目前常用代数法和几何法实现锚杆钻车钻臂定位控制，存在效率低、有无解或多解情况、通用性差等问题。采用粒子群优化（PSO）算法进行机械臂定位控制具有编程简单、搜索性能强、容错性好等优势，但易陷入局部最优解。目前基于改进PSO算法的机械臂定位控制整体寻优效率较低，寻优时间过长。针对上述问题，在精英反向粒子群优化（EOPSO）算法基础上，引入混沌初始化、交叉操作、变异操作和极值扰动，设计了混沌交叉精英变异反向粒子群优化（CEMOPSO）算法。采用标准测试函数对PSO算法、EOPSO算法、交叉精英反向粒子群优化（CEOPSO）算法、CEMOPSO算法进行测试，结果表明CEMOPSO算法的稳定性、精度、收敛速度最优。建立了锚杆钻车钻臂运动模型，采用CEMOPSO算法进行钻臂定位控制，并在Matlab软件中对控制性能进行仿真研究，结果表明：在相同的迭代次数和误差精度约束条件下，采用CEMOPSO算法时钻臂位置误差和姿态误差从迭代初期即具有极快的收敛速度，且位置误差和姿态误差均小于其他3种算法，误差曲线较平稳，最大位置误差为0.005 m，最大姿态误差为0.005 rad；设定位置误差为1 mm、姿态误差为0.01 rad时，CEMOPSO算法的平均迭代次数为343，位置误差为0.1 mm、姿态误差为0.001 rad时平均迭代次数为473，在相同的定位精度条件下，CEMOPSO算法的收敛速度和稳定性优于其他3种算法，满足工程应用要求，且求解精度越高，其优越性越突出。

山西省科技重大专项计划“揭榜挂帅”项目（202101020101021）；

李力恒,宋建成,田慕琴,王相元.锚杆钻车钻臂定位控制方法[J].工矿自动化,2023,49(03):77-84+123.DOI:10.13272/j.issn.1671-251x.2022070052.