Stewart平台被广泛应用于各类运动模拟器中,其中,位姿误差决定了模拟器的逼真程度。因此,针对平台在运动过程中因铰链间隙误差导致的位姿误差,设计了基于优化算法的误差补偿方案。首先,利用运动学反解求得在给定位姿轨迹下的驱动杆伸长...Stewart平台被广泛应用于各类运动模拟器中,其中,位姿误差决定了模拟器的逼真程度。因此,针对平台在运动过程中因铰链间隙误差导致的位姿误差,设计了基于优化算法的误差补偿方案。首先,利用运动学反解求得在给定位姿轨迹下的驱动杆伸长量。其次,利用矢量法构建位姿误差模型,研究位姿误差与驱动杆之间的关系,将位姿误差设计为以驱动杆为变量的目标函数,在此基础上,提出了融合莱维飞行和空间金字塔匹配混沌映射的改进型广义正态分布优化(improved generalized normal distribution optimization,IGNDO)算法,并求得目标函数最优值以及驱动杆最优解。最后,将最优解代入误差模型输出新的位姿误差,并与理论误差进行对比,验证了算法的有效性。同时,将IGNDO算法与现有算法进行比较,发现位姿误差能减小1-2个量级。展开更多
摘要Stewart平台被广泛应用于各类运动模拟器中,其中,位姿误差决定了模拟器的逼真程度。因此,针对平台在运动过程中因铰链间隙误差导致的位姿误差,设计了基于优化算法的误差补偿方案。首先,利用运动学反解求得在给定位姿轨迹下的驱动杆伸长量。其次,利用矢量法构建位姿误差模型,研究位姿误差与驱动杆之间的关系,将位姿误差设计为以驱动杆为变量的目标函数,在此基础上,提出了融合莱维飞行和空间金字塔匹配混沌映射的改进型广义正态分布优化(improved generalized normal distribution optimization,IGNDO)算法,并求得目标函数最优值以及驱动杆最优解。最后,将最优解代入误差模型输出新的位姿误差,并与理论误差进行对比,验证了算法的有效性。同时,将IGNDO算法与现有算法进行比较,发现位姿误差能减小1-2个量级。