Singularity robust trajectory generator for robotic manipulator based on genetic algorithm with dynamic encoding of solutions

• Autorzy: Gierlak P.

Identyfikatory

DOI

10.7862/rm.2018.40

Warianty tytułu

PL

Odporny na osobliwości generator trajektorii robota manipulacyjnego opierający się na algorytmie genetycznym z dynamicznym kodowaniem rozwiązań

• Języki publikacji: EN

Abstrakty

EN

In this paper a singularity robust trajectory generator for robotic manipulators is presented. The generator contains the procedure of solving the inverse kinematics problem. This issue is defined as an optimization problem, where a genetic algorithm is used for optimizing the fitness function. In order to avoid singularity problem, the generator is based on the direct kinematics problem. The trajectory generator allows to obtain generalized coordinates, velocities and accelerations. Simulation results show that the procedure generates a trajectory of manipulator even in kinematics singularities.

PL

W niniejszym artykule przedstawiono generator trajektorii robota manipulacyjnego odporny na osobliwości kinematyki. Generator zawiera procedurę rozwiązywania zadania odwrotnego kinematyki. Problem ten jest zdefiniowany jako problem optymalizacyjny, w którym algorytm genetyczny służy do optymalizacji funkcji dopasowania opierającej się na błędzie rozwiązania zadania. Aby wyeliminować problem osobliwości, generator wykorzystuje zadanie proste kinematyki. Generator trajektorii umożliwia uzyskanie uogólnionych współrzędnych, prędkości i przyspieszeń manipulatora. Wyniki symulacji wskazują, że opracowana procedura generuje trajektorię manipulatora nawet w przypadku wystąpienia osobliwości kinematyki.

Słowa kluczowe

EN

inverse kinematics; genetic algorithm; singularity; robotic manipulator; trajectory generator

PL

zadanie odwrotne kinematyki; algorytm genetyczny; osobliwości; robot manipulacyjny; generator trajektorii

• Wydawca: Oficyna Wydawnicza Politechniki Rzeszowskiej
• Czasopismo: Zeszyty Naukowe Politechniki Rzeszowskiej. Mechanika
• Rocznik: 2018
• Tom: z. 90 [298], nr 4
• Strony: 465--480
• Opis fizyczny: Bibliogr. 16 poz., rys., wykr.

Twórcy

autor

Gierlak P.

• Politechnika Rzeszowska, 12 Powstańców Warszawy Ave., 35-959 Rzeszów

Bibliografia

• [1] de la Cueva V., Ramos F.: Cooperative genetic algorithms: A new approach to solve the path planning problem for cooperative robotic manipulators sharing the same work space, Proc. of the 1998 IEEE/RSJ Intl. Conf. Intell Robots and Sys., 1998.
• [2] Pires E.J.S., Oliveira P.B.M., Machado J.A.T.: Manipulator trajectory planning using a MOEA, Appl. Soft. Comput., 7 (2007) 659-667.
• [3] Dulęba I., Hossa R., Mazur A., Muszyński R., Tchoń K.: Manipulatory i roboty mobilne: modele, planowanie ruchu, sterowanie, PLJ, Warszawa 2000.
• [4] Żylski W., Gierlak P.: Generator zadanej trajektorii ruchu obiektu dynamicznego, ZN PRz, seria: Mechanika, 74 (2008) 421-432.
• [5] Żylski W., Gierlak P.: Zadanie odwrotne kinematyki manipulatora w ujęciu Rozszerzonej Mapy Kohonena, Prace Naukowe Politechniki Warszawskiej, seria: Elektronika, 166 (2008) 495-504.
• [6] Hasan A.T., Hamouda A.M.S., Ismail N., Al-Assadi H.M.A.A.: An adaptive learning algorithm to solve the inverse kinematics problem of a 6 DOF serial robot manipulator, Adv. Eng. Softw., 37 (2006) 432-438.
• [7] Vargas L.V., Leite A.C., Costa R.R.: Overcoming kinematic singularities with the filtered inverse approach, IFAC Proc. Vols., 47 (2014) 8496-8502.
• [8] El-Sherbiny A., Elhosseini M.A., Haikal A.Y.: A comparative study of soft computing methods to solve inverse kinematics problem, Ain Shams Eng. J., 2017, http://dx.doi.org/10.1016/j.asej.2017.08.001
• [9] Köker R.: A genetic algorithm approach to a neural-network-based inverse kinematics solution of robotic manipulators based on error minimization, Inf. Sci., 222 (2013) 528-543.
• [10] Abo-Hammour Z.S., Mirza N.M., Mirza S.M., Arif M.: Cartesian path generation of robot manipulators using continuous genetic algorithms, Rob. Auton. Syst, 41 (2002) 179-223.
• [11] Renner G., Ekárt A.: Genetic algorithms in computer aided design, Comput. Aided Des., 35 (2003) 709-726.
• [12] Chakraborty M., Chakraborty U.K.: An analysis of linear ranking and binary tournament selection in genetic algorithms, Proc. ICICS’9 1997.
• [13] Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa 1999.
• [14] Rutkowski L.: Metody i techniki sztucznej inteligencji, PWN, Warszawa 2005.
• [15] Zhong J., Hu X., Gu M., Zhang J.: Comparison of performance between different selection strategies on simple genetic algorithms, Proc. CIMCA-IAWTIC’05, 2005.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).