CN109446670B - 一种机械手臂的行为识别的数据生成以及存储系统 - Google Patents

Abstract

本发明公开了一种机械手臂的行为识别的数据生成以及存储系统，包括初始规范模块、运动数据表示模块和数据存储模块；初始规范模块用于对该数据生成以及存储系统的基本设置，获得机械手臂的二连杆结构的关节变量；运动数据表示模块从数据存储模块中提取关节变量，模拟机械手臂的二连杆结构运动轨迹，生成识别数据；数据存储模块接收初始规范模块发送的关节变量，将关节变量存储到所述数据存储模块中内置的存储器中，并将运动数据表示模块生成的识别数据存入所述数据存储模块中内置的存储器中。本发明采用符号标识法对机械手臂进行了动力学分析，并在对机械手臂进行了运动学和动力学模拟，输出一些曲线数据，为机械手臂控制技术的研究奠定基础。

Description

一种机械手臂的行为识别的数据生成以及存储系统

技术领域

本发明涉及医用机械领域，涉及一种机械手臂的行为识别的数据生成以及存储系统。

背景技术

随着科学技术的发展，特别是计算机技术以及自动化技术的发展，机械手臂更是成为国内外研究的热点。以机械手臂为研究对象，对其行为已经进行了机构分析，并对机械手臂的驱动部分进行了气动系统设计。

机械手臂运动学主要研究两类问题：一类是给定机械手臂各关节角度，要求计算机械手臂手爪的位置与姿态问题，称为正向运动学；另一类是已知手爪的位置与姿态求机械手臂对应于这个位置与姿态的全部关节角，称为逆向运动学。

基于Denavt-Hartenberg(D-H)方法建模：

为描述相邻杆件间的转动和平移关系，Denavt和Hartenberg(1955)提出了一种为机械手臂关节链中的每一个杆件建立附体坐标系的矩阵方法。机械手臂刚性杆件的D-H方法由杆件的几何和运动参数ai，αi，di，θi决定。它为每个关节处的杆件坐标系建立起4×4齐次坐标变换矩阵，它表示与前一杆件坐标系的位姿关系。这样通过逐次变换，把用“手部坐标”表示的末端执行器可被变换成用机座坐标表示的形式。任何杆件i都能用两个参数表征：杆件i的长度ai，是杆件上两端关节轴线之间的最短距离(公垂线长度)；杆件i的扭转角αi是两端关节轴线之间的夹角(沿公垂线方向看下去)。

通常，在每个杆件关节轴线上都有两根杆件相连，每个杆件都有一根和轴线相垂直的法线。两个杆件的运动关系有两杆件的关节平移量di(两个杆件的长度在关节轴线上的距离)和关节回转量θi(两个杆件的长度在关节轴线上的夹角)确定。n关节机械手臂需建立n+1个坐标系。确定和建立每个坐标系应根据下面3条规则：

(1)Zi轴沿着第i关节的运动轴；

(2)Xi轴垂直于Zi-1轴和Zi轴并指向离开Zi-1轴的方向；

(3)Yi轴按右手坐标系的要求建立。

根据上述对杆件参数及坐标系的定义，描述串联机械手臂相邻坐标系之间的关节关系可归结为如下4个参数：

θi：绕Zn-1轴(右手定则)由X i-1轴向X i轴的关节角；

di：从第i-1坐标系的原点到Zi-1轴和X i轴的交点沿Zi-1轴的距离；

ai：从Zn-1和X i的交点到第i坐标系原点沿X i轴的偏置距离(或者说，是Zn-1和Zi两轴间的最小距离)；

αi：绕X i轴(右手定则)由Zn-1轴转向Zi轴的偏角。

正运动学就是当机械手臂各关节的变量给定时，求解这些变量在以机械手臂的末端位置和方向为基础的基准坐标系中，如何进行表示的问题。作为正运动学的解析法，有向量法和齐次变换法两种。

运动学逆问题求解为，针对机械手臂运动学逆问题的求解称为运动学方程的逆解。当给出机械手臂手部在机座坐标系中所处的位置和姿态时，即给定了运动学方程中位姿矩阵的各元素值。如何求出机械手臂各个运动关节的关节变量值，是求解机械手臂运动学的逆问题，也称为间接位置求解。

基于D-H法则建立了机械手臂的运动学模型，运用齐次坐标变换法进行正运动学研究，得到机械手臂的运动学正解；运用代数法进行逆运动学分析，得到机械手臂的运动学逆解，为机械手臂控制实现提供了理论依据，但还是缺乏一种好的行为数据生成以及存储技术体系。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种机械手臂的行为识别的数据生成以及存储系统，通过对机械手臂进行运动学和动力学模拟，输出曲线数据并进行保存。

为了解决上述技术问题，本发明采取的技术方案如下：

一种机械手臂的行为识别的数据生成以及存储系统，包括初始规范模块、运动数据表示模块和数据存储模块；

所述初始规范模块用于对该数据生成以及存储系统的基本设置，获得机械手臂的二连杆结构的关节变量；

所述运动数据表示模块从所述数据存储模块中提取关节变量，模拟机械手臂的二连杆结构运动轨迹，生成识别数据；

所述数据存储模块接收所述初始规范模块发送的关节变量，将关节变量存储到所述数据存储模块中内置的存储器中；并将运动数据表示模块生成的识别数据存入所述数据存储模块中内置的存储器中；

所述数据存储模块从所述初始规范模块接收机械手臂初始的二连杆结构的关节变量，并传送给所述运动数据表示模块，所述运动数据表示模块接收到机械手臂初始的二连杆结构的关节变量后，开始工作，最后得到识别数据，存入所述数据存储模块中，所述数据存储模块中存放的识别数据后续用作相同行为的控制数据；其中，机械手臂初始的二连杆结构的关节变量为根据用户需要开始观察机械手臂的行为时，机械手臂的二连杆结构的关节变量的值。

通过初步的基本设置、行为识别的符号表示以及最后的数据输出。

其中，所述二连杆结构拥有两个关节，将二连杆结构的行为使用两个关节变量θ1、θ2来表示，并发送给所述数据存储模块；所述关节变量为关节的运动夹角，θ1、θ2分别为两个关节处相连的两条连杆的直线的延长线之间的夹角，取值范围为0到360度。

所述运动数据表示模块从所述数据存储模块中提取关节变量，利用关节变量取关键点，构造机械手臂的关节运动轨迹，利用关节运动轨迹模拟机械手臂的运动轨迹，接收用户输入的时间点，生成运动轨迹事件集合，并且同时模拟中采用在运动轨迹事件集合中植入执行项的方法，以得到运动逻辑式，将关节运动轨迹、运动轨迹事件集合、运动逻辑式和关键点合成识别数据，并存入所述数据存储模块中。

所述关节运动轨迹的构建过程为：对关节变量θ1、θ2分别建立两个坐标体系，在时间节点t₀,...,t_n上，分别在关节变量的两条边的延长线上都各取N个点，作为所述关键点，将其在两个坐标体系上取坐标，并把N个关键点的坐标读取出来，并连成一条直线，以直线的参数方程表示，从而得到n×2条直线的参数方程；建立坐标变换矩阵，坐标变换矩阵为两个坐标体系中的一个坐标体系经过角度变换以及平移变为另一个坐标体系，从而将两个坐标体系合并成一个坐标体系；随着时间变化，关节变量θ1、θ2也发生变化，选取关节变量θ1、θ2中一个，将其在时间节点t₀,...,t_n上两条边的延长线上N个关键点的坐标、n×2条直线的参数方程都乘以坐标变换矩阵，得到变换后的两条边的延长线上N个关键点的坐标以及变换后的n×2条直线的参数方程，将没有经过变换的关节变量的n×2条直线的参数方程、变换后的n×2条直线的参数方程作为关节运动轨迹；N为10到50之间的整数，t₀＝0，被表示为机械手臂开始运动时的时间，t_n为机械手臂停止运动时的时间，t₀,...,t_n按时间升序按顺序由用户选取，表示离机械手臂开始运动时的时间过去的秒数，n为大于2的自然数，由用户选取，当机械手臂改变运动方向时，必然取此时的时间点，作为t0,...,tn中一个。

所述运动轨迹事件集合包含机械手臂运动时表示的静态事件与动态事件，执行项是对静态事件与动态事件的逻辑连接，包含

∧，分别代表取反与并且，为数理逻辑中最基本的符号；静态事件为两个关节变量其中一个关节变量不变，另外一个关节变量根据时间变化，动态事件为两个关节变量都发生变化；

静态事件被表示为：

〈Vθ1(t_v-t_k),θ2(t_v)〉或〈θ1(t_v),Vθ2(t_v-t_k)〉，

其中，Vθ1(t_v-t_k)表示关节变量θ1在时间段[t_v,t_k]内的变化量，Vθ2(t_v-t_k)表示关节变量θ2在时间段[t_v,t_k]内的变化量；

动态事件表示为：〈Vθ1(t_v-t_k),Vθ2(t_v-t_k)>，

其中，θ1(t_v)、θ2(t_v)分别表示关节变量θ1、θ2在时间点t_v上的值；t_v、t_k为t0,...,tn中两个时间点。

通过生成运动轨迹事件集合，并且同时模拟中采用在运动轨迹事件集合中植入执行项的方法，以得到运动逻辑式的过程为，用户可以向所述运动数据表示模块输入时间点，输入的时间点必须为t0,...,tn中两个，设为tm、tl，m、l为0至n之间的自然数，为t0,...,tn下标中其中两个；把tm、tl之间包含在所有t0,...,tn中的时间点提取，tm,...,tl中机械手臂改变运动方向时的时间点提取，作为tm,...,tl之间的时间点，两两取相邻的时间点，分别作为t_v、t_k，并提取所述关节运动轨迹中时间点t_v、t_k上的关节变量θ1、θ2上的两条直线的参数方程，得到两条直线的倾斜角，求得在时间点t_v上关节变量θ1上的两条直线的倾斜角的差、时间点t_k上关节变量θ1上的两条直线的倾斜角的差，再将两者相减，作为Vθ1(t_v-t_k)，求得在时间点t_v上关节变量θ2上的两条直线的倾斜角的差、时间点t_k上关节变量θ2上的两条直线的倾斜角的差，再将两者相减，作为Vθ2(t_v-t_k)；

如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)都为零，不再表示时间点t_v、t_k上的静态事件或者动态事件；表示时间点t_v、t_k上的静态事件<Vθ1(t_v-t_k),θ2(t_v)>、<θ1(t_v),Vθ2(t_v-t_k)>，加入到运动轨迹事件集合中，接着表示时间点t_v、t_k上的动态事件<Vθ1(t_v-t_k),Vθ2(t_v-t_k)>，加入到运动轨迹事件集合中；

如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)都不为零，则植入执行项∧，将运动逻辑式表示为<Vθ1(t_v-t_k),θ2(t_v)>∧<θ1(t_v),Vθ2(t_v-t_k)>，或者不植入执行项，将运动逻辑式表示为<Vθ1(t_v-t_k),Vθ2(t_v-t_k)>；

如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)有且只有一个都为零，其中Vθ1(t_v-t_k)不为零，则植入执行项

∧，将运动逻辑式表示为

其中Vθ2(t_v-t_k)不为零，或者植入执行项

∧，将运动逻辑式表示为

其中，所述坐标体系以关节为原点，与该关节直接相连的一个连杆作为x轴，与x轴垂直的并且与连杆在同一个平面的另一条直线作为y轴。

有益效果：

本发明采用符号标识法对机械手臂进行了动力学分析，并在对机械手臂进行了运动学和动力学模拟，输出一些曲线数据，为机械手臂控制技术的研究奠定基础。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1为本发明的机械手臂的行为识别的数据生成以及存储系统的结构图。

图2为本发明的关节变量在机械手臂上的示意图。

具体实施方式

根据下述实施例，可以更好地理解本发明。

如图1所示，该机械手臂的行为识别的数据生成以及存储系统包括初始规范模块、运动数据表示模块和数据存储模块；

初始规范模块用于对该数据生成以及存储系统的基本设置，具体过程为获得机械手臂的二连杆结构；所述二连杆结构拥有两个关节，将二连杆结构的行为使用两个关节变量θ1、θ2来表示，并发送给所述数据存储模块；所述关节变量为关节的运动夹角，θ1、θ2分别为两个关节处相连的两条连杆的直线的延长线之间的夹角，取值范围为0到360度。

运动数据表示模块从所述数据存储模块中提取关节变量，利用关节变量取关键点，构造机械手臂的关节运动轨迹，利用关节运动轨迹模拟机械手臂的运动轨迹，接收用户输入的时间点，生成运动轨迹事件集合，并且同时模拟中采用在运动轨迹事件集合中植入执行项的方法，以得到运动逻辑式，将关节运动轨迹、运动轨迹事件集合、运动逻辑式、关键点都存入所述数据存储模块；

数据存储模块接收到所述初始规范模块发送的关节变量，将关节变量存储到所述数据存储模块中内置的存储器中；并将关节运动轨迹、运动轨迹事件集合、运动逻辑式、关键点合并成识别数据存入所述数据存储模块中内置的存储器中。

所述关节运动轨迹的构建过程为：对关节变量θ1、θ2分别建立两个坐标体系，在时间节点t₀,...,t_n上，分别在关节变量的两条边的延长线上都各取N个点，作为所述关键点，将其在两个坐标体系上取坐标，并把N个关键点的坐标读取出来，并连成一条直线，以直线的参数方程表示，从而得到n×2条直线的参数方程；建立坐标变换矩阵，坐标变换矩阵为两个坐标体系中的一个坐标体系经过角度变换以及平移变为另一个坐标体系，从而将两个坐标体系合并成一个坐标体系；随着时间变化，关节变量θ1、θ2也发生变化，选取关节变量θ1、θ2中一个，将其在时间节点t₀,...,t_n上两条边的延长线上N个关键点的坐标、n×2条直线的参数方程都乘以坐标变换矩阵，得到变换后的两条边的延长线上N个关键点的坐标以及变换后的n×2条直线的参数方程，将没有经过变换的关节变量的n×2条直线的参数方程、变换后的n×2条直线的参数方程作为关节运动轨迹；N为10到50之间的整数，t₀＝0，被表示为机械手臂开始运动时的时间，t_n为机械手臂停止运动时的时间，t₀,...,t_n按时间升序按顺序由用户选取，表示离机械手臂开始运动时的时间过去的秒数，n为大于2的自然数，由用户选取，当机械手臂改变运动方向时，必然取此时的时间点，作为t0,...,tn中一个。

所述运动轨迹事件集合包含机械手臂运动时表示的静态事件与动态事件，执行项是对静态事件与动态事件的逻辑连接，包含

∧，分别代表取反与并且；静态事件为两个关节变量其中一个关节变量不变，另外一个关节变量根据时间变化，动态事件为两个关节变量都发生变化；静态事件被表示为<Vθ1(t_v-t_k),θ2(t_v)>或<θ1(t_v),Vθ2(t_v-t_k)>，其中Vθ1(t_v-t_k)表示关节变量θ1在时间段[t_v,t_k]内的变化量，Vθ2(t_v-t_k)表示关节变量θ2在时间段[t_v,t_k]内的变化量；动态事件被表示为<Vθ1(t_v-t_k),Vθ2(t_v-t_k)>；θ1(t_v)、θ2(t_v)分别表示关节变量θ1、θ2在时间点t_v上的值；t_v、t_k为t0,...,tn中两个时间点。

通过生成运动轨迹事件集合，并且同时模拟中采用在运动轨迹事件集合中植入执行项的方法，以得到运动逻辑式的过程为，用户可以向所述运动数据表示模块输入时间点，输入的时间点必须为t0,...,tn中两个，设为tm、tl，m、l为0至n之间的自然数，为t0,...,tn下标中其中两个；把tm、tl之间包含在所有t0,...,tn中的时间点提取，tm,...,tl中机械手臂改变运动方向时的时间点提取，作为tm,...,tl之间的时间点，两两取相邻的时间点，分别作为t_v、t_k，并提取所述关节运动轨迹中时间点t_v、t_k上的关节变量θ1、θ2上的两条直线的参数方程，得到两条直线的倾斜角，求得在时间点t_v上关节变量θ1上的两条直线的倾斜角的差、时间点t_k上关节变量θ1上的两条直线的倾斜角的差，再将两者相减，作为Vθ1(t_v-t_k)，求得在时间点t_v上关节变量θ2上的两条直线的倾斜角的差、时间点t_k上关节变量θ2上的两条直线的倾斜角的差，再将两者相减，作为Vθ2(t_v-t_k)；如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)都为零，不再表示时间点t_v、t_k上的静态事件或者动态事件；表示时间点t_v、t_k上的静态事件<Vθ1(t_v-t_k),θ2(t_v)>、<θ1(t_v),Vθ2(t_v-t_k)>，加入到运动轨迹事件集合中，接着表示时间点t_v、t_k上的动态事件<Vθ1(t_v-t_k),Vθ2(t_v-t_k)>，加入到运动轨迹事件集合中；如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)都不为零，则植入执行项∧，将运动逻辑式表示为<Vθ1(t_v-t_k),θ2(t_v)>∧<θ1(t_v),Vθ2(t_v-t_k)>，或者不植入执行项，将运动逻辑式表示为<Vθ1(t_v-t_k),Vθ2(t_v-t_k)>；如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)有且只有一个都为零，其中Vθ1(t_v-t_k)不为零，则植入执行项

∧，将运动逻辑式表示为

其中Vθ2(t_v-t_k)不为零，或者植入执行项

∧，将运动逻辑式表示为

如果单独使用运动轨迹事件集合表示，可以有以下表示方法：如果只有Vθ1(t_v-t_k)为零，求取θ1(t_v)的值，将时间点t_v、t_k上静态事件表示为<θ1(t_v),Vθ2(t_v-t_k)>，并且加入到运动轨迹事件集合中；如果只有Vθ2(t_v-t_k)为零，求取θ2(t_v)的值，将时间点t_v、t_k上静态事件表示为<Vθ1(t_v-t_k),θ2(t_v)>，并且加入到运动轨迹事件集合中；如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)都为零，不再表示时间点t_v、t_k上的静态事件或者动态事件；如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)都不为零，将时间点t_v、t_k上动态事件表示为<Vθ1(t_v-t_k),Vθ2(t_v-t_k)>，并且加入到运动轨迹事件集合中。

初始规范模块用于对识别装置的基本设置，将关节变量为关节的运动夹角，使用字节码进行存储；对字节码进行识别，识别使用指针对关键变量位置定位，来模拟机械手臂的运动轨迹，模拟中采用植入执行项的方法，执行项为对字节码的操作，拥有识别规则来规范其的操作。

在关节运动轨迹的构建过程中，随着时间变化，关节变量θ1、θ2也发生变化，选取关节变量θ1、θ2中一个，将其在时间节点t₀,...,t_n上两条边的延长线上N个关键点的坐标、n×2条直线的参数方程都乘以坐标变换矩阵，得到变换后的两条边的延长线上N个关键点的坐标以及变换后的n×2条直线的参数方程，将没有经过变换的关节变量的n×2条直线的参数方程、变换后的n×2条直线的参数方程作为关节运动轨迹；N为10到50之间的整数，t₀＝0，被表示为机械手臂开始运动时的时间，t_n为机械手臂停止运动时的时间，t₀,...,t_n按时间升序按顺序由用户选取，表示离机械手臂开始运动时的时间过去的秒数，n为大于2的自然数，由用户选取，当机械手臂改变运动方向时，必然取此时的时间点，作为t₀,...,t_n中一个，例如，当机械手臂改变运动方向时，前面t₀,...,t_n已经取到了t₃，改变运动方向的时间被取为t₄。

上述公式中，

表示<Vθ1(t_v-t_k),θ2(t_v)>与

同时成立；其中，

表示<θ1(t_v),Vθ2(t_v-t_k)>不成立，v、k取值范围为0到n之间的正整数。

运动数据表示模块负责将运动轨迹表示，运动轨迹以静态事件与动态事件混合表示，执行项是对静态事件与动态事件的逻辑连接，识别规则为静态事件与动态事件以及静态事件与动态事件的逻辑连接所构成的一阶逻辑，构成逻辑体系；静态事件为两个关节变量其中一个关节变量不变，另外一个关节变量根据时间变化，动态事件为两个关节变量都发生变化；逻辑连接为对关节变量θ1、θ2分别建立两个坐标体系，在关节变量的相同角度的延长线上取三个点，将其在两个坐标体系上取坐标，坐标体系以关节为原点，与该关节直接相连的一个连杆作为x轴，与x轴垂直的并且与连杆在同一个平面的另一条直线作为y轴。当关节变量随时间变化时，点的坐标也发生变化，将其连接分别在坐标体系上构成两个曲线，并建立坐标变换矩阵，坐标变换矩阵为两个坐标体系中的一个坐标体系经过角度变换以及平移变为另一个坐标体系，一个曲线上的点乘以坐标变换矩阵，与另一个曲线共用一个坐标体系，一个曲线变换成另一个变换曲线，将变换曲线与没有经过变换的曲线一起存储入逻辑体系。

数据存储模块将执行项以及逻辑体系合成识别数据，并将识别数据存入应用系统的存储单元，并生成标识，标识为在识别数据与应用系统的存储单元中的位置之间的对应关系，最后将识别数据以及字节码、指针一起组成识别报表。

本发明提供了一种机械手臂的行为识别的数据生成以及存储系统的思路及方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (6)

1.一种机械手臂的行为识别的数据生成以及存储系统，其特征在于，包括初始规范模块、运动数据表示模块和数据存储模块；

所述初始规范模块用于对该数据生成以及存储系统的基本设置，获得机械手臂的二连杆结构的关节变量；

所述运动数据表示模块从所述数据存储模块中提取关节变量，模拟机械手臂的二连杆结构运动轨迹，生成识别数据；

所述数据存储模块接收所述初始规范模块发送的关节变量，将关节变量存储到所述数据存储模块中内置的存储器中；并将运动数据表示模块生成的识别数据存入所述数据存储模块中内置的存储器中；

所述数据存储模块从所述初始规范模块接收机械手臂初始的二连杆结构的关节变量，并传送给所述运动数据表示模块，所述运动数据表示模块接收到机械手臂初始的二连杆结构的关节变量后，开始工作，最后得到识别数据，存入所述数据存储模块中，所述数据存储模块中存放的识别数据后续用作相同行为的控制数据；其中，机械手臂初始的二连杆结构的关节变量为根据用户需要开始观察机械手臂的行为时，机械手臂的二连杆结构的关节变量的值；

所述运动数据表示模块从所述数据存储模块中提取关节变量，利用关节变量取关键点，构造机械手臂的关节运动轨迹，利用关节运动轨迹模拟机械手臂的运动轨迹，接收用户输入的时间点，生成运动轨迹事件集合，并且同时模拟中采用在运动轨迹事件集合中植入执行项的方法，以得到运动逻辑式，将关节运动轨迹、运动轨迹事件集合、运动逻辑式和关键点合成识别数据，并存入所述数据存储模块中。

2.根据权利要求1所述的机械手臂的行为识别的数据生成以及存储系统，其特征在于，所述二连杆结构拥有两个关节，将二连杆结构的行为使用两个关节变量θ1、θ2来表示，并发送给所述数据存储模块；所述关节变量为关节的运动夹角，θ1、θ2分别为两个关节处相连的两条连杆的直线的延长线之间的夹角，取值范围为0到360度。

3.根据权利要求1所述的一种机械手臂的行为识别的数据生成以及存储系统，其特征在于，所述关节运动轨迹的构建过程为：对关节变量θ1、θ2分别建立两个坐标体系，在时间节点t₀,...,t_n上，分别在关节变量的两条边的延长线上都各取N个点，作为所述关键点，将其在两个坐标体系上取坐标，并把N个关键点的坐标读取出来，并连成一条直线，以直线的参数方程表示，从而得到n×2条直线的参数方程；建立坐标变换矩阵，坐标变换矩阵为两个坐标体系中的一个坐标体系经过角度变换以及平移变为另一个坐标体系，从而将两个坐标体系合并成一个坐标体系；随着时间变化，关节变量θ1、θ2也发生变化，选取关节变量θ1、θ2中一个，将其在时间节点t₀,...,t_n上两条边的延长线上N个关键点的坐标、n×2条直线的参数方程都乘以坐标变换矩阵，得到变换后的两条边的延长线上N个关键点的坐标以及变换后的n×2条直线的参数方程，将没有经过变换的关节变量的n×2条直线的参数方程、变换后的n×2条直线的参数方程作为关节运动轨迹；N为10到50之间的整数，t₀＝0，被表示为机械手臂开始运动时的时间，t_n为机械手臂停止运动时的时间，t₀,...,t_n按时间升序按顺序由用户选取，表示离机械手臂开始运动时的时间过去的秒数，n为大于2的自然数，由用户选取，当机械手臂改变运动方向时，必然取此时的时间点，作为t0,...,tn中一个。

4.根据权利要求3所述的一种机械手臂的行为识别的数据生成以及存储系统，其特征在于，所述运动轨迹事件集合包含机械手臂运动时表示的静态事件与动态事件，执行项是对静态事件与动态事件的逻辑连接，包含

∧，分别代表取反与并且；静态事件为两个关节变量其中一个关节变量不变，另外一个关节变量根据时间变化，动态事件为两个关节变量都发生变化；

静态事件被表示为：

<Vθ1(t_v-t_k),θ2(t_v)>或<θ1(t_v),Vθ2(t_v-t_k)>，

其中，Vθ1(t_v-t_k)表示关节变量θ1在时间段[t_v,t_k]内的变化量，Vθ2(t_v-t_k)表示关节变量θ2在时间段[t_v,t_k]内的变化量；

动态事件表示为：<Vθ1(t_v-t_k),Vθ2(t_v-t_k)>，

其中，θ1(t_v)、θ2(t_v)分别表示关节变量θ1、θ2在时间点t_v上的值；t_v、t_k为t0,...,tn中两个时间点。

5.根据权利要求4所述的一种机械手臂的行为识别的数据生成以及存储系统，其特征在于，通过生成运动轨迹事件集合，并且同时模拟中采用在运动轨迹事件集合中植入执行项的方法，以得到运动逻辑式的过程为，用户向所述运动数据表示模块输入时间点，输入的时间点必须为t0,...,tn中两个，设为tm、tl，m、l为0至n之间的自然数，为t0,...,tn下标中其中两个；把tm、tl之间包含在所有t0,...,tn中的时间点提取，tm,...,tl中机械手臂改变运动方向时的时间点提取，作为tm,...,tl之间的时间点，两两取相邻的时间点，分别作为t_v、t_k，并提取所述关节运动轨迹中时间点t_v、t_k上的关节变量θ1、θ2上的两条直线的参数方程，得到两条直线的倾斜角，求得在时间点t_v上关节变量θ1上的两条直线的倾斜角的差、时间点t_k上关节变量θ1上的两条直线的倾斜角的差，再将两者相减，作为Vθ1(t_v-t_k)，求得在时间点t_v上关节变量θ2上的两条直线的倾斜角的差、时间点t_k上关节变量θ2上的两条直线的倾斜角的差，再将两者相减，作为Vθ2(t_v-t_k)；

如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)都为零，不再表示时间点t_v、t_k上的静态事件或者动态事件；表示时间点t_v、t_k上的静态事件<Vθ1(t_v-t_k),θ2(t_v)>、<θ1(t_v),Vθ2(t_v-t_k)>，加入到运动轨迹事件集合中，接着表示时间点t_v、t_k上的动态事件<Vθ1(t_v-t_k),Vθ2(t_v-t_k)>，加入到运动轨迹事件集合中；

如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)都不为零，则植入执行项^，将运动逻辑式表示为<Vθ1(t_v-t_k),θ2(t_v)>∧<θ1(t_v),Vθ2(t_v-t_k)>，或者不植入执行项，将运动逻辑式表示为<Vθ1(t_v-t_k),Vθ2(t_v-t_k)>；

如果Vθ1(t_v-t_k)、Vθ2(t_v-t_k)有且只有一个都为零，其中Vθ1(t_v-t_k)不为零，则植入执行项

∧，将运动逻辑式表示为

其中Vθ2(t_v-t_k)不为零，或者植入执行项

∧，将运动逻辑式表示为

6.根据权利要求3所述的一种机械手臂的行为识别的数据生成以及存储系统，其特征在于，所述坐标体系以关节为原点，与该关节直接相连的一个连杆作为x轴，与x轴垂直的并且与连杆在同一个平面的另一条直线作为y轴。

Images