運(yùn)動(dòng)學(xué)正解是實(shí)現(xiàn)六自由度平臺(tái)高精度控制和三維可視化仿真的基礎(chǔ),但是傳統(tǒng)方法存在著求解難度大、精度低的缺陷。針對(duì)Newton-Raphson迭代法求解時(shí)依賴迭代初值的問(wèn)題進(jìn)行了研究,提出了一種基于SOA-Newton迭代的六自由度平臺(tái)正解混合算法。該混合算法充分發(fā)揮了SOA算法的群體搜索性和擬Newton法的局部細(xì)致搜索性,同時(shí)也克服了粒子群算法后期搜索效率降低和Newton法對(duì)初始點(diǎn)敏感的缺陷。以研制的車載位姿平臺(tái)為例,在Simulink軟件中建立了混合求解算法的仿真模型,給出了計(jì)算實(shí)例,并與單獨(dú)的Newton-Raphson迭代法和SOA算法進(jìn)行了對(duì)比。對(duì)比結(jié)果表明,SOA-Newton混合算法具有極好的穩(wěn)定性和較高的收斂速度及精度,更能滿足工程實(shí)際應(yīng)用。

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖1SOA-Newton算法正解原理圖

為了解決智能算法后期搜索效率降低和Newton法對(duì)初始點(diǎn)敏感的缺陷,本文提出一種基于人群搜索算法(SeekerOptimizationAlgorithm,SOA)的Newton迭代混合算法用于六自由度平臺(tái)運(yùn)動(dòng)學(xué)正解,算法的實(shí)現(xiàn)原理如圖1所示。已知六個(gè)電動(dòng)缸長(zhǎng)度后,利用人群搜索....

圖2六自由度運(yùn)動(dòng)平臺(tái)結(jié)構(gòu)簡(jiǎn)圖

六自由度位姿平臺(tái)基于Stewart機(jī)構(gòu),如圖2所示,主要由上平臺(tái)、下平臺(tái)以及連接上下平臺(tái)的6個(gè)電動(dòng)缸構(gòu)成。電動(dòng)缸與上下平臺(tái)之間通過(guò)虎克鉸連接,運(yùn)動(dòng)平臺(tái)工作時(shí),上位機(jī)通過(guò)控制六個(gè)電動(dòng)缸的長(zhǎng)度來(lái)改變上平臺(tái)姿態(tài),進(jìn)而實(shí)現(xiàn)空間六個(gè)自由度的運(yùn)動(dòng)。為了便于建模,對(duì)位姿平臺(tái)進(jìn)行結(jié)構(gòu)簡(jiǎn)化,在上平....

圖3SOA-Newton混合迭代算法流程圖

SOA-Newton混合算法的基本流程為:首先進(jìn)行種群初始化,設(shè)置種群規(guī)模、最大迭代次數(shù)、邊界條件等;接著計(jì)算個(gè)體適應(yīng)度,尋找個(gè)體最優(yōu)和全局最優(yōu);確定搜索的方向和步長(zhǎng),進(jìn)行種群位置更新,當(dāng)進(jìn)化到一定代數(shù)后,將SOA算法的結(jié)果作為初始迭代位姿進(jìn)行Newton迭代;設(shè)置Newton....

圖4Newton-Raphson迭代法Simulink仿真模型

對(duì)于六自由度并聯(lián)平臺(tái)來(lái)說(shuō),其初值x0=[x1x2x3x4x5x6]T=[αβγxyz]T為上平臺(tái)的姿態(tài)和位置信息,ΔL為電動(dòng)缸長(zhǎng)度的變化值,ΔX為位置和姿態(tài)的變化值。在Simulink軟件中建立了利用Newton迭代法求解六自由度平臺(tái)正解的仿真模型,如圖4所示,....

本文編號(hào)：3979667