目录
- 1.摘要
- 2.基于混合参数的 MOPSO 柔性针穿刺方法
- 3.结果展示
- 4.参考文献
- 5.代码获取
- 6.算法辅导·应用定制·读者交流
1.摘要
本文提出了一种混合参数多目标粒子群算法（MOPSO），用于解决柔性针在障碍环境中的穿刺路径规划问题，首次将枢轴角对软组织造成的损伤引入为优化目标之一。仿真结果表明，与四种经典算法相比，该方法将路径偏差降低至 0.1 mm，显著优于 CPSO 算法，且最终路径评分达到 35 分，整体性能最优。基于自建的 FPAA 混合控制平台，在明胶假体上开展穿刺实验，结果验证了柔性针能够有效避障并精准到达目标，证明了所提算法的可行性与有效性。
2.基于混合参数的 MOPSO 柔性针穿刺方法
柔性针在穿刺过程中因组织受力不均产生针尖偏转，通过旋转针基座可调控针尖方向与穿刺路径。本文采用 Park 单轮车模型 对柔性针进行建模，以曲率为唯一参数进行路径规划，减少模型复杂度并提升可控性。
基于 MOPSO 构建柔性针穿刺路径规划将针体旋转角造成的组织损伤纳入优化目标。柔性针路径规划综合考虑四个目标：路径误差、路径长度、路径风险和针体总旋转角，其多目标函数定义为：
min y = f ( Θ ) = [ f e r r ( Θ ) , f L ( Θ ) , f d ( Θ ) , f θ ( Θ ) ] \min\mathbf{y}=f(\Theta)=\begin{bmatrix}f_{\mathrm{err}}(\Theta),f_L(\Theta),f_d(\Theta),f_\theta(\Theta)\end{bmatrix}miny=f(Θ)=[ferr(Θ),fL(Θ),fd(Θ),fθ(Θ)]
其中，Θ \ThetaΘ为控制序列，路径由Θ N = [ ( θ 1 , l 1 ) , … , ( θ N , l N ) ] \Theta_N=[(\theta_1,l_1),\ldots,(\theta_N,l_N)]ΘN=[(θ1,l1),…,(θN,lN)]决定。
3.结果展示
4.参考文献
[1] Yang T, Chen B, Ji G. Path planning for flexible needle puncture based on multi-objective particle swarm optimization[J].
5.代码获取
xx
6.算法辅导·应用定制·读者交流
xx
