CN105005301A - 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 - Google Patents
一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 Download PDFInfo
- Publication number
- CN105005301A CN105005301A CN201510270777.4A CN201510270777A CN105005301A CN 105005301 A CN105005301 A CN 105005301A CN 201510270777 A CN201510270777 A CN 201510270777A CN 105005301 A CN105005301 A CN 105005301A
- Authority
- CN
- China
- Prior art keywords
- industrial robot
- centerdot
- theta
- individual
- setting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 230000004888 barrier function Effects 0.000 claims abstract description 14
- 238000005265 energy consumption Methods 0.000 claims description 22
- 230000001133 acceleration Effects 0.000 claims description 17
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 241000254158 Lampyridae Species 0.000 description 58
- 241000131894 Lampyris noctiluca Species 0.000 description 10
- 238000005457 optimization Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
- Feedback Control In General (AREA)
- Numerical Control (AREA)
Abstract
一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法,它主要解决现有技术中对工业机器人作业点序列及轨迹规划方法存在自动化程度不高和科学合理性不足的问题。本发明的离散序列相似度指标(<i>SD</i>)用来表征序列规划中个体之间的差异(距离);构造了一种碰撞评价指标(<i>O</i>),用来避免工业机器人与障碍物及机器人关节杆之间发生碰撞;对于约束条件,采用罚函数处理,引入约束惩罚项<i>C</i>,使工业机器人的动力学特性满足裕度要求。本发明基于上述评价指标和改进的群体智能算法,获取工业机器人的最优作业点序列及相应的最优轨迹,可以有效的提高工业机器人的执行效率和运行性能,降低成本,符合实际生产的需要。
Description
技术领域
本发明涉及调度及轨迹规划领域,更具体地,涉及一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法。
背景技术
工业机器人在工作中往往要经过若干个作业点,工业机器人从当前作业点对工件进行操作后再移动到下一个作业点继续工作,直到完成所有作业点的工作。机器人作业点序列是指工业机器人在工作中经过各个作业点并在作业点对工件进行操作的先后顺序。机器人作业点序列的选择直接影响到机器人工作过程中所用时间、机器人所走轨迹和消耗的能量等。机器人作业点序列规划问题在数学上是一个NP-hard组合优化问题,一般而言,随着工件中作业点数量的增加,机器人作业点序列方案的求解空间也会迅速复杂起来。由于工件的表面一般比较复杂,需要对工件进行操作的作业点数量较大,目前大多数由人工确定机器人对工件各个作业点进行操作的顺序,耗时较长且缺乏科学合理性。而机器人从作业点到达另一个作业点的轨迹规划是机器人执行效率和运行性能的的基础。机器人轨迹规划对机器人高效、稳定的运行有重要影响,通过轨迹规划是机器人运动平滑、稳定,减少冲击和振动,对提高机器人的稳定性、可靠性、工作效率有重要意义。在轨迹规划中要充分考虑机器人及其周围环境,根据作业任务的要求,规划出一条无碰撞、动力学特性满足裕度要求、轨迹长度和运动时间较短、能耗较少的理想轨迹。由于轨迹规划考虑的因素众多且比较复杂,难以由人工得到比较合理的轨迹。
综上所述,为了提高机器人的工作效率,寻找一条遍历所有作业点并且运行时间最短、运行轨迹最短、运行轨迹光滑且机器人能耗最小的机器人作业点序列及轨迹十分必要。
发明内容
为了解决上述问题,本发明旨在公开一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法,尤指一种基于群体智能算法并对算法做出改进的一种能够遍历所有作业点并且运行时间最短、作业点间运行轨迹最短、运行轨迹光滑且机器人能耗最小的工业机器人作业点序列及轨迹规划方法。
为实现上述目的,本发明所采用的技术方案主要包括以下步骤:
步骤1、基于群体智能算法,若群体智能算法只适用于连续问题,则需将算法通过以下步骤应用于离散问题:重新定义个体的位置和两个个体之间的距离,以及重新定义个体的移动规则。
定义1)个体的位置:每个个体的位置对应一条作业点序列,第i个个体的位置表示为Xi=[xi,1,xi,2,…,xi,j,…,xi,n]T,表示机器人的工作过程是按照作业点P1,P2,…,Pn的顺序进行的,其中n为个体i的维数或作业点总数,Xi,j为个体i的第j维元素或第j个作业点Pj;
定义2)个体i,j之间的距离rij按以下式取得:
rij=n-SD (1)
式中SD为序列相似度指标,按以下规则取值:逐个将个体Xi(i=1,2,…,M)的第1至n维元素Xi,k(k=1,2,…,n)分别与个体Xj(j=1,2,…,M且j≠i)的第1至n维元素Xj,l(l=1,2,…,n)比较,如果Xj,l和Xi,k相等,而且满足Xj,l-1(或Xj,l+1)和Xi,k+1相等,则相似度SD加1,直到遍历完个体i的所有维元素,得到个体i对应的序列Xi与个体j对应的序列Xj的总相似度SD;其中M为种群容量。
定义3)个体i向更优的个体j移动规则:综合考虑个体i和j分别在位置Xi和Xj的适应度函数值Fi,Fj及个体i与个体j之间的距离rij,若个体j的适应度函数值Fj优于个体i的适应度函数值Fi,则个体Xi向与个体Xj的距离rij减小的方向移动;否则个体Xi保持不动;若适应度函数值Fi=Fj,则对个体Xi的任意两维元素进行互换。
步骤2、建立适应度函数,适应度函数F由工业机器人在当前作业点序列规划的轨迹下的最短运行时间Tmin、作业点间最短轨迹长度Lmin、最小轨迹光滑度Smin和机器人的最小能耗Emin四部分加权构成,建立其数学模型如下:
F=w1·Tmin+w2·Lmin+w3·Smin+w4·Emin (2)
式中w1、w2、w3、w4分别为Tmin、Lmin、Smin、Emin四个评价指标的权值;进行工业机器人轨迹规划求解上述评价指标,具体步骤包括:
1)工业机器人从当前作业点运动到下一个作业点经过m个中间点,采用四次-四次-…四次-五次样条插值函数生成样条插值曲线并连接机器人运动过程中经过的中间点,四次-四次-…四次-五次样条插值函数为:
其中,j为第j个关节(j=1,2,…,J),J为关节总数,Ti为各关节在第i个中间点和第i+1中间点之间的轨迹的运行时间,和分别是关节j在第i个中间点和第i+1中间点之间t时刻的位移、速度、加速度和二次加速度。分别为关节j在第i个中间点的位移、速度和加速度;i=0或m+1分别表示起始点和终止点。
2)对于一个经过m个中间节点并具有J个自由度的工业机器人,算法的优化对象为:
3)工业机器人从当前作业点运动到下一个作业点的过程中,一般期望机器人运动时间最短、轨迹最短、轨迹最平滑、能耗最小。定义如下的优化目标:
(1)T为工业机器人沿轨迹θ(t)运动的时间;
(2)L为工业机器人运动轨迹θ(t)在笛卡尔空间中的长度。已知工业机器人的运动轨迹θ(t)则依据机器人正运动学方程可求得其末端的空间位姿:
其中分量[x(t),y(t),z(t)]表征了轨迹在笛卡尔空间中的位置,则工业机器人运动的轨迹长度L为:
(3)S为工业机器人运动轨迹的平滑度。
式中二次加速度是θj,i,i+1(t)的三阶导数。
(4)E为工业机器人运动消耗的能量。
式中τj,i,i+1(t)为工业机器人的控制力矩,由机器人动力学方程求得。
(5)O由工业机器人与障碍物发生碰撞的评价O1和工业机器人关节杆之间发生碰撞的评价O2两部分组成:
O=O1+O2 (10)
其中
式中rd(或Rd)和sd(或Sd)分别为设定的障碍回避阈值和安全距离,rd≥sd,Rd≥Sd。其中障碍物被包络在以sd为半径的球内。复杂形状的障碍物可由一系列球近似的组合包络而成。dmin为工业机器人沿轨迹θ(t)运动时障碍物中心到工业机器人关节杆的最小距离;Dmin为工业机器人沿轨迹θ(t)运动时工业机器人关节杆到其余关节杆的最小距离。
(6)对于约束条件,采用罚函数处理,C为约束惩罚项。
C=C1+C2+C3+C4+C5, (11)
其中
式中和τjmax分别是关节j的位移、速度、加速度、二次加速度和力矩的约束,j=1,2,…,J,i=1,2,…,m。
工业机器人从当前作业点运动到下一个作业点的轨迹规划中建立适应度函数,适应度函数f由运行时间T、轨迹长度L、轨迹光滑度S、机器人消耗的能量E、发生碰撞的评价值O和约束惩罚项C六部分加权构成,建立其数学模型如下:
f=r1·T+r2·L+r3·S+r4·E+r5·O+r6·C (12)
式中r1、r2、r3、r4、r5、r6分别为T、L、S、E、O、C三个评价指标的权值;
4)采用适用于连续问题的群体智能算法求解上述工业机器人轨迹规划的数学模型式(12),得到工业机器人从当前作业点Pi运动到下一个作业点Pi+1的过程的机器人最短运动时间Ti,最短轨迹长度Li,最小轨迹平滑度Si,最小能耗Ei及相应的最优轨迹θ(t);
5)工业机器人在任务空间内按照当前作业点序列从初始位姿运动到各个作业点,完成作业后返回初始位姿的整个过程中计算工业机器人最短运行时间Tmin,作业点间最短轨迹长度Lmin,最小轨迹平滑度Smin,机器人最小能耗Emin。
步骤3、进行工业机器人作业点序列及轨迹规划,参考图1,具体步骤包括:
1)适用于离散问题的群体智能算法参数初始化:设定群体智能算法的基本参数以及种群容量M,个体维数即作业点总数n,最大迭代次数。
2)随机初始化个体的位置,即生成M个n维作业点序列,并且每个序列的n维元素互不相同。
3)更新个体的适应度函数值F:首先采用适用于连续问题的群体智能算法对工业机器人轨迹规划的数学模型式(12)进行优化,得到工业机器人从作业点Pi运动到下一个作业点Pi+1的过程的机器人最短运动时间Ti,最短轨迹长度Li,最小轨迹平滑度Si,最小能耗Ei及相应的最优轨迹θ(t),i=0,1,2,…,n;然后根据式(13)计算工业机器人在任务空间内按照当前作业点序列从初始位姿运动到各个作业点,完成作业后返回初始位姿的整个过程的机器人最短运行时间Tmin,最短轨迹长度Lmin,最小轨迹平滑度Smin,最小能耗Emin,根据式(2)更新个体的适应度函数值F。
4)个体的位置移动,将个体Xi(i=1,2,…,M)分别与第1至M个个体Xj(j=1,2,…,M且j≠i)比较适应度函数值,并计算两个个体之间的距离rij,若个体j的适应度函数值Fj优于个体i的适应度函数值Fi,则个体Xi向与个体Xj的距离rij减小的方向移动;否则个体Xi保持不动;若适应度函数值Fi=Fj,则对个体Xi的任意两维元素进行互换。
5)更新个体的适应度函数值F。
6)当达到最大迭代次数则转7);否则,迭代次数增加1,转4)。
7)输出最优个体的位置即最优作业点序列及其相应的工业机器人最短运行时间Tmin,最短轨迹长度Lmin,最小轨迹平滑度Smin,最小能耗Emin及相应的最优轨迹θ(t)。
本发明以群体智能算法为基础,并克服了群体智能算法只适用于连续问题的情况下,通过重新定义个体的位置和两个个体之间的距离,以及重新定义个体的移动规则将算法应用于离散问题。本发明构造了一种针对群体智能算法的离散序列相似度指标(SD),用来表征序列规划中个体之间的差异(距离);发明了一种个体位置移动规则,用来提高群体智能算法在序列规划问题的快速寻优能力。针对工业机器人轨迹规划问题,构造了一种碰撞评价指标(O),用来避免工业机器人与障碍物及机器人关节杆之间发生碰撞;对于约束条件,采用罚函数处理,引入约束惩罚项C,使工业机器人的动力学特性满足裕度要求。本发明基于上述评价指标和改进的群体智能算法,综合机器人的最短运行时间、最短轨迹长度、最小轨迹平滑度和最小能耗等评价指标(适应度函数),获取工业机器人的最优作业点序列及相应的最优轨迹,可以有效的提高工业机器人的执行效率和运行性能,降低成本,符合实际生产的需要。
附图说明
图1是本发明提出的基于群体智能算法进行工业机器人作业点序列及轨迹规划的流程图;
图2是本发明提出的基于标准萤火虫算法进行工业机器人轨迹规划的流程图;
图3是本发明提出的基于萤火虫算法进行工业机器人作业点序列及轨迹规划的流程图;
具体实施方式
下面结合附图详细说明本发明的具体实施方式:
本发明由于涉及到工业机器人作业点序列及轨迹规划采用的群体智能算法,以下实施方案以萤火虫算法为例进行描述。其他符合要求的群体智能算法均可按照本方案实施,主要步骤如下:
步骤1、基于萤火虫算法,将算法应用于离散空间:重新定义萤火虫的位置和两个萤火虫之间的距离,以及重新定义萤火虫的移动规则。
定义1)萤火虫的位置:每个萤火虫的位置对应一条作业点序列,第i个萤火虫的位置表示为Xi=[xi,1,xi,2,…,xi,j,…,xi,n]T,表示机器人的工作过程是按照作业点P1,P2,…,Pn的顺序进行的,其中n为萤火虫i的维数或作业点总数,Xi,j为萤火虫i的第j维元素或第j个作业点Pj;由于每个作业点必须遍历并且只能一次,所以矢量Xi中任意两个元素互不相等。
定义2)萤火虫i,j之间的距离rij按以下式取得:
rij=n-SD (1)
式中SD为序列相似度指标,按以下规则取值:逐个将萤火虫Xi(i=1,2,…,M)的第1至n维元素Xi,k(k=1,2,…,n)分别与萤火虫Xj(j=1,2,…,M且j≠i)的第1至n维元素Xj,l(l=1,2,…,n)比较,如果Xj,l和Xi,k相等,而且满足Xj,l-1(或Xj,l+1)和Xi,k+1相等,则相似度SD加1,直到遍历完萤火虫i的所有维元素,得到萤火虫i对应的序列Xi与萤火虫j对应的序列Xj的总相似度SD;其中M为种群容量。
定义3)萤火虫i向更优的萤火虫j移动规则:综合考虑萤火虫i和j分别在位置Xi和Xj的适应度函数值Fi,Fj及萤火虫i与萤火虫j之间的距离rij,若萤火虫j的适应度函数值Fj优于萤火虫i的适应度函数值Fi,则萤火虫Xi向与萤火虫Xj的距离rij减小的方向移动(本实例选择rij减小为0的方向移动,即);否则萤火虫Xi保持不动,如式(14);若适应度函数值Fi=Fj,则对萤火虫Xi的任意两维元素进行互换,如式(15)。
其中Xi,k,Xj,k是萤火虫i和j分别在空间坐标Xi和Xj的第k维分量;Fi,Fj分别表示萤火虫i,j的适应度函数值;β0为萤火虫之间的距离r=0时的吸引力,一般取1即可;γ为光照吸收率,理论取值范围是[0,∞);α为待定参数;rand为0到1之间的随机数;rij为萤火虫i与萤火虫j之间的距离;k1,k2为1到n之间的随机整数,且k1≠k2。
步骤2、建立适应度函数,适应度函数F由工业机器人在当前作业点序列规划的轨迹下的最短运行时间Tmin、作业点间最短轨迹长度Lmin、最小轨迹光滑度Smin和机器人的最小能耗Emin四部分加权构成,建立其数学模型如下:
F=w1·Tmin+w2·Lmin+w3·Smin+w4·Emin (2)
式中w1、w2、w3、w4分别为Tmin、Lmin、Smin、Emin四个评价指标的权值;适应度函数值越小表示萤火虫亮度越大,即工业机器人在该作业点序列规划的轨迹下运行时间越少,轨迹越短且越光滑,耗能越少,作业点序列越好。进行工业机器人轨迹规划求解上述评价指标,具体步骤包括:
1)工业机器人从当前作业点运动到下一个作业点经过m个中间点,为保证工业机器人运动过程中速度、加速度的连续性,采用四次-四次-…四次-五次样条插值函数生成样条插值曲线并连接机器人运动过程中经过的中间点,四次-四次-…四次-五次样条插值函数为:
其中,j为第j个关节(j=1,2,…,J),J为关节总数,Ti为各关节在第i个中间点和第i+1中间点之间的轨迹的运行时间,和分别是关节j在第i个中间点和第i+1中间点之间t时刻的位移、速度、加速度和二次加速度。分别为关节j在第i个中间点的位移、速度和加速度;i=0或m+1分别表示起始点和终止点。
由以上式可以看出,要完成工业机器人的轨迹规划就是要求出工业机器人经过的中间点的位姿、速度以及每段轨迹的运行时间。
2)对于一个经过m个中间节点并具有J个自由度的工业机器人,算法的优化对象为
其中θj,i表示工业机器人在第i个中间点的第j个关节变量即位移,为其关节速度。Ti表示工业机器人由第i个中间点运动到第i+1个中间点所需的时间,i=0,1,…,m。
3)工业机器人从当前作业点运动到下一个作业点的过程中,一般期望机器人运动时间最短、轨迹最短、轨迹最平滑、能耗最小。定义如下的优化目标:
(1)T为工业机器人沿轨迹θ(t)运动的时间;
(2)L为工业机器人运动轨迹θ(t)在笛卡尔空间中的长度。已知工业机器人的运动轨迹θ(t)则依据工业机器人正运动学方程可求得其末端的空间位姿:
其中分量[x(t),y(t),z(t)]表征了轨迹在笛卡尔空间中的位置,则工业机器人运动的轨迹长度L为:
(3)S为工业机器人运动轨迹的平滑度。
式中二次加速度是θj,i,i+1(t)的三阶导数。
(4)E为工业机器人运动消耗的能量。
式中τj,i,i+1(t)为工业机器人的控制力矩,由机器人动力学方程求得。
(5)O由工业机器人与障碍物发生碰撞的评价O1和工业机器人关节杆之间发生碰撞的评价O2两部分组成:
O=O1+O2 (10)
其中
式中rd(或Rd)和sd(或Sd)分别为设定的障碍回避阈值和安全距离,rd≥sd,Rd≥Sd。其中障碍物被包络在以sd为半径的球内。复杂形状的障碍物可由一系列球近似的组合包络而成。dmin为工业机器人沿轨迹θ(t)运动时障碍物中心到工业机器人关节杆的最小距离;Dmin为工业机器人沿轨迹θ(t)运动时工业机器人关节杆到其余关节杆的最小距离。
(6)对于约束条件,采用罚函数处理,C为约束惩罚项。
C=C1+C2+C3+C4+C5, (11)
其中
式中和τjmax分别是关节j的位移、速度、加速度、二次加速度和力矩的约束,j=1,2,…,J,i=1,2,…,m。
工业机器人从当前作业点运动到下一个作业点的轨迹规划中建立适应度函数,适应度函数f由运行时间T、轨迹长度L、轨迹光滑度S、机器人消耗的能量E、发生碰撞的评价值O和约束惩罚项C六部分加权构成,建立其数学模型如下:
f=r1·T+r2·L+r3·S+r4·E+r5·O+r6·C (12)
式中r1、r2、r3、r4、r5、r6分别为T、L、S、E、O、C三个评价指标的权值;适应度函数值越小表示工业机器人在该段轨迹下运行时间越少,轨迹越短且越光滑,耗能越少。
4)采用标准萤火虫算法求解上述工业机器人轨迹规划的数学模型式(12),得到工业机器人从当前作业点Pi运动到下一个作业点Pi+1的过程的机器人最短运动时间Ti,最短轨迹长度Li,最小轨迹平滑度Si,最小能耗Ei及相应的最优轨迹θ(t);参考图2,具体步骤包括:
(1)标准萤火虫算法参数初始化:设定参数β0、γ、α以及种群容量M,萤火虫维数即优化对象的个数n,最大迭代次数。
(2)随机初始化萤火虫的位置,即生成M个n维的式(4)所列的优化对象矢量,根据式(12)计算萤火虫的适应度函数值f作为各自最大萤光亮度I0。
(3)萤火虫移动,将萤火虫Xi(i=1,2,…,M)分别与第1至M个萤火虫Xj(j=1,2,…,M且j≠i)进行比较,根据标准萤火虫算法式子计算群体中萤火虫的相对亮度I和吸引度β,根据相对亮度决定萤火虫的移动方向并更新萤火虫的空间位置。
(4)更新萤火虫的适应度函数值f。
(5)当达到最大迭代次数则转(6);否则,迭代次数增加1,转(3)。
(6)输出最优萤火虫及其相应的运行时间T、轨迹长度L、轨迹光滑度S、机器人消耗的能量E及相应的最优轨迹θ(t)。
5)工业机器人在任务空间内按照当前作业点序列从初始位姿运动到各个作业点,完成作业后返回初始位姿的整个过程中计算工业机器人最短运行时间Tmin,作业点间最短轨迹长度Lmin,最小轨迹平滑度Smin,机器人最小能耗Emin。
步骤3、进行工业机器人作业点序列及轨迹规划,参考图3,具体步骤包括:
1)离散萤火虫算法参数初始化:设定离散萤火虫算法的基本参数β0、γ、α以及种群容量M,萤火虫维数即作业点总数n,最大迭代次数。
2)随机初始化萤火虫的位置,即生成M个n维作业点序列,并且每个序列的n维元素互不相同。
3)更新萤火虫的适应度函数值F:首先采用标准萤火虫算法对工业机器人轨迹规划的数学模型式(12)进行优化,得到工业机器人从作业点Pi运动到下一个作业点Pi+1的过程的机器人最短运动时间Ti,最短轨迹长度Li,最小轨迹平滑度Si,最小能耗Ei及相应的最优轨迹θ(t),i=0,1,2,…,n;然后根据式(13)计算工业机器人在任务空间内按照当前作业点序列从初始位姿运动到各个作业点,完成作业后返回初始位姿的整个过程的机器人最短运行时间Tmin,最短轨迹长度Lmin,最小轨迹平滑度Smin,最小能耗Emin,根据式(2)更新萤火虫的适应度函数值F。
4)萤火虫移动,将萤火虫Xi(i=1,2,…,M)分别与第1至M个萤火虫Xj(j=1,2,…,M且j≠i)比较适应度函数值,并计算两个萤火虫之间的距离rij,若萤火虫j的适应度函数值Fj优于萤火虫i的适应度函数值Fi,则萤火虫Xi向与萤火虫Xj的距离rij减小的方向移动;否则萤火虫Xi保持不动,如式(14);若适应度函数值Fi=Fj,则对萤火虫Xi的任意两维元素进行互换,如式(15)。
5)更新萤火虫的适应度函数值F。
6)当达到最大迭代次数则转7);否则,迭代次数增加1,转4)。
7)输出最优萤火虫的位置即最优作业点序列及其相应的工业机器人最短运行时间Tmin,最短轨迹长度Lmin,最小轨迹平滑度Smin,最小能耗Emin及相应的最优轨迹θ(t)。
Claims (7)
1.一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法,其特征在于:具体包括以下步骤:
步骤1、适用于离散问题的群体智能算法参数初始化:设定群体智能算法的基本参数以及种群容量M,个体维数即作业点总数n,最大迭代次数;
步骤2、随机初始化个体的位置,即生成M个n维作业点序列,并且每个序列的n维元素互不相同;
步骤3、更新个体的适应度函数值F:首先采用适用于连续问题的群体智能算法对工业机器人轨迹规划的数学模型进行优化,得到工业机器人从作业点Pi运动到下一个作业点Pi+1的过程的机器人最短运动时间Ti,最短轨迹长度Li,最小轨迹平滑度Si,最小能耗Ei及相应的最优轨迹θ(t),i=0,1,2,…,n;然后计算工业机器人在任务空间内按照当前作业点序列从初始位姿运动到各个作业点,完成作业后返回初始位姿的整个过程的机器人最短运行时间 最短轨迹长度最小轨迹平滑度最小能耗计算个体的适应度函数值F;
步骤4、个体的位置移动;
步骤5、更新个体的适应度函数值F;
步骤6、当达到最大迭代次数则转7);否则,迭代次数增加1,转4);
步骤7、输出最优个体的位置即最优作业点序列及其相应的工业机器人最短运行时间Tmin,最短轨迹长度Lmin,最小轨迹平滑度Smin,最小能耗Emin及相应的最优轨迹θ(t)。
2.根据权利要求1中所述的工业机器人作业点序列及轨迹规划方法,其特征在于:所述步骤3中,工业机器人轨迹规划的数学模型如下:
f=r1·T+r2·L+r3·S+r4·E+r5·O+r6·C
式中r1、r2、r3、r4、r5、r6分别为运行时间T、轨迹长度L、轨迹光滑度S、机器人消耗的能量E、碰撞评价指标O和约束惩罚项C六个评价指标的权值。
3.根据权利要求1中所述的工业机器人作业点序列及轨迹规划方法,其特征在于:所述步骤3或5中,适应度函数F如下:
F=w1·Tmin+w2·Lmin+w3·Smin+w4·Emin
式中w1、w2、w3、w4分别为整个过程的机器人最短运行时间Tmin、作业点间最短轨迹长度Lmin、最小轨迹光滑度Smin和机器人的最小能耗Emin四个评价指标的权值。
4.根据权利要求1中所述的工业机器人作业点序列及轨迹规划方法,个体的位置移动规则的特征在于:将个体Xi(i=1,2,…,M)分别与第1至M个个体Xj(j=1,2,…,M且j≠i)比较适应度函数值,并计算两个个体之间的距离rij,若个体j的适应度函数值Fj优于个体i的适应度函数值Fi,则个体Xi向与个体Xj的距离rij减小的方向移动;否则个体Xi保持不动;若适应度函数值Fi=Fj,则对个体Xi的任意两维元素进行互换。
5.根据权利要求1中所述的工业机器人作业点序列及轨迹规划方法,其特征在于:构造一种针对群体智能算法的离散序列相似度指标(SD):
SD按以下规则取值:逐个将个体Xi(i=1,2,…,M)的第1至n维元素Xi,k(k=1,2,…,n)分别与个体Xj(j=1,2,…,M且j≠i)的第1至n维元素Xj,l(l=1,2,…,n)比较,如果Xj,l和Xi,k相等,而且满足Xj,l-1(或Xj,l+1)和Xi,k+1相等,则相似度SD加1,直到遍历完个体i的所有维元素,得到个体i对应的序列Xi与个体j对应的序列Xj的总相似度SD;
用SD来表征序列规划中所述个体i,j之间的差异(距离)rij:
rij=n-SD。
6.根据权利要求2中所述的工业机器人作业点序列及轨迹规划方法,其特征在于:所述发生碰撞的评价指标O由工业机器人与障碍物发生碰撞的评价指标O1和工业机器人关节杆之间发生碰撞的评价指标O2两部分组成:
O=O1+O2
其中
式中rd(或Rd)和sd(或Sd)分别为设定的障碍回避阈值和安全距离,rd≥sd,Rd≥Sd。其中障碍物被包络在以sd为半径的球内。复杂形状的障碍物可由一系列球近似的组合包络而成。dmin为工业机器人沿轨迹θ(t)运动时障碍物中心到工业机器人关节杆的最小距离;Dmin为工业机器人沿轨迹θ(t)运动时工业机器人关节杆到其余关节杆的最小距离。
7.根据权利要求2中所述的工业机器人作业点序列及轨迹规划方法,其特征在于:所述约束惩罚项C为:
C=C1+C2+C3+C4+C5
其中
式中θji,i+1(t),和τj,i,i+1(t)分别是关节j在第i个中间点和第i+1中间点之间t时刻的位移、速度、加速度、二次加速度和力矩;θjmax、和τjmax分别是关节j的位移、速度、加速度、二次加速度和力矩的约束,j=1,2,…,J,i=1,2,…,m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510270777.4A CN105005301B (zh) | 2015-05-25 | 2015-05-25 | 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510270777.4A CN105005301B (zh) | 2015-05-25 | 2015-05-25 | 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105005301A true CN105005301A (zh) | 2015-10-28 |
CN105005301B CN105005301B (zh) | 2018-06-26 |
Family
ID=54378008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510270777.4A Expired - Fee Related CN105005301B (zh) | 2015-05-25 | 2015-05-25 | 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105005301B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105415372A (zh) * | 2015-12-09 | 2016-03-23 | 常州汉迪机器人科技有限公司 | 一种安全空间约束下的多关节机器人轨迹规划方法 |
CN105446339A (zh) * | 2015-12-22 | 2016-03-30 | 安徽工程大学 | 一种移动机器人路径规划方法 |
CN105911992A (zh) * | 2016-06-14 | 2016-08-31 | 广东技术师范学院 | 一种移动机器人的自动规划路径方法及移动机器人 |
CN106926233A (zh) * | 2015-12-29 | 2017-07-07 | 楚天科技股份有限公司 | 一种平面机械手运动路径的规划方法 |
CN107186713A (zh) * | 2017-05-23 | 2017-09-22 | 江苏安格尔机器人有限公司 | 一种过路径点的机械臂多轴运动规划优化方法 |
CN107443373A (zh) * | 2017-07-20 | 2017-12-08 | 广东工业大学 | 基于关节臂机器人的避碰轨迹规划方法和装置 |
CN107831781A (zh) * | 2017-10-26 | 2018-03-23 | 成都信息工程大学 | 一种机器鱼运动的控制方法及系统 |
CN109141438A (zh) * | 2018-10-18 | 2019-01-04 | 合肥工业大学 | 一种叉车全局路径规划方法 |
CN109933089A (zh) * | 2019-03-25 | 2019-06-25 | 北京邮电大学 | 基于最小化最大能量消耗的多无人机任务规划方法及装置 |
CN110017790A (zh) * | 2019-03-15 | 2019-07-16 | 南京航空航天大学 | 一种基于测量精度的曲面扫描轨迹生成与优化方法 |
CN110069063A (zh) * | 2018-01-24 | 2019-07-30 | 西门子股份公司 | 在调试运动规划器时进行计算机辅助式的用户辅助的方法 |
CN110125943A (zh) * | 2019-06-27 | 2019-08-16 | 易思维(杭州)科技有限公司 | 多自由度机械臂避障路径规划方法 |
CN110135916A (zh) * | 2019-05-23 | 2019-08-16 | 北京优网助帮信息技术有限公司 | 一种相似人群识别方法及系统 |
CN110766226A (zh) * | 2019-10-24 | 2020-02-07 | 桂林航天工业学院 | 一种基于智能建模和智能算法的平地机远程作业调度法 |
CN110948482A (zh) * | 2019-11-06 | 2020-04-03 | 江苏信息职业技术学院 | 一种冗余机器人轨迹规划方法 |
CN111752302A (zh) * | 2020-02-26 | 2020-10-09 | 广州极飞科技有限公司 | 路径规划方法、装置、电子设备和计算机可读存储介质 |
CN111890154A (zh) * | 2020-07-31 | 2020-11-06 | 广东博智林机器人有限公司 | 打磨方法 |
CN112562372A (zh) * | 2020-11-30 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 一种轨迹数据的处理方法以及相关装置 |
CN113334376A (zh) * | 2021-05-25 | 2021-09-03 | 浙江大学 | 基于闭环搜索单元的工程机械臂最优能耗路径优化方法 |
CN114265364A (zh) * | 2021-12-21 | 2022-04-01 | 江苏师范大学 | 一种工业物联网的监测数据处理系统及方法 |
CN114326588A (zh) * | 2022-03-14 | 2022-04-12 | 深圳市山龙智控有限公司 | 一种伺服驱动系统的效率优化控制方法、系统及存储介质 |
CN115167411A (zh) * | 2022-07-01 | 2022-10-11 | 安徽机电职业技术学院 | 一种移动机器人的局部路径优化方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060161405A1 (en) * | 2004-06-04 | 2006-07-20 | Munirajan Vignesh K | Methods for locating targets and simmulating mine detection via a cognitive, swarm intelligence-based approach |
CN101493329A (zh) * | 2008-01-23 | 2009-07-29 | 华东师范大学 | 一种多目标点路径规划方法和装置 |
CN101509839A (zh) * | 2009-03-12 | 2009-08-19 | 上海交通大学 | 基于离群点挖掘的集群工业机器人故障诊断方法 |
KR20130051679A (ko) * | 2011-11-10 | 2013-05-21 | 한국전자통신연구원 | 군집지능 라우팅 로봇 장치와 이를 포함하는 이동경로 제어 시스템 |
CN103294875A (zh) * | 2013-06-28 | 2013-09-11 | 山东师范大学 | 基于群体智能和自适应评价的群体编队仿真方法 |
CN103632558A (zh) * | 2013-11-15 | 2014-03-12 | 西北工业大学 | 基于仿生群体智能的移动车辆实时定位导航、运动控制方法与系统 |
CN104317293A (zh) * | 2014-09-19 | 2015-01-28 | 南京邮电大学 | 一种改进蚁群算法的城市救援智能体动态路径规划方法 |
-
2015
- 2015-05-25 CN CN201510270777.4A patent/CN105005301B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060161405A1 (en) * | 2004-06-04 | 2006-07-20 | Munirajan Vignesh K | Methods for locating targets and simmulating mine detection via a cognitive, swarm intelligence-based approach |
CN101493329A (zh) * | 2008-01-23 | 2009-07-29 | 华东师范大学 | 一种多目标点路径规划方法和装置 |
CN101509839A (zh) * | 2009-03-12 | 2009-08-19 | 上海交通大学 | 基于离群点挖掘的集群工业机器人故障诊断方法 |
KR20130051679A (ko) * | 2011-11-10 | 2013-05-21 | 한국전자통신연구원 | 군집지능 라우팅 로봇 장치와 이를 포함하는 이동경로 제어 시스템 |
CN103294875A (zh) * | 2013-06-28 | 2013-09-11 | 山东师范大学 | 基于群体智能和自适应评价的群体编队仿真方法 |
CN103632558A (zh) * | 2013-11-15 | 2014-03-12 | 西北工业大学 | 基于仿生群体智能的移动车辆实时定位导航、运动控制方法与系统 |
CN104317293A (zh) * | 2014-09-19 | 2015-01-28 | 南京邮电大学 | 一种改进蚁群算法的城市救援智能体动态路径规划方法 |
Non-Patent Citations (2)
Title |
---|
周利坤等: "自适应人工鱼群算法在清罐移动机器人路径规划中的应用", 《机械科学与技术》 * |
金飞虎等: "自适应蚁群算法在空间机器人路径规划中的应用", 《哈尔滨工业大学学报》 * |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105415372B (zh) * | 2015-12-09 | 2017-04-12 | 常州汉迪机器人科技有限公司 | 一种安全空间约束下的多关节机器人轨迹规划方法 |
CN105415372A (zh) * | 2015-12-09 | 2016-03-23 | 常州汉迪机器人科技有限公司 | 一种安全空间约束下的多关节机器人轨迹规划方法 |
CN105446339A (zh) * | 2015-12-22 | 2016-03-30 | 安徽工程大学 | 一种移动机器人路径规划方法 |
CN106926233A (zh) * | 2015-12-29 | 2017-07-07 | 楚天科技股份有限公司 | 一种平面机械手运动路径的规划方法 |
CN106926233B (zh) * | 2015-12-29 | 2019-04-16 | 楚天科技股份有限公司 | 一种平面机械手运动路径的规划方法 |
CN105911992B (zh) * | 2016-06-14 | 2019-02-22 | 广东技术师范学院 | 一种移动机器人的自动规划路径方法及移动机器人 |
CN105911992A (zh) * | 2016-06-14 | 2016-08-31 | 广东技术师范学院 | 一种移动机器人的自动规划路径方法及移动机器人 |
CN107186713A (zh) * | 2017-05-23 | 2017-09-22 | 江苏安格尔机器人有限公司 | 一种过路径点的机械臂多轴运动规划优化方法 |
CN107186713B (zh) * | 2017-05-23 | 2020-01-17 | 壹利特机器人科技(常州)有限公司 | 一种过路径点的机械臂多轴运动规划优化方法 |
CN107443373A (zh) * | 2017-07-20 | 2017-12-08 | 广东工业大学 | 基于关节臂机器人的避碰轨迹规划方法和装置 |
CN107831781A (zh) * | 2017-10-26 | 2018-03-23 | 成都信息工程大学 | 一种机器鱼运动的控制方法及系统 |
CN110069063B (zh) * | 2018-01-24 | 2022-07-12 | 西门子股份公司 | 在调试运动规划器时进行计算机辅助式的用户辅助的方法 |
CN110069063A (zh) * | 2018-01-24 | 2019-07-30 | 西门子股份公司 | 在调试运动规划器时进行计算机辅助式的用户辅助的方法 |
US11654560B2 (en) | 2018-01-24 | 2023-05-23 | Siemens Aktiengesellschaft | Method for computer-aided user assistance during the activation of a movement planner for a machine |
CN109141438A (zh) * | 2018-10-18 | 2019-01-04 | 合肥工业大学 | 一种叉车全局路径规划方法 |
CN109141438B (zh) * | 2018-10-18 | 2021-10-15 | 合肥工业大学 | 一种叉车全局路径规划方法 |
CN110017790A (zh) * | 2019-03-15 | 2019-07-16 | 南京航空航天大学 | 一种基于测量精度的曲面扫描轨迹生成与优化方法 |
CN110017790B (zh) * | 2019-03-15 | 2021-02-09 | 南京航空航天大学 | 一种基于测量精度的曲面扫描轨迹生成与优化方法 |
CN109933089A (zh) * | 2019-03-25 | 2019-06-25 | 北京邮电大学 | 基于最小化最大能量消耗的多无人机任务规划方法及装置 |
CN110135916A (zh) * | 2019-05-23 | 2019-08-16 | 北京优网助帮信息技术有限公司 | 一种相似人群识别方法及系统 |
CN110125943A (zh) * | 2019-06-27 | 2019-08-16 | 易思维(杭州)科技有限公司 | 多自由度机械臂避障路径规划方法 |
CN110766226A (zh) * | 2019-10-24 | 2020-02-07 | 桂林航天工业学院 | 一种基于智能建模和智能算法的平地机远程作业调度法 |
CN110948482A (zh) * | 2019-11-06 | 2020-04-03 | 江苏信息职业技术学院 | 一种冗余机器人轨迹规划方法 |
CN111752302A (zh) * | 2020-02-26 | 2020-10-09 | 广州极飞科技有限公司 | 路径规划方法、装置、电子设备和计算机可读存储介质 |
CN111752302B (zh) * | 2020-02-26 | 2021-09-10 | 广州极飞科技股份有限公司 | 路径规划方法、装置、电子设备和计算机可读存储介质 |
CN111890154A (zh) * | 2020-07-31 | 2020-11-06 | 广东博智林机器人有限公司 | 打磨方法 |
CN111890154B (zh) * | 2020-07-31 | 2021-08-31 | 广东博智林机器人有限公司 | 打磨方法 |
CN112562372A (zh) * | 2020-11-30 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 一种轨迹数据的处理方法以及相关装置 |
CN112562372B (zh) * | 2020-11-30 | 2021-11-16 | 腾讯科技(深圳)有限公司 | 一种轨迹数据的处理方法以及相关装置 |
CN113334376B (zh) * | 2021-05-25 | 2022-03-22 | 浙江大学 | 基于闭环搜索单元的工程机械臂最优能耗路径优化方法 |
CN113334376A (zh) * | 2021-05-25 | 2021-09-03 | 浙江大学 | 基于闭环搜索单元的工程机械臂最优能耗路径优化方法 |
CN114265364A (zh) * | 2021-12-21 | 2022-04-01 | 江苏师范大学 | 一种工业物联网的监测数据处理系统及方法 |
CN114265364B (zh) * | 2021-12-21 | 2023-10-03 | 江苏师范大学 | 一种工业物联网的监测数据处理系统及方法 |
CN114326588A (zh) * | 2022-03-14 | 2022-04-12 | 深圳市山龙智控有限公司 | 一种伺服驱动系统的效率优化控制方法、系统及存储介质 |
CN114326588B (zh) * | 2022-03-14 | 2022-05-20 | 深圳市山龙智控有限公司 | 一种伺服驱动系统的效率优化控制方法、系统及存储介质 |
CN115167411A (zh) * | 2022-07-01 | 2022-10-11 | 安徽机电职业技术学院 | 一种移动机器人的局部路径优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105005301B (zh) | 2018-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105005301A (zh) | 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 | |
CN102819264B (zh) | 移动机器人路径规划q学习初始化方法 | |
CN106502250B (zh) | 三维空间内多机器人编队的路径规划算法 | |
CN108416488B (zh) | 一种面向动态任务的多智能机器人任务分配方法 | |
Narayanan et al. | Anytime safe interval path planning for dynamic environments | |
CN109241552A (zh) | 一种基于多约束目标的水下机器人运动规划方法 | |
CN110216673B (zh) | 电液机器人关节轨迹的非支配邻域免疫遗传多目标优化方法 | |
Shiller | Off-line and on-line trajectory planning | |
Shiller et al. | Online obstacle avoidance at high speeds | |
CN107234617A (zh) | 一种避障任务无关人工势场引导的避障路径规划方法 | |
CN106041931A (zh) | 一种多障碍空间多agv机器人协作防碰撞路径优化方法 | |
CN102528802A (zh) | 九自由度机器人的运动驱动方法 | |
CN104020665A (zh) | 基于多目标粒子群算法的机械臂最小跃度轨迹优化方法 | |
CN102402712A (zh) | 基于神经网络的机器人强化学习初始化方法 | |
CN103970139A (zh) | 一种机器人连续点位运动规划方法及其运动控制器 | |
CN108363393B (zh) | 一种智能运动设备及其导航方法和存储介质 | |
CN107168309A (zh) | 一种基于行为的多水下机器人路径规划方法 | |
CN105867370A (zh) | 一种移动机器人全覆盖遍历混沌路径规划方法 | |
US20210053220A1 (en) | Motion planning for robots to optimize velocity while maintaining limits on acceleration and jerk | |
CN110561419B (zh) | 臂型线约束柔性机器人轨迹规划方法及装置 | |
CN109683615A (zh) | 机器人连续运动的路径的速度前瞻方法及机器人控制器 | |
CN105082134A (zh) | 一种基于多判据的六自由度串联机器人奇异性处理方法 | |
CN112731942A (zh) | 一种基于改进领航者虚拟结构法的多auv编队控制方法 | |
CN110125943A (zh) | 多自由度机械臂避障路径规划方法 | |
Vatamaniuk et al. | Convex shape generation by robotic swarm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180626 |