一种基于时变惩罚策略神经网络的移动式并联机械手双标准障碍物避让方案

《IEEE Transactions on Cybernetics》：A Bi-Criteria Obstacle Avoidance Scheme Synthesized by Time-Varying Penalty Strategy Neural Network for Mobile Parallel Manipulators

　　提出双准则障碍物 avoidance 神经网络 BCOA-TVPS，通过时间varying惩罚策略神经网络解决约束时变二次规划问题，实现移动平行 manipulator 避障与重复运动控制，并验证轨迹跟踪有效性。

　　

摘要：

为了使移动式并联机械手能够避开障碍物、实现重复运动并避免速度突变，本文提出并设计了一种基于时变惩罚策略（BCOA-TVPS）神经网络的雙标准避障方案。具体而言：首先，该双标准包括重复运动标准和无限范数速度最小化标准，约束条件则考虑了基于向量的避障规则；其次，将双标准避障方案重新表述为一个受限的时变二次规划（QP）问题；第三，采用时变惩罚策略（TVPS）神经网络来解决该QP问题；最后，通过两种轨迹跟踪实验验证了所提出BCOA-TVPS方案的有效性和适用性。