用和軍用領域，應用前景 極為廣闊。通常在汽車出廠前需要進行大量試驗來嚴格限制汽車尾氣中有害物質(zhì)的含量， 而大多數(shù)汽車試驗具有重復性強、危險性大、工作環(huán)境惡劣等特點，利用駕駛機器人代替人 類駕駛員進行汽車試驗，既可避免人工試驗中駕駛員存在的安全隱患，又可提高試驗結果 的準確性和可靠性。另外，駕駛機器人作為輔助駕駛系統(tǒng)安裝在車輛上，又可提高汽車主動 安全性;用于殘疾者康復訓練，可仿生殘疾者駕駛汽車操作，提高殘疾者駕駛汽車能力及安 全性;裝備在軍用暨特種車輛上，又可完成作戰(zhàn)、排爆、滅火等高風險任務。
[0003] 目前國內(nèi)已經(jīng)公開的并且比較成熟的汽車駕駛機器人換擋機械手是二自由度七 連桿機構駕駛機器人換擋機械手，其機械手結構如中國專利20042002744.8 "七連桿雙自由 度閉鏈換擋機械手"所述，該類型汽車駕駛機器人換擋機械手可分別操縱汽車換擋手柄完 成選擋動作和掛擋動作，其換擋機械手的選擋運動過程和掛擋運動過程分別由兩個直線驅 動單元來驅動。該類型換擋機械手可以實現(xiàn)機械解耦、控制方便，且其結構緊湊、體積小、可 無損安裝在汽車駕駛室內(nèi)、通用性好。此類駕駛機器人換擋機械手要實現(xiàn)精確控制其選換 擋運動軌跡則需要對其七連桿結構的尺寸進行優(yōu)化設計，目前的駕駛機器人換擋機械手七 連桿尺寸優(yōu)化設計主要采用復合形法和可變?nèi)莶罘?，如東南大學博士學位論文"汽車排放 耐久性試驗用駕駛機器人關鍵技術及性能評價研究"提出了用復合形法優(yōu)化換擋機械手的 各連桿尺寸，又如謝軍等人在《機器人》雜志發(fā)表的論文"汽車駕駛機器人換擋機械手的優(yōu) 化設計"提出了用可變?nèi)莶罘▋?yōu)化換擋機械手的各連桿尺寸，這些傳統(tǒng)優(yōu)化方法可基本實 現(xiàn)換擋機械手選掛擋的要求，但其優(yōu)化的換擋機械手選擋運動過程和掛擋運動過程的運動 軌跡精度并不十分理想。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種汽車駕駛機器人換擋機械手尺寸的智能優(yōu)化方法，此 智能優(yōu)化方法是基于模擬退火的粒子群優(yōu)化方法，此方法可精確控制換擋機械手的運動軌 跡以實現(xiàn)汽車變速器選換擋的要求。
[0005] 實現(xiàn)本發(fā)明目的的技術解決方案為:一種汽車駕駛機器人換擋機械手尺寸的智能 優(yōu)化方法，其優(yōu)化對象為二自由度七連桿機構的汽車駕駛機器人換擋機械手的各連桿尺 寸，包括
[0006] 優(yōu)化目標函數(shù)及約束條件的建立階段，首先根據(jù)DH坐標系下機器人運動學求解方 法求解并簡化汽車駕駛機器人換擋機械手末端的運動軌跡方程，以汽車駕駛機器人換擋機 械手選擋運動過程中在掛擋方向的運動位移最小為準則建立選擋過程的優(yōu)化目標函數(shù)，以 汽車駕駛機器人換擋機械手掛擋運動過程中在選擋方向的運動位移最小為準則建立掛擋 過程的優(yōu)化目標函數(shù)，隨后根據(jù)駕駛機器人的結構特點和汽車駕駛室的空間布局確定優(yōu)化 目標函數(shù)；
[0007] 基于模擬退火的粒子群智能算法優(yōu)化階段，首先初始化粒子群并計算駕駛機器人 換擋機械手選擋過程或掛擋過程的目標函數(shù)值，隨后更新?lián)Q擋機械手選擋過程或掛擋過程 目標函數(shù)的局部極小值和全局極小值，最后對于目標函數(shù)(適應度）的局部極小值和全局極 小值進行模擬退火鄰域搜索，最后即可求解出二自由度七連桿機構換擋機械手各連桿尺寸 的最優(yōu)解。
[0008] 本發(fā)明與現(xiàn)有技術相比，其顯著優(yōu)點：基于模擬退火粒子群算法的汽車駕駛機器 人二自由度七連桿機構的換擋機械手的尺寸優(yōu)化方法彌補了復合形法和可變?nèi)莶罘ǖ葌?統(tǒng)優(yōu)化算法無法跳出局部極小值的缺點，采用此方法優(yōu)化之后的駕駛機器人換擋機械手選 擋運動過程和掛擋運動過程的運動軌跡更加精確，減少了換擋手柄選擋過程和掛擋過程的 運動耦合，確保了汽車駕駛機器人換擋機械手能準確地操縱換擋手柄完成換擋任務，提高 了汽車駕駛實驗的安全性和準確性。
【附圖說明】
[0009] 圖1為本發(fā)明汽車駕駛機器人換擋機械手尺寸的智能優(yōu)化方法的一個示范性流程 圖。
[0010] 圖2為汽車駕駛機器人換擋機械手機械簡圖。
[0011]圖3為基于模擬退火的粒子群換擋機械手選擋過程尺寸優(yōu)化的適應度收斂曲線。
[0012] 圖4為基于模擬退火的粒子群換擋機械手掛擋過程尺寸優(yōu)化的適應度收斂曲線。
[0013] 圖5為不同方法優(yōu)化的換擋機械手選擋時在掛擋方向上的位移仿真曲線。
[0014] 圖6為不同方法優(yōu)化的換擋機械手掛擋時在選擋方向上的位移仿真曲線。
[0015] 圖7為不同方法優(yōu)化的換擋機械手選擋時在掛擋方向上的速度仿真曲線。
[0016] 圖8為不同方法優(yōu)化的換擋機械手掛擋時在選擋方向上的速度仿真曲線。
【具體實施方式】
[0017] 本發(fā)明采用基于模擬退火的粒子群(SA-PS0)智能優(yōu)化方法來優(yōu)化設計二自由度 七連桿結構的汽車駕駛機器人換擋機械手的各連桿尺寸。首先根據(jù)換擋機械手的結構特點 建立D-Η坐標系，并根據(jù)機器人在DH坐標系中的運動學方程求解并簡化換擋機械手的末端 運動軌跡方程;通過換擋機械手的運動軌跡方程分析駕駛機器人的換擋機械手在選擋過程 和掛擋過程中的動態(tài)特性，從而建立優(yōu)化目標函數(shù)，并根據(jù)駕駛機器人的結構特征和汽車 駕駛室的特點確定約束條件，最后運用基于模擬退火的粒子群(SA-PS0)智能優(yōu)化方法來確 定最優(yōu)解，即二自由度七連桿結構的汽車駕駛機器人換擋機械手的各連桿尺寸。
[0018] 下面結合附圖對本發(fā)明做進一步說明。
[0019] 首先步驟1-1、設二自由度七連桿機構的駕駛機器人換擋機械手三個基座為〇A、〇B、 〇c，其七連桿長度分別設為Lai、La2、Lbi、Lb2、Lq、1x2和Lef。
[0020] 然后步驟1-2、根據(jù)二自由度七連桿機構的駕駛機器人換擋機械手的結構特點建 立D-Η坐標系，由于二自由度七連桿換擋機械手可分解為三開鏈系統(tǒng)，則按照D-Η坐標系的 建立規(guī)則在三開鏈處建立基座標系xiAyiAZiA( i = 1，2，3)和活動坐標系xijyijZij (i = 1，2，3; j =1，2)，其中Zlj軸都垂直于連桿平面。
[0021] 然后步驟1-3、如圖2所示，根據(jù)機器人在D-Η坐標系中正解的求解方法可求出換擋 機械手E關節(jié)出的運動軌跡方程：
[0025] 上式中 1^1、1^2、1^1、1^2、1^1、1^2為步驟1-1中所設的各連桿長度，（184,5^)，（1。4，}^) 分別為基座Ob、0c相對于基座為0a的坐標。上式中的Θαι、Θα2、Θβι、ΘΒ2、9C1、0 C2表不坐標系 XijyijZij與Xij-iyij-lZij-l兩者X軸之間的夾角。
[0026] 然后步驟1-4、根據(jù)在D-Η坐標系中求解出的換擋機械手E關節(jié)出的運動軌跡方程 可化簡換擋機械手E關節(jié)出的運動軌跡方程。令步驟1-3中關節(jié)角Θ Β1 UP連桿長Lm、LA2、 Lb1、Lb2、Lc1、Lc2均為已知量，則步驟1-3式中存在四個方程組和四個未知數(shù)Θαι、Θα2、Θβ2、9c2， 則可以求出ΘαΙ、9a2、9b2、9c2的表達式為：
[0027] [Θαι 0Α2 Θβ2 0C2] = [fAl(0Bl, θ0?) fA2(0Bl,0Cl) fB2(0Bl,0Cl) f C2 ( θβ?, θ01 )]
[0028] 因此可得到與yE均只與關節(jié)變量0B1、0C1有關，即：
[0029] [xe yE] = [fxe(0Bl,0Cl) fye(0Bl,0Cl)]〇
[0030] 根據(jù)圖2所示駕駛機器人換擋機械手的幾何關系，可得二自由度七連桿機構的駕 駛機器人換擋機械手的末端軌跡F運動方程與換擋機械手E關節(jié)處的運動軌跡方程之間的 關系如下所示：
[0031] [xf Yf] = [xE+LEFCOs(0Al+0A2) yE+LEFSin(0Al+0A2)]
[0032] 因此二自由度七連桿機構的駕駛機器人換擋機械手的末端軌跡運動方程可簡化 為：
[0033] [xf yF] = [fxf(0Bi,0ci) fyf(0Bi,9ci)]
[0034] 然后步驟1-5、通過換擋機械手的運動軌跡方程分析駕駛機器人的換擋機械手在 選擋和掛擋過程中的特點從而建立優(yōu)化目標函數(shù)。P點的運動軌跡與0 B1、0C1這兩個變量有 關，這兩個變量的系數(shù)與機械手連桿尺寸Lai、La2、Lbi、Lb2、Lei、Le2有關。如果對上述參數(shù)進行 適當?shù)倪x取，使步驟1-4中XF = fxf (Θβι，0C1)的0C1前的系數(shù)近似為零，使步驟1-4中yF = fyf (θΒ1，θα)的ΘΒ1前的系數(shù)近似為零，則根據(jù)圖2所示，變速器換擋桿球頭處在選擋方向上的運 動只與Θβι有關，在掛擋方向上的運動只與9ci有關，即駕駛機器人換擋機械手在選擋方向的 運動只與繞Ob基座處旋轉的角度有關，在掛擋方向的運動只與繞〇c基座處旋轉的角度有關， 可得駕駛機器人換擋機械手末端軌跡方程簡化表達式為：
[0035] [xf Yf] = [fxf(Θβι) fyf(0Cl)]
[0036] 通過以上的設計分析即可實現(xiàn)在選擋和掛擋方向上的機械解耦。由此可見在駕駛 機器人換擋機械手完成選擋動作過程中令9C1 = 0,在駕駛機器人換擋機械手完成掛擋動作 過程中令ΘΒ1 = 0,選取在完成100mm的選擋位移時換擋機械手末端F在掛擋方向上運動的位 移最小為選擋過程的優(yōu)化目標，選取在完成100mm的掛擋位移時換擋機械手末端F在選擋方 向上運動的位移最小為掛擋過程的優(yōu)化目標，從而可分別得到換擋機械手末端軌跡F位置 在選擋過程和掛擋過程的優(yōu)化目標函數(shù)分別為：
[0037] minAyF= |yF-LA2_LEF| =fi(LA2，Lci，Lc2)
[0038] minAxF= |xf-Lai| =f2(LAi，LBi，LB2)
[0039] 最后步驟1-6、根據(jù)駕駛機器人的結構特征和汽車駕駛室的特點確定約束條件，其 約束條件有：
[0040] (1)如圖2所示駕駛機器人換擋機械手在200x200的"王"字形軌道內(nèi)運動，要求換 擋機械手在掛擋方向的運動范圍和選擋方向的運動范圍在±1〇〇_范圍之內(nèi)，即：
[0041 ] -100 彡 XF 彡 100
[0042] -100 彡 yF 彡 100
[0043] (2)根據(jù)駕駛機器人的結構特點及駕駛室的空間布局可確定各連桿的長度范圍：
[0044] 180〈Lai〈250，100〈La2〈250，70〈Lbi〈150，200〈Lb2〈250，150〈Lci〈200，100〈Lc2〈190，Lai +Lef = 600
[0045] 如圖1所示，所述基于模擬退火的粒子群智能算法優(yōu)化階段(SA-PSO)包括以下步 驟：
[0046] 步驟2-1、根據(jù)汽車駕駛機器人的結構特點選擇合適的參數(shù)初始化粒子群各粒子 的位置和速度，設置粒子群規(guī)模N、最大迭代次數(shù)D、算法終止條件、學習因子 C1，c2，壓縮因子 為γ = 2 / f 2 - C-^(C Λ 2 - AC) j，其中 C=ci+c2。
[0047] 步驟2-2、計算換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程中種群中每個微粒的目 標函數(shù)值(適應度），根據(jù)權利1要求駕駛機器人選擋過程中的目標函數(shù)為步驟1-5中的min Ay F，掛擋過程中的目標函數(shù)為步驟1-5中的min AXF，其目標函數(shù)值即為粒子群的適應度。
[0048] 步驟2-3、更新汽車駕駛機器人換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程中粒子 群微粒的目標函數(shù)值(適應度)的局部極小值Pbest和全局極小值Gbest。
[0049] 步驟2-4、對于換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程中粒子群微粒適應度的 全局極小值和局部極小值進行模擬退火(SA)鄰域搜索，選擇出新的全局最優(yōu)值和局部最優(yōu) 值，比較Gbest是否達到算法的終止條件或最大迭代次數(shù)，若是尋優(yōu)程序終止，否則返回步 驟2-3繼續(xù)進行尋優(yōu)計算，直到達到終止條件為止。
[0050] 4.步驟2-4所述的汽車駕駛機器人換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程粒子 群微粒適應度的全局極小值和局部極小值進行模擬退火(SA)鄰域搜索包括以下步驟：
[0051 ] (1)確定初始溫度to，退火溫度Tk及模擬退火的參數(shù)β(β e (〇，1))。初始溫度和退溫 溫度對算法有一定的影響，一般采用如下的初溫和退溫方式：
[0052] to = f (pg)/ln5,Tk+i = PTk
[0053] (2)確定當前溫度下Pi的適配值，其適配值滿足以下公式：
[0054] fF(Pi) = ' ./=1
[0055] 上式中N為粒子群規(guī)模，f函數(shù)表示目標函數(shù)。
[0056] (3)采用輪盤賭策略從所有Pi中確定全局最優(yōu)的某個替代Pg'來替代原粒子群算 法的Pg，這種處理有利于克服粒子群算法易陷入全局最小值的弱點，則基于模擬退火粒子 群更新各微粒的速度和位置公式為：
[0057] vi,j(k+l)= γ [Vi,j(k)+ciri(pi,j(k)-Xi,j(k))+C2r2(p，i,j(k)_Xi,j(k))]
[0058] xi'j(k+l)=xi'j(k)+vi'j(k+l)(j = l, · · · ,η)
[0059] 上述的粒子群速度和位置更新式中(^、(^表示學習因子，n、r2為相互獨立的偽隨 機數(shù)，在[0，1 ]上服從均勻分布，X，V分別代表粒子群各粒子的位置和速度。
[0060] (4)計算汽車駕駛機器人換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程各微粒新的目 標值，更新各微粒的Pbest值及群體的Gbest值。
[0061] (5)進行退溫操作，若滿足停止條件(通常為預設的運算精度或迭代次數(shù)），搜索停 止，輸出結果，否則返回（2)繼續(xù)搜索。
[0062] 通過以上兩個階段對于駕駛機器人換擋機械手尺寸進行優(yōu)化，通過MATLAB編程可 得駕駛機器人換擋機械手的優(yōu)化后的尺寸，如圖3所示其換擋機械手七連桿的長度分別為 1^1 = 220、1^2 = 136、1^1 = 92、1^2 = 246、1^1 = 172、1^2 = 101和1^ = 464。如圖3-圖4所示的駕駛 機器人換擋機械手基于模擬退火的粒子群智能優(yōu)化方法的選擋優(yōu)化過程和掛擋優(yōu)化過程 的適應度值收斂曲線可以看出該種優(yōu)化方法有較好的收斂性，其收斂速度也較快，滿足駕 駛機器人換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程優(yōu)化目標函數(shù)的要求。
[0063] 為了進一步說明基于模擬退火的粒子群(SA-PS0)智能優(yōu)化方法對于二自由度七 連桿機構的駕駛機器人換擋機械手尺寸的優(yōu)化效果，本專利將本方法與基于復合形法和基 于可變?nèi)莶罘ǖ膬?yōu)化結果進行對比，從而分析本方法的優(yōu)越性。
[0064] 利用復合形法優(yōu)化的駕駛機器人換擋機械手的尺寸為Lm = 180、LA2 = 140、LB1 = 110、1^2 = 225、1^1 = 170、1^2 = 90和1^ = 460，通過多體動力學軟件40415進行運動學仿真，如 圖5所示利用復合形法優(yōu)化的駕駛機器人換擋機械手完成100mm的選擋位移時，其在掛擋方 向的位移約為4.5mm;如圖6所示當駕駛機器人換擋機械手完成100mm的掛擋位移時，其在選 擋方向的位移約為20mm;如圖7所示利用復合形法優(yōu)化的駕駛機器人換擋機械手完成100_ 的選擋位移時，其在掛擋方向的最大速度約為8.89mm/s;如圖8所示當駕駛機器人換擋機械 手完成l〇〇mm的掛擋位移時，其在選擋方向的最大速度約為38.79mm/s。綜合圖5和圖6可得 結論當換擋機械手完成100mm的選擋位移時，其在掛擋方向的位移滿足不大于5mm的誤差要 求;但是當換擋機械手完成100mm的掛擋位移時，其在選擋方向的位移約為20mm，誤差較大， 換擋機械手掛擋時的運動精度較差。同理綜合圖7和圖8可知當換擋機械手完成100mm的選 擋位移時，其在掛擋方向的最大運動速度較小，滿足l〇mm/s的運動誤差要求;但是當換擋機 械手完成l〇〇mm的掛擋位移時，其在選擋方向的最大運動速度約為38.79mm/s，誤差較大，換 擋機械手掛擋時的運動精度較差。
[0065] 利用可變?nèi)莶罘▋?yōu)化的駕駛機器人換擋機械手的尺寸為Lm = 200、LA2 = 240、LB1 = 100、1^2 = 240、1^1 = 175、1^2 = 150和1^ = 360，通過多體動力學軟件40413進行運動學仿真， 如圖5所示，利用可變?nèi)莶罘▋?yōu)化的駕駛機器人換擋機械手完成100mm的選擋位移時，其在 掛擋方向的位移約為4.5mm;如圖6所示當駕駛機器人換擋機械手完成100mm的掛擋位移時， 其在選擋方向的位移約為18mm。如圖7所示利用可變?nèi)莶罘▋?yōu)化的駕駛機器人換擋機械手 完成100mm的選擋位移時，其在掛擋方向的最大速度約為8.32mm/s ;如圖8所示當駕駛機器 人換擋機械手完成100mm的掛擋位移時，其在選擋方向的最大速度約為32.57mm/s。綜合圖5 和圖6可得結論當換擋機械手完成100mm的選擋位移時，其在掛擋方向的位移約為4.5mm，滿 足不大于5mm的誤差要求;但是當換擋機械手完成100mm的掛擋位移時，其在選擋方向的位 移約為18_，誤差較大，換擋機械手掛擋時的運動精度較差。同理綜合圖7和圖8可知當換擋 機械手完成100mm的選擋位移時，其在掛擋方向的最大運動速度較小，滿足l〇mm/s的運動誤 差要求;但是當換擋機械手完成l〇〇mm的掛擋位移時，其在選擋方向的最大運動速度約為 32.57mm/s，誤差較大，換擋機械手掛擋時的運動精度較差。
[0066] 利用基于模擬退火的粒子群(SA-PSO)智能優(yōu)化方法優(yōu)化的駕駛機器人換擋機械 手的尺寸為 1^1=180、1^2=140、1^1 = 110、1^2 = 2257、1^1 = 170、1^2 = 90和1^ = 460，通過多體 動力學軟件ADAMS進行運動學仿真，如圖5所示，利用基于模擬退火的粒子群(SA-PSO)優(yōu)化 的駕駛機器人換擋機械手完成100mm的選擋位移時，其在掛擋方向的位移約為3.5mm，如圖6 所示當駕駛機器人換擋機械手完成l〇〇mm的掛擋位移時，其在選擋方向的位移約為4.5mm。 如圖7所示利用SA-PSO優(yōu)化的駕駛機器人換擋機械手完成100mm的選擋位移時，其在掛擋方 向的最大速度約為7.41mm/s;如圖8所示當駕駛機器人換擋機械手完成100mm的掛擋位移 時，其在選擋方向的最大速度約為8.71mm/s。綜合圖5和圖6可得結論當換擋機械手完成 100mm的選擋位移時和完成100mm的掛擋位移時，其在掛擋方向的誤差位移和在選擋方向上 的誤差位移均滿足不大于5_的誤差要求。同理綜合圖7和圖8可得結論當換擋機械手完成 100mm的選擋位移時和完成100mm的掛擋位移時，其在掛擋方向的最大運動速度和在選擋方 向上的最大運動速度均滿足不大于l〇mm/s的誤差要求。
[0067] 如圖5-8所示可得出結論，利用復合形法法優(yōu)化的駕駛機器人換擋機械手和利用 可變?nèi)莶罘▋?yōu)化的駕駛機器人換擋機械手的尺寸都只在汽車駕駛機器人換擋機械手選擋 過程中有較好的誤差精度，而在換擋機械手掛擋過程中的運動精度較差。而利用基于模擬 退火的粒子群(SA-PS0)智能優(yōu)化方法優(yōu)化的駕駛機器人換擋機械手在選擋過程中和掛擋 過程中均有較好的誤差精度，滿足汽車變速器換擋手柄換擋的要求。
【主權項】
1. 一種汽車駕駛機器人換擋機械手尺寸的智能優(yōu)化方法，其特征在于:包括 優(yōu)化目標函數(shù)及約束條件的建立階段，首先根據(jù)DH坐標系下機器人運動學求解方法求 解并簡化汽車駕駛機器人換擋機械手末端的運動軌跡方程，W汽車駕駛機器人換擋機械手 選擋運動過程中在掛擋方向的運動位移最小為準則建立選擋過程的優(yōu)化目標函數(shù)，W汽車 駕駛機器人換擋機械手掛擋運動過程中在選擋方向的運動位移最小為準則建立掛擋過程 的優(yōu)化目標函數(shù)，隨后根據(jù)駕駛機器人的結構特點和汽車駕駛室的空間布局確定優(yōu)化目標 函數(shù)； 基于模擬退火的粒子群智能算法優(yōu)化階段，首先初始化粒子群并計算駕駛機器人換擋 機械手選擋過程或掛擋過程的目標函數(shù)值，隨后更新?lián)Q擋機械手選擋過程或掛擋過程目標 函數(shù)的局部極小值和全局極小值，最后對于目標函數(shù)(適應度）的局部極小值和全局極小值 進行模擬退火鄰域捜索，最后即可求解出二自由度屯連桿機構換擋機械手各連桿尺寸的最 優(yōu)解。2. 根據(jù)權利要求1所述的汽車駕駛機器人換擋機械手尺寸的智能優(yōu)化方法，其特征在 于:所述優(yōu)化目標函數(shù)及約束條件的建立階段具體包括W下步驟： 步驟1-1，設二自由度屯連桿機構的駕駛機器人換擋機械手Ξ個基座為〇A、〇B、化，其屯 連桿長度分別設為Lai、La2、Lbi、Lb2、Lgi、Lg2和Lef ; 步驟1-2,根據(jù)二自由度屯連桿機構的駕駛機器人換擋機械手的結構特點建立D-H坐標 系，并將二自由度屯連桿換擋機械手分解為Ξ開鏈系統(tǒng)，按照D-H坐標系的建立規(guī)則在Ξ開 鏈處建立基座標系xiAyiAZiA( i = 1，2，3)和活動坐標系xijyijZij (i = 1，2，3; j = 1，2)，其中Zij 軸都垂直于連桿平面； 步驟1-3,根據(jù)機器人在D-H坐標系中運動學求解方法求出換擋機械手E關節(jié)出的運動 軌跡方程：則二自由度屯連桿機構的駕駛機器人換擋機械手的末端F點的運動軌跡方程為： [XF YF]=[祉+Lefcos(目A1+目A2)ye+Lefsin(目A1+目化）] 上式中1^1、1^2心1心2心1心2為步驟1-1中所設的各連桿長度，（祉4,：^)，佔4,：7。4)分別 為基座〇B、0細對于基座為〇A的坐標;上式中的目A1、目A2、目B1、目B2、目C1、目C2表示坐標系XijyijZij與 xij-iyij-izij-1兩者X軸之間的夾角； 步驟1-4,在D-H坐標系中求解出換擋機械手F關節(jié)處的運動軌跡方程，并將換擋機械手 F關節(jié)處的運動軌跡方程化簡；令步驟1-3中關節(jié)角目B1、目C1和連桿長為Lai、La2、Lbi、Lb2、Lci、 Lc2均為已知量，則可求出目A1、目A2、目B2、目C2的解均只與目B1,目Cl有關;將目A1、目A2、目B2、目C2的解代入 如步驟1-3的關于XF與yF的表達式，因此二自由度屯連桿機構的駕駛機器人換擋機械手的末 端軌跡運動方程可簡化為： [XF yF] = [fxf (目B1,目C1) fyf (目B1,目C1)] 步驟1-5,通過換擋機械手的運動軌跡方程分析駕駛機器人的換擋機械手在選擋運動 過程和掛擋運動過程中的特點從而建立優(yōu)化目標函數(shù);首先對駕駛機器人換擋機械手的選 擋方向的運動和掛擋方向上的運動進行機械解禪，即通過對步驟1-4換擋機械手末端運動 軌跡方程的系數(shù)進行選取，使步驟1-4中XF = fxf(0Bl，0ci)的0C1前的系數(shù)近似為零，使步驟Ι? α 中 yF=fyf(0Bl，0ci) 的 Θβι 前的系數(shù)近似為零，則駕駛機器人末端 F 位置處的軌跡方程進一步 簡化為： [XF yF] = [fxf(目Β1) fyf(目C1)] 最后選取在完成100mm的選擋位移時換擋機械手末端F在掛擋方向上運動的位移最小 為選擋過程的優(yōu)化目標，選取在完成100mm的掛擋位移時換擋機械手末端F在選擋方向上運 動的位移最小為掛擋過程的優(yōu)化目標，從而分別得到換擋機械手末端軌跡F位置在選擋過 程和掛擋過程的優(yōu)化目標函數(shù)分別為： minAyF= lyp-Us-LEFl =fi(LA2,Lci,Lc2) minAxF= I 恥-Lai| =f2(LAi,LBi,LB2) 步驟1-6,根據(jù)汽車駕駛機器人的結構特定和汽車駕駛室的空間布局確定優(yōu)化約束條 件，其約束條件有： (1) 換擋機械手在掛擋方向的運動范圍和選擋方向的運動范圍在± 100mm范圍之內(nèi)， 即： -100《XF《100，-100《yF《100 (2) 根據(jù)駕駛機器人的結構特點和汽車駕駛室的空間布局確定各連桿的長度范圍： 180<Lai<250，100<La2<250,70<Lbi<150,200<Lb2<250，150<Lci<200，100<Lc2 <190, La2+Lef=600 ο3.根據(jù)權利要求1或2所述的汽車駕駛機器人換擋機械手尺寸的智能優(yōu)化方法，其特征 在于:所述基于模擬退火的粒子群智能算法優(yōu)化階段具體包括W下步驟： 步驟2-1、根據(jù)汽車駕駛機器人的結構特點選擇參數(shù)初始化粒子群各粒子的位置和速 度，設置粒子群規(guī)模Ν、最大迭代次數(shù)D、算法終止條件、學習因子ci，C2,壓縮因子為步驟2-2、計算換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程中種群中每個微粒的目標函 數(shù)值即適應度，駕駛機器人選擋過程中的目標函數(shù)為步驟1-5中的min Ayp，掛擋過程中的 目標函數(shù)為步驟1-5中的min Δ XF，其目標函數(shù)值即為粒子群的適應度； 步驟2-3、更新汽車駕駛機器人換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程中粒子群微 粒的目標函數(shù)值的局部極小值化est和全局極小值Gbest; 步驟2-4、對于換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程中粒子群微粒適應度的全局 極小值和局部極小值進行模擬退火SA鄰域捜索，選擇出新的全局最優(yōu)值和局部最優(yōu)值，比 較加 est是否達到算法的終止條件或最大迭代次數(shù)，若是尋優(yōu)程序終止，否則返回步驟2-3 繼續(xù)進行尋優(yōu)計算，直到達到終止條件為止。4. 根據(jù)權利要求3所述的汽車駕駛機器人換擋機械手尺寸的智能優(yōu)化方法，其特征在 于:所述汽車駕駛機器人換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程粒子群微粒適應度的全 局極小值和局部極小值進行模擬退火SA鄰域捜索具體包括W下步驟： (1) 確定初始溫度to,退火溫度化及模擬退火的參數(shù)β，（βε(〇, 1))，采用如下的初溫和 退溫方式： to = f (pg)/ln5，Tk+i = 0Tk (2) 將當前粒子群中各粒子的位置和適應度值存儲在Pi中，則可確定當前溫度下Pi的 適配值，其適配值滿足W下公式：上式中N為粒子群規(guī)模，f函數(shù)表示目標函數(shù)； (3) 采用輪盤賭策略從所有Pi中確定全局最優(yōu)的某個替代pg'來替代原粒子群算法的 Pg，Pg為存儲粒子群中適應度最優(yōu)粒子的位置和適應度值的一個集合，基于模擬退火粒子群 更新各微粒的速度和位置公式為： vi,j(k+l)= 丫 [Vi,jl；k)+ci;ri(pi,j(；k)-xi,j(k))+c2r2(p'i,j(k)-xi,j(；k))] xi,j(；k+l)=xi,j(；k)+vi,j(；k+l) j = l，. . .，n 上述粒子群速度和位置更新式中ci、C2表示學習因子，ri、n為相互獨立的偽隨機數(shù)，在 [〇，1]上服從均勻分布，x，v分別代表粒子群各粒子的位置和速度，丫為壓縮因子； (4) 計算汽車駕駛機器人換擋機械手選擋優(yōu)化過程和掛擋優(yōu)化過程各微粒新的目標 值，更新各微粒的局部極小值化est及群體的全局極小值訊est; (5) 進行退溫操作，若滿足停止條件，捜索停止，輸出結果，否則返回（2)繼續(xù)捜索。5. 根據(jù)權利要求4所述的汽車駕駛機器人換擋機械手尺寸的智能優(yōu)化方法，其特征在 于:步驟(5)所述的停止條件為預設的運算精度或迭代次數(shù)。
【文檔編號】B25J9/16GK106078705SQ201610248898
【公開日】2016年11月9日
【申請日】2016年4月20日 公開號201610248898.3, CN 106078705 A, CN 106078705A, CN 201610248898, CN-A-106078705, CN106078705 A, CN106078705A, CN201610248898, CN201610248898.3
【發(fā)明人】陳剛, 王紀偉, 汪俊
【申請人】南京理工大學