基于遗传算法的工业机器人时间最优轨迹规划及仿真研究
摘要：“中国制造2025”战略的提出，给工业自动化的发展与应用带来了更加广阔的空间。工业机器人作为智能化工业生产的重要组成部分之一，其作业质量与工作效率，直接影响到我国工业现代化的实现速度。本文以工业机器人的轨迹规划作为研究方向，首先概述了工业机器人技术发展状况和应用前景；然后详细分析了遗传算法的工作原理与工业机器人轨迹规划时间最优问题；并以PUMA560工业机器人作为课题的研究对象，通过数学遗传算法函数规划的方式，探究工业机器人时间轨迹规划的最优计算方法；最后利用MATLAB实现程序代码编程、优化与仿真，建立规范化的最优轨迹方案。仿真结果证明，PUMA560工业机器人能够在特定遗传算法下高效完成工业制造任务。
关键词：遗传算法函数轨迹优化PUMA560
在科学技术的迅猛发展进程中，人工智能与自动化机械技术为工业机器人提供了越来越完善的自动化操作功能，也为社会生产与工业发展带来了越来越广泛的智能化与机械化技术支持[1]。当今时代的工业机器人，在人类的现实生产与生活中，占据了举足轻重的应用地位，其工作效率与工作质量的提高，将会给人类的工业生产带来更大的助益。与此同时，工业机器人在骤起骤停的实践化工作过程中，机械臂会出现一定的抖动现象。如果机械臂的抖动过于明显，则会直接影响到工业机器人的轨迹精度[2]。所以，通过遗传算法的技术手段，实时规划跟踪工业机器人的相应轨迹，实现机械臂各个节点的平稳、平滑运行，不仅能够促进工业机器人的智能化发展，还能够提高工业机器人的运作稳定性。从实用的角度来说，以时间最优为目标的工业机器人轨迹规划研究，对工业机器人技术的实践化应用，有着十分重要的指导性意义。
2工业机器人技术的发展状况和应用前景
2.1工业机器人的技术发展状况
从历史的角度来说，工业机器人的发展，最早起源于1954年。当时，美国工程师乔治·德沃尔以程序设计的方式，研制出世界上第一台工业机器人[3]。到了20世纪80年代时期，信息技术为工业生产提供了高度的自动化与集成化，也为工业机器人带来了人工智能与机械化发展。经历了半个多世纪的发展，如今的工业机器人应用较为广泛，其应用领域已经拓展到世界各个行业，如：建筑、采矿、农业、勘探、国防、军事等等领域中，都能够看到工业机器人忙碌的身影。工业机器人技术的发展，在人类物质文明与精神生活方面，发挥了重要的影响与作用。
2.2工业机器人技术的应用前景
工业机器人是伴随电气时代的进步而产生的，在信息技术与遗传学算法的不断完善过程中，工业机器人技术得到了不断地得到了不断的创新与改善[5]。从工业机器人的应用前景来看，PC技术促进了集成电路的发展速度，工业机器人的控制系统也随之向软、硬资源融合方向进步。标准化和网络化的PC技术，能够满足工业机器人的发展步伐，并能够促使工业机器人朝着开放式系统方向发展。工业机器人的温度、湿度等技术控制，需要依靠传感器来实现。因此，硬件传感器技术的嵌入式应用，是工业机器人未来发展的一大主要应用方向。与此同时，工业机器人的智能程度在AI技术的支持下，朝着更深入的逻辑分析、推理判断与数据规划方向发展，在不远的未来，汇集智能化、网络化与模块化特点的智能工业机器人，将会具有更加辽阔的应用空间与应用前景。而采用智能遗传算法，能够提高工业机器人的环境适应度，是保障工业机器人顺利完成质作业任务的最佳措施之一。
3工业机器人的轨迹规划时间最优问题
3.1遗传算法的工作原理
遗传算法（GeneticAlgorithm）是人工智能技术中一项重要的循环计算寻优算法。从工业机器人的时间轨迹规划角度来看，它模仿人类的生物进化过程，以数学建模的算法求解方式，求得工业机器人所有可能的运动轨迹，并搜索运动轨迹的求解方案，从而找到最优时间轨迹。因此，基于遗传算法的工业机器人时间轨迹规划算法，具有应用方便、智能求解和鲁棒性较强等优点。
从算法的求解方法上来看，遗传算法是利用遗传算子，通过对子代种群的算法进行求解，从而获得更加有效的问题最优解。因此，对遗传算法的工作原理分析，是实现工业机器人轨迹规划时间求解的最佳求解方案。本课题中的遗传算法的求解方案為：从对PUMA560工业机器人轨迹规划问题的分析开始，首先针对不同关节点的轨迹时间规划问题进行遗传算法编码，然后对其子种群进行初始化，并设置基于人工智能的自适应函数。当自适应函数满足优化条件时，子代种群变异并继续遗传算法，求解到最优轨迹规划时间后，保存该最优数据。具体的工作流程如图1所示。
3.2基于时间最优角度的工业机器人轨迹规划
3.2.1约束条件规划
工业机器人的运动轨迹以特定的机器人运动关键节点为基础，为关键点（q）定义笛卡尔空间坐标，并把关键点对应的时间序列定义为t，设h是两个时间节点