DOI:10．3969/j．issn．2095－509X．2023．06．018机械臂关节轨迹刚度最优的多方式学习蜂群求解温承钦1，黄维忠1，赖道辉2，陆润明1，覃丽燕1，温志力1(1．广西物流职业技术学院物流交通学院，广西贵港537100)(2．广西科技师范学院职业教育技术学院，广西来宾546100)摘要:为了求解机械臂关节空间的刚度最优轨迹，提出了基于多方式自适应学习蜂群的轨迹规划方法。以SＲ20A型串联机械臂为研究对象，基于刚度矩阵的最小特征值定义了机械臂刚度，并建立了机械臂关节轨迹的刚度最优化模型。针对蜜蜂差分搜索效率低、启发性不足等问题，根据个体差异设计了多方式自适应学习策略，并将多方式学习蜂群算法应用于刚度最优轨迹规划。使用5组轨迹规划实验进行验证，结果表明，多方式学习蜂群算法相比自适应蝙蝠算法和标准蜂群算法，在机械臂关节轨迹求解中具有显著的优越性。关键词:机械臂;关节轨迹求解;刚度最优化;多方式自适应学习;蜂群算法;最小特征值中图分类号:TP241文献标识码:A文章编号:2095－509X(2023)06－0091－06串联机械臂具有开链式串联结构特征，其刚度远小于机床刚度［1］。若关节空间轨迹规划不合理，容易导致串联机械臂在工作过程中因刚度不足而发生抖颤，从而严重影响末端执行器的操作精度。因此，研究串联机械臂关节空间的刚度最优轨迹规划方法具有重要意义。机械臂关节空间轨迹求解方法有解析法、数值迭代法和智能搜索法等。解析法适用于满足Pieper准则的少自由度机械臂，能够求得其逆运动学的封闭解，该方法的优点是给出了封闭解集，缺点是适用范围较小、计算量较大［2］。数值迭代法通过连续的反复迭代，最终收敛于逆运动学的某一可行解。其优点是适用范围广，对机械臂结构特征无特殊要求;缺点是仅能迭代出单一可行解，不具有多解特性，而且该方法无法控制迭代方向和收敛方向［3］。智能搜索法将逆运动学求解问题转化为寻优问题，该方法的优点是适用范围广，所求解一定满足设定约束;缺点是搜索结果可能是次优解，优化结果的优劣取决于算法的优化能力［4］。文献［5］针对六轴工业机器人关节轨迹规划问题，提出了基于萤火虫算法的插值优化方法，实现了机械臂关节轨迹的运行时间最优化;文献［6］针对SSＲMS构型空间机械臂的逆运动学求解问题，给出了循环坐标下降与关节角参数化联合的求解方法，该方法有效简化了算法的迭代步骤;文献［7］使用量子粒子群算法求解了7自由度机械臂的逆运动学问题，并与萤火虫算法、粒子群算法等进行对比，结...
