CN112222703B - 一种焊接机器人能耗最优轨迹规划方法 - Google Patents
一种焊接机器人能耗最优轨迹规划方法 Download PDFInfo
- Publication number
- CN112222703B CN112222703B CN202011065571.5A CN202011065571A CN112222703B CN 112222703 B CN112222703 B CN 112222703B CN 202011065571 A CN202011065571 A CN 202011065571A CN 112222703 B CN112222703 B CN 112222703B
- Authority
- CN
- China
- Prior art keywords
- robot
- energy consumption
- joint
- motor
- track
- 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
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
- B23K37/02—Carriages for supporting the welding or cutting element
- B23K37/0252—Steering means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/005—Manipulators for mechanical processing tasks
-
- 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
Abstract
本发明提供了一种焊接机器人能耗最优轨迹规划方法,包括以下步骤:步骤S1)将机器人作业空间内焊接点转化为点云;步骤S2)利用关节空间五次多项式插值统一规划跳转轨迹;步骤S3)计算机器人关节偏转角Pi、角速度vi、角加速度vi′;步骤S4)计算关节摩擦力矩、驱动力矩,计算机器人关节电机驱动力矩τm;步骤S5)得到机器人单关节任意两点间跳转的整体能耗目标函数Em;步骤S6)通过自适应蚁群算法求解;步骤S7)输出能耗最优点云跳转轨迹;本发明利用简化的机器人关节摩擦模型与单关节电机能耗模型,建立机器人多点间跳转的能耗模型;采用一种改进的蚁群算法对模型求解,实现焊接机器人多点间跳转总能耗最低的轨迹寻优。
Description
技术领域
本发明涉及焊接机器人领域,尤其涉及一种焊接机器人能耗最优轨迹规划方法。
背景技术
工业机器人是面向工业领域的多关节机械手或多自由度的机械装置,可以完成装配、焊接、加工等多种重复性工作且能良好的控制加工误差,目前已经被大量应用于生产制造过程,用于降低加工误差和替代人力劳动。焊接工艺在工业生产加工过程中起着重要作用,由于焊接工作环境恶劣且焊缝的质量决定了产品的质量水平,随着工业机器人的发展,机器人焊接逐渐替代了传统的人工焊接,从而提高焊缝质量,改善劳动环境。工业焊接机器人的轨迹规划一般是基于空间点云序列进行的,针对空间点云序列的焊接任务,机器人会按照固定的规则,依次遍历点云序列中的各个点,最终得到运动轨迹。减少运动轨迹的能耗可以降低焊接机器人的电能消耗,对优化车间的能耗结构、降低生产成本具有重要意义。目前针对点云序列焊接机器人能耗最优的轨迹规划问题,主要有两点间轨迹调优和关键点间轨迹调优两种方法,并未涉及多点间跳转能耗调优方法,主要存在以下问题:
(1)两点间轨迹能耗调优:通过曲线拟合逼近等方式搜索得到两点间能耗最优轨迹,但不能解决多点间能耗最优问题。
(2)关键点轨迹能耗调优:工业机器人动能最小作为目标函数,寻求能耗最优轨迹,但此方法主要对已知轨迹进行优化,无法解决多点间跳转不确定性的问题。
发明内容
本发明的目的是提供一种焊接机器人能耗最优轨迹规划方法。
为了实现上述目的,本发明的技术方案是:
步骤S1)将焊接机器人作业空间内的焊接点转化为笛卡尔空间中的点云,机器人焊接轨迹转化为点云序列;
步骤S2)应用机器人关节空间的五次多项式插值对点云内任意两点间的跳转轨迹进行统一规划。
步骤S3)计算得到焊接机器人的关节偏转角Pi、角速度vi和加速度vi′;
步骤S4)利用牛顿—欧拉递归动力学方程计算出机器人关节相应的摩擦力矩、驱动力矩,进一步求解得到机器人关节电机驱动力矩τm;
步骤S5)机器人关节能耗分为电机内能、电机机械能、磁场等其他能量损耗三部分,忽略电机发热损耗与其他能量损耗,建立机器人单关节能耗模型,结合步骤S3得到的关节偏转角Pi、角速度vi和步骤S4求解得到的电动机驱动力矩τm,计算得到电动机能耗Em,得到机器人单关节任意两点间跳转的整体能耗目标函数;
步骤S6)采用改进的蚁群算法对整体能耗最优的目标函数进行求解;
步骤S7)输出能耗最优点云跳转轨迹;
其中,所述步骤S6包括以下步骤:
步骤S61)将m只蚂蚁放在n个位置点上,对算法参数进行初始化设置;
步骤S62)设置当前循环次数Nc=Nc+1;
步骤S63)计算位置转移概率,进行一次随机选择,禁忌搜索表指针k=k+1,将蚂蚁移动到新的位置点;
步骤S64)判断一完成轨迹跳转的蚂蚁数k是否小于蚂蚁总数m,若是,则跳转至步骤步骤S62,若否,执行步骤S65;
步骤S65)记录当前最优跳转轨迹;
步骤S66)更新信息素含量ρ;
步骤S67)若当前循环次数大于阈值,则跳出循环并输出最优跳转轨迹,否则清空禁忌搜索表并跳转至步骤S62。
进一步地,所述步骤S5中,机器人电机的输入能量视作电机对外界的输出能量,通过步骤S4求得电动机驱动力矩τm,结合机器人运动学中各关节的关节偏转角Pi、角速度vi,得到电动机能耗模型,如式(1)所示:
其中,pm=τmvi,为单关节电动机对外输出功率,通过对电动机数据功率绝对值进行积分,求得机器人单关节能耗。
进一步地,所述步骤S5中,规定起点与终点的各关节角速度和角加速度为零,应用在六自由度机器人时,机器人整体能耗如式(2)所示:
对式(2)进行数值化处理,得到点云序列内两点间跳转的能耗模型,如式(3)所示:
式(3)中,NAB为AB两点间的插补点数量,pij=τijvij为从点A跳转到点B过程中关节i的第j个插补点对应的电机对外输出功率。
进一步地,设笛卡尔空间中点云序列的数量为N,机器人任意两点间的跳转轨迹顺序依次存储在几何U中,基于改进蚁群遗传算法的点云序列跳转能耗最优目标函数如式(4)所示:
E(U)表示对空间中点云序列进行完整遍历,机器人总能耗,WU[i]U[i+1]表示从U[i]对应的点跳转到U[i+1]对应的点六自由度焊接机器人消耗的总能量。
进一步地,信息素含量ρ如式(5)所示,
本发明利用简化的机器人关节摩擦模型与单关节电机能耗模型,建立机器人多点间跳转的能耗模型;采用一种改进的蚁群算法对模型求解,实现焊接机器人多点间跳转总能耗最低的轨迹寻优。
附图说明
图1为本发明的一种焊接机器人能耗最优规划方法流程图;
图2为本发明的一种焊接机器人能耗最优轨迹规划目标函数求解方法的蚂蚁算法流程图;
图3为空间任意两点间的笛卡尔轨迹示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种焊接机器人能耗最优轨迹规划方法,包括以下步骤:
步骤S1)首先将焊接机器人作业空间内的焊接点转化为笛卡尔空间中的点云;机器人焊接轨迹转化为点云序列;
步骤S2)应用机器人关节空间的五次多项式插值对点云内任意两点间的跳转轨迹进行统一规划,以避免因两点间不同的轨迹插值方式而对整体能耗情况产生的影响。
步骤S3)计算得到焊接机器人的关节偏转角Pi、角速度vi和加速度vi′;
步骤S4)利用牛顿—欧拉递归动力学方程计算出机器人关节相应的摩擦力矩、驱动力矩,进一步求解得到机器人关节电机驱动力矩τm;
步骤S5)机器人关节能耗分为电机内能、电机机械能、磁场等其他能量损耗三部分,忽略电机发热损耗与其他能量损耗,建立机器人单关节能耗模型,结合步骤S3得到的关节偏转角Pi、角速度vi和步骤S4求解得到的电动机驱动力矩τm,计算得到电动机能耗Em,最终得到机器人单关节任意两点间跳转的整体能耗目标函数;
步骤S6)采用改进的蚁群算法对整体能耗最优的目标函数进行求解,具体步骤如图2所示;
步骤S6包括以下步骤,
步骤S61)将m只蚂蚁放在n个位置点上,对算法参数进行初始化设置;
步骤S62)设置当前循环次数Nc=Nc+1;
步骤S63)计算位置转移概率,进行一次随机选择,修禁忌搜索表指针k=k+1,将蚂蚁移动到新的位置点。
步骤S64)判断一完成轨迹跳转的蚂蚁数k是否小于蚂蚁总数m,若是,则跳转至步骤S62,否则,执行步骤S65;
步骤S65)记录当前最优跳转轨迹;
步骤S66)更新信息素含量ρ;
步骤S67)若当前循环次数大于阈值,则跳出循环并输出最优跳转轨迹,否则清空禁忌搜索表并跳转至第(2)步;
当两点间跳转需消耗的能耗越大时,设置蚂蚁选择该点的概率越小,实现多点间跳转能耗最优的轨迹规划;
步骤S7)输出能耗最优点云跳转轨迹。
具体的,步骤S5中机器人单关节能耗建模认为机器人电机的输入能量即为电机对外界的输出能量,通过步骤S4求得的电动机驱动力矩τm,结合机器人运动学中各关节的关节偏转角Pi、角速度vi,可得电动机能耗模型,如式(1)所示:
式(1)中,pm=τmvi,为单关节电动机对外输出功率,通过对电动机数据功率绝对值进行积分,求得机器人单关节能耗。
在步骤S5中,任意两点间轨迹跳转的示意图如图3所示,为保证焊接任务的稳定性,规定起点与终点的各关节角速度和角加速度为零。
以常见的六自由度机器人为例,机器人整体能耗为六个关节电机的总能耗,如式(2)所示:
为方便计算,对式(2)进行数值化处理,得到点云序列内两点间跳转的能耗模型,如式(3)所示:
式(3)中,NAB为AB两点间的插补点数量,pij=τijvij为从点A跳转到点B过程中关节i的第j个插补点对应的电机对外输出功率。
设笛卡尔空间中点云序列的数量为N,机器人任意两点间的跳转轨迹顺序依次存储在几何U中,基于改进蚁群遗传算法的点云序列跳转能耗最优目标函数如式(4)所示:
E(U)表示对空间中点云序列进行完整遍历,机器人总能耗,WU[i]U[i+1]表示从U[i]对应的点跳转到U[i+1]对应的点六自由度焊接机器人消耗的总能量。
步骤S6中,整体能耗最优的目标函数为整体能耗的最小值,基本的蚁群算法中信息素对蚂蚁的引导起到了关键性的作用,并根据位置转移公式计算到其它各个位置的概率。
本发明使用基于调节信息素挥发度的自适应蚁群算法对目标函数进行求解,其主要通过自适应调节ρ来增强算法的全局搜索能力,同时避免算法陷入局部最优的“早熟”显现,其实现方法主要为记录每次循环结束后的最优值,如果算法的最优值在连续几次循环内都没有明显的优化,那么通过减小信息素挥发系数ρ来提升算法的全局搜索能力,且限制最小值ρmin来避免收敛速度过慢。
信息素更新如式(5)所示,
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.一种焊接机器人能耗最优轨迹规划方法,其特征在于,包括以下步骤:
步骤S1)将焊接机器人作业空间内的焊接点转化为笛卡尔空间中的点云,机器人焊接轨迹转化为点云序列;
步骤S2)应用机器人关节空间的五次多项式插值对点云内任意两点间的跳转轨迹进行统一规划;
步骤S3)计算得到焊接机器人的关节偏转角Pi、角速度vi和加速度vi′;
步骤S4)利用牛顿—欧拉递归动力学方程计算出机器人关节相应的摩擦力矩、驱动力矩,进一步求解得到机器人关节电机驱动力矩τm;
步骤S5)机器人关节能耗分为电机内能、电机机械能、磁场等其他能量损耗三部分,忽略电机发热损耗与其他能量损耗,建立机器人单关节能耗模型,结合步骤S3得到的关节偏转角Pi、角速度vi和步骤S4求解得到的电动机驱动力矩τm,计算得到电动机能耗Em,得到机器人单关节任意两点间跳转的整体能耗目标函数;
步骤S6)采用改进的蚁群算法对整体能耗最优的目标函数进行求解;
步骤S7)输出能耗最优点云跳转轨迹;
其中,所述步骤S6包括以下步骤:
步骤S61)将m只蚂蚁放在n个位置点上,对算法参数进行初始化设置;
步骤S62)设置当前循环次数Nc=Nc+1;
步骤S63)计算位置转移概率,进行一次随机选择,禁忌搜索表指针k=k+1,将蚂蚁移动到新的位置点;
步骤S64)判断一完成轨迹跳转的蚂蚁数k是否小于蚂蚁总数m,若是,则跳转至步骤S62,若否,执行步骤S65;
步骤S65)记录当前最优跳转轨迹;
步骤S66)更新信息素含量ρ;
步骤S67)若当前循环次数大于阈值,则跳出循环并输出最优跳转轨迹,否则清空禁忌搜索表并跳转至步骤S62。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011065571.5A CN112222703B (zh) | 2020-09-30 | 2020-09-30 | 一种焊接机器人能耗最优轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011065571.5A CN112222703B (zh) | 2020-09-30 | 2020-09-30 | 一种焊接机器人能耗最优轨迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112222703A CN112222703A (zh) | 2021-01-15 |
CN112222703B true CN112222703B (zh) | 2022-11-04 |
Family
ID=74120410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011065571.5A Active CN112222703B (zh) | 2020-09-30 | 2020-09-30 | 一种焊接机器人能耗最优轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112222703B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112925320B (zh) * | 2021-01-25 | 2022-03-11 | 河南大学 | 一种基于质心模型的双足机器人步态能耗评估方法 |
CN114310063B (zh) * | 2022-01-28 | 2023-06-06 | 长春职业技术学院 | 一种基于六轴机器人的焊接优化方法 |
CN115556120B (zh) * | 2022-09-30 | 2023-08-04 | 中建三局第三建设工程有限责任公司 | 一种基于随机自适应的焊缝路径规划无示教方法 |
CN116135421B (zh) * | 2023-04-17 | 2023-06-20 | 深圳市利和兴股份有限公司 | 一种基于人工智能的焊接加工路径优化方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106936892A (zh) * | 2017-01-09 | 2017-07-07 | 北京邮电大学 | 一种自组织云多对多计算迁移方法及系统 |
CN108399609A (zh) * | 2018-03-06 | 2018-08-14 | 北京因时机器人科技有限公司 | 一种三维点云数据的修补方法、装置和机器人 |
CN110989612A (zh) * | 2019-12-17 | 2020-04-10 | 哈工大机器人(合肥)国际创新研究院 | 一种基于蚁群算法的机器人路径规划方法及装置 |
CN111152212A (zh) * | 2019-12-05 | 2020-05-15 | 北京蒂斯科技有限公司 | 一种基于功率最优的机械臂移动轨迹规划方法及装置 |
CN111168684A (zh) * | 2020-01-22 | 2020-05-19 | 西北工业大学深圳研究院 | 一种空间大型结构在轨装配序列规划方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647282B (zh) * | 2017-01-19 | 2020-01-03 | 北京工业大学 | 一种考虑末端运动误差的六自由度机器人轨迹规划方法 |
CN107053176B (zh) * | 2017-04-09 | 2019-07-12 | 北京工业大学 | 一种六自由度机器人末端空间曲线轨迹的误差建模方法 |
CN107199569B (zh) * | 2017-06-22 | 2020-01-21 | 华中科技大学 | 一种基于关节能量均衡分配的关节机器人轨迹规划方法 |
CN110421564A (zh) * | 2019-08-06 | 2019-11-08 | 浙江大学 | 一种基于关节能耗评估的机器人工作单元布局优化方法 |
-
2020
- 2020-09-30 CN CN202011065571.5A patent/CN112222703B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106936892A (zh) * | 2017-01-09 | 2017-07-07 | 北京邮电大学 | 一种自组织云多对多计算迁移方法及系统 |
CN108399609A (zh) * | 2018-03-06 | 2018-08-14 | 北京因时机器人科技有限公司 | 一种三维点云数据的修补方法、装置和机器人 |
CN111152212A (zh) * | 2019-12-05 | 2020-05-15 | 北京蒂斯科技有限公司 | 一种基于功率最优的机械臂移动轨迹规划方法及装置 |
CN110989612A (zh) * | 2019-12-17 | 2020-04-10 | 哈工大机器人(合肥)国际创新研究院 | 一种基于蚁群算法的机器人路径规划方法及装置 |
CN111168684A (zh) * | 2020-01-22 | 2020-05-19 | 西北工业大学深圳研究院 | 一种空间大型结构在轨装配序列规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112222703A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112222703B (zh) | 一种焊接机器人能耗最优轨迹规划方法 | |
CN112757306B (zh) | 一种机械臂逆解多解选择和时间最优轨迹规划算法 | |
CN110450156B (zh) | 多自由度机械臂系统自适应模糊控制器的优化设计方法 | |
CN108568817B (zh) | 一种基于贝塞尔曲线的Delta机器人轨迹连接控制方法 | |
CN106863306B (zh) | 一种机器人关节空间平滑轨迹规划方法 | |
CN106503373A (zh) | 一种基于b样条曲线的双机器人协调装配的轨迹规划方法 | |
US20220063099A1 (en) | Framework of robotic online motion planning | |
CN105511266A (zh) | 基于引力搜索粒子群算法的Delta机器人轨迹规划方法 | |
CN111152224A (zh) | 一种双重寻优的机器人运动轨迹优化方法 | |
Lu et al. | Solving the time-jerk optimal trajectory planning problem of a robot using augmented lagrange constrained particle swarm optimization | |
CN110948488A (zh) | 一种基于时间最优的机器人自适应轨迹规划算法 | |
CN110842913A (zh) | 一种单关节机械臂的自适应滑模迭代学习控制方法 | |
Avram et al. | Trajectory planning for reconfigurable industrial robots designed to operate in a high precision manufacturing industry | |
CN112936286A (zh) | 一种多柔性机械臂系统自适应一致性追踪控制方法及系统 | |
He et al. | Collaboration of multiple SCARA robots with guaranteed safety using recurrent neural networks | |
CN107511830B (zh) | 一种五自由度混联机器人控制器参数自适应调整实现方法 | |
CN113219825B (zh) | 一种四足机器人单腿轨迹跟踪控制方法及系统 | |
JP2020049554A (ja) | 軌道生成方法、軌道生成装置、およびロボットシステム | |
Zhang et al. | Robot trajectory planning method based on genetic chaos optimization algorithm | |
CN117301063A (zh) | 工业机器人在线前瞻轨迹规划方法、电子设备及存储介质 | |
Wang et al. | Path planning optimization for teaching and playback welding robot | |
Feng et al. | Multi-objective trajectory planning method for a redundantly actuated parallel manipulator under hybrid force and position control | |
CN114800529A (zh) | 一种基于定长记忆窗口增量学习和增量模型重构的工业机器人定位误差在线补偿方法 | |
CN108469746B (zh) | 一种用于机器人仿真系统的工件放置规划方法 | |
CN109141438B (zh) | 一种叉车全局路径规划方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 200032 No. two, 851 South Road, Xuhui District, Shanghai, Zhongshan Applicant after: Shanghai Shipbuilding Technology Research Institute (the 11th Research Institute of China Shipbuilding Corp.) Address before: 200032 No. two, 851 South Road, Xuhui District, Shanghai, Zhongshan Applicant before: SHIPBUILDING TECHNOLOGY Research Institute (NO 11 RESEARCH INSTITUTE OF CHINA STATE SHIPBUILDING Corp.,Ltd.) |
|
GR01 | Patent grant | ||
GR01 | Patent grant |