基于改進蜂群算法的濕噴機械臂逆解研究

摘要：【目的】濕噴機械臂為8自由度的冗余機械臂且帶有移動關節，其逆運動學求解困難，因此，設計了一種改進蜂群算法。【方法】首先，利用D-H法建立機械臂運動學模型，以末端位姿誤差和最佳柔順性為優化目標，構建多約束目標函數；然后，引入混沌映射對蜜源進行初始化，再引入Levy飛行，改變雇傭蜂搜索策略，并通過自適應調整跟隨蜂更新步長，提升種群多樣性和算法的收斂速度；最后，利用Matlab編程進行了仿真驗證。【結果】結果表明，該算法的收斂速度和求解精度都優于傳統的蜂群算法、混沌蜂群算法和粒子群算法，證明了算法的可行性，為濕噴機械臂逆運動學的求解提供了一種新的途徑。

關鍵詞：逆運動學；混沌映射；Levy飛行；自適應；濕噴機器臂

中圖分類號：TP24 DOI：10. 16578/j. issn. 1004. 2539. 2025. 01. 009

0 引言

隨著我國隧道建設的不斷推進，隧道施工的智能化和無人化也需大力發展。隧道施工過程中會產生大量粉塵和各類有害氣體，不利于人員施工，因此，隧道施工的安全性和效率不高。為提高隧道作業效率和改善隧道施工環境，本文從濕噴機械臂的智能化出發，通過運用改進蜂群算法提高濕噴機械臂逆解的求解效率，從而提升施工效率。

在逆運動學求解方面，已有很多研究成果。李志敏[1]提出了基于帶修復策略自適應差分進化算法的逆運動學求解方法，減小了逆解的關節角整體運動量。李進等[2]提出了基于徑向基函數（Radial BasisFunction， RBF）神經網絡間接求取運動學逆解的方法，使得算法收斂速度與精度提高。李娜托[3]采用改進蜂群算法求出逆解的最優解，為具有移動關節的冗余機械臂逆運動學的求解提供了一種新的途徑。武明虎等[4]提出了一種改進的自適應粒子群優化（Improved Adaptive Particle Swarm Optimization，IAPSO）算法，具有更高的求解精度。ALATAS[5]基于人工蜂群（Artificial Bee Colony， ABC）算法，引入混沌算子來加強算法的收斂速度，同時也提升了算法的計算精度。張長勝等[6]針對平面冗余機械臂逆解求解復雜問題，提出一種基于模擬退火雞群算法的優化方法，求解得到的轉動角度較小且精度也夠高。黃開啟等[7] 提出一種交叉精英反向粒子群優化（Crossover Elite Opposition-based Particle Swarm Opti?mization， CEOPSO）算法，迭代過程平穩且有效提高了鑿巖機器人鉆臂的定位控制性能。王森等[8]提出一種改進的果蠅算法，有很高的穩定性、收斂精度和成功率。周文輝等[9]運用改進的麻雀搜索算法，在算法的穩定性上較麻雀搜索算法（Sparrow Search Algo?rithm， SSA）提高了3～4個數量級。

現有的算法大部分以位置和姿態誤差作為目標函數，很少考慮關節的柔順性與能量消耗。且濕噴機械臂為一個8自由度的重載機械臂，能量消耗也應作為主要的考慮方向，求解難度更大。因此，受上述文獻影響，本文提出了一種改進蜂群算法，求解濕噴機械臂的運動學逆解。仿真結果表明，該算法平均在81 代就能獲得高精度的逆解，相較于文獻[10]的173代快；且尋優成功率100%，相對文獻[11]的32%有很大提升。