为了减少机器人的路径长度、提高路径平滑性,提出了基于配对双向新型蚁群算法的路径规划方法。介绍了栅格环境模型的建立方法;给出了基于改进K-means的环境复杂度聚类方法,实现了以复杂度为标准的环境分区;将环境复杂度作为新型启发信息引入到蚁群算法中,引导蚂蚁选择简单环境区域。借鉴蚂蚁的双向搜索思想,提出了配对双向搜索的新型蚁群算法,并将该算法应用于栅格环境的路径规划。经仿真验证可以看出,与传统蚁群算法、文献[12]算法比,配对双向新型蚁群算法的路径长度最短、拐点数量最少、收敛时迭代次数最少,验证了这里算法在路径规划中的优越性。

为了提高冗余机械臂逆运动学问题求解的位置精度和姿态精度,提出了基于多策略贪婪蜂群算法的求解方法。介绍了KUKA LBR iiwa七自由度冗余机械臂构型,推导了机械臂正运动学的齐次变换矩阵,以减小机械臂末端执行器位置误差和姿态误差为目标建立了优化模型。介绍了标准人工蜂群算法原理并分析了算法存在的缺陷,优化了能够提高蜜蜂多样性的跟随蜂选择策略,以提高跟随蜂局部搜索能力为目的给定了3种位置更新策略,将新算法命名为多策略贪婪蜂群算法。将新蜂群算法应用于逆运动学求解,经仿真验证可知,多策略贪婪蜂群算法的求解质量和求解速度均好于标准蜂群算法,且多策略贪婪蜂群算法在连续多个位姿点逆运动学求解中也具有较高精度,以上结果证明了多策略贪婪蜂群算法在机械臂逆运动学求解中的优越性。