遺傳算法的機(jī)器人控制系統(tǒng)優(yōu)化設(shè)計(jì)作用論文
摘要:遺傳算法作為一種建立在自然界生命進(jìn)化機(jī)制基礎(chǔ)上的一種搜索優(yōu)化方法，在機(jī)器人控制領(lǐng)域中有著十分重要的應(yīng)用意義，通過分析遺傳算法概念、原理及優(yōu)點(diǎn)，并不斷找出機(jī)器人控制領(lǐng)域的應(yīng)用方法，為未來機(jī)器人控制發(fā)展指明方向.
關(guān)鍵詞:遺傳算法;機(jī)器人;控制系統(tǒng);設(shè)計(jì)研究
遺傳算法是一種借鑒了自然界中生物自身進(jìn)化機(jī)制與發(fā)展機(jī)制的隨機(jī)化搜索算法，其將適者生存這一概念深入應(yīng)用到算法結(jié)構(gòu)中，整體采用鏈?zhǔn)浇Y(jié)構(gòu)，并在鏈?zhǔn)浇Y(jié)構(gòu)之間進(jìn)行有機(jī)的隨機(jī)信息交換，隨著算法的不斷運(yùn)行，優(yōu)秀的品質(zhì)得以保留，于此相關(guān)的優(yōu)秀個體，得以進(jìn)一步的發(fā)展。遺傳算法在機(jī)器人控制領(lǐng)域有著十分重要的應(yīng)用意義，能夠不斷優(yōu)化對機(jī)器人的控制方法，使得機(jī)器人在智能成長方面產(chǎn)生獨(dú)特優(yōu)勢。
1遺傳算法優(yōu)點(diǎn)
遺傳算法有著諸多優(yōu)點(diǎn)，與其他算法相比，主要分為以下幾個方面。首先，遺傳算法在求解過程中操作對象，是由參數(shù)編碼形成的染色體串，而不是一般算法作用的參數(shù)本身，遺傳算法不受問題的性質(zhì)限制，能夠直接對對象所聯(lián)系的染色體串概念進(jìn)行操作，對于集合、隊(duì)列、樹、圖等結(jié)構(gòu)有著更加直觀方便的觀察，因此，遺傳算法可以有著十分廣泛的應(yīng)用。遺傳算法在解決問題時，是從空間中的一群點(diǎn)開始進(jìn)行操作，其可以對空間中一部分區(qū)域進(jìn)行分析總結(jié)，并生成群體進(jìn)化序列，這樣能夠有效防止在搜索過程中出現(xiàn)局部最優(yōu)解的情況，能夠最大程度的顧全全局。另外遺傳算法中的概率轉(zhuǎn)變規(guī)則，也使得其在進(jìn)行空間信息搜索時，能夠有效利用概率來指導(dǎo)搜索方向，相比于傳統(tǒng)算法搜索來說有著更高的搜索效率。遺傳算法在使用過程中有著隱含的并行性特點(diǎn)，其在進(jìn)行問題搜索解決時，能夠運(yùn)用較少的串來檢驗(yàn)較大數(shù)量區(qū)域的整體特性，這使得遺傳算法能夠更方便、更簡單的使用并行機(jī)制來進(jìn)行高速運(yùn)算，對于一般的計(jì)算機(jī)運(yùn)算芯片來說，有效的提高運(yùn)算效率。傳統(tǒng)算法使用并不存在這一優(yōu)勢，另外遺傳算法對于問題依賴性十分小，遺傳算法方法主要是使用問題的適應(yīng)度函數(shù)值這一信息來源進(jìn)行問題答案求解，與其他算法相比，并不需要輔助信息的幫助。如果問題函數(shù)值中并不包含所需具體信息，遺傳算法也可以在其他方面找到所需的適應(yīng)度函數(shù)值，進(jìn)而獲得問題的進(jìn)一步求解。整體來說，遺傳算法與其他算法相比，更適合進(jìn)行大規(guī)模復(fù)雜問題的優(yōu)化求解。
2遺傳算法控制系統(tǒng)優(yōu)化設(shè)計(jì)方法
用遺傳算法進(jìn)行問題解決，一般步驟是表示問題、選擇巡游參數(shù)編碼方式、產(chǎn)生群體、計(jì)算適應(yīng)度函數(shù)值、選擇、復(fù)制、交叉、變異、終止。在這一整個過程中，都參考了達(dá)爾文進(jìn)化論中的自然選擇生物循環(huán)機(jī)制，并且將待優(yōu)化的問題，通過空間映射為生物染色體的方法來使得遺傳算法能夠隨機(jī)產(chǎn)生若干代表優(yōu)化問題候選解的群體，并按照特定的環(huán)境深度對各個群體進(jìn)行評估，最終選擇優(yōu)秀的能夠繼承適應(yīng)的個體進(jìn)行向下傳遞，實(shí)現(xiàn)進(jìn)化。最終獲得特定環(huán)境下的問題最優(yōu)解。通過這方面可以了解到，在進(jìn)行機(jī)器人控制中對于機(jī)器人控制的以下幾個方面有著很好的優(yōu)化指導(dǎo)作用。
2.1機(jī)器人步態(tài)優(yōu)化
機(jī)器人的步態(tài)控制是一個有著諸多變量，強(qiáng)耦合、非線性的復(fù)雜力學(xué)系統(tǒng)，在機(jī)器人動態(tài)步行設(shè)計(jì)過程中，如何對其平衡性以及步伐控制進(jìn)行設(shè)計(jì)，有著十分繁瑣的分析，傳統(tǒng)的方法進(jìn)行步行控制設(shè)計(jì)，往往需要依賴設(shè)計(jì)者的主觀經(jīng)驗(yàn)和直覺，新型化的模型也使得其結(jié)果并非最優(yōu)。即使一部分算法滿足了步行設(shè)計(jì)標(biāo)準(zhǔn)，但限制了機(jī)器人在不同環(huán)境下的步行能力，用遺傳算法。在一定約束條件下，諸如限制其步行速度和步幅，進(jìn)而建立合適的適應(yīng)度函數(shù)，將機(jī)器人的走路問題轉(zhuǎn)化為參數(shù)搜索問題，融合遺傳算法中的隱含并行性，進(jìn)行非線性的問題解決，最終得到不同約束條件下的最優(yōu)行走方法。
2.2機(jī)器人關(guān)節(jié)空間運(yùn)動優(yōu)化
機(jī)器人關(guān)節(jié)空間自由運(yùn)動規(guī)劃是一個有著巨大挑戰(zhàn)性的問題，其主要表現(xiàn)在兩個方面，一是需要借助通用的方法來處理諸多運(yùn)動學(xué)力學(xué)的約束問題，另外它需要使用高效算法在十分復(fù)雜且龐大的空間結(jié)構(gòu)中，構(gòu)建自由軌跡，來保證機(jī)器人運(yùn)動的準(zhǔn)確、穩(wěn)定。雖然在機(jī)器人關(guān)節(jié)運(yùn)動在控制研究過程中，有學(xué)者使用最優(yōu)控制理論解決一些問題，但自由控制理論并不能解決高度耦合、高度非線性的機(jī)器人動力學(xué)模型，使得結(jié)果雖然是最優(yōu)解，但并非最適合實(shí)際情況。在遺傳算法下的，處理大規(guī)模運(yùn)動力學(xué)和控制約束問題，能夠?qū)崿F(xiàn)更好的性質(zhì)，并且龐大的復(fù)雜軌跡空間中非線性的檢索方法，也能夠盡可能的找出最優(yōu)的運(yùn)動軌跡，保證軌跡連續(xù)、速度連續(xù)。
2.3多機(jī)器人路徑協(xié)調(diào)
多機(jī)器人協(xié)同工作是未來機(jī)器人控制中的重要方面，機(jī)器人路徑規(guī)劃是指在一定工作空間內(nèi)為機(jī)器人，實(shí)現(xiàn)不同任務(wù)所提供的高效安全的.運(yùn)動路徑，在實(shí)際應(yīng)用過程中，每個機(jī)器人都需要有特定的準(zhǔn)確路徑，通常使用原則是提醒人所行走的路徑長度最短，消耗能量最少，使用時間最多，以往的算法提出可視圖人工勢場等等能夠在一定程度上解決機(jī)器人路徑協(xié)調(diào)問題，但容易使得部分機(jī)器人停滯不前，全球上降低了機(jī)器人的工作效率。應(yīng)用遺傳算法來調(diào)整路徑點(diǎn)要通過，事先規(guī)劃好的工作空間路徑點(diǎn)鏈接圖進(jìn)行建模，在此基礎(chǔ)上應(yīng)用遺傳算法調(diào)整路徑節(jié)點(diǎn)，進(jìn)而一步一步得到較優(yōu)的行走路徑，逐層傳遞的非線性二進(jìn)制路線編碼機(jī)器人在行走時能夠逐步的解決路線問題，更好的符合現(xiàn)實(shí)中機(jī)器人錄像協(xié)調(diào)問題規(guī)劃需要。
3結(jié)語
遺傳算法充分考慮自然界生物自身行為進(jìn)化方式的諸多內(nèi)容，所以在進(jìn)行機(jī)器人控制時，對于機(jī)器人的行為控制也能夠?qū)⑵渑c自然界生物行為相聯(lián)系，從某些方面使其更適應(yīng)實(shí)際情況當(dāng)中的問題解決。遺傳算法對于機(jī)器人控制設(shè)計(jì)，只要能夠更好的解決多機(jī)器人路徑，協(xié)調(diào)機(jī)器人自身運(yùn)動協(xié)調(diào)等等方面的問題，通過深入分析遺傳算法，未來機(jī)器人控制還會有著更為長遠(yuǎn)的應(yīng)用空間。遺傳算法在諸多方面都有著自身所特有的優(yōu)勢，盡管在一些方面其并不適合直接的數(shù)學(xué)方法分析，但對于邏輯行為的指導(dǎo)有著巨大的帶動意義，尤其是在機(jī)器人行為控制上，能夠推動工業(yè)機(jī)器人的功能性。
參考文獻(xiàn)
[1]丁度坤,謝存禧,張鐵,蔣賢海.遺傳算法在工業(yè)機(jī)器人控制中應(yīng)用研究[J].機(jī)械設(shè)計(jì)與制造,2009(03):13-16.
[2]吳婷,張禮兵.基于自適應(yīng)遺傳算法自優(yōu)化的機(jī)器人控制策略[J].自動化與儀器儀表,2015(06):30-32.