基于改进粒子群算法的并联机械手运动学参数辨识

来源：信息与控制杂志2015年第5期北京时间：

作者：白国振, 荆鹏翔

摘要：针对Delta并联机械手在运动过程中由于受静态误差的影响，使其运动学精度降低的问题，提出了一种运动学参数辨识的新方法．首先建立含有9项主要误差源的误差模型，提出一种基于粒子分类和按维动态改变权重（PC-DCWD）的改进粒子群算法．该算法引入平均极值将粒子分类，针对不同粒子采用异步进化策略，增强种群间的协作；针对进化过程中同一粒子的不同维度所出现的维差异问题，通过引入距离因子概念，实现粒子按维动态改变惯性权重的策略．通过对五个经典函数进行测试，并与线性递减粒子群优化算法进行比较，仿真结果表明，PC-DCWD算法能有效避免陷入局部最优，提高算法的精度和收敛速度，具有更强的优化性能．最后，对误差模型的9项误差源进行参数辨识，仿真结果表明，辨识值与真实值几乎相等，从而验证了所提算法的有效性、可行性．

关键词：并联机械手, 参数辨识, 粒子群优化, 异步进化, 维差异, 惯性权重