改進的遺傳算法在機器人運動學中的應用

沈婷婷

（山東科技大學，山東 青島 266590）

1 機械手簡介

機械手主要由執行機構、驅動機構和控制系統三大部分組成。

2 建立模型

2.1 采取改進的遺傳算法來優化機械手求逆解的問題

利用現有數據建立機械手運動模型：

式（1）為模型的目標函數。

2.2 根據模型的特點設計相應的遺傳算法進行求解

（1）初始化群體。每個機械手運動的逆解采用如下方式計算和生成：

式中[ ]為取整函數；R為[0，1]內的隨機數。

設置初始化進化代數為Gen=10。根據式（9）及式（10）生成一個初始種群作為第一代解。

（2）評價群體。

在本文中，適應度按如下公式計算：

（3）進行遺傳操作。①選擇。每次隨機選取兩個個體，分別計算其適應度，比較兩個個體適應度大小，從中選出適應度大的那個作為新個體，重復操作，直到選出的個體等于種群大小為止；②交叉。在文中采用單點交叉來計算新個體的基因。如不滿足，則重新選擇個體進行交叉操作；

③變異。根據模型約束條件，把突變點的位置限制在第1位到第n-1位之間。

對完成交叉操作的個體，還需根據式（13）再進行變異操作，從而得到最新一代種群。

（4）終止。當Gen=Maxgen時，遺傳算法終止；否則，Gen=Gen+1，轉到第3步，繼續循環。

2.3 MATLAB仿真結果

圖1 MATLAB仿真結果

由仿真結果可以看到，改進后的遺傳算法在進化到20代之前就已經基本上達到了最優解。

3 結語

針對平面關節型機器人的運動學進行建模分析，為了避免傳統機器人求逆解方法的多解性、解的不存在性以及需多解的選取的缺點，本文采用了改進的遺傳算法，算法的收斂速度更快，求解精度更高，穩定性更好。