基于改進(jìn)粒子群算法的氣動(dòng)機(jī)械手的控制研究

馮美英

（柳州職業(yè)技術(shù)學(xué)院，柳州 545006）

0 引言

氣動(dòng)機(jī)械手近年來廣泛應(yīng)用于機(jī)械化和自動(dòng)化生產(chǎn)過程中，是一種新型的裝置。隨著電子技術(shù)日新月異的發(fā)展，高科技技術(shù)領(lǐng)域內(nèi)機(jī)器人的研制和生產(chǎn)也迅速發(fā)展起來，這一門新興的技術(shù)大大促進(jìn)了機(jī)械手的發(fā)展，實(shí)現(xiàn)了機(jī)械手與機(jī)械化和自動(dòng)化的結(jié)合。利用氣動(dòng)機(jī)械手在工業(yè)生產(chǎn)過程中將工件在生產(chǎn)線之間搬運(yùn)，這種工作方式十分高效。氣動(dòng)機(jī)械手工作靈活，綠色環(huán)保，使用便利，安全性能高，維修簡便和能在惡劣環(huán)境下工作，在各自動(dòng)化生產(chǎn)領(lǐng)域具有著廣闊的應(yīng)用前景。隨著工業(yè)化程度的不斷提高，機(jī)器在工業(yè)現(xiàn)場的應(yīng)用將會(huì)越來越多，一些重復(fù)性強(qiáng)的工作必會(huì)由機(jī)器代替人來完成，這不僅可以解放勞動(dòng)力，還可以使生產(chǎn)率大大提高。在我國一些小型汽車制造行業(yè)中，沖壓成形的工序還需要人力來完成，不僅費(fèi)力還十分影響工作效率[1]。

粒子群優(yōu)化算法是基于群智能搜索的新興隨機(jī)優(yōu)化算法，它具有簡單易于實(shí)現(xiàn)、需要參數(shù)較少的特點(diǎn)，因此受到人們的廣泛關(guān)注而成為社會(huì)的熱點(diǎn)研究對象。粒子群算法目前已在多個(gè)領(lǐng)域得到了成功應(yīng)用，比如神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模糊控制等。當(dāng)時(shí)粒子群優(yōu)化算法的理論體系目前尚不成熟，理論在系統(tǒng)化、規(guī)范化方面尚有欠缺，所以改進(jìn)和擴(kuò)展其應(yīng)用領(lǐng)域的現(xiàn)實(shí)意義十分重大。本文探討了基本粒子群算法，并且在此基礎(chǔ)上提出了灰色自關(guān)聯(lián)粒子群算法和改進(jìn)粒子群算法，分別對所提算法用測試函數(shù)進(jìn)行了測試，并且用機(jī)械手控制實(shí)例進(jìn)行了驗(yàn)證，結(jié)果表明本文算法具有理論意義和實(shí)用價(jià)值[2]。

1 粒子群優(yōu)化算法

粒子群優(yōu)化算法起源于對鳥類捕食行為的模擬，大自然中動(dòng)物的群體行為是通過個(gè)體協(xié)作完成的，群體行為可以完成復(fù)雜的事情，科學(xué)界對于鳥群的群舞現(xiàn)象十分有興趣，大數(shù)目的鳥群可以朝一個(gè)方向飛行、轉(zhuǎn)向等等，這些行為都十分有趣，粒子群算法因此而起源。通過數(shù)學(xué)模型的建立在計(jì)算機(jī)上重現(xiàn)群體行為，PSO產(chǎn)生的基礎(chǔ)是同種生物共享信息。PSO設(shè)計(jì)的另一個(gè)源泉是單個(gè)成員通過經(jīng)驗(yàn)來調(diào)整自己和社會(huì)成員之間的關(guān)系以避免矛盾的發(fā)生。假設(shè)在某范圍內(nèi)尋找最優(yōu)值的問題為鳥群覓食行為，區(qū)域中的每個(gè)點(diǎn)代表一只鳥，也是就是粒子，粒子通過講演交流相互交換信息，并且不斷調(diào)整自己的行為。PSO中粒子飛行在一個(gè)超微搜索空間中，有n個(gè)粒子在D維空間中以群體形式和一定速度飛行，搜索時(shí)每個(gè)粒子通過對自己的歷史搜索最好點(diǎn)和領(lǐng)域內(nèi)歷史最好點(diǎn)的考慮做出相應(yīng)變化。粒子群公式為：v = w×v + c1×rand×(pbest-present) + c2×rand

×(gbest - present) (a) present = persent + v(b)v是粒子的速度，w是慣性權(quán)重，persent 是當(dāng)前粒子的位置， Pbest and gbest 如下面定義， rand是介于（0， 1）之間的隨機(jī)數(shù)，c1, c2 是學(xué)習(xí)因子，通常 c1 = c2 = 2，第一步先對一群隨機(jī)粒子進(jìn)行初始化，然后迭代找到最優(yōu)解。粒子通過兩個(gè)“極值”在迭代中更新自我，粒子本身找到的最優(yōu)解叫做個(gè)體極值pbest，另一個(gè)最優(yōu)解是種群目前找到的，稱為全局極值gbest。粒子找到兩個(gè)極值后根據(jù)公式對自己的速度和位置進(jìn)行更新[3]。

公式由三部分構(gòu)成，分別是記憶項(xiàng)、自身認(rèn)知項(xiàng)和群體認(rèn)知項(xiàng)，含義分別是上次速度的大小和方向的影響、粒子的動(dòng)作來源于經(jīng)驗(yàn)的一部分和粒子之間相互合作和共享知識。粒子下一步的運(yùn)動(dòng)是通過自己和同伴的經(jīng)驗(yàn)決定的，這一點(diǎn)和人類的決策非常相似。

粒子群優(yōu)化算法流程：1）粒子初始化，在允許范圍內(nèi)對粒子的初始位置和速度進(jìn)行設(shè)置，粒子Pid為初始位置，Pgd為Pid中最優(yōu)值。2）對每個(gè)粒子分別計(jì)算目標(biāo)函數(shù)值。3）將每個(gè)粒子的適應(yīng)值和歷史最優(yōu)值Pid比較，當(dāng)適應(yīng)值優(yōu)于Pid時(shí)，那么當(dāng)前最優(yōu)值即是適應(yīng)值。4）每個(gè)粒子的Pid當(dāng)前最優(yōu)值和Pgd歷史最優(yōu)值比較后，若Pid最優(yōu)，那么將其設(shè)置為Pgd，并且重置索引號。5）粒子的速度和位置通過粒子群的速度和位置更新方程來調(diào)整。6）對終止條件進(jìn)行檢查或者最優(yōu)解不再變化時(shí)停止迭代，否則返回2）[4]。

2 粒子群優(yōu)化算法的改進(jìn)

粒子群優(yōu)化算法自提出后，研究者對其不斷進(jìn)行了改進(jìn)研究。粒子群算法的公式和實(shí)際操作有所不同，粒子的能力各不相同，大部分粒子可以不受干擾，完全按照自己的決策飛到預(yù)期位置，個(gè)別粒子受到不確定因素干擾，對于預(yù)期目標(biāo)只能做到接近而無法達(dá)到，我們因此改進(jìn)公式i第k次迭代時(shí)第d維的位置，是第k+1次迭代時(shí)粒子i第d維的速度，執(zhí)行系數(shù)α范圍為0.8

0.9，個(gè)人思想支配系數(shù)β范圍為0.2 0.4，rand是0 1之間的隨機(jī)數(shù)，α+β＞1。

3 氣動(dòng)技術(shù)及氣動(dòng)機(jī)械手發(fā)展過程

氣動(dòng)技術(shù)的動(dòng)力源是空氣壓縮機(jī)，工作介質(zhì)是壓縮空氣，主要用途是用于信號和能量傳遞，目前工業(yè)生產(chǎn)中的生產(chǎn)和自動(dòng)控制多用氣動(dòng)技術(shù)實(shí)現(xiàn)。1776年的空氣壓縮機(jī)是氣動(dòng)技術(shù)的最初模型，到1880年氣缸制作的氣動(dòng)剎車裝置被成功用于火車制動(dòng)，在20世紀(jì)的30年代初期，自動(dòng)門的開閉和機(jī)械的輔助動(dòng)作也逐步成功應(yīng)用了氣動(dòng)技術(shù)。50年代初期，氣壓元件體積很大一般是由液壓元件改造而來。60年代時(shí)工業(yè)控制體系開始形成體系，到70年代的時(shí)候已經(jīng)廣泛推廣于自動(dòng)化控制領(lǐng)域。80年代是氣動(dòng)集成化和微型化的時(shí)代，90年代時(shí)氣動(dòng)技術(shù)突飛猛進(jìn)的時(shí)代。這個(gè)時(shí)期，隨著智能氣動(dòng)概念的提出，氣動(dòng)機(jī)械手越來越高精度模塊化，氣缸在氣動(dòng)定位技術(shù)的作用下可以實(shí)現(xiàn)任意點(diǎn)自動(dòng)定位。

氣動(dòng)機(jī)械手有很多優(yōu)點(diǎn)，比如構(gòu)造簡單，重量輕，動(dòng)作平穩(wěn)迅速，節(jié)能等優(yōu)點(diǎn)。所以目前氣動(dòng)機(jī)械手得到了廣泛的應(yīng)用。模塊化是氣動(dòng)機(jī)械手強(qiáng)調(diào)的一種形式，閥島技術(shù)用于控制氣動(dòng)機(jī)械手方面，它的作用是重復(fù)編程。氣動(dòng)伺服系統(tǒng)的作用是精確定位任意位置，拼裝結(jié)構(gòu)為模塊化。氣壓傳動(dòng)系統(tǒng)安全性高、抗震、抗高溫、抗惡劣環(huán)境，氣動(dòng)機(jī)械手被廣泛用于汽車業(yè)、家電業(yè)、食品包裝業(yè)、軍事上等。汽車制造的焊接工藝主要采用了氣動(dòng)機(jī)械手，整個(gè)自動(dòng)化的過程具有良好的準(zhǔn)確性和高頻率的特點(diǎn)，應(yīng)該算是機(jī)械手比較有代表性的應(yīng)用了。另外，氣動(dòng)機(jī)械手還應(yīng)用于食品業(yè)的計(jì)量包裝和煙草業(yè)的卷煙、造酒業(yè)的自動(dòng)加蓋、制藥和醫(yī)療器械等方面。

重復(fù)高精度：精度代表了機(jī)械手到指定的位置的精確程度，其影響因素是驅(qū)動(dòng)器的分辨率和反饋裝置。機(jī)械手重復(fù)多次達(dá)到同一位置的精確程度為重復(fù)精度，這是一個(gè)比較重要的精度，因?yàn)闄C(jī)器人在定位不夠精確時(shí)會(huì)有一個(gè)可以預(yù)測的固定的誤差，校正方法是通過編程校正的。重復(fù)精度通過多次重復(fù)運(yùn)行機(jī)器人測定，它限定的隨機(jī)誤差是一個(gè)范圍[5]。

機(jī)電氣一體化：相比氣動(dòng)技術(shù)的開關(guān)控制，反饋控制具有更高的精密度，這就需要發(fā)展自適應(yīng)控制氣動(dòng)元件，需要和電子技術(shù)緊密結(jié)合。反饋控制節(jié)省了配線、配管和元件，不僅拆裝簡單而且系統(tǒng)可靠性強(qiáng)。

模塊化：現(xiàn)在傳輸技術(shù)主要指的是模塊化拼裝的氣動(dòng)機(jī)械手，它和組合導(dǎo)向驅(qū)動(dòng)裝置相比具有靈活性更強(qiáng)的特點(diǎn)，氣動(dòng)機(jī)械手依靠集成電接口和帶電纜及氣管的導(dǎo)向系統(tǒng)而運(yùn)動(dòng)自如。特殊設(shè)計(jì)的滾珠軸承是驅(qū)動(dòng)模塊化氣動(dòng)機(jī)械手的部件，它使得導(dǎo)向精度具有高剛性、高強(qiáng)度和精確的特點(diǎn)。氣動(dòng)機(jī)械手更新?lián)Q代之后的另一個(gè)新特點(diǎn)就是具有優(yōu)良的定位精度[6]。

4 改進(jìn)粒子群算法在氣動(dòng)機(jī)械手控制器參數(shù)優(yōu)化中的應(yīng)用

為了驗(yàn)證本文DPSO的可行性，本文中的DPSO將對氣動(dòng)機(jī)械手控制器進(jìn)行優(yōu)化。

設(shè)計(jì)了有5種特征狀態(tài)的5個(gè)氣動(dòng)機(jī)械手伺服控制器：

U=sgn(e)* umax, |e|＞ e1；u=kp1*e+kd1*e, |e|＜ e1并 |e|＞ e2；u=kp2*e+kd2*e，|e|＜ e2并 |e|≥ e2；u=kp3*e+kd3*e；u=kp4*e+kd4*e+kt4∫edt。

5 仿真實(shí)驗(yàn)與計(jì)算結(jié)果分析

被控對象為

為驗(yàn)證改進(jìn)粒子群算法DPSO的有效性，用DPSO在初始條件不變的情況下優(yōu)化氣動(dòng)機(jī)械手控制器參數(shù)，將結(jié)果同PSO和WPSO（基于動(dòng)態(tài)調(diào)整慣性因子的粒子群算法）的優(yōu)化效果進(jìn)行了比較。氣動(dòng)機(jī)械手控制器有10個(gè)控制參數(shù)，初始條件和特征模型參數(shù)均不變的情況下，假設(shè)DPSO、WPSO、PSO的初始種群均為30，10個(gè)參數(shù)組成了搜索空間，均待優(yōu)化，終止迭代數(shù)為100。為了避免尋優(yōu)盲目性，應(yīng)該將參數(shù)選取范圍縮小，為提高優(yōu)化效率可根據(jù)經(jīng)驗(yàn)選取一組參數(shù)。大致為：umax＝ [1，20]，kp1＝ [1，20]，kd1＝ [0，1]，kp2＝ [1，20]，kd2＝ [0，1]，kp3＝ [1，20]，kd3＝ [0，1]，kp4＝ [0，1]，kd1[0，1]。

100次運(yùn)算之后得到的結(jié)果驗(yàn)證本文提出的DPSO算法優(yōu)于粒子群的原型算法和WPSO[7]。

6 結(jié)束語

本文介紹了粒子群算法和氣動(dòng)機(jī)械手的控制理論，運(yùn)用控制理論設(shè)計(jì)了控制器，為驗(yàn)證改進(jìn)粒子群算法的有效性，運(yùn)用DPSO優(yōu)化了氣動(dòng)機(jī)械手控制器參數(shù)，在DPSO中每個(gè)個(gè)體都由自己的需要做指引而尋找合適的跟蹤對象。此種方法的優(yōu)點(diǎn)是提高了尋優(yōu)效率，擺脫了局部尋優(yōu)局限性，打破了個(gè)體受最優(yōu)個(gè)體的束縛，每個(gè)個(gè)體都具有能動(dòng)性，可以主動(dòng)尋找合適的跟蹤對象，而不是消極等待。采用DPSO優(yōu)化氣動(dòng)機(jī)械手控制器參數(shù)，仿真結(jié)果表明DPSO具有在較短迭代次數(shù)中取得較大概率尋優(yōu)效果的優(yōu)勢。

[1] 陳建橋. 基于改進(jìn)粒子群算法的機(jī)械結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J].機(jī)械科學(xué)與技術(shù), 2007, 26(8): 1070.

[2] 汪秀. 基于粒子群算法的冗余機(jī)械手可操作性尋優(yōu)[J].計(jì)算機(jī)應(yīng)用研究, 2011, 28(2): 450.

[3] 李新春. 一種全方位移動(dòng)機(jī)械手的可操作度分析[J]. 中國機(jī)械工程, 2006(14): 56.

[4] 王麗. 一種非線性改變慣性權(quán)重的粒子群算法[J]. 計(jì)算機(jī)工程及應(yīng)用, 2007(04): 62.

[5] 顏宏文. 一種改進(jìn)粒子群優(yōu)化網(wǎng)絡(luò)學(xué)習(xí)算法[J]. 計(jì)算機(jī)技術(shù)與發(fā)展, 2006, 16(2): 185.

[6] 李寧. 粒子群算法在小波神經(jīng)網(wǎng)絡(luò)中的應(yīng)用[J]. 系統(tǒng)仿真學(xué)報(bào), 2007, 16(12): 2783.