2023⁃03⁃10计算机应用,JournalofComputerApplications2023,43(3):962-971ISSN1001⁃9081CODENJYIIDUhttp：//www.joca.cn鲁棒的视觉机械臂联合建模优化方法范贤博俊1，陈立家1*，李珅2，王晨露1，王敏1，王赞1，刘名果1（1.河南大学物理与电子学院，河南开封475004；2.开封平煤新型炭材料科技有限公司，河南开封475002）（∗通信作者电子邮箱chlj@henu.edu.cn）摘要：针对视觉机械臂在复杂系统环境下整体精度不高、不易部署、校准成本高的问题，提出一种鲁棒的视觉机械臂联合建模优化方法。首先，对视觉机械臂的各个子系统模型进行集成，在机械臂的工作空间随机采集伺服电机转角、机械臂末端坐标等数据。其次，提出一种具有分层优化机制的自适应多精英引导复合差分进化算法（AMECoDEs-LO），使用参数辨识的方法同时优化联合系统参数。AMECoDEs-LO对种群中阶段性的数据进行主成分分析（PCA），以参数降维的思想实现对收敛精度和速度的隐式引导。实验结果表明，在AMECoDEs-LO和联合系统模型的作用下，视觉机械臂在校准过程中不需要额外的仪器，部署速度快，最终精度相较于传统方法提高60%；在机械臂连杆受损、伺服电机精度降低、相机定位噪声增大的情况下，系统仍然保持较高精度，验证了所提方法的鲁棒性。关键词：视觉机械臂；分层优化；主成分分析；联合标定；鲁棒性中图分类号：TP242文献标志码：ARobustjointmodelingandoptimizationmethodforvisualmanipulatorsFANXianbojun1，CHENLijia1*，LIShen2，WANGChenlu1，WANGMin1，WANGZan1，LIUMingguo1（1.SchoolofPhysicsandElectronics，HenanUniversity，KaifengHenan475004，China；2.KaifengPingmeiNewCarbonMaterialsTechnologyCompanyLimited，KaifengHenan475002，China）Abstract:Toaddresstheproblemsoflowaccuracy，difficultdeploymentandhighcalibrationcostofvisualmanipulatorincomplexsystemenvironments，arobustjointmodellingandoptimizationmethodforvisualmanipulatorswasproposed.Firstly，thesubsystemmodelsofthevisualmanipulatorwereintegratedtogether，andthesampledatasuchasservomotorrotationanglesandmanipulatorend-effectorcoordinateswerecollectedrandomlyintheworkspaceofthemanipulator.Then，anAdaptiveMultiple-Elites-guidedCompositeDifferentialEvolutionalgorithmwithshiftmechanismandLayeredOptimizationmechanism（AMECoDEs-LO）wasproposed.Simul...
