顾嘉伟，吴功平，彭向阳，王 锐

(1.武汉大学动力与机械学院，湖北 武汉 430072；2.广东电网有限责任公司电力科学研究院，广东 广州 510080)

1 引言

运动学逆解[1]即已知机器人末端在坐标空间中的位姿，计算各关节的角度值。机器人求逆影响到后序的运动规划、运动控制等工作。

常见的求逆方法有封闭解法，迭代法和智能算法。又因为机器人的机构设计问题或者装配时存在误差，很多时候机器人的三个相邻关节轴未交于一点或三轴线平行，即不满足Pieper准则[2]，此时不具有封闭解。而常用的迭代算法因计算量大，且在奇异位置雅可比矩阵行列式为0，无法进行求逆运算。故智能算法具有明显的优势。常见的智能算法有遗传算法，粒子群算法和神经网络等。其中遗传算法具有搜索能力强的特点，被广泛的应用于优化问题当中。文献[3]采用二次编码的方法对PUMA560机器人进行求逆，并实现了在冗余机器人上的求逆运算。同时也有改进的遗传算法，进行机器人求逆。文献[5]采用多种群遗传算法求逆，利用遗传算法中潜在的并行性，来提升求解的精度和收敛速度，并在Comau NJ-220型机器人上进行了验证。文献[6]将遗传算法与粒子群算法相结合，进行求逆优化。但是以上算法，对于非线性、高维问题的解决效果仍然不是十分理想。

针对高压输电线跨越越障式巡检机器人，采用了一种基于云模型的遗传网格蚁群算法。利用遗传算法进行全局寻优，利用蚁群算法[7]进行局部搜索。与传统遗传算法相比，并采用了适应度值函数尺度变换方法[8]增加种群的多样性以，使用云模型[9]实现算法中交叉和变异参数的自适应；……