遺傳演算法的機器人控制系統最佳化設計作用論文
遺傳演算法的機器人控制系統最佳化設計作用論文
摘要:遺傳演算法作為一種建立在自然界生命進化機制基礎上的一種搜尋最佳化方法，在機器人控制領域中有著十分重要的應用意義，透過分析遺傳演算法概念、原理及優點，並不斷找出機器人控制領域的應用方法，為未來機器人控制發展指明方向.
關鍵詞:遺傳演算法;機器人;控制系統;設計研究
遺傳演算法是一種借鑑了自然界中生物自身進化機制與發展機制的隨機化搜尋演算法，其將適者生存這一概念深入應用到演算法結構中，整體採用鏈式結構，並在鏈式結構之間進行有機的隨機資訊交換，隨著演算法的不斷執行，優秀的品質得以保留，於此相關的優秀個體，得以進一步的發展。遺傳演算法在機器人控制領域有著十分重要的應用意義，能夠不斷最佳化對機器人的控制方法，使得機器人在智慧成長方面產生獨特優勢。
1遺傳演算法優點
遺傳演算法有著諸多優點，與其他演算法相比，主要分為以下幾個方面。首先，遺傳演算法在求解過程中操作物件，是由引數編碼形成的染色體串，而不是一般演算法作用的引數本身，遺傳演算法不受問題的性質限制，能夠直接對物件所聯絡的染色體串概念進行操作，對於集合、佇列、樹、圖等結構有著更加直觀方便的觀察，因此，遺傳演算法可以有著十分廣泛的應用。遺傳演算法在解決問題時，是從空間中的一群點開始進行操作，其可以對空間中一部分割槽域進行分析總結，並生成群體進化序列，這樣能夠有效防止在搜尋過程中出現區域性最優解的情況，能夠最大程度的顧全全域性。另外遺傳演算法中的機率轉變規則，也使得其在進行空間資訊搜尋時，能夠有效利用機率來指導搜尋方向，相比於傳統演算法搜尋來說有著更高的搜尋效率。遺傳演算法在使用過程中有著隱含的並行性特點，其在進行問題搜尋解決時，能夠運用較少的串來檢驗較大數量區域的整體特性，這使得遺傳演算法能夠更方便、更簡單的使用並行機制來進行高速運算，對於一般的計算機運算晶片來說，有效的提高運算效率。傳統演算法使用並不存在這一優勢，另外遺傳演算法對於問題依賴性十分小，遺傳演算法方法主要是使用問題的適應度函式值這一資訊來源進行問題答案求解，與其他演算法相比，並不需要輔助資訊的幫助。如果問題函式值中並不包含所需具體資訊，遺傳演算法也可以在其他方面找到所需的適應度函式值，進而獲得問題的進一步求解。整體來說，遺傳演算法與其他演算法相比，更適合進行大規模複雜問題的最佳化求解。
2遺傳演算法控制系統最佳化設計方法
用遺傳演算法進行問題解決，一般步驟是表示問題、選擇巡遊引數編碼方式、產生群體、計算適應度函式值、選擇、複製、交叉、變異、終止。在這一整個過程中，都參考了達爾文進化論中的自然選擇生物迴圈機制，並且將待最佳化的問題，透過空間對映為生物染色體的方法來使得遺傳演算法能夠隨機產生若干代表最佳化問題候選解的群體，並按照特定的環境深度對各個群體進行評估，最終選擇優秀的能夠繼承適應的個體進行向下傳遞，實現進化。最終獲得特定環境下的問題最優解。透過這方面可以瞭解到，在進行機器人控制中對於機器人控制的以下幾個方面有著很好的最佳化指導作用。
2.1機器人步態最佳化
機器人的步態控制是一個有著諸多變數，強耦合、非線性的複雜力學系統，在機器人動態步行設計過程中，如何對其平衡性以及步伐控制進行設計，有著十分繁瑣的分析，傳統的方法進行步行控制設計，往往需要依賴設計者的主觀經驗和直覺，新型化的模型也使得其結果並非最優。即使一部分演算法滿足了步行設計標準，但限制了機器人在不同環境下的步行能力，用遺傳演算法。在一定約束條件下，諸如限制其步行速度和步幅，進而建立合適的適應度函式，將機器人的走路問題轉化為引數搜尋問題，融合遺傳演算法中的隱含並行性，進行非線性的問題解決，最終得到不同約束條件下的最優行走方法。
2.2機器人關節空間運動最佳化
機器人關節空間自由運動規劃是一個有著巨大挑戰性的問題，其主要表現在兩個方面，一是需要藉助通用的方法來處理諸多運動學力學的約束問題，另外它需要使用高效演算法在十分複雜且龐大的空間結構中，構建自由軌跡，來保證機器人運動的準確、穩定。雖然在機器人關節運動在控制研究過程中，有學者使用最優控制理論解決一些問題，但自由控制理論並不能解決高度耦合、高度非線性的機器人動力學模型，使得結果雖然是最優解，但並非最適合實際情況。在遺傳演算法下的，處理大規模運動力學和控制約束問題，能夠實現更好的性質，並且龐大的複雜軌跡空間中非線性的檢索方法，也能夠儘可能的找出最優的運動軌跡，保證軌跡連續、速度連續。
2.3多機器人路徑協調
多機器人協同工作是未來機器人控制中的重要方面，機器人路徑規劃是指在一定工作空間內為機器人，實現不同任務所提供的高效安全的.運動路徑，在實際應用過程中，每個機器人都需要有特定的準確路徑，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，以往的演算法提出可檢視人工勢場等等能夠在一定程度上解決機器人路徑協調問題，但容易使得部分機器人停滯不前，全球上降低了機器人的工作效率。應用遺傳演算法來調整路徑點要透過，事先規劃好的工作空間路徑點連結圖進行建模，在此基礎上應用遺傳演算法調整路徑節點，進而一步一步得到較優的行走路徑，逐層傳遞的非線性二進位制路線編碼機器人在行走時能夠逐步的解決路線問題，更好的符合現實中機器人錄影協調問題規劃需要。
3結語
遺傳演算法充分考慮自然界生物自身行為進化方式的諸多內容，所以在進行機器人控制時，對於機器人的行為控制也能夠將其與自然界生物行為相聯絡，從某些方面使其更適應實際情況當中的問題解決。遺傳演算法對於機器人控制設計，只要能夠更好的解決多機器人路徑，協調機器人自身運動協調等等方面的問題，透過深入分析遺傳演算法，未來機器人控制還會有著更為長遠的應用空間。遺傳演算法在諸多方面都有著自身所特有的優勢，儘管在一些方面其並不適合直接的數學方法分析，但對於邏輯行為的指導有著巨大的帶動意義，尤其是在機器人行為控制上，能夠推動工業機器人的功能性。
參考文獻
[1]丁度坤,謝存禧,張鐵,蔣賢海.遺傳演算法在工業機器人控制中應用研究[J].機械設計與製造,2009(03):13-16.
[2]吳婷,張禮兵.基於自適應遺傳演算法自最佳化的機器人控制策略[J].自動化與儀器儀表,2015(06):30-32.