锚杆钻车钻臂定位控制方法

摘要：

目前常用代数法和几何法实现锚杆钻车钻臂定位控制,存在效率低、有无解或多解情况、通用性差等问题.采用粒子群优化(PSO)算法进行机械臂定位控制具有编程简单、搜索性能强、容错性好等优势,但易陷入局部最优解.目前基于改进PSO算法的机械臂定位控制整体寻优效率较低,寻优时间过长.针对上述问题,在精英反向粒子群优化(EOPSO)算法基础上,引入混沌初始化、交叉操作、变异操作和极值扰动,设计了混沌交叉精英变异反向粒子群优化(CEMOPSO)算法.采用标准测试函数对PSO算法、EOPSO算法、交叉精英反向粒子群优化(CEOPSO)算法、CEMOPSO算法进行测试,结果表明CEMOPSO算法的稳定性、精度、收敛速度最优.建立了锚杆钻车钻臂运动模型,采用CEMOPSO算法进行钻臂定位控制,并在Matlab软件中对控制性能进行仿真研究,结果表明:在相同的迭代次数和误差精度约束条件下,采用CEMOPSO算法时钻臂位置误差和姿态误差从迭代初期即具有极快的收敛速度,且位置误差和姿态误差均小于其他 3种算法,误差曲线较平稳,最大位置误差为0.005 m,最大姿态误差为 0.005 rad;设定位置误差为 1 mm、姿态误差为 0.01 rad时,CEMOPSO算法的平均迭代次数为 343,位置误差为 0.1 mm、姿态误差为 0.001 rad时平均迭代次数为 473,在相同的定位精度条件下,CEMOPSO算法的收敛速度和稳定性优于其他 3种算法,满足工程应用要求,且求解精度越高,其优越性越突出.

关键词：锚杆钻车、钻臂定位控制、精英反向粒子群优化算法、混沌初始化、交叉变异、高斯变异、极值扰动、柯西变异

所属期刊栏目：49

分类号：TD421(矿山机械)

资助基金：山西省科技重大专项计划揭榜挂帅项目202101020101021

在线出版日期：2023-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：77-84,123