一种基于改进粒子群算法的机械臂轨迹规划方法

本发明提出了一种针对机械臂轨迹规划的改进粒子群优化(PSO)算法，旨在解决传统PSO算法收敛速度慢及易陷入局部最优解的问题。为此，我们动态调整算法的惯性权重和学习因子，使其随迭代次数增加而变化，增强了全局搜索能力和收敛速度；同时引入精英反向学习(EL)策略，依据适应度函数选择最优轨迹规划方案，并通过反向粒子探索新搜索区域，增强了局部搜索能力；还结合了高斯‑柯西变异(GC)策略，进一步提升全局搜索能力，避免局部最优解。在优化过程中，采用单目标优化方法对种群解进行分层分类，提升了算法在单目标优化及约束条件下的表现。最终，基于该算法对机械臂轨迹进行了优化，特别是针对3‑5‑3多项式插值方法中的各段时间进行了细致优化，进而减少了从初始点到目标点的时间，得到了时间最优的轨迹规划方案，提高了机械臂的工作效率。