关键词：机械臂;时间最优;粒子群优化算法;变惯性权重因子;天牛须搜索算法
摘 要：针对搬运机器人机械臂空间规划的时间最优问题，提出一种含有动态学习因子、变惯性权重因子并结合天牛须搜索（Beetle Antennae Search,BAS）算法的改进粒子群优化（Particle Swarm Opitimization,PSO）算法。通过运动学分析得到工作空间，引入3-5-3多项式插值进行轨迹规划，对运动过程的加速度和速度进行约束，得到运动过程的最短时间；对比改进前后的粒子群优化算法收敛速度，分析了各个关节的运动时间变化情况，并进行了仿真和试验验证。该算法将学习因子设为变量，使算法跳出局部最优；采用变惯性权重因子提高了算法搜索效率；结合天牛须搜索算法，加快了算法搜索速度、提高了搜索精度。结果表明，改进粒子群优化算法的收敛速度和精度都有所改善，避免了局部最优情况；整体的运动时间缩短了约15.9%。使用该算法的搬运机器人机械臂的关节角度、速度、加速度曲线平滑稳定，该改进算法有效。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取