CN110625617B - 一种智能机器人轨迹规划方法 - Google Patents
一种智能机器人轨迹规划方法 Download PDFInfo
- Publication number
- CN110625617B CN110625617B CN201911002346.4A CN201911002346A CN110625617B CN 110625617 B CN110625617 B CN 110625617B CN 201911002346 A CN201911002346 A CN 201911002346A CN 110625617 B CN110625617 B CN 110625617B
- Authority
- CN
- China
- Prior art keywords
- speed
- point
- motion
- path
- acquiring
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明提出一种智能机器人轨迹规划方法,包括:获取运动轨迹,对所述运动轨迹进行拆分获取拆分路径;根据所述拆分路径的两个端点的运动状态,向所述拆分路径中部进行双向速度修正,获取插补路径;本发明可有效提高轨迹插补效率,使得插补轨迹更为平滑。
Description
技术领域
本发明涉及智能运动控制领域,尤其涉及一种智能机器人轨迹规划方法。
背景技术
在机器人运动过程中,某些情况下运动轨迹不是重复固定路线,可能实时发生变化。在获取到一定长度的运动轨迹后,根据轨迹点的特性,比如高曲率点和尖锐拐角处,插补算法可以将运动轨迹离散成大量首尾衔接的微小线段,目前对于微小线段间的速度衔接处理分为以下几种:1.微小线段间无衔接,减速到零,下段再重新启动。这种速度衔接方式,会造成频繁加减速,降低插补效率,并且在频繁加减速过程中容易产生振动,形成轨迹误差;2.微小线段间不减速,这种方式虽然插补效率高,但对于高曲率点和尖角处等,很难保证插补轨迹精度;3.微小线段间角度变化小于一定值则按照不减速处理,大于一定值设定最高限速。方式3是对方式1和方式2的改进,但是并没有完全分析出,不同曲率点对于速度的限制要求。
在速度规划中,常用的速度规划有T形加减速和S型加减速规划。T型加减速计算简单,但存在加速度突变的情形,可能会导致机械系统出现冲击或者不可预料的振动,不过由于机械系统并不是绝对的刚体,这种冲击会被机械结构滤除或减轻。但是对于高速载重的机器人来说,这种加速度不连续造成的影响很大程度上不能被忽略。传统S型加减速规划常用于固定轨迹的直线插补,原因是已知轨迹整体信息,且直线各点不受曲率半径等物理速度约束,可以使用代数方法提前求解出整体速度规划结果,但是对于未知路径的曲线插补,传统S型加减速规划方法较为困难。
发明内容
鉴于以上现有技术存在的问题,本发明提出一种智能机器人轨迹规划方法,主要解决机器人轨迹插补效率低且平滑性差的问题。
为了实现上述目的及其他目的,本发明采用的技术方案如下。
一种智能机器人轨迹规划方法,包括:
获取运动轨迹,对所述运动轨迹进行拆分获取拆分路径;
根据所述拆分路径的两个端点的运动状态,向所述拆分路径中部进行双向速度修正,获取插补路径。
可选地,设置拆分步长,根据所述拆分步长将所述运动轨迹拆分为若干个点;根据所述点的速度约束获取所述拆分路径。
可选地,
根据邻近所述点的位置获取对应点的曲率半径;
根据所述曲率半径获取对应点的所述速度约束;
根据拆分的各所述点的所述速度约束获取速度极小值点;
根据所述速度极小值点的位置获取所述拆分路径。
可选地,截取邻近两个所述速度极小值点之间的路径作为所述拆分路径,对应的两个所述速度极小值点分别作为所述拆分路径的端点。
可选地,设置所述点的最大向心加速度,根据所述最大向心加速度和当前点所述曲率半径获取当前点的第一进给速度。
可选地,设置弓高误差,根据所述弓高误差和当前点的曲率半径获取当前点与邻近的下一点间的进给弦长,进而获取第二进给速度。
可选地,根据所述第一进给速度、所述第二进给速度和预设的最大轨迹速度创建当前点的速度约束;选取所述速度约束中的最小速度作为当前点的速度。
可选地,以所述拆分路径的两个端点为起点,获取所述两个端点的运动状态;根据两个所述端点的运动状态分别向所述拆分路径的中部重新调整所述拆分路径中各点的运动状态,获取所述插补路径。
可选地,所述运动状态包括位置、速度、加速度、加加速度。
可选地,根据前一个点的运动状态和下一个点的位置信息获取所述下一个点的运动状态。
可选地,当某一点的速度超出所述速度约束时,根据所述速度约束调整的对应点的速度修正前一点的加加速度;根据调整后的所述前一点的运动状态获取对应点的运动状态。
可选地,将所述拆分路径两个端点分别经过调整得到的两个终点进行速度和位置对齐,进而将两个所述终点进行连接获取所述插补路径。
可选地,通过修正各点的加加速度,使得所述两个终点的加速度减小至零,获取所述两个终点的速度;将所述两个终点的速度进行比较,获取其中较小速度作为所述两个终点的共同速度,进而根据所述共同速度修正速度较大的一个所述终点的加加速度,使得所述两个终点的速度相等;将速度相等、加速度为零的两个所述终点进行连接。
如上所述,本发明一种智能机器人轨迹规划方法,具有以下有益效果。
通过轨迹拆分和曲率调整实现机器人运动过程中实时双向加减速轨迹插补,使得机器人实时轨迹速度平滑运动,提高机器人轨迹插补效率及运动平滑性。
附图说明
图1为本发明一实施例中智能机器人轨迹规划方法的流程图。
图2为本发明一实施例中最大进给速度、向心加速度、曲率半径的关系示意图;
图3为本发明一实施例中弓高误差示意图;
图4为本发明一实施例中运动轨迹示意图;
图5为本发明一实施例中轨迹速度约束示意图;
图6为本发明一实施例中智能机器人轨迹规划方法的前向加速结果示意图;
图7为本发明一实施例中智能机器人轨迹规划方法的第一次加加速度修正结果示意图;
图8为本发明一实施例中智能机器人轨迹规划方法的第二次加加速度修正结果示意图;
图9为本发明一实施例中插补路径结果示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,本发明提供一种智能机器人轨迹规划方法,包括步骤S01-S02。
在步骤S01中,获取运动轨迹,对运动轨迹进行拆分获取拆分路径:
在获取运动轨迹时,可采集机器人周围运动环境,进行环境分析,实时规划机器人的运动轨迹。当获取一段实时规划的运动轨迹后,可根据设置的拆分步长将运动轨迹拆分为若干个点,进而得到运动轨迹中各点信息。
请参阅图2,在一实施例中,根据临近两个点的位置以及规划的运动轨迹连接关系,可估算出每个点对应的曲率半径。进一步地,再进行轨迹插补时,可设置最大向心加速度为Amax,则根据最大向心加速度和当前点曲率半径可计算得到当前点的第一进给速度:
其中,R是当前插补点的曲率半径,Amax是插补的最大向心加速度,得到的Vmax,1即是由曲率半径约束的该点最大进给速度。
请参阅图3,在一实施例中,可设置弓高误差,根据弓高误差和当前点的曲率半径获取当前点与邻近的下一点间的进给弦长,进而获取第二进给速度。具体地,弓高误差可表示为:
其中,R是当前插补点的曲率半径,Er是允许的弓高误差,L为插补周期内移动的弦长。
根据设置的弓高误差可计算得到移动弦长,进而根据移动弦长和插补周期计算得到第二进给速度,具体可表示为:
其中,Ts为插补周期,得到的Vmax,2即是由弓高误差确定的该点最大进给速度。
在一实施例中,可设置实时规划的运动轨迹的最大轨迹速度,结合前述的第一进给速度和第二进给速度,创建对应点的速度约束,具体可表示为:
Vmax=min(Vmax,1,Vmax,2,Vmax,t)
其中Vmax,t是设置的轨迹最大速度。
在一实施例中,根据每个点的速度约束获取的该点的速度,可以得到运动轨迹的变化趋势,进而得到速度变化的单调性。进一步地,根据速度变换的单调性,可获取运动轨迹中的速度极小值点。可将临近两个极小值点之间的运动轨迹作为拆分路径,针对拆分路径进行修正以获取插补路径。
可将实时规划的运动轨迹拆分为多段拆分路径,每段拆分路径的首尾端点即为速度极小值点。如图5,B点即为速度极小点,故将轨迹拆分为AB段和BC段分别进行速度规划。
在步骤S02中,根据拆分路径的两个端点的运动状态,向拆分路径中部进行双向速度修正,获取插补路径:
在一实施例中,以拆分路径的两个端点为起点,获取两个端点的运动状态;根据两个所述端点的运动状态分别向拆分路径的中部重新调整拆分路径中各点的运动状态,获取插补路径。运动状态包括位置、速度、加速度、加加速度等。
具体地,从拆分路径的两端,即两个速度极小点开始,前后向同时向中间做加速规划,直到两段规划相遇。其中,规划基本思路是按照设置的加加速度依次往前规划,最后得到前向规划结果和后向规划结果。如图6,即是对拆分路径前后向加速规划的结果示意图。其中,前后向规划时均遵循S型加减速递推公式:
其中,J1,A1,V1是前一个点的加加速度、加速度和速度,S1是前一个点的轨迹位置,A2,V2,S2是后一个点的加速度、速度、和轨迹位置。由此公式可以看出,已知前一个点的运动状态,根据其加加速度J1和下一个点的位置,可以确定下一个点的运动状态及两点之间的运动时间T1。
在一实施例中,当某一点的速度超出速度约束时,根据速度约束调整的对应点的速度修正前一点的加加速度;根据调整后的前一点的运动状态获取对应点的运动状态。其修正公式可表示为:
其中,A1,V1,S1是前一个点的加速度、速度、位置,V2,S2是下一个点的速度和位置,根据此公式可以求出时间T1,进而根据T1可求出J1。
在一实施例中,经过前向速度规划和后向速度规划后可分别获取前向规划和后向规划的两个终点,通过修正各点的加加速度,使得两个终点的加速度减小至零,获取两个终点的速度;将两个终点的速度进行比较,获取其中较小速度作为两个终点的共同速度,进而根据所述共同速度修正速度较大的一个终点的加加速度,使得两个终点的速度相等;将速度相等、加速度为零的的两个终点进行连接。
具体的,请参阅图7,得到前后向规划结果后,进行第一次加加速度修改,使得前后向规划结果最后一点的加速度A=0。主要修改方式是从倒数第二个点开始往前修改加加速度,使得最后一点的加速度置零,所用公式为:
其中,J1,A1,V1是前一个点的加加速度、加速度和速度,S1是前一个点的轨迹位置,V2,S2是后一个点的速度和轨迹位置。T1是两点之间的运动时间。其中,J1,T1为待求变量。
对于得到的前向规划结果和后向规划结果,其中最后一点的加速度均为零。将其中最后一点速度较大的重新进行第二次加加速度修改,使得其最后一点速度等于较小的规划结果。图7中,后向规划的最后一点速度较大,通过第二次加加速度修正后,将其修改成为与前向规划最后一点速度相同,如图8。如此,前后向规划结果末尾速度相同,加速度为零,可以将其连接,得到该段轨迹的完整规划结果,如图9。
请参阅图4,获取的实时运动轨迹示意图,假设轨迹起点为A,终点为C。首先获得路径AB段,然后获得路径BC段。将每段轨迹按照一定步长进行拆分,拆分得到的点可通过其曲率半径和设置的弓高误差,再结合设置的轨迹速度得到每点的速度约束。
对于轨迹插补运动,Vs,Ve为提前设定的轨迹起点速度和终点速度,即图4中A点速度为Vs,C点速度为Ve。轨迹最大速度为Vmax,t,即是在速度规划过程中,任何一点速度都不能超过Vmax,t。对于轨迹AB段和BC段中间的点,由于其曲率半径无限大,故由此得到的速度约束即为轨迹最大速度Vmax,t。对于B点,按照其曲率半径计算得到速度约束,计算结果为:
Vmax,B=min(Vmax,1,Vmax,2,Vmax,t)
图5为图4中轨迹速度约束示意图,横坐标为轨迹点所在长度,纵坐标为速度约束。起始点A轨迹长度为0,终点C轨迹长度为St。可以看到B点,即为轨迹中的速度极小点。
图6-图8分别为基于图5的AB段轨迹双向S型加减速规划流程。图6是第一步前后双向S型加速规划结果,图7是第一次加加速度修正后的速度规划结果,图8是第二次加加速度修正后的速度规划结果。第二次加加速度修正后,前后向规划的最后一点加速度为0,速度相等,即可以连接起来,成为最终该段加减速规划结果,即为图9。
综上所述,本发明一种智能机器人轨迹规划方法,通过速度极小点进行轨迹拆分,并对拆分的路径进行双向S型加减速规划,以满足轨迹上各点的速度约束;经过双向规划和轨迹拼接可使轨迹更为平滑,且可避免频繁加减速,提高轨迹插补的效率。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (6)
1.一种智能机器人轨迹规划方法,其特征在于,包括:
获取运动轨迹,对所述运动轨迹进行拆分获取拆分路径,包括:设置拆分步长,根据所述拆分步长将所述运动轨迹拆分为若干个点;根据所述点的速度约束获取所述拆分路径;
根据所述拆分路径的两个端点的运动状态,向所述拆分路径中部进行双向速度修正,获取插补路径,包括:以所述拆分路径的两个端点为起点,获取所述两个端点的运动状态;根据两个所述端点的运动状态分别向所述拆分路径的中部重新调整所述拆分路径中各点的运动状态,根据前一个点的运动状态和下一个点的位置信息获取所述下一个点的运动状态;当某一点的速度超出所述速度约束时,根据所述速度约束调整的对应点的速度修正前一点的加加速度;根据调整后的所述前一点的运动状态获取对应点的运动状态;将所述拆分路径两个端点分别经过调整得到的两个终点进行速度和位置对齐,通过修正各点的加加速度,使得所述两个终点的加速度减小至零,获取所述两个终点的速度;将所述两个终点的速度进行比较,获取其中较小速度作为所述两个终点的共同速度,进而根据所述共同速度修正速度较大的一个所述终点的加加速度,使得所述两个终点的速度相等;将速度相等、加速度为零的两个所述终点进行连接,获取所述插补路径,其中,所述运动状态包括位置、速度、加速度、加加速度。
2.根据权利要求1所述的智能机器人轨迹规划方法,其特征在于,
根据邻近所述点的位置获取对应点的曲率半径;
根据所述曲率半径获取对应点的所述速度约束;
根据拆分的各所述点的所述速度约束获取速度极小值点;
根据所述速度极小值点的位置获取所述拆分路径。
3.根据权利要求2所述的智能机器人轨迹规划方法,其特征在于,截取邻近两个所述速度极小值点之间的路径作为所述拆分路径,对应的两个所述速度极小值点分别作为所述拆分路径的端点。
4.根据权利要求2所述的智能机器人轨迹规划方法,其特征在于,设置所述点的最大向心加速度,根据所述最大向心加速度和当前点所述曲率半径获取当前点的第一进给速度。
5.根据权利要求4所述的智能机器人轨迹规划方法,其特征在于,设置弓高误差,根据所述弓高误差和当前点的曲率半径获取当前点与邻近的下一点间的进给弦长,进而获取第二进给速度。
6.根据权利要求5所述的智能机器人轨迹规划方法,其特征在于,根据所述第一进给速度、所述第二进给速度和预设的最大轨迹速度创建当前点的速度约束;选取所述速度约束中的最小速度作为当前点的速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911002346.4A CN110625617B (zh) | 2019-10-21 | 2019-10-21 | 一种智能机器人轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911002346.4A CN110625617B (zh) | 2019-10-21 | 2019-10-21 | 一种智能机器人轨迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110625617A CN110625617A (zh) | 2019-12-31 |
CN110625617B true CN110625617B (zh) | 2023-05-12 |
Family
ID=68976966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911002346.4A Active CN110625617B (zh) | 2019-10-21 | 2019-10-21 | 一种智能机器人轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110625617B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112276949B (zh) * | 2020-10-21 | 2022-03-11 | 哈工大机器人(合肥)国际创新研究院 | 一种相邻关节空间-笛卡尔空间轨迹过渡方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000163114A (ja) * | 1998-11-26 | 2000-06-16 | Yaskawa Electric Corp | 補間曲線内加減速処理方法 |
CN104076743B (zh) * | 2014-07-07 | 2016-12-07 | 浙江理工大学 | 一种自识别插补种类的插补控制方法 |
CN105500354B (zh) * | 2016-02-02 | 2017-05-17 | 南京埃斯顿机器人工程有限公司 | 一种工业机器人应用的过渡轨迹规划方法 |
CN105785921B (zh) * | 2016-03-25 | 2018-06-22 | 华南理工大学 | 一种工业机器人nurbs曲线插补时的速度规划方法 |
CN106682093B (zh) * | 2016-11-30 | 2020-06-26 | 贵州智通天下信息技术有限公司 | 一种根据轨迹记录生成路线的方法 |
CN106950923B (zh) * | 2017-03-13 | 2019-01-22 | 浙江工业大学 | 一种定插补周期的速度规划方法 |
-
2019
- 2019-10-21 CN CN201911002346.4A patent/CN110625617B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110625617A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7979158B2 (en) | Blending algorithm for trajectory planning | |
CN107030697B (zh) | 一种机器人笛卡尔空间平滑轨迹的规划方法 | |
CN107765648B (zh) | 一种cnc加工的进给速度规划方法及装置 | |
CN110497411B (zh) | 一种工业机器人协同运动控制方法 | |
CN108594815B (zh) | 一种分阶段的轮式机器人移动路径规划方法 | |
WO2017113416A1 (zh) | 加工轨迹平滑转接的方法及加工装置 | |
CN108940759B (zh) | 连续加工路径的恒定胶量的控制方法及系统 | |
CN106647282A (zh) | 一种考虑末端运动误差的六自由度机器人轨迹规划方法 | |
WO2013018340A1 (ja) | 数値制御装置 | |
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 | |
WO2018205276A1 (zh) | 运动轨迹平滑转接的方法和装置及其相关设备 | |
CN111230864B (zh) | 一种五轴并联加工机器人的刀具路径规划方法 | |
CN105892402A (zh) | 机械臂点到点运动控制方法 | |
CN110625617B (zh) | 一种智能机器人轨迹规划方法 | |
WO2018019111A1 (zh) | 机器人及其关节运动控制方法和装置 | |
CN108388206B (zh) | 进给速度实时动态规划方法及系统 | |
CN114200931B (zh) | 一种基于b样条曲线优化的移动机器人路径平滑方法 | |
CN108594757A (zh) | 一种基于位置和姿态约束的机器人小线段前瞻规划方法 | |
CN113156893A (zh) | 一种基于s形加减速的五轴机床速度规划方法 | |
CN113635301A (zh) | 一种六轴机械臂运动速度控制改进方法 | |
CN105278462A (zh) | 机器人控制系统轨迹加减速插补算法 | |
CN114802362A (zh) | 时分控制的列车节能运行方法和装置 | |
CN113043284B (zh) | 一种冗余机器人多约束逆解方法 | |
CN109521731B (zh) | 一种基于公差带的G2连续Bézier刀具轨迹平滑算法 | |
CN109773778B (zh) | 一种工业机器人关节空间同步运动的规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |