1.一种基于改进角蜥优化算法与仿真联合的抓取姿态规划方法,其特征在于,所述方法包括以下步骤:步骤S1:通过虚拟五指灵巧手样机生成关节运动范围,并将所述关节运动范围设定为改进角蜥优化算法中种群初始化的上下限,以此随机生成用于控制虚拟五指灵巧手样机运动的关节角度矩阵;
所述改进角蜥优化算法在种群初始化中通过引入Logistic-tent混沌映射对粒子进行初始化,使生成的粒子分布更为均匀,其具体公式如下:其中,表示第时刻种群表现出的随机过程的值,表示使Logistic-tent映射在[0,1]区间上表现出混沌行为的值,表示第时刻种群表现出的随机过程的值;步骤S2:将所述关节角度矩阵输入至CoppeliaSim仿真环境中的虚拟五指灵巧手,虚拟五指灵巧手依据接收到的关节角度矩阵执行物体抓取操作,并将抓取过程中获取的多点压力触觉信息反馈给改进角蜥优化算法,所述改进角蜥优化算法对接收的多点压力触觉信息与物体重力进行求和运算,得到的合力;
所述改进角蜥优化算法为了提升粒子探索能力,在迭代寻优过程中,引入概率扰动策略生成的新粒子;所述改进角蜥优化算法为了精准判断概率扰动策略生成的新粒子适应度与原粒子适应度之间的优异性,在概率扰动策略中引入了贪婪机制,所述概率扰动策略依据目标函数的维度、当前迭代次数和最大迭代次数计算扰动概率和更新位置,再依据贪婪机制确定位置;其扰动概率的计算公式如下:其更新位置计算公式如下:
其中,表示更新位置,表示第代的搜索位置,表示第个自由度的关节运动;
步骤S3:所述改进角蜥优化算法将得到的合力进行分析,并依据最小力-最小角度准则作为目标函数,选取满足该目标函数所对应的多关节角度矩阵,将其作为抓取姿态的最优多关节角度矩阵,并输出反馈给虚拟五指灵巧手实现最优抓取规划。
2.根据权利要求1所述的一种基于改进角蜥优化算法与仿真联合的抓取姿态规划方法,其特征在于,所述步骤S2中改进角蜥优化算法为了平衡算法中粒子的探索能力,引入适应度调整策略,所述适应度调整策略通过计算当前粒子的适应度数值,依据该粒子的适应度状况,选择与之适配的位置更新策略,当迭代次数较多且粒子适应度仍不理想时,在位置更新策略上引入反向喷血攻击策略,在迭代后期增加了最优位置个体的影响权重,其具体公式如下:其中,表示粒子运动初速度,表示误差系数,表示抛射体运动中的重力加速度,表示第代的最佳搜索位置,表示常数。
3.根据权利要求2所述的一种基于改进角蜥优化算法与仿真联合的抓取姿态规划方法,其特征在于,所述步骤S3中以最小力-最小角度准则作为目标函数的具体公式如下:其中,表示合力的函数,表示角度的函数,表示关节角度矩阵,表示摩擦系数,表示不同压力传感器所反馈的压力值,表示被抓取物的质量,表示重力加速度,表示初始关节角度,表示抓取手势对应的关节角度,表示取最小值操作。
4.根据权利要求3所述的一种基于改进角蜥优化算法与仿真联合的抓取姿态规划方法,其特征在于,所述步骤S3中改进角蜥优化算法根据目标函数获得抓取姿态的最优多关节角度矩阵的具体过程如下:步骤S31:设置算法参数并利用Logistic-tent混沌映射初始化种群;
步骤S32:判断初始化种群是否处于前半段迭代,若处于前半段,对适应度好的个体采用隐藏策略,适应度不好的个体通过生成随机数判断采用喷血攻击策略还是移动逃跑策略;若不处于前半段,适应度好的个体采用反向喷血攻击策略,适应度不好的个体通过生成随机数判断采用隐藏策略还是移动逃跑策略;
步骤S33:选择适应度最差个体用皮肤变黑变亮策略更新位置,计算MSH率并判断,若MSH率小于0.3则用MSH率位置更新策略并加入概率扰动,再通过贪婪机制选择最优个体,判断是否满足目标函数,若不满足则循环,满足则结束。