基于改进粒子群算法的取件机械手轨迹综合优化设计

doi:10.12068/j.issn.1005-3026.2018.11.023

东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (11): 1636-1641.DOI: 10.12068/j.issn.1005-3026.2018.11.023

基于改进粒子群算法的取件机械手轨迹综合优化设计

黄裘俊¹，张凯²，宋锦春¹，于忠亮¹

(1. 东北大学机械工程与自动化学院，辽宁沈阳110819; 2. 沈阳化工大学装备可靠性研究所，辽宁沈阳110142)

收稿日期:2017-08-16 修回日期:2017-08-16 出版日期:2018-11-15 发布日期:2018-11-09
通讯作者: 黄裘俊
作者简介:黄裘俊(1989-)，男，福建三明人，东北大学博士研究生；宋锦春(1957-)，男，辽宁沈阳人，东北大学教授，博士生导师.冯明杰(1971-)，男，河南禹州人，东北大学副教授; 王恩刚(1962-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金青年基金资助项目(51605085).

Path Synthesis Optimal Design of Pick-Up Manipulator Based on Modified Particle Swarm Optimization

HUANG Qiu-jun¹， ZHANG Kai²， SONG Jin-chun¹， YU Zhong-liang¹

1. School of Mechanical Engineer & Automation， Northeastern University， Shenyang 110819， China; 2. Institute of Equipment Reliability， Shenyang University of Chemical Technology， Shenyang 110142， China.

Received:2017-08-16 Revised:2017-08-16 Online:2018-11-15 Published:2018-11-09
Contact: ZHANG Kai
About author:-
Supported by:
-

摘要/Abstract

摘要： 为优化取件机械手进入模具时的运动轨迹，提出了二次拉格朗日插值粒子群算法(QLIPSO)，此算法引入了二次拉格朗日插值局部搜索的方法，能够扩大搜索空间，避免局部收敛发生早熟，有效提高收敛精度.对比研究了典型粒子群算法(PSO)和几种改进型粒子群算法对取件机械手结构优化的设计效果.数值实验表明，QLIPSO算法具有最快的收敛速度，并且能够获得更好的优化结果.经该方法优化设计后，机械手在进入模具阶段的运动轨迹，与未优化前相比，直线度误差减少了98.06%，说明该方法能够有效优化取件机械手，获得更精确的运动轨迹.

关键词: 取件机械手, 平面四杆机构, 结构优化, 轨迹综合, 粒子群算法

Abstract: To optimize the motion curve for the pick-up manipulator when going into the mold， an novel method called quadratic Lagrange interpolation particle swarm optimization(QLIPSO)algorithm which can expand the search space， prevent premature convergence， and improve the convergence accuracy effectively is proposed. To verify the effectiveness of QLIPSO， four modified PSO algorithms are compared to synthesize the four-bar linkage of the manipulator. The numerical simulation results show that a better fitness value can be obtained with the QLIPSO algorithm. The linearity error of the curve of the manipulator， optimized by the proposed method， is decreased by 98.06% comparing with that non-optimized. It indicates that the proposed method can effectively improve the motion performance of the manipulator.

Key words: pick-up manipulator, planar four-bar linkage, structural optimization, path synthesis, particle swarm optimization(PSO)

中图分类号:

TP241

黄裘俊，张凯，宋锦春，于忠亮. 基于改进粒子群算法的取件机械手轨迹综合优化设计[J]. 东北大学学报:自然科学版, 2018, 39(11): 1636-1641.

HUANG Qiu-jun， ZHANG Kai， SONG Jin-chun， YU Zhong-liang. Path Synthesis Optimal Design of Pick-Up Manipulator Based on Modified Particle Swarm Optimization[J]. Journal of Northeastern University Natural Science, 2018, 39(11): 1636-1641.

参考文献

[1]Acharyya S K，Mandal M.Performance of EAs for four-bar linkage synthesis［J］.Mechanism and Machine Theory，2009，44(9):1784-1794.
[2]于红英，赵彦微，许栋铭.平面铰链四杆机构的轨迹综合方法［J］.哈尔滨工业大学学报，2015，47(1):40-47.(Yu Hong-ying，Zhao Yan-wei，Xu Dong-ming.A path synthesis method of planar hinge four-bar linkage［J］.Journal of Harbin Institute of Technology，2015，47(1):40-47.)
[3]Felezi M E，Vahabi S，Nariman-Zadeh N.Pareto optimal design of reconfigurable rice seedling transplanting mechanisms using multi-objective genetic algorithm［J］.Neural Computing and Applications，2016，27(7):1907-1916.
[4]Lin W Y.A GA-DE hybrid evolutionary algorithm for path synthesis of four-bar linkage［J］.Mechanism and Machine Theory，2010，45(8):1096-1107.
[5]Singh R，Chaudhary H，Singh A K.Defect-free optimal synthesis of crank-rocker linkage using nature-inspired optimization algorithms［J］.Mechanism and Machine Theory，2017，116:105-122.
[6]Kafash S H，Nahvi A.Optimal synthesis of four-bar path generator linkages using circular proximity function［J］.Mechanism and Machine Theory，2017，115:18-34.
[7]Ahmadi B，Nariman-Zadeh N，Jamali A.Path synthesis of four-bar mechanisms using synergy of polynomial neural network and Stackelberg game theory［J］.Engineering Optimization，2017，49(6):932-947.
[8]Lin W Y，Hsiao K M.A new differential evolution algorithm with a combined mutation strategy for optimum synthesis of path-generating four-bar mechanisms［J］.Proceedings of the Institution of Mechanical Engineers Part C，2017，231(14):2690-2705.
[9]Kennedy J，Eberhart R.Particle swarm optimization［C］// Proceedings of IEEE International Conference on Neural Networks.Piscataway:IEEE，1995:1942-1948.
[10]Liang J J，Qin A K，Suganthan P N，et al.Comprehensive learning particle swarm optimizer for global optimization of multimodal functions［J］.IEEE Transactions on Evolutionary Computation，2006，10(3):281-295.
[11]Nasir M，Das S，Maity D，et al.A dynamic neighborhood learning based particle swarm optimizer for global numerical optimization［J］.Information Sciences，2012，209:16-36.
[12]Kai Z，Jinchun S，Ke N，et al.Lagrange interpolation learning particle swarm optimization［J］.PLoS One，2016，11(4):e0154191.

[1]	郭凡逸，孙志礼，张胜男，曹汝男. 一种微位移柔顺放大机构的优化设计[J]. 东北大学学报（自然科学版）, 2022, 43(7): 996-1002.
[2]	许家忠，赵辉，付天宇，张成东. 感应加热CFRP温度控制算法[J]. 东北大学学报（自然科学版）, 2022, 43(1): 17-24.
[3]	杜子超，卢福强，王素欣，王雷震. 众包物流配送车辆调度模型及优化[J]. 东北大学学报（自然科学版）, 2021, 42(8): 1210-1216.
[4]	刘士琦，宋锦春，杨滨. 基于粒子群算法的3种分级水网络超结构比较[J]. 东北大学学报（自然科学版）, 2021, 42(6): 829-834.
[5]	杨丹，芦甜，郭文欣，王旭. 基于模拟退火粒子群算法的MIT图像重建方法[J]. 东北大学学报（自然科学版）, 2021, 42(4): 531-537.
[6]	孔芝，李事成，赵杰. 珊瑚礁算法的改进研究[J]. 东北大学学报:自然科学版, 2020, 41(2): 163-169.
[7]	李拓夫，陶文举，王兆文，孔令宇. 预焙炭阳极环形槽炭碗设计的仿真研究[J]. 东北大学学报:自然科学版, 2020, 41(12): 1715-1720.
[8]	李嘉琳，何巍华，曲永志. PSO优化深度神经网络诊断齿轮早期点蚀故障[J]. 东北大学学报:自然科学版, 2019, 40(7): 974-979.
[9]	刘静，李家栋，王昊杰，王昭东. 真空渗碳炉加热系统结构优化数值模拟研究[J]. 东北大学学报:自然科学版, 2019, 40(5): 641-646.
[10]	周文涛，韩跃新，李艳军，杨金林. 基于Matlab和粒子群算法的磨矿技术效率预测模型[J]. 东北大学学报:自然科学版, 2019, 40(4): 548-552.
[11]	宋万里，王思元，胡志超，张萌. 基于制动控制器的磁流变制动器性能[J]. 东北大学学报:自然科学版, 2019, 40(3): 375-380.
[12]	曹德芳，刘柏池. SVM财务欺诈识别模型[J]. 东北大学学报:自然科学版, 2019, 40(2): 295-300.
[13]	曲兴田，张昆，王学旭，王宏一. 基于混合循环算法的复杂装配体装配序列智能规划[J]. 东北大学学报:自然科学版, 2019, 40(12): 1767-1772.
[14]	季策，单长芳，沙毅，周荣坤. 基于分组简化粒子群算法的盲源分离[J]. 东北大学学报:自然科学版, 2018, 39(6): 787-791.
[15]	李召，王大志. 基于改进支持向量机的永磁驱动器设计[J]. 东北大学学报:自然科学版, 2017, 38(2): 158-163.

基于改进粒子群算法的取件机械手轨迹综合优化设计

Path Synthesis Optimal Design of Pick-Up Manipulator Based on Modified Particle Swarm Optimization

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价