CN113276120A - 机械臂运动的控制方法、装置及计算机设备 - Google Patents

Abstract

本申请提出一种机械臂运动的控制方法、装置及计算机设备，其中，机械臂运动的控制方法包括：获取机械臂的初始位置信息和目标位置信息；将所述初始位置信息和目标位置信息输入预先训练的轨迹规划模型中，以确定所述机械臂的运动轨迹信号；将所述运动轨迹信号输入预先设置的运动控制器中，以确定所述机械臂的运动控制信号；根据所述运动控制信号，控制所述机械臂从初始位置运动到目标位置。由此，提高了机械臂在运动过程中的控制精度，进而提高机械臂的运行轨迹精度和位置精度。

Description

机械臂运动的控制方法、装置及计算机设备

技术领域

本申请涉及自动控制技术领域，尤其涉及一种机械臂运动的控制方法、装置及计算机设备。

背景技术

随着工业自动化、智能化的快速发展，机械臂在工业领域的应用越来越多。对于机械臂的自动运行，首先需要建立运动学模型；其次需要进行正运动学、逆运动学求解。正运动学求解是给定机械臂各个关节的关节变量值，求取机械臂末端的位姿；逆运动学求解是正运动求解的逆过程，即给定机械臂末端的位姿，求得机械臂各个关节的关节变量值。

目前，机械臂的主要应用方式为预先设定运动轨迹，通过逆运动学求解过程，使机械臂按照预定轨迹运动到目标位置。然而，机械臂在工业环境下的运动轨迹通常较为复杂，容易与周围物体发生碰撞，因此研究如何提高机械臂的控制精度，进而提高机械臂的运行轨迹和工作位置的精度显得至关重要。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种机械臂运动的控制方法，包括：

获取机械臂的初始位置信息和目标位置信息；

将所述初始位置信息和目标位置信息输入预先训练的轨迹规划模型中，以确定所述机械臂的运动轨迹信号；

将所述运动轨迹信号输入预先设置的运动控制器中，以确定所述机械臂的运动控制信号；

根据所述运动控制信号，控制所述机械臂从初始位置运动到目标位置。

进一步的，所述机械臂包含N个关节，其中N为正整数，所述机械臂的运动轨迹信号包含机械臂的N个关节在各个连续的时间段内运动的角度信号和/或位移信号。

进一步的，所述运动控制器为PID控制器，所述运动控制信号包含机械臂的N个关节在每个时刻的角度信号和/或位移信号。

进一步的，在将所述初始位置信息和目标位置信息输入到训练好的运动控制模型中之前，还包括：

获取训练数据集，其中，所述训练数据集中包括多组原点位置信息、终点位置信息及对应的目标运动轨迹信号；

将每组所述原点位置信息及终点位置信息输入正则化极限学习机模型中，以获取所述模型输出的机械臂运动的预测运动轨迹信号；

计算所述预测运动轨迹信号和目标运动轨迹信号间的误差，若所述误差超出设定阈值，则根据所述误差调整所述正则化极限学习机模型的参数，直至所述误差符合所述设定阈值，获得所述轨迹规划模型。

本申请的第二个目的在于提出一种机械臂运动的控制装置，包括：

获取模块，用于获取机械臂的初始位置信息和目标位置信息；

轨迹规划模块，用于将所述初始位置信息和目标位置信息输入预先训练的轨迹规划模型中，以确定所述机械臂的运动轨迹信号；

运动控制模块，用于将所述运动轨迹信号输入预先设置的运动控制器中，以确定所述机械臂的运动控制信号；

执行模块，用于根据所述运动控制信号，控制所述机械臂从初始位置运动到目标位置。

进一步的，所述机械臂包含N个关节，其中N为正整数，所述轨迹规划模块输出的机械臂的运动轨迹信号包含机械臂的N个关节在各个连续的时间段内运动的角度信号和/或位移信号。

进一步的，所述运动控制器为PID控制器，所述运动控制器输出的运动控制信号包含机械臂的N个关节在每个时刻的角度信号和/或位移信号。

进一步的，所述装置还包括训练模块，所述训练模块包括：

获取单元，用于获取训练数据集，其中，所述训练数据集中包括多组原点位置信息、终点位置信息及对应的目标运动轨迹信号；

训练单元，用于将每组所述原点位置信息及终点位置信息输入正则化极限学习机模型中，以获取所述模型输出的机械臂运动的预测运动轨迹信号；

计算单元，用于计算所述预测运动轨迹信号和目标运动轨迹信号间的误差，若所述误差超出设定阈值，则根据所述误差调整所述正则化极限学习机模型的参数，直至所述误差符合所述设定阈值，获得所述轨迹规划模型。

本申请的第三个目的在于提出一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现本申请的第一个目的所述的方法。

本申请的第四个目的在于提出一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请的第一个目的所述的方法。

本申请公开的机械臂运动的控制方法、装置及计算机设备，首先基于机械臂运动的初始位置信息和目标位置信息，利用轨迹规划模块获取机械臂的运动轨迹信号；然后基于运动轨迹信号，通过运动控制器获取机械臂的运动控制信号；最后基于运动控制信号，使机械臂按照预定轨迹从初始位置运动到目标位置。由此，提高了机械臂在运动过程中的控制精度，进而提高机械臂的运行轨迹精度和位置精度。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请一实施例所提供的一种机械臂运动的控制方法的流程示意图；

图2为本申请另一实施例所提供的一种机械臂运动的控制方法的流程示意图；

图3为本申请一实施例所提供的一种机械臂运动的控制装置的结构示意图；

图4为本申请另一实施例所提供的一种机械臂运动的控制装置的结构示意图。

图5为用来实现本申请实施例的机械臂运动的控制方法的计算机设备的框图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请的机械臂运动的控制方法、装置及设备。

图1为本申请所提供的一种机械臂运动的控制方法的流程示意图。该方法可以由本公开提供的机械臂运动的控制装置执行，也可以由本申请提供的计算机设备执行，其中，计算机设备可以包括但不限于台式电脑、平板电脑等终端设备，也可以是服务器。

如图1所示，该机械臂运动的控制方法包括以下步骤：

步骤101，获取机械臂的初始位置信息和目标位置信息。

其中，机械臂可以为任意类型的机械臂，比如煤矿行业机器人化煤机装备的机械臂、锚护机器人的机械臂等，本申请对此不做限定。

可以理解的是，机械臂通常由多个关节按照特定的连接关系组合而成，机械臂的各个关节可以分别对应旋转、伸缩等功能，机械臂的运动通过各个关节的相互配合实现。

比如，机械臂包含N个关节，其中N为正整数。N个关节可以全部为旋转关节，也可以全部为伸缩关节；还可以是其中a个关节为旋转关节，b个关节为伸缩关节，其中a和b均为正整数，a和b值之和为N。

举例来说，一种典型的煤矿用机械臂，主要由伸缩臂和钻架组成，其中伸缩臂具有航向、俯仰和伸缩功能，分别对应旋转关节1、旋转关节2和伸缩关节3；钻架具有俯仰、航向和横滚功能，分别对应旋转关节4、旋转关节5和旋转关节6。即上述机械臂共有6个关节，分别为5个旋转关节和1个移动关节。

其中，机械臂的初始位置信息和目标位置信息可以为机械臂末端的初始位置信息和目标位置信息，也可以为机械臂各个关节的初始位置信息和目标位置信息。

比如，上述煤矿用机械臂的初始位置信息和目标位置信息可以为机械臂末端的初始位置信息P(x，y，z)和机械臂末端的目标位置信息P'(x，y，z)，其中x，y，z分别代表空间直角坐标系内X轴坐标、Y轴坐标、Z轴坐标。

或者，上述煤矿用机械臂的初始位置信息和目标位置信息可以为6个关节的初始位置信息(θ'₁，θ'₂，d'₃，θ'₄，θ'₅，θ'₆)和6个关节的目标位置信息(θ”₁，θ”₂，d”₃，θ”₄，θ”₅，θ”₆)。其中θ'₁、θ'₂、θ'₄、θ'₅和θ'₆分别为旋转关节1、旋转关节2、旋转关节4、旋转关节5和旋转关节6在初始位置的角度信号，d'₃为伸缩关节3在初始位置的位移信号；θ”₁、θ”₂、θ”₄、θ”₅和θ”₆分别为旋转关节1、旋转关节2、旋转关节4、旋转关节5和旋转关节6目标位置的角度信号，d”₃为伸缩关节3在目标位置的位移信号。

可选的，获取机械臂各个关节的初始位置信息和目标位置信息，可以在机械臂的每个关节处建立空间直角坐标系，坐标系的建立遵循笛卡尔坐标系原则。将机械臂的第一个关节处的坐标系作为基坐标系，机械臂的其他关节处的坐标系可通过前一关节的坐标系平移、旋转得到。因此，根据机械臂的第一个关节的位置信息，可以获得其他关节的位置信息。

步骤102，将初始位置信息和目标位置信息输入预先训练的轨迹规划模型中，以确定机械臂的运动轨迹信号。

其中，预先训练的轨迹规划模型可以为神经网络模型，极限学习机模型或正则化极限学习机模型等。预先训练的轨迹规划模型通过逆运动学求解的方式，对机械臂的初始位置信息和目标位置信息进行解析，获得机械臂从初始位置运动到目标位置的过程中，机械臂的运动轨迹信号。

比如，机械臂的运动轨迹信号可以为机械臂从初始位置运动到目标位置时，机械臂的各个关节运动的角度信号和/或位移信号。

举例来说，上述煤矿用机械臂的运动轨迹信号可以为(θ₁，θ₂，d₃，θ₄，θ₅，θ₆)，其中θ₁、θ₂、θ₄、θ₅和θ₆分别为旋转关节1、旋转关节2、旋转关节4、旋转关节5和旋转关节6转动的角度信号，d₃为伸缩关节3伸缩的位移信号。

或者，机械臂的运动轨迹信号可以为机械臂的各个关节在多个连续的时间段内运动的角度信号和/或位移信号。

举例来说，当上述煤矿用机械臂从初始位置依次经过j个轨迹节点运动到目标位置时，机械臂的运动轨迹信号可以包含(θ₁₁,θ₂₁,d₃₁,θ₄₁,θ₅₁,θ₆₁)，(θ₁₂,θ₂₂,d₃₂,θ₄₂,θ₅₂,θ₆₂)，……(θ_1j+1,θ_2j+1,d_3j+1,θ_4j+1,θ_5j+1,θ_6j+1)。其中，θ₁₁、θ₂₁、θ₄₁、θ₅₁、θ₆₁分别为旋转关节1、旋转关节2、旋转关节4、旋转关节5和旋转关节6在机械臂从初始位置运动到第一轨迹节点的时间段内转动的角度信号，d₃₁为伸缩关节3在机械臂从初始位置运动到第一轨迹节点的时间段内伸缩的位移信号；θ₁₂、θ₂₂、θ₄₂、θ₅₂、θ₆₂分别为旋转关节1、旋转关节2、旋转关节4、旋转关节5和旋转关节6在机械臂从第一轨迹节点运动到第二轨迹节点的时间段内转动的角度信号，d₃₂为伸缩关节3在机械臂从第一轨迹节点运动到第二轨迹节点的时间段内伸缩的位移信号；同理，θ_1j+1、θ_2j+1、θ_4j+1、θ_5j+1、θ_6j+1分别为旋转关节1、旋转关节2、旋转关节4、旋转关节5和旋转关节6在机械臂从第j个轨迹节点运动到目标位置时转动的角度信号，d_3j+1为伸缩关节3在机械臂从第j个轨迹节点运动到目标位置时伸缩的位移信号。

步骤103，将运动轨迹信号输入预先设置的运动控制器中，以确定机械臂的运动控制信号。

可以理解的是，由于机械臂所处的工况环境通常比较复杂，因此，在机械臂运动的过程中，为了避免与其设备本身的构件或周围环境发生碰撞，需要控制机械臂的各个关节分别按照特定速度或先后顺序等协同运动，以保证机械臂整体不与周围物体发生碰撞。

其中，预先设置的运动控制器可以为PID控制器，机械臂的各个关节的运动控制信号由对应的PID控制器产生。运动控制信号包含机械臂的各个关节在每个时刻的角度信号和/或位移信号。

具体的，将机械臂的各个关节在连续的时间段内运动的角度信号或位移信号输入PID控制器，采用角度传感器或位移传感器实时采集各个关节当前时刻的角度信号或位移信号，并反馈至PID控制器，PID控制器实时调整输出信号，获得机械臂的各个关节在每个时刻的角度信号和/或位移信号，进而使得机械臂的各个关节按照特定的速度进行转动或伸缩。

比如，为了实现上述煤矿用机械臂在煤矿巷道范围内运行时，不会与侧帮、顶板发生碰撞，不会碰到机器人设备上的构件，可以利用PID控制器分别设定旋转关节1、旋转关节2、旋转关节4、旋转关节5和旋转关节6的转动速度，以及伸缩关节3的移动速度，使得6个关节在PID控制器的作用下协同运动，可以同时到达指定位置。

步骤104，根据运动控制信号，控制机械臂从初始位置运动到目标位置。

其中，运动控制器将运动控制信号输入底层执行机构，比如液压油缸、电动机等，控制机械臂从初始位置运动到目标位置。

本申请实施例中，首先基于机械臂运动的初始位置信息和目标位置信息，利用轨迹规划模块获取机械臂的运动轨迹信号；然后基于运动轨迹信号，通过运动控制器获取机械臂的运动控制信号；最后基于运动控制信号，使机械臂按照预定轨迹从初始位置运动到目标位置。由此，提高了机械臂在运动过程中的控制精度，进而提高了机械臂的运行轨迹精度和位置精度。

为了清楚说明上一实施例，本申请提供了另一种机械臂运动的控制方法，图2为本申请另一实施例所提供的一种机械臂运动的控制方法的流程示意图。

如图2所示，该机械臂运动的控制方法可以包括以下步骤：

步骤201，获取训练数据集，其中，所述训练数据集中包括多组原点位置信息、终点位置信息及对应的目标运动轨迹信号。

其中，获取训练数据集，可以在机械臂实际运动的过程中，实时采集各个关节的转动角度或伸缩位移，然后根据关节角度或者伸缩位移，运用运动学正解的方法求解机械臂各个关节的位置信息或机械臂末端的位置信息。将机械臂的各个关节或机械臂的末端从一个位置运动到另一个位置的位置信息作为原点位置信息和终点位置信息，将其所对应的各个关节的转动角度或伸缩位移作为目标运动轨迹信号，形成一组训练数据，如此获得多组训练数据，输入训练数据集。

例如，在上述煤矿用机械臂的5个旋转关节处分别安装角度编码器，以采集5个旋转关节的转动角度值，在1个伸缩关节处安装位移传感器，以采集伸缩关节的位移长度值。根据工艺实际情况设计上述煤矿用机械臂的运动轨迹，通过远程控制使机械臂按照运动轨迹运动。在机械臂运行过程中，每间隔t毫秒保存一组6个关节的转动角度值和位移长度值(θ₁,θ₂,d₃,θ₄,θ₅,θ₆)，运用运动学正解的方法求解每组(θ₁,θ₂,d₃,θ₄,θ₅,θ₆)所对应的机械臂末端的位置坐标(x,y,z)。将机械臂的末端从一个位置运动到另一个位置的位置信息作为原点位置信息和终点位置信息，将其所对应的6个关节的转动角度和伸缩位移作为目标运动轨迹信号，形成一组训练数据，如此获得多组训练数据。

步骤202，将每组训练数据的原点位置信息、终点位置信息及对应的目标运动轨迹信号输入正则化极限学习机模型中，以获取模型输出的机械臂运动的预测运动轨迹信号。

其中，正则化极限学习机模型采用未加权正则化目标函数式(1)：

min||Hβ-T||²+C||β||² (1)

式(1)第一项是经验风险，其中H代表输出矩阵，β代表输出权重，T为训练目标；第二项是结构风险，C为平衡经验风险和结构风险的参数，经过六折交叉验证实验得到C值，C值大于0。正则化极限学习机模型的隐含层的节点数和输入权重随机确定，隐含层激活函数为Sigmoid函数。

将每组训练数据的原点位置信息、终点位置信息及对应的目标运动轨迹信号输入正则化极限学习机模型，正则化极限学习机模型通过逆运动学求解的方式输出预测运动轨迹信号，即机械臂各个关节的转动角度值或位移长度值。

采用正则化极限学习机(regularization extreme learning machine，RELM)模型可以有效加快训练速度，同时防止过拟合，增强泛化能力。

步骤203，计算预测运动轨迹信号和目标运动轨迹信号间的误差，若误差超出设定阈值，则根据误差调整正则化极限学习机模型的参数，直至误差符合设定阈值，获得轨迹规划模型。

其中，计算预测运动轨迹信号和目标运动轨迹信号间的误差，可以分别计算机械臂每个关节的预测运动轨迹信号和目标运动轨迹信号间的误差，然后对求得的各个误差进行整合，计算正则化极限学习机模型的网络误差。根据正则化极限学习机模型的网络误差调整模型的参数，直至误差符合设定阈值，获得轨迹规划模型。

举例来说，将上述煤矿用机械臂的6个关节的转动角度值和位移长度值统一用O_i表示，即O₁＝θ₁，O₂＝θ₂，O₃＝d₃，O₄＝θ₄，O₅＝θ₅，O₆＝θ₆，O_im表示第m组训练数据第i关节的目标值，O'_im表示第m组训练数据第i关节的预测值，n表示训练数据的数量，分别计算训练数据中的每个关节的目标值与预测值的误差RMSE_i，其中

式中i的取值为1，2，……，6。

然后计算正则化极限学习机模型的网络误差RMSE，其中

式中D_imax为第i个关节的预测值的最大值。

采用正则化极限学习机模型训练得到轨迹规划模型，有效提高了模型输出机械臂的运动轨迹信号的效率。

步骤204，获取机械臂的初始位置信息和目标位置信息。

步骤205，将初始位置信息和目标位置信息输入预先训练的轨迹规划模型中，以确定机械臂的运动轨迹信号。

步骤206，将运动轨迹信号输入预先设置的运动控制器中，以确定机械臂的运动控制信号。

步骤207，根据运动控制信号，控制机械臂从初始位置运动到目标位置。

上述步骤204-207的具体实现过程，可参照本申请其他实施例的详细描述，此处不再赘述。

本申请实施例中，通过训练正则化极限学习机模型获得轨迹规划模型，然后基于机械臂运动的初始位置信息和目标位置信息，利用轨迹规划模块获取机械臂的运动轨迹信号。随后基于运动轨迹信号，通过运动控制器获取机械臂的运动控制信号。最后基于运动控制信号，使机械臂按照预定轨迹从初始位置运动到目标位置。由此，不仅提高了轨迹规划模型输出运动轨迹信号的效率，而且提高了机械臂在运动过程中的控制精度，进而提高了机械臂的运行轨迹精度和位置精度。

为了实现上述实施例，本申请还提出一种机械臂运动的控制装置。

图3为本申请实施例提供的一种机械臂运动的控制装置的结构示意图。

如图3所示，该机械臂运动的控制装置包括：

获取模块110，用于获取机械臂的初始位置信息和目标位置信息.

轨迹规划模块120，用于将初始位置信息和目标位置信息输入预先训练的轨迹规划模型中，以确定机械臂的运动轨迹信号。

进一步的，机械臂包含N个关节，其中N为正整数，轨迹规划模块110输出的机械臂的运动轨迹信号包含机械臂的N个关节在各个连续的时间段内运动的角度信号和/或位移信号。

运动控制模块130，用于将运动轨迹信号输入预先设置的运动控制器中，以确定机械臂的运动控制信号。

进一步的，运动控制器可以为PID控制器，运动控制器输出的运动控制信号包含机械臂的N个关节在每个时刻的角度信号和/或位移信号。

执行模块140，用于根据运动控制信号，控制机械臂从初始位置运动到目标位置。

需要说明的是，前述对机械臂运动的控制方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。

本申请实施例的机械臂运动的控制装置，首先基于机械臂运动的初始位置信息和目标位置信息，利用轨迹规划模块获取机械臂的运动轨迹信号；然后基于运动轨迹信号，通过运动控制器获取机械臂的运动控制信号；最后基于运动控制信号，使机械臂按照预定轨迹从初始位置运动到目标位置。由此，提高了机械臂在运动过程中的控制精度，进而提高了机械臂的运行轨迹精度和位置精度。

基于上述实施例，本申请实施例还提供了一种机械臂运动的控制装置的可能的实现方式，如图4所示，在上一实施例的基础上，机械臂运动的控制装置还包括训练模块150，训练模块150包括：

获取单元1510，用于获取训练数据集，其中，训练数据集中包括多组原点位置信息、终点位置信息及对应的目标运动轨迹信号。

训练单元1520，用于将每组原点位置信息及终点位置信息输入正则化极限学习机模型中，以获取模型输出的机械臂运动的预测运动轨迹信号。

计算单元1530，用于计算预测运动轨迹信号和目标运动轨迹信号间的误差，若误差超出设定阈值，则根据误差调整正则化极限学习机模型的参数，直至误差符合设定阈值，获得轨迹规划模型。

本申请实施例中的获取模块110、轨迹规划模块120、运动控制模块130、执行模块140和训练模块150的功能及具体实现原理，可参照上述各方法实施例，在此不再赘述。

本申请实施例中的机械臂运动的控制装置，通过训练正则化极限学习机模型获得轨迹规划模型，然后基于机械臂运动的初始位置信息和目标位置信息，利用轨迹规划模块获取机械臂的运动轨迹信号。随后基于运动轨迹信号，通过运动控制器获取机械臂的运动控制信号。最后基于运动控制信号，使机械臂按照预定轨迹从初始位置运动到目标位置。由此，不仅提高了轨迹规划模型输出运动轨迹信号的效率，而且提高了机械臂在运动过程中的控制精度，进而提高了机械臂的运行轨迹精度和位置精度。

为了实现上述实施例，本申请还提出一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本申请前述实施例提出的机械臂运动的控制方法。

为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现如本申请前述实施例提出的机械臂运动的控制方法。

为了实现上述实施例，本申请还提出一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本申请前述实施例提出的机械臂运动的控制方法。

图5示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图5显示的计算机设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种机械臂运动的控制方法，其特征在于，包括：

获取机械臂的初始位置信息和目标位置信息；

将所述初始位置信息和目标位置信息输入预先训练的轨迹规划模型中，以确定所述机械臂的运动轨迹信号；

将所述运动轨迹信号输入预先设置的运动控制器中，以确定所述机械臂的运动控制信号；

根据所述运动控制信号，控制所述机械臂从初始位置运动到目标位置。

2.如权利要求1所述的方法，其特征在于，所述机械臂包含N个关节，其中N为正整数，所述机械臂的运动轨迹信号包含机械臂的N个关节在各个连续的时间段内运动的角度信号和/或位移信号。

3.如权利要求2所述的方法，其特征在于，所述运动控制器为PID控制器，所述运动控制信号包含机械臂的N个关节在每个时刻的角度信号和/或位移信号。

4.如权利要求1-3任一所述的方法，其特征在于，在获取机械臂的初始位置信息和目标位置信息之前，还包括：

获取训练数据集，其中，所述训练数据集中包括多组原点位置信息、终点位置信息及对应的目标运动轨迹信号；

将每组所述原点位置信息及终点位置信息输入正则化极限学习机模型中，以获取所述模型输出的机械臂运动的预测运动轨迹信号；

计算所述预测运动轨迹信号和目标运动轨迹信号间的误差，若所述误差超出设定阈值，则根据所述误差调整所述正则化极限学习机模型的参数，直至所述误差符合所述设定阈值，获得所述轨迹规划模型。

5.一种机械臂运动的控制装置，其特征在于，包括：

获取模块，用于获取机械臂的初始位置信息和目标位置信息；

轨迹规划模块，用于将所述初始位置信息和目标位置信息输入预先训练的轨迹规划模型中，以确定所述机械臂的运动轨迹信号；

运动控制模块，用于将所述运动轨迹信号输入预先设置的运动控制器中，以确定所述机械臂的运动控制信号；

执行模块，用于根据所述运动控制信号，控制所述机械臂从初始位置运动到目标位置。

6.如权利要求5所述的装置，其特征在于，所述机械臂包含N个关节，其中N为正整数，所述轨迹规划模块输出的机械臂的运动轨迹信号包含机械臂的N个关节在各个连续的时间段内运动的角度信号和/或位移信号。

7.如权利要求6所述的装置，其特征在于，所述运动控制器为PID控制器，所述运动控制器输出的运动控制信号包含机械臂的N个关节在每个时刻的角度信号和/或位移信号。

8.如权利要求5-7任一所述的装置，其特征在于，还包括训练模块，所述训练模块包括：

获取单元，用于获取训练数据集，其中，所述训练数据集中包括多组原点位置信息、终点位置信息及对应的目标运动轨迹信号；

训练单元，用于将每组所述原点位置信息及终点位置信息输入正则化极限学习机模型中，以获取所述模型输出的机械臂运动的预测运动轨迹信号；

计算单元，用于计算所述预测运动轨迹信号和目标运动轨迹信号间的误差，若所述误差超出设定阈值，则根据所述误差调整所述正则化极限学习机模型的参数，直至所述误差符合所述设定阈值，获得所述轨迹规划模型。

9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-4中任一所述的方法。

10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。

Images