CN113664837B - 机器人评价指标计算方法和机器人构型参数的寻优方法 - Google Patents
机器人评价指标计算方法和机器人构型参数的寻优方法 Download PDFInfo
- Publication number
- CN113664837B CN113664837B CN202111101869.1A CN202111101869A CN113664837B CN 113664837 B CN113664837 B CN 113664837B CN 202111101869 A CN202111101869 A CN 202111101869A CN 113664837 B CN113664837 B CN 113664837B
- Authority
- CN
- China
- Prior art keywords
- arm
- reachable
- index
- adjacent
- redundant joint
- 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
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本申请涉及一种机器人评价指标计算方法和机器人构型参数的寻优方法,其中的机器人评价指标计算方法,获取中间臂TCP位置,根据中间臂TCP位置获取相邻臂TCP位置,确定每个中间臂TCP位置下的中间臂最优冗余关节值,以及确定每个中间臂TCP位置下每个相邻臂TCP位置处的相邻臂最优冗余关节值,基于每个中间臂最优冗余关节值和每个相邻臂最优冗余关节值获得中间臂的目标可达指标和相邻臂的目标可达指标,根据中间臂的目标可达指标和相邻臂的目标可达指标获得多机械臂机器人系统的可达评价指标。其将实际工况抽象为运动学模型,实现了对中间臂的可达指标与相邻臂的可达指标的计算,进而构造了适用于多机械臂机器人系统的构型设计的基于可达空间的评价指标。
Description
技术领域
本申请涉及机器人构型设计领域,特别是涉及一种机器人评价指标计算方法和机器人构型参数的寻优方法。
背景技术
在面向协作环境的多机械臂机器人系统中,通过在构型设计阶段结合具体的工作场景来确定各机械臂之间的协作关系,能够提高多机械臂机器人系统的灵活性,并扩大其工作空间,因此需要构造多机械臂机器人系统的评价标准,并将该评价标准应用于该多机械臂机器人系统的构型设计。
目前对于多机械臂机器人系统的评价标准主要包括机械臂的灵活性、协作空间大小等指标,对于转动关节与移动关节复合的多自由度混联机器人系统这类复杂结构而言较为抽象,因此不适于应用至多机械臂机器人系统的构型设计中。
针对相关技术中存在的构型设计的评价标准不适于多自由度混联机器人系统问题,尚未提出有效的解决方案。
发明内容
在本实施例中提供了一种机器人评价指标计算方法和机器人构型参数的寻优方法,以解决相关技术中构型设计的评价标准不适于多机械臂机器人系统的问题。
第一个方面,在本实施例中提供了一种机器人评价指标计算方法,用于多机械臂机器人系统,所述多机械臂机器人系统包括中间臂和至少两个相邻臂,所述方法包括:
获取所述中间臂TCP位置;
根据所述中间臂TCP位置获取所述相邻臂TCP位置;
确定每个所述中间臂TCP位置下的中间臂最优冗余关节值,以及确定每个所述中间臂TCP位置下每个所述相邻臂TCP位置处的相邻臂最优冗余关节值;
基于每个所述中间臂最优冗余关节值和每个所述相邻臂最优冗余关节值获得所述中间臂的目标可达指标和所述相邻臂的目标可达指标,根据所述中间臂的目标可达指标和所述相邻臂的目标可达指标获得所述多机械臂机器人系统的可达评价指标。
在其中的一些实施例中,所述基于每个所述中间臂最优冗余关节值和每个所述相邻臂最优冗余关节值获得所述中间臂的目标可达指标和所述相邻臂的目标可达指标,包括:
将每个所述中间臂最优冗余关节值对应的可达指标,作为每个所述中间臂最优冗余关节值对应的所述中间臂TCP位置处的中间点可达指标;将每个所述相邻臂最优冗余关节值对应的可达指标,作为每个所述相邻臂最优冗余关节值对应的所述相邻臂TCP位置处的相邻点可达指标;
根据所有中间点可达指标获得所述中间臂的目标可达指标,根据所有相邻点可达指标获得所述相邻臂的目标可达指标。
在其中的一些实施例中,所述中间臂的目标可达指标、所述相邻臂的目标可达指标以及所述多机械臂机器人系统的可达评价指标均采用数理统计的方法获得。
在其中的一些实施例中,所述根据所述中间臂TCP位置获取所述相邻臂TCP位置,包括:
根据所述中间臂TCP的位置、多臂协同TCP位置布局模型,确定所述相邻臂TCP位置。
在其中的一些实施例中,所述确定每个所述中间臂TCP位置下的中间臂最优冗余关节值,包括:
离散枚举每个中间臂TCP位置处的所有冗余关节值,作为中间臂冗余关节值;
计算每个所述中间臂冗余关节值下所有中间臂TCP位姿的可达性,获得每个所述中间臂冗余关节值对应的所述中间臂的可达指标,其中所述所有中间臂TCP位姿为预设数量的预设位姿;
根据所有中间臂冗余关节值对应的可达指标和可达指标预设条件获得中间臂最优冗余关节值。
在其中的一些实施例中,所述确定每个所述相邻臂TCP位置处的相邻臂最优冗余关节值,包括:
离散枚举每个相邻臂TCP位置处的所有冗余关节值,作为相邻臂冗余关节值;
计算每个所述相邻臂冗余关节值下所有相邻臂TCP位姿的可达性,获得每个所述相邻臂冗余关节值对应的所述相邻臂的可达指标,其中,所述所有相邻臂TCP位姿为预设数量的预设位姿;
根据所有相邻臂冗余关节值对应的可达指标和可达指标预设条件获得相邻臂最优冗余关节值。
在其中的一些实施例中,所述基于每个所述中间臂最优冗余关节值和每个所述相邻臂最优冗余关节值获得所述中间臂的目标可达指标和所述相邻臂的目标可达指标之后,还包括;
将每个所述中间臂TCP位置处最优冗余关节值的可达位姿分别与对应的所述中间臂TCP位置下每个所述相邻臂TCP位置处最优冗余关节值对应的可达位姿进行碰撞计算,获得所述多机械臂机器人系统的碰撞概率指标。
在其中的一些实施例中,所述将每个所述中间臂TCP位置处最优冗余关节值的可达位姿分别与对应的所述中间臂TCP位置下每个所述相邻臂TCP位置处最优冗余关节值对应的可达位姿进行碰撞计算,获得所述多机械臂机器人系统的碰撞概率指标,包括:
对由每个所述中间臂最优冗余关节值对应的可达位姿,分别与对应的所述中间臂TCP位置下每个所述相邻臂最优冗余关节值对应的可达位姿组成的可达位姿组合进行碰撞计算,得到每个可达位姿组合的碰撞计算的结果;
对所有碰撞计算的结果采用数理统计的方法进行处理,获得所述多机械臂机器人系统的碰撞概率指标。
第二个方面,在本实施例中提出了一种机器人构型参数的寻优方法,用于多机械臂机器人系统,所述多机械臂机器人系统包括中间臂和至少两个相邻臂,所述方法包括:
离散枚举所述多机械臂机器人系统的构型参数组合;
根据第一个方面的机器人评价指标计算方法,得到每个所述构型参数组合的可达评价指标;
对所有所述构型参数组合及其对应的可达评价指标进行预设规则的排序;
根据所述预设规则的排序选择最优评价指标所对应的构型组合作为所述多机械臂机器人系统的最优构型。
第三个方面,在本实施例中提供了一种机器人构型参数的寻优方法,用于多机械臂机器人系统,其特征在于,所述多机械臂机器人系统包括中间臂和至少两个相邻臂,所述方法包括:
确定至少一组所述多机械臂机器人构型参数组合;
根据第一个方面的机器人评价指标计算方法,得到所述构型参数组合的可达评价指标;
将所述构型参数组合及对应的所述可达评价指标输入遗传算法进行迭代寻优,获得所述多机械臂机器人系统的最优构型。
与相关技术相比,在本实施例中提供的机器人评价指标计算方法和机器人构型参数的寻优方法,获取中间臂TCP位置,根据中间臂TCP位置获取相邻臂TCP位置,确定每个中间臂TCP位置下的中间臂最优冗余关节值,以及确定每个中间臂TCP位置下每个相邻臂TCP位置处的相邻臂最优冗余关节值,基于每个中间臂最优冗余关节值和每个相邻臂最优冗余关节值获得中间臂的目标可达指标和相邻臂的目标可达指标,根据中间臂的目标可达指标和相邻臂的目标可达指标获得多机械臂机器人系统的可达评价指标。其将实际工况抽象为运动学模型,实现了对中间臂的可达指标与相邻臂的可达指标的计算,进而构造了适用于多机械臂机器人系统的构型设计的基于可达空间的评价指标。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是相关技术的机器人评价指标计算的终端的硬件结构框图;
图2是本实施例的机器人评价指标计算方法的流程图;
图3是本实施例的多机械臂协同TCP位置布局模型图;
图4是本实施例的一种机器人构型参数的寻优方法的流程图;
图5是本实施例的又一种机器人构型参数的寻优方法的流程图;
图6是本实施例的构型参数的筛选方法的流程图;
图7是本实施例的中间臂最优冗余关节值求解方法的流程图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是本实施例的评价指标计算方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的评价指标计算方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种评价指标计算方法,用于多机械臂机器人系统,多机械臂机器人系统包括中间臂和至少两个相邻臂,如图2所示,该流程包括如下步骤:
步骤S210,获取中间臂TCP位置。
本实施例提供的评价指标计算方法适用于多机械臂机器人系统。在多机械臂机器人系统中,可以选取其中一条机械臂作为中间臂,并从与该中间臂相邻的机械臂中选取两条作为相邻臂。在控制机器人去接近空间的某一点时,其本质是令机器人机械臂末端的工具中心点TCP(Tool Central Point)去接近该点。通过遍历该中间臂的末端工具中心点TCP与相邻臂末端工具中心点TCP的姿态空间,确定中间臂TCP与相邻臂TCP的位姿组合,并对该位姿组合进行碰撞概率计算,以实现在最大化可达工作空间的前提下,降低中间臂与相邻臂之间的碰撞风险。
具体地,该中间臂TCP的位置为预先确定的区域。该区域中预先设定了一组坐标。通过对该组坐标进行循环遍历,得到多个中间臂TCP位置。例如,在实际应用场景中预先确定一个矩形,通过在对该矩形进行划分网格得到若干点,将该矩形内得到的若干点作为该多机械臂机器人系统的一组中间臂TCP位置。由于多机械臂机器人系统中包含一个中间臂和至少两个相邻臂,且相邻臂是围绕中间臂进行操作的,因此为了后续能够确定中间臂TCP的位姿以及相邻臂TCP的位姿,可以先获取该中间臂TCP位置,以该中间臂TCP位置为基础进行后续的位姿可达性分析,并且可以进一步在位姿可达的基础上,进行碰撞概率的计算。
步骤S220,根据中间臂TCP位置获取相邻臂TCP位置。
具体地,图3为该多机械臂机器人系统进行协同工作时多臂协同TCP位置布局模型。如图3所示,P2点为中间臂TCP位置,P1i和P3i可以为该中间臂TCP的两条相邻机械臂TCP位置,对应P2不同的位置信息,P1i与P3i能得到不同的取值,并且对于在一个中间臂TCP位置下,也可以对应多组P1i和P3i。可以基于图3的多臂协同TCP位置布局模型,获取与中间臂TCP位置对应相邻臂TCP位置。
步骤S230,确定每个中间臂TCP位置下的中间臂最优冗余关节值,以及确定每个中间臂TCP位置下每个相邻臂TCP位置处的相邻臂最优冗余关节值。
具体地,可以在获得每个中间臂TCP位置下中间臂的所有冗余关节值后,基于该中间臂的所有冗余关节值对应的可达指标进行筛选,得到每个中间臂TCP位置下的最优冗余关节值。例如,可以对所有的可达性分析结果进行加权统计。其中,可以对每个中间臂TCP位置下所有冗余关节值的可达性分析结果进行统计,得到每个冗余关节值的可达指标。可以是将所有可达位姿数与总的位姿数的比值作为冗余关节值所对应的可达指标。例如在中间臂TCP位置A下,冗余关节值x1对应100组姿态,对该中间臂TCP位置A和每一个姿态确定的位姿进行可达性分析,确定其中有50组位姿可达,则该冗余关节值x1的可达指标为50%。根据实际工况和用户需求,确定最佳可达指标,从而确定每个中间臂TCP位置下的最优冗余关节值。同样地,可以对每个相邻臂TCP位置处相邻臂的所有冗余关节值,进行可达性分析,并基于每个冗余关节值的可达指标,筛选出每个相邻臂TCP位置下相邻臂的最优冗余关节值。
另外地,还可以进一步基于碰撞概率指标对冗余关节值进行筛选。对于碰撞概率指标的计算,可以是通过求解该冗余关节值对应的所有中间臂TCP与相邻臂TCP的碰撞概率平均值,得到该碰撞概率指标。通过对可达指标与碰撞概率指标进行排序,确定每个中间臂TCP位置下的最优冗余关节值和每个相邻臂TCP位置下的最优冗余关节值。
步骤S240,基于每个中间臂最优冗余关节值和每个相邻臂最优冗余关节值获得中间臂的目标可达指标和相邻臂的目标可达指标,根据中间臂的目标可达指标和相邻臂的目标可达指标获得多机械臂机器人系统的可达评价指标。
在确定每个中间臂TCP位置下的最优冗余关节值后,由于最优冗余关节值是根据可达指标确定的,因此该最优冗余关节值与可达指标存在一种映射关系。根据中间臂最优冗余关节值与可达指标之间的映射关系,即能获取该中间臂最优冗余关节值对应的可达指标。根据相邻臂的最优冗余关节值与可达指标之间的映射关系,即能获取该相邻臂最优冗余关节值对应的可达指标。通过数理统计的方式对所有中间臂TCP位置下的最优冗余关节值对应的可达指标进行处理后,可以得到中间臂TCP的目标可达指标。通过数理统计的方式对所有相邻臂TCP位置下的最优冗余关节值对应的可达指标进行处理后,可以得到相邻臂TCP的目标可达指标。
在获得中间臂的目标可达指标和相邻臂的目标可达指标后,对该多机械臂机器人系统的中间臂的目标可达指标和相邻臂的目标可达指标进行统计,将统计结果作为该多机械臂机器人系统的可达评价指标。具体地,可以对中间臂的目标可达指标和相邻臂的目标可达指标进行加权平均,得到该多机械臂机器人系统的可达评价指标。
通过上述步骤S210至S240,获取中间臂TCP位置,根据中间臂TCP位置获取相邻臂TCP位置,确定每个中间臂TCP位置下的中间臂最优冗余关节值,以及确定每个中间臂TCP位置下每个相邻臂TCP位置处的相邻臂最优冗余关节值,基于每个中间臂最优冗余关节值和每个相邻臂最优冗余关节值获得中间臂的目标可达指标和相邻臂的目标可达指标,根据中间臂的目标可达指标和相邻臂的目标可达指标获得多机械臂机器人系统的可达评价指标。其将实际工况抽象为运动学模型,实现了对中间臂的可达指标与相邻臂的可达指标的计算,进而构造了适用于多机械臂机器人系统的构型设计的基于可达空间的评价指标。
进一步地,在一个实施例中,基于上述步骤S240,基于每个中间臂最优冗余关节值和每个相邻臂最优冗余关节值获得中间臂的目标可达指标和相邻臂的目标可达指标,具体包括以下步骤:
步骤S241,将每个中间臂最优冗余关节值对应的可达指标,作为每个中间臂最优冗余关节值对应的中间臂TCP位置处的中间点可达指标;将每个相邻臂最优冗余关节值对应的可达指标,作为每个相邻臂最优冗余关节值对应的相邻臂TCP位置处的相邻点可达指标。
其中,中间点可达指标与每个中间臂TCP位置处的最优冗余关节值对应。每个中间臂TCP位置下可以对应一个中间点可达指标。同样地,相邻点可达指标与每个相邻臂TCP位置处的最优冗余关节值对应。每个相邻臂TCP位置下可以对应一个相邻点可达指标。
步骤S242,根据所有中间点可达指标获得中间臂的目标可达指标,根据所有相邻点可达指标获得相邻臂的目标可达指标。
具体地,对所有中间臂TCP位置处对应的中间点可达指标进行数理统计,确定中间臂的目标可达指标。对所有相邻臂TCP位置处对应的相邻点可达指标进行数理统计,得到相邻臂的目标可达指标。进一步地,该数理统计的具体过程可以根据实际应用场景进行确定,示例性地,可以通过对所有中间点可达指标统计求平均,得到中间臂的目标可达指标,对所有相邻点可达指标求平均,得到相邻臂的目标可达指标。
在一个实施例中,中间臂的目标可达指标、相邻臂的目标可达指标以及多机械臂机器人系统的可达评价指标均采用数理统计的方法获得。
更进一步地,在一个实施例中,基于上述步骤S220,根据中间臂TCP位置获取相邻臂TCP位置,具体包括以下步骤:
步骤S221,根据中间臂TCP的位置、多臂协同TCP位置布局模型,确定相邻臂TCP位置。
具体地,如图3所示,在中间臂TCP的位置P2确定的情况下,能够基于该多臂协同TCP位置布局模型,获取到与中间臂TCP位置对应相邻臂TCP的位置P1i和P3i。
另外地,在一个实施例中,基于上述步骤S230,确定每个中间臂TCP位置下的中间臂最优冗余关节值,具体包括以下步骤:
步骤S231,离散枚举每个中间臂TCP位置处的所有冗余关节值,作为中间臂冗余关节值。
具体地,通过离散枚举的方式得到中间臂TCP位置下的所有冗余关节值,并将该所有的冗余关节值作为该中间臂TCP位置下的一组中间臂冗余关节值。
步骤S232,计算每个中间臂冗余关节值下所有中间臂TCP位姿的可达性,获得每个中间臂冗余关节值对应的中间臂的可达指标,其中所有中间臂TCP位姿为预设数量的预设位姿。
其中,每个中间臂冗余关节值下的所有中间臂TCP位姿为预先确定的一组数量固定的位姿。通过对每个中间臂冗余关节值下所有中间臂TCP位姿的可达性进行统计分析,可以确定每个中间臂冗余关节值对应的中间臂的可达指标。
步骤S233,根据所有中间臂冗余关节值对应的可达指标和可达指标预设条件获得中间臂最优冗余关节值。
由于每个中间臂TCP位置下对应多个中间臂冗余关节值,通过对不同中间臂冗余关节值所对应的可达指标统计排序,并基于排序结果和根据实际应用场景确定的可达指标预设条件,确定中间臂最优冗余关节值。其中,该可达指标预设条件为根据实际应用场景或者用户需求确定的最优可达指标筛选条件。例如,中间臂TCP位置B下的所有冗余关节值为冗余关节值y1、冗余关节值y2、以及冗余关节值y3,其中基于上述步骤S232,计算得到冗余关节值y1的可达指标为50%,冗余关节值y2计算得到的可达指标为60%,冗余关节值y3计算得到的可达指标为70%。若可达指标预设条件为冗余关节值对应的可达指标最高,则可以将冗余关节值y3作为中间臂TCP位置B下的最优冗余关节值。
另外地,在一个实施例中,基于上述步骤S230,确定每个相邻臂TCP位置处的相邻臂最优冗余关节值,具体包括以下步骤:
步骤S234,离散枚举每个相邻臂TCP位置处的所有冗余关节值,作为相邻臂冗余关节值。
步骤S235,计算每个相邻臂冗余关节值下所有相邻臂TCP位姿的可达性,获得每个相邻臂冗余关节值对应的相邻臂的可达指标,其中,所有相邻臂TCP位姿为预设数量的预设位姿。
与上述步骤S232类似地,通过对每个相邻臂冗余关节值下所有相邻臂TCP位姿的可达性进行统计分析,可以确定每个相邻臂冗余关节值对应的相邻臂的可达指标。
步骤S236,根据所有相邻臂冗余关节值对应的可达指标和可达指标预设条件获得相邻臂最优冗余关节值。
与上述步骤S233类似地,基于可达指标预设条件和所有相邻臂冗余关节值所对应的可达指标的统计分析结果,确定每个相邻臂TCP位置处的最优冗余关节值,从而得到相邻臂最优冗余关节值。
另外地,在一个实施例中,基于每个中间臂最优冗余关节值和每个相邻臂最优冗余关节值获得中间臂的目标可达指标和相邻臂的目标可达指标之后,还包括以下步骤:
步骤S250,将每个中间臂TCP位置处最优冗余关节值的可达位姿分别与对应的中间臂TCP位置下每个相邻臂TCP位置处最优冗余关节值对应的可达位姿进行碰撞计算,获得多机械臂机器人系统的碰撞概率指标。
具体地,在位姿可达的基础上,可以基于碰撞模型对中间臂TCP最优冗余关节值对应的可达位姿,和相邻臂最优冗余关节值对应的可达位姿进行碰撞概率计算。例如,可以通过正运动学计算中间臂与相邻臂之间的碰撞距离,依据该碰撞距离来确定该中间臂最优冗余关节值对应的可达位姿与相邻臂最优冗余关节值对应的可达位姿的位姿组合所对应的碰撞概率。接下来,通过对多组上述可达位姿的位姿组合对应的碰撞概率进行统计,可以得到多机械臂机器人系统的碰撞概率指标。
目前对于机械臂构型参数的优化往往围绕机械臂的灵活性、协作空间大小等指标进行,将该指标应用于多机械臂机器人系统的实际工作场景的难度较大,从而难以确定该类指标对于多机械臂机器人系统的评价的准确度。本申请实施例将碰撞概率作为多机械臂机器人系统灵巧性的评价指标,依据该评价指标能够降低多机械臂机器人系统在实际工况下的各机械臂之间的碰撞风险。
另外地,在一个实施例中,将每个中间臂TCP位置处最优冗余关节值的可达位姿分别与对应的中间臂TCP位置下每个相邻臂TCP位置处最优冗余关节值对应的可达位姿进行碰撞计算,获得多机械臂机器人系统的碰撞概率指标,具体包括以下步骤:
步骤S251,对由每个中间臂最优冗余关节值对应的可达位姿,分别与对应的中间臂TCP位置下每个相邻臂最优冗余关节值对应的可达位姿组成的可达位姿组合进行碰撞计算,得到每个可达位姿组合的碰撞计算结果。
步骤S252,对所有碰撞计算的结果采用数理统计的方法进行处理,获得多机械臂机器人系统的碰撞概率指标。
上述步骤S210至步骤S252,基于数理统计的方式,根据中间点可达指标获得中间臂的目标可达指标,根据相邻点可达指标获得相邻臂的目标可达指标,从而实现了对多机械臂机器人系统的可达指标的统计分析,降低了后续处理的数据量;对每个中间臂最优冗余关节值对应的可达位姿分别与对应的相邻臂最优冗余关节值对应的可达位姿进行碰撞计算,得到多机械臂机器人系统的碰撞概率指标,从而实现了在位姿可达前提下的碰撞概率的计算;上述步骤将实际工况抽象为运动学模型,实现了对中间臂的可达指标与相邻臂的可达指标的计算,进而构造了适用于多机械臂机器人系统的构型设计的基于可达空间的评价指标。
图4为本申请实施例的一种机器人构型参数的寻优方法的流程图,如图4所示,该机器人构型参数的寻优方法包括以下步骤:
步骤S410,离散枚举多机械臂机器人系统的构型参数组合。
步骤S420,根据上述实施例的评价指标计算方法,得到每个构型参数组合的可达评价指标;
其中,可以根据上述实施例中的评价指标计算方法,确定在每个构型参数组合下,该多机械臂机器人系统对应的可达评价指标。进一步地,还可以根据上述实施例中所提供的方法,计算每个构型参数组合下,该多机械臂机器人系统对应的碰撞概率指标。
步骤S430,对所有构型参数组合及其对应的可达评价指标进行预设规则的排序;
具体地,基于预设规则,对每个构型参数组合下多机械臂机器人系统的可达评价指标进行排序。该预设规则可以根据实际应用场景或用户需求进行设定。例如,可以是对所有构型参数组合所对应的可达评价指标进行可达评价指标的值的大小排序。进一步地,还可以基于预设规则,对所有构型参数组合对应的可达评价指标和碰撞概率指标进行排序。
步骤S440,根据预设规则的排序选择最优评价指标所对应的构型组合作为多机械臂机器人系统的最优构型。
其中,该最优评价指标为根据上述排序的结果,得到的在实际应用场景下的最优的可达评价指标。进一步地,该最优评价指标还可以为实际应用场景下的最优的可达评价指标和碰撞概率指标。
上述步骤S410至步骤S440,离散枚举多机械臂机器人系统的构型参数组合,根据上述实施例提供的评价指标计算方法,得到每个构型参数组合的可达评价指标,对所有构型参数组合及其对应的可达评价指标进行预设规则的排序,根据预设规则的排序选择最优评价指标所对应的构型组合作为多机械臂机器人系统的最优构型。其利用基于可达空间构造的多机械臂机器人系统的评价标准,实现了符合实际工况的构型参数寻优。
图5为本实施例的一种机器人构型参数的寻优方法的流程图,如图5所示,该方法包括以下步骤:
步骤S510,确定至少一组多机械臂机器人构型参数组合。
步骤S520,根据上述实施例提供的评价指标计算方法,得到构型参数组合的可达评价指标;
步骤S530,将构型参数组合及对应的可达评价指标输入遗传算法进行迭代寻优,获得多机械臂机器人系统的最优构型。
其中,构型参数组合对应的可达评价指标为在该构型参数组合下,基于上述实施例提供的评价指标计算方法得到的多机械臂机器人系统的可达评价指标。可以根据该待选构型参数组合和对应的可达指标,结合遗传算法进行寻优,得到该多机械臂机器人系统的最优构型。具体地,该寻优算法除上述遗传算法之外,还可以为其他任意一种适用于经典数值寻优的算法,例如粒子群优化和蚁群算法等。在本实施例中不作限定。另外地,也可以基于构型参数组合对应的可达评价指标和碰撞概率指标,对该多机械臂机器人系统的最优构型进行寻优。
上述步骤S510至步骤S530,确定至少一组多机械臂机器人构型参数组合,根据上述实施例提供的评价指标计算方法,得到构型参数组合的可达评价指标,将构型参数组合及对应的可达评价指标输入遗传算法进行迭代寻优,获得多机械臂机器人系统的最优构型。其利用基于可达空间构造的多机械臂机器人系统的评价标准,实现了符合实际工况的构型参数寻优。
在一个实施例中,如图6所示,提供了一种中间臂最优冗余关节值求解的方法,包括以下步骤:
步骤S610,选取中间臂TCP位置;
步骤S620,基于中间臂TCP位置遍历中间臂冗余关节值,如果该冗余关节值下对应多个中间臂TCP姿态,则执行步骤S630,否则执行步骤S670;
步骤S630,根据中间臂冗余关节值遍历中间臂TCP姿态空间,以确定中间臂TCP位姿,若得到中间臂TCP位姿,则执行步骤S640,否则执行步骤S660;
步骤S640,对该中间臂TCP位姿进行逆解验证,确定中间臂TCP的可达位姿;
步骤S650,根据中间臂TCP的可达位姿确定相邻臂TCP的可达指标和碰撞指标;
步骤S660,对相邻臂的可达指标和碰撞指标进行加权统计;
步骤S670,根据可达指标和碰撞指标的加权统计结果确定中间臂冗余关节值的最优值。
在一个实施例中,如图7所示,提供了一种构型参数寻优方法,包括以下步骤:
步骤S710,利用正弦离散枚举连杆参数组合或者逆向遗传算法确定一组构型参数;
步骤S720,确定中间臂TCP位置;
步骤S730,确定中间臂TCP位置下的冗余关节值;
步骤S740,根据中间臂TCP的冗余关节值确定中间臂TCP姿态,得到中间臂TCP位姿;
步骤S750,验证该中间臂TCP位姿是否可达,若是则执行步骤S760,否则执行步骤S810;
步骤S760,根据该中间臂TCP位姿,确定相邻臂TCP位置;
步骤S770,根据相邻臂TCP位置确定相邻臂冗余关节值;
步骤S780,根据相邻臂冗余关节值确定相邻臂TCP姿态,得到相邻臂TCP位姿;
步骤S790,验证该相邻臂位姿是否可达,若是则执行步骤800,否则执行步骤S810;
步骤S800,基于中间臂TCP与相邻臂TCP的可达位姿,结合碰撞模型进行碰撞概率计算;
步骤S810,进行可达指标与碰撞概率指标统计。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对专利保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种机器人评价指标计算方法,用于多机械臂机器人系统,其特征在于,所述多机械臂机器人系统包括中间臂和至少两个相邻臂,所述方法包括:
获取所述中间臂TCP位置;
根据所述中间臂TCP位置获取所述相邻臂TCP位置;
确定每个所述中间臂TCP位置下的中间臂最优冗余关节值,以及确定每个所述中间臂TCP位置下每个所述相邻臂TCP位置处的相邻臂最优冗余关节值;其中,所述中间臂最优冗余关节值根据所有中间臂冗余关节值对应的可达指标和可达指标预设条件获得;所述相邻臂最优冗余关节值根据所有相邻臂冗余关节值对应的可达指标和可达指标预设条件获得;
基于每个所述中间臂最优冗余关节值和每个所述相邻臂最优冗余关节值获得所述中间臂的目标可达指标和所述相邻臂的目标可达指标,根据所述中间臂的目标可达指标和所述相邻臂的目标可达指标获得所述多机械臂机器人系统的可达评价指标。
2.根据权利要求1所述的机器人评价指标计算方法,其特征在于,所述基于每个所述中间臂最优冗余关节值和每个所述相邻臂最优冗余关节值获得所述中间臂的目标可达指标和所述相邻臂的目标可达指标,包括:
将每个所述中间臂最优冗余关节值对应的可达指标,作为每个所述中间臂最优冗余关节值对应的所述中间臂TCP位置处的中间点可达指标;将每个所述相邻臂最优冗余关节值对应的可达指标,作为每个所述相邻臂最优冗余关节值对应的所述相邻臂TCP位置处的相邻点可达指标;
根据所有中间点可达指标获得所述中间臂的目标可达指标,根据所有相邻点可达指标获得所述相邻臂的目标可达指标。
3.根据权利要求2所述的机器人评价指标计算方法,其特征在于,所述中间臂的目标可达指标、所述相邻臂的目标可达指标以及所述多机械臂机器人系统的可达评价指标均采用数理统计的方法获得。
4.根据权利要求1所述的机器人评价指标计算方法,其特征在于,所述根据所述中间臂TCP位置获取所述相邻臂TCP位置,包括:
根据所述中间臂TCP的位置、多臂协同TCP位置布局模型,确定所述相邻臂TCP位置。
5.根据权利要求1所述的机器人评价指标计算方法,其特征在于,所述确定每个所述中间臂TCP位置下的中间臂最优冗余关节值,包括:
离散枚举每个中间臂TCP位置处的所有冗余关节值,作为中间臂冗余关节值;
计算每个所述中间臂冗余关节值下所有中间臂TCP位姿的可达性,获得每个所述中间臂冗余关节值对应的所述中间臂的可达指标,其中所述所有中间臂TCP位姿为预设数量的预设位姿;
根据所有中间臂冗余关节值对应的可达指标和可达指标预设条件获得中间臂最优冗余关节值。
6.根据权利要求1所述的机器人评价指标计算方法,其特征在于,所述确定每个所述相邻臂TCP位置处的相邻臂最优冗余关节值,包括:
离散枚举每个相邻臂TCP位置处的所有冗余关节值,作为相邻臂冗余关节值;
计算每个所述相邻臂冗余关节值下所有相邻臂TCP位姿的可达性,获得每个所述相邻臂冗余关节值对应的所述相邻臂的可达指标,其中,所述所有相邻臂TCP位姿为预设数量的预设位姿;
根据所有相邻臂冗余关节值对应的可达指标和可达指标预设条件获得相邻臂最优冗余关节值。
7.根据权利要求1所述的机器人评价指标计算方法,其特征在于,所述基于每个所述中间臂最优冗余关节值和每个所述相邻臂最优冗余关节值获得所述中间臂的目标可达指标和所述相邻臂的目标可达指标之后,还包括;
将每个所述中间臂TCP位置处最优冗余关节值的可达位姿分别与对应的所述中间臂TCP位置下每个所述相邻臂TCP位置处最优冗余关节值对应的可达位姿进行碰撞计算,获得所述多机械臂机器人系统的碰撞概率指标。
8.根据权利要求7所述的机器人评价指标计算方法,其特征在于,所述将每个所述中间臂TCP位置处最优冗余关节值的可达位姿分别与对应的所述中间臂TCP位置下每个所述相邻臂TCP位置处最优冗余关节值对应的可达位姿进行碰撞计算,获得所述多机械臂机器人系统的碰撞概率指标,包括:
对由每个所述中间臂最优冗余关节值对应的可达位姿,分别与对应的所述中间臂TCP位置下,每个所述相邻臂最优冗余关节值对应的可达位姿组成的可达位姿组合进行碰撞计算,得到每个可达位姿组合的碰撞计算的结果;
对所有碰撞计算的结果采用数理统计的方法进行处理,获得所述多机械臂机器人系统的碰撞概率指标。
9.一种机器人构型参数的寻优方法,用于多机械臂机器人系统,其特征在于,所述多机械臂机器人系统包括中间臂和至少两个相邻臂,所述方法包括:
离散枚举所述多机械臂机器人系统的构型参数组合;
根据权利要求1至8中任一项所述的机器人评价指标计算方法,得到每个所述构型参数组合的可达评价指标;
对所有所述构型参数组合及其对应的可达评价指标进行预设规则的排序;
根据所述预设规则的排序选择最优评价指标所对应的构型组合作为所述多机械臂机器人系统的最优构型。
10.一种机器人构型参数的寻优方法,用于多机械臂机器人系统,其特征在于,所述多机械臂机器人系统包括中间臂和至少两个相邻臂,所述方法包括:
确定至少一组所述多机械臂机器人系统的构型参数组合;
根据权利要求1至8中任一项所述的机器人评价指标计算方法,得到所述构型参数组合的可达评价指标;
将所述构型参数组合及对应的所述可达评价指标输入遗传算法进行迭代寻优,获得所述多机械臂机器人系统的最优构型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101869.1A CN113664837B (zh) | 2021-09-18 | 2021-09-18 | 机器人评价指标计算方法和机器人构型参数的寻优方法 |
PCT/CN2022/100575 WO2023274000A1 (zh) | 2021-06-29 | 2022-06-22 | 一种机器人系统及其评价方法、控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101869.1A CN113664837B (zh) | 2021-09-18 | 2021-09-18 | 机器人评价指标计算方法和机器人构型参数的寻优方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113664837A CN113664837A (zh) | 2021-11-19 |
CN113664837B true CN113664837B (zh) | 2023-01-31 |
Family
ID=78549736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111101869.1A Active CN113664837B (zh) | 2021-06-29 | 2021-09-18 | 机器人评价指标计算方法和机器人构型参数的寻优方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113664837B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023274000A1 (zh) * | 2021-06-29 | 2023-01-05 | 武汉联影智融医疗科技有限公司 | 一种机器人系统及其评价方法、控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012192518A (ja) * | 2012-07-12 | 2012-10-11 | Kawasaki Heavy Ind Ltd | 冗長関節部を有する冗長ロボットの制御装置および制御方法 |
CN105583822A (zh) * | 2014-11-07 | 2016-05-18 | 库卡罗伯特有限公司 | 用于关节臂机器人的、基于事件的冗余角度配置 |
CN106584461A (zh) * | 2016-12-21 | 2017-04-26 | 西安科技大学 | 多约束条件下七自由度仿人机械臂的逆运动学拟人臂构型优化方法 |
WO2018105045A1 (ja) * | 2016-12-07 | 2018-06-14 | オリンパス株式会社 | 医療システムとその制御方法 |
CN109291046A (zh) * | 2017-07-25 | 2019-02-01 | 中国科学院沈阳自动化研究所 | 一种七自由度拟人构型机械臂逆运动学规划方法 |
CN110722560A (zh) * | 2019-10-25 | 2020-01-24 | 中国科学院长春光学精密机械与物理研究所 | 一种基于重力势能的模块化机械臂构型优化方法 |
CN111914980A (zh) * | 2020-05-30 | 2020-11-10 | 中南大学 | 一种基于解析解和改进遗传算法的冗余机械臂运动学解算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018051647A (ja) * | 2016-09-27 | 2018-04-05 | セイコーエプソン株式会社 | ロボット制御装置、ロボット、及びロボットシステム |
-
2021
- 2021-09-18 CN CN202111101869.1A patent/CN113664837B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012192518A (ja) * | 2012-07-12 | 2012-10-11 | Kawasaki Heavy Ind Ltd | 冗長関節部を有する冗長ロボットの制御装置および制御方法 |
CN105583822A (zh) * | 2014-11-07 | 2016-05-18 | 库卡罗伯特有限公司 | 用于关节臂机器人的、基于事件的冗余角度配置 |
WO2018105045A1 (ja) * | 2016-12-07 | 2018-06-14 | オリンパス株式会社 | 医療システムとその制御方法 |
CN106584461A (zh) * | 2016-12-21 | 2017-04-26 | 西安科技大学 | 多约束条件下七自由度仿人机械臂的逆运动学拟人臂构型优化方法 |
CN109291046A (zh) * | 2017-07-25 | 2019-02-01 | 中国科学院沈阳自动化研究所 | 一种七自由度拟人构型机械臂逆运动学规划方法 |
CN110722560A (zh) * | 2019-10-25 | 2020-01-24 | 中国科学院长春光学精密机械与物理研究所 | 一种基于重力势能的模块化机械臂构型优化方法 |
CN111914980A (zh) * | 2020-05-30 | 2020-11-10 | 中南大学 | 一种基于解析解和改进遗传算法的冗余机械臂运动学解算方法 |
Non-Patent Citations (3)
Title |
---|
9-DOF超冗余机器人轨迹规划优化算法;贾庆轩等;《北京邮电大学学报》;20080415(第02期);全文 * |
An Analytical Solution for the Inverse Kinematics of a Redundant 7DoF Manipulator with Link Offsets;Giresh K. Singh;《The 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems》;20101022;全文 * |
冗余度双臂机器人协调避障算法;申浩宇等;《农业机械学报》;20150930(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113664837A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021142917A1 (zh) | 多车场车辆路径规划方法、装置、计算机设备及存储介质 | |
JP6687788B1 (ja) | 分散型ロボットのスケジューリング決定方法、装置、システム並びに電子機器及び記憶媒体 | |
CN113664837B (zh) | 机器人评价指标计算方法和机器人构型参数的寻优方法 | |
CN112743574B (zh) | 机械臂设计的优化方法、装置和设备 | |
CN111784211B (zh) | 一种基于分簇的群体多任务分配方法及存储介质 | |
CN109819032A (zh) | 一种联合考虑基站选择与计算迁移的云机器人任务分配方法 | |
CN111586146A (zh) | 基于概率转移深度强化学习的无线物联网资源分配方法 | |
CN112020098A (zh) | 负荷均衡方法、装置、计算设备及计算机存储介质 | |
WO2023207487A1 (zh) | 一种电路走线确定方法及相关设备 | |
CN108758981A (zh) | 一种空调计费方法及设备 | |
CN111385598A (zh) | 云端装置、终端装置及影像分类方法 | |
CN111161331A (zh) | 一种bim模型和gis模型配准方法 | |
CN109818796B (zh) | 数据中心构建方法、装置、电子设备和介质 | |
Huang et al. | A novel bioinspired multiobjective optimization algorithm for designing wireless sensor networks in the Internet of Things | |
CN114113887A (zh) | 一种配电网故障定位方法与系统 | |
Ni et al. | A novel ensemble pruning approach based on information exchange glowworm swarm optimization and complementarity measure | |
CN114700957B (zh) | 模型低算力需求的机器人控制方法及装置 | |
CN115766876A (zh) | 资源调度方法、装置、设备及存储介质 | |
CN113436234B (zh) | 轮毂毛刺识别方法、电子装置、装置及可读存储介质 | |
CN115412704A (zh) | 视频监控系统的控制方法、视频监控系统和存储介质 | |
CN115016911A (zh) | 面向大规模联邦学习的任务编排方法、装置、设备和介质 | |
CN112860828A (zh) | 一种定位方法及装置、电子设备及存储介质 | |
CN112533303A (zh) | 编队表演无人机路由表维护方法、系统、计算机设备及终端 | |
CN115907021A (zh) | 基于量子计算的数据聚类方法、装置及量子计算机 | |
CN115134815B (zh) | 无线ap部署优化方法、系统、设备及存储介质 |
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 |