武明虎，周喜悦，庆毅辉，胡 胜，刘 聪

(1．湖北工业大学电气与电子工程学院，武汉 430068；2．湖北太阳能高效利用协同创新中心，武汉 430068)

0 引言

机器人逆解求解指的是已知机器人末端的位置和姿态求出每个关节的角度，是机器人领域的基础问题，是实现对机器人精准实时控制的关键部分。目前机器人逆运动学求解方法主要分为两大类：解析法和数值法。但解析法[1]在求解结构复杂、自由度较高的机器人逆运动学时具有较大的局限性，因此数值法已成为当下获得机器人逆解的主要研究方法。

目前研究较多的数值方法主要是神经网络和群体智能方法。李文博等[2]利用BP神经网络求解机械臂逆运动学，网络设计过程简单但存在局部极小、收敛速度慢等缺点。李进等[3]提出一种基于RBF神经网络间接求取运动学逆解的方法，相对于BP神经网络，在局部极小值上有所改善，但求解精度完全取决于训练集质量的好坏且不同结构的机器人无法共用同一训练集。而常用的群体智能算法，如遗传算法[4]、粒子群算法[5]等在机器人逆运动学求解的通用性上更具有优势。王淑青等[6]提出的改进粒子群算法求逆解分别从“边界限定、惯性权重、超界返回”三个方面来限制多解、提高求解的准确性与快速性，但求解精度仍未达到最优。因此本文在文献[6]所提算法的基础上，引入种群曼哈顿距离实时确定种群的进化状态，提升算法的性能；将进化状态分为勘探状态与收敛状态，进而根据状态的不同选择自适应学习因子，平衡局部搜索与全局搜索的能力，结果验证了IAPSO算法在机器人逆运动学求解中的有效性。……