首页|遗传算法优化打孔机器人轨迹规划

遗传算法优化打孔机器人轨迹规划

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的是为了研究打孔机器人加工时的轨迹规划,打孔过程中有两段轨迹需要进行轨迹规划,分别是打孔阶段和进给阶段,两个阶段中主要研究的是进给阶段的轨迹规划,方法上提出了一种基于遗传算法的轨迹规划,将进给阶段轨迹模型转化为TSP模型,采用最小圆算法区分大小区域TSP模型.大区域的TSP模型可以分解为多个小区域的TSP模型,则首先采用遗传算法进行小区域TSP轨迹规划,第一步进行编码初始化种群样本,第二步求出每个个体适应度,第三步进行选择操作,交叉操作,变异操作,如果达到最大迭代次数则输出最优个体,否则返回第三步进行循环.利用暴力穷举法优化小区域模型.大区域TSP模型轨迹规划可以分解为多个小区域模型轨迹规划的累加.通过仿真实现进行验证.结果表明,利用遗传算法下轨迹规划完成度较好.结论是利用遗传算法优化后的轨迹规划对比传统轨迹规划效果好,适用范围广.
Optimization of Trajectory Planning of Drilling Robot by Genetic Algorithm

Minimum Circle AlgorithmViolent Exhaustive MethodGenetic AlgorithmSmall Area TSP ModelLarge Area TSP ModelTrajectory Planning

王君、曾顺麒、汪泉、姜荣俊

展开 >

湖北工业大学现代制造质量工程湖北省重点实验室,湖北 武汉 430068

最小圆算法 暴力穷举法 遗传算法 小区域TSP模型 大区域TSP模型 轨迹规划

湖北省自然科学基金重点项目湖北省教育厅优秀中青年科技创新团队项目国家自然科学基金

2015CFA112T20150551975190

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.393(11)
  • 6