CN113858196A - 一种考虑机器人避碰轨迹的机器人拆卸序列规划方法 - Google Patents
一种考虑机器人避碰轨迹的机器人拆卸序列规划方法 Download PDFInfo
- Publication number
- CN113858196A CN113858196A CN202111128569.2A CN202111128569A CN113858196A CN 113858196 A CN113858196 A CN 113858196A CN 202111128569 A CN202111128569 A CN 202111128569A CN 113858196 A CN113858196 A CN 113858196A
- Authority
- CN
- China
- Prior art keywords
- robot
- disassembly
- collision avoidance
- disassembly sequence
- planning
- 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.)
- Pending
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
- B25J9/1656—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
- B25J9/1666—Avoiding collision or forbidden zones
-
- 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
- B25J9/1607—Calculation of inertia, jacobian matrixes and inverses
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明涉及机器人拆卸序列规划技术领域,尤其涉及一种考虑机器人避碰轨迹的机器人拆卸序列规划方法。基于避碰算法建立机器人避碰模型,充分考虑了机器人拆卸过程中机器人的结构和运动特性,将拆卸点之间机器人避碰轨迹的运动时间作为拆卸序列规划的优化目标之一,构建了更加符合机器人真实拆卸场景的拆卸信息模型,能够提高拆卸序列规划的准确性;提出了一种优化的离散蜜蜂算法,加入了更高效的邻域搜索算子和交叉变异算子,提高了搜索效率,让算法能够更快速地搜索出符合优化目标的最佳拆卸序列。
Description
技术领域
本发明涉及机器人拆卸序列规划技术领域,尤其涉及一种考虑机器人避碰轨迹的机器人拆卸序列规划方法。
背景技术
随着传统制造对环境污染和资源浪费的日益关注,再制造已成为重要的可持续制造范例,它可以带来巨大的环境和经济效益。拆卸作为再制造的关键步骤,对于缓解废旧产品造成的环境资源问题,发展可持续制造与绿色制造有着重要意义。拆卸过程包括拆卸序列规划过程和拆卸执行过程,在拆卸执行之前,通过拆卸序列规划获得最优的拆卸序列可以大大减少拆卸时间,提高拆卸效率。
传统的拆卸序列规划方法主要是针对手工拆卸的,但手工拆卸效率低下,且具有锋利边缘的废旧产品容易对工作人员造成伤害。随着工业机器人的发展,机器人拆卸由于具有很高的拆卸效率已经备受关注。
由被拆卸产品的物理结构引起的障碍是机器人拆卸过程中不可忽略的因素,工业机器人在不同拆卸点之间移动时需要将被拆卸产品视为障碍物进行避碰运动。现有的机器人拆卸序列规划方法通常以总拆卸时间作为优化目标,然后根据优化目标寻找最优的序列。但是现有技术并未考虑机器人的结构、运动特性以及机器人的避碰轨迹,造成拆卸序列规划结果与实际场景存在差距,且现有的机器人拆卸序列规划存在的效率低下问题。
发明内容
本发明要解决的技术问题是:提供一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,能够结合机器人真实拆卸场景,提高机器人拆卸序列规划的效率和准确性。
为解决上述技术问题,本发明采用的技术方案是:
一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,将拆卸点之间机器人避碰轨迹的运动时间加入拆卸序列规划的优化目标中,采用智能算法得出符合优化目标的最优拆卸序列;
所述智能算法具体如下:
A、建立机器人拆卸信息模型用来生成可行的拆卸序列;
B、建立机器人避碰模型并计算出考虑机器人避碰轨迹的拆卸时间;
C、利用优化的离散蜜蜂算法进行机器人拆卸序列规划。
进一步的,所述的一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,包括如下步骤:
S1、建立考虑机器人避碰轨迹的机器人拆卸信息模型;
S2、建立机器人避碰模型,利用机器人避碰算法计算出考虑机器人避碰轨迹的拆卸时间;
S3、确定机器人拆卸序列规划的优化目标;
S4、利用优化的离散蜜蜂算法,设计邻域搜索算子,对所得的机器人拆卸序列进行邻域搜索;
S5、利用优化的离散蜜蜂算法对所得的机器人拆卸序列进行全局搜索,并根据适应度函数更新当前全局最优解;
S6、判断是否达到迭代终止条件,若是,则输出最优拆卸序列,若否,则返回执行步骤S4。
进一步的,所述步骤S1具体包括:
S11、对被拆卸产品的零件进行编号,根据零件之间的拆卸约束关系建立空间干涉矩阵;
S12、分析所述空间干涉矩阵,生成被拆卸产品的可行拆卸序列。
进一步的,所述步骤S2具体包括:
S21、将机器人的机械臂由线段建模代替,障碍物及被拆卸的产品由圆柱体包围盒建模代替;
S22、根据机器人运动轨迹的起始点和目标点确定无障碍物情况下的关节运动速度;
S23、在机器人运动过程中计算机器人各个机械臂离障碍物的最短距离,从而确定机器人离障碍物的最短距离;
S24、根据确定的最短距离在机器人相对应的机械臂上施加一个排斥向量来控制机器人与障碍物保持一定的安全距离;
S25、机器人根据所述无障碍物情况下的关节运动速度,并结合排斥向量带来的关节速度变化进行避碰运动,直至到达目标点;
S26、选取不同的起始点和目标点,重复步骤S22~步骤S25,并计算出被拆卸产品任意两个拆卸点之间避碰轨迹运动时间,加入机器人拆卸序列规划的优化目标中。
进一步的,所述步骤S3具体包括:
S31、确定机器人拆卸序列规划的总优化目标为总拆卸时间;
S32、将总拆卸时间拆分为各个零件的基本拆卸时间、拆卸工具切换时间、拆卸点之间避碰轨迹运动时间三部分;
所述机器人拆卸序列规划的总优化目标为为:
其中,n表示被拆卸产品零件的个数,tb(Pi)表示被拆卸产品各个零件的基本拆卸时间,tt(Pi,Pi+1)表示拆卸工具的切换时间,tm(Pi,Pi+1)表示任意两个拆卸点之间避碰轨迹运动时间。
进一步的,所述步骤S4具体包括:
S41、初始化种群和相关参数;
S42、选取精英蜂和精英蜂的跟随蜂使用交换算子、插入算子和翻转算子进行邻域搜索;
S43、选取挑选蜂和挑选蜂的跟随蜂进行邻域搜索;
S44、对各邻域的最优解进行交叉变异操作。
进一步的,所述步骤S5具体包括:
S51、剩余的侦查蜂进行全局搜索,随机生成新的可行解;
S52、对整个种群根据适应度函数进行排序,得到新的种群,同时更新全局最优解。
进一步的,所述排斥向量由障碍物指向机器人,其大小为:
其中Vmax为施加的排斥向量模的最大值,k为形状系数,dmin为机器人各个机械臂离障碍物的最短距离,d0为一个距离阈值,即dmin>d0时,不施加排斥向量。
进一步的,所述避碰运动,具体为机器人根据无障碍物情况下的关节运动速度,并结合排斥向量带来的关节速度变化,求出机器人考虑避碰的实际关节运动速度,计算方法如下:
其中:表示无障碍物情况下的机器人关节运动速度,表示机器人考虑避碰的实际关节运动速度,表示排斥向量作用在某个机器臂上时,该机械臂之前的N个机械臂的关节运动速度,Vrep表示排斥向量,Jrep表示机器人的雅克比矩阵;
机器人以所述实际关节运动速度运动t秒,若到达目标点,则完成避碰运动,否则更新步骤S22中的起始点,重复步骤S22~步骤S25直到机器人到达目标点。
一种电子设备,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,其特征在于:所述处理器执行所述程序时实现如上述任一项所述的一种考虑机器人避碰轨迹的机器人拆卸序列规划方法。
本发明与现有技术相比具有以下主要的优点:
1、基于避碰算法建立机器人避碰模型,充分考虑了机器人拆卸过程中机器人的结构和运动特性,将拆卸点之间机器人避碰轨迹的运动时间作为拆卸序列规划的优化目标之一,构建了更加符合机器人真实拆卸场景的拆卸信息模型,能够提高机器人拆卸序列规划的准确性;
2、提出了一种优化的离散蜜蜂算法,加入了更高效的邻域搜索算子和交叉变异算子,提高了搜索效率,让算法能够更快速地搜索出符合优化目标的最佳拆卸序列。
附图说明
图1为本发明机器人拆卸序列规划方法的整体流程图;
图2为拆卸产品的示意图;
图3为机器人碰壁模型示意图;
图4为机器人碰壁算法的整体流程图;
图5为机器人避碰算法的效果图;
图6为邻域搜索算子示意图;
图7为交叉变异算子示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
需要指出,根据实施的需要,可将本申请中描述的各个步骤/部件拆分为更多步骤/部件,也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件,以实现本发明的目的。
本发明实施的一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,基于避碰算法建立机器人避碰模型,考虑了机器人拆卸过程中机器人的结构和运动特性,将被拆卸产品任意两个拆卸点之间避碰轨迹的运动时间,作为机器人拆卸序列规划的优化目标之一,并设计了高效的邻域搜索算子和交叉变异算子,更快速的得出符合优化目标的最佳拆卸序列。
所建立的机器人避碰模型是面向拆卸过程的,是以被拆卸的产品作为静态障碍物建立的机器人避碰模型。
如图1所示,本发明的方法主要划分为三个阶段:阶段Ⅰ:建立机器人拆卸信息模型用来生成可行的拆卸序列;阶段Ⅱ:建立机器人避碰模型并计算出考虑机器人避碰轨迹的拆卸时间;阶段Ⅲ:利用优化的离散蜜蜂算法进行机器人拆卸序列规划。
下面对每个阶段进行详细说明:
一、建立机器人拆卸信息模型用来生成可行的拆卸序列
S1、建立考虑机器人避碰轨迹的机器人拆卸信息模型。具体过程如下:
S11、对被拆卸产品的零件进行编号,建立一个N*N的空间干涉矩阵,每一行或每一列表示的是零件编号。
拆卸产品的零件可以在6个方向上进行拆卸,空间干涉矩阵中值为1表示行对应的零件被列对应的零件所约束,必须在列对应的零件拆除之后才能拆除,空间干涉矩阵中值为0代表行对应的零件不被列对应的零件约束,可以直接拆除。
如图2所示,为本实施例拆卸产品的示意图,图中(a)为拆卸产品整体模型,(b)为拆卸产品被拆卸后的各零件爆炸图。
S12、分析被拆卸产品的干涉关系,确定零件之间的拆卸约束关系。若某个零件被其他零件约束,则设置为1;否则设置为0;将零件之间的可拆卸性对应的值记录在空间干涉矩阵中。
分析步骤S11中建立的空间干涉矩阵,生成被拆卸产品的可行拆卸序列。遍历空间干涉矩阵,记录某一行值全为0的行数,代表当前可拆卸的零件集合,从集合中随机选取某个零件拆卸。将矩阵中被拆卸零件对应的行和列删除得到一个子矩阵。对此子矩阵重新遍历,执行相同的操作,直到原空间干涉矩阵所有的行列均被删除,即可得到一个可行的拆卸序列。
二、建立机器人避碰模型并计算出考虑机器人避碰轨迹的拆卸时间
S2、建立机器人避碰模型,利用机器人避碰算法计算出考虑机器人避碰轨迹的拆卸时间。具体过程如下:
S21、将机器人的机械臂由线段建模代替,障碍物及被拆卸的产品由圆柱体包围盒建模代替。
S22、根据机器人运动轨迹的起始点和目标点使用机器人逆解运算得到机器人位于起始点和目标点的关节角度;计算无障碍物情况下的机器人关节运动速度,即无障碍物情况下机器人各个机械臂作匀速运动至目标点,求出此关节角速度。
S23、在机器人运动过程中计算机器人各个机械臂离障碍物的最短距离,从而确定机器人离障碍物的最短距离;根据机器人各个机械臂与障碍物的位置信息计算出机器人离障碍物的最短距离,以及最短距离线段在机器人和障碍物上的交点。
S24、根据确定的最短距离在机器人相对应的机械臂上施加一个排斥向量来控制机器人与障碍物保持一定的安全距离。如图3所示,排斥向量由障碍物指向机器人,其大小为:
其中Vmax为施加的排斥向量模的最大值,k为形状系数,dmin为机器人各个机械臂离障碍物的最短距离,d0为一个距离阈值,即dmin>d0时,不施加排斥向量。
S25、机器人根据无障碍物情况下的关节运动速度,并结合排斥向量带来的关节速度变化进行避碰运动,直至到达目标点;
机器人根据无障碍物情况下的关节运动速度,并结合排斥向量带来的关节速度变化,求出机器人考虑避碰的实际关节运动速度,计算方法如下:
其中表示无障碍物情况下的机器人关节运动速度,表示机器人考虑避碰的实际关节运动速度,表示排斥向量作用在某个机器臂上时,该机械臂之前的N个机械臂的关节运动速度,Vrep表示排斥向量,Jrep表示机器人的雅克比矩阵。
机器人以上述求出的实际关节运动速度运动t秒,若到达目标点即完成避碰运动,否则更新步骤S22中的起始点,重复步骤S22~步骤S25直到机器人到达目标点。
S26、选取不同的起始点和目标点,重复步骤S22~步骤S25,通过运动时间=迭代次数*运动间隔t,计算出被拆卸产品任意两个拆卸点之间避碰轨迹运动时间,加入机器人拆卸序列规划的优化目标中。
本发明提出的机器人避碰算法整体流程图如图4所示;
本发明中提出的机器人避碰算法的效果如图5所示。
三、利用优化的离散蜜蜂算法进行机器人拆卸序列规划
S3、确定机器人拆卸序列规划的优化目标。具体过程如下:
S31、确定机器人拆卸序列规划的总优化目标为总拆卸时间;
S32、将总拆卸时间拆分为各个零件的基本拆卸时间、拆卸工具切换时间、拆卸点之间避碰轨迹运动时间三部分;
所述机器人拆卸序列规划的总优化目标为为:
其中,n表示被拆卸产品零件的个数,tb(Pi)表示被拆卸产品各个零件的基本拆卸时间,tt(Pi,Pi+1)表示拆卸工具的切换时间,tm(Pi,Pi+1)表示任意两个拆卸点之间避碰轨迹运动时间。
S4、利用优化的离散蜜蜂算法,设计邻域搜索算子,对所得的机器人拆卸序列进行邻域搜索。具体过程如下:
S41、初始化种群和相关参数。初始化种群(侦查蜂)数量、精英蜂数量、挑选蜂数量、精英蜂的跟随蜂数量,挑选蜂的跟随蜂数量,迭代次数分别为30、2、4、4、2、600。计算初始化的所有可行解的适应度值,并排序。
S42、选取精英蜂和精英蜂的跟随蜂使用交换算子、插入算子和翻转算子进行邻域搜索。
如图6中(a)所示,所述交换算子,具体为通过随机选择拆卸序列中的两个元素并交换它们的位置来获得一个新的序列;
如图6中(b)所示,所述插入算子,具体为通过随机选择拆卸序列中的一个元素并将其插入到随机选择的新位置来获得一个新序列;
如图6中(c)所示,所述翻转算子,即通过在拆卸序列中随机选择几个连续的元素,并翻转它们在序列中的顺序来获得一个新序列。
S43、选取挑选蜂和挑选蜂的跟随蜂进行邻域搜索。选中n个精英蜂,派遣nfb个跟随蜂进行邻域搜索;选中m个挑选蜂,派遣mfb个跟随蜂进行邻域搜索。如果通过邻域搜索得到更好的解,则用更好的解代替原来的解。
S44、确定交叉变异算子,对各邻域的最优解进行交叉变异操作,如果通过交叉变异操作得到更好的解,则用变异后的解代替原来的解。
如图7所示,图中(a)为待变异解,(b)为随机解,(c)为交叉变异算子,所述交叉变异算子,具体为通过在待变异解和随机生成的可行解之间进行交叉运算来生成一个新的拆卸序列。
S5、利用优化的离散蜜蜂算法对所得的机器人拆卸序列进行全局搜索,并根据适应度函数更新当前全局最优解。具体过程如下:
S51、剩余的侦查蜂进行全局搜索,随机生成新的可行解,替换原来的可行解;
S52、对整个种群根据适应度函数进行排序,得到新的种群,同时更新全局最优解,保存当前迭代次数下的最优解。
S6、判断是否达到迭代终止条件,若是,则输出最优拆卸序列,若否,则返回执行步骤S4。
所述迭代终止条件具体为迭代次数达到最终迭代次数,本实施例例最终迭代次数为3000。
采用本实施例提出的一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,基于避碰算法建立机器人避碰模型,充分考虑了机器人拆卸过程中机器人的结构和运动特性,将拆卸点之间机器人避碰轨迹的运动时间作为拆卸序列规划的优化目标之一,构建了更加符合机器人真实拆卸场景的拆卸信息模型,能够提高拆卸序列规划的准确性;
提出了一种优化的离散蜜蜂算法,加入了更高效的邻域搜索算子和交叉变异算子,提高了搜索效率,让算法能够更快速地搜索出符合优化目标的最佳拆卸序列。
基于同一发明构思,本申请实施例还提供了一种电子设备,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,所述处理器执行所述程序时实现上述方法的所有方法步骤或部分方法步骤。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,其特征在于,将拆卸点之间机器人避碰轨迹的运动时间加入拆卸序列规划的优化目标中,采用智能算法得出符合优化目标的最优拆卸序列;
所述智能算法具体如下:
A、建立机器人拆卸信息模型用来生成可行的拆卸序列;
B、建立机器人避碰模型并计算出考虑机器人避碰轨迹的拆卸时间;
C、利用优化的离散蜜蜂算法进行机器人拆卸序列规划。
2.根据权利要求1所述的一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,其特征在于,包括如下步骤:
S1、建立考虑机器人避碰轨迹的机器人拆卸信息模型;
S2、建立机器人避碰模型,利用机器人避碰算法计算出考虑机器人避碰轨迹的拆卸时间;
S3、确定机器人拆卸序列规划的优化目标;
S4、利用优化的离散蜜蜂算法,设计邻域搜索算子,对所得的机器人拆卸序列进行邻域搜索;
S5、利用优化的离散蜜蜂算法对所得的机器人拆卸序列进行全局搜索,并根据适应度函数更新当前全局最优解;
S6、判断是否达到迭代终止条件,若是,则输出最优拆卸序列,若否,则返回执行步骤S4。
3.根据权利要求2所述的一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,其特征在于,所述步骤S1具体包括:
S11、对被拆卸产品的零件进行编号,根据零件之间的拆卸约束关系建立空间干涉矩阵;
S12、分析所述空间干涉矩阵,生成被拆卸产品的可行拆卸序列。
4.根据权利要求2所述的一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,其特征在于,所述步骤S2具体包括:
S21、将机器人的机械臂由线段建模代替,障碍物及被拆卸的产品由圆柱体包围盒建模代替;
S22、根据机器人运动轨迹的起始点和目标点确定无障碍物情况下的关节运动速度;
S23、在机器人运动过程中计算机器人各个机械臂离障碍物的最短距离,从而确定机器人离障碍物的最短距离;
S24、根据确定的最短距离在机器人相对应的机械臂上施加一个排斥向量来控制机器人与障碍物保持一定的安全距离;
S25、机器人根据所述无障碍物情况下的关节运动速度,并结合排斥向量带来的关节速度变化进行避碰运动,直至到达目标点;
S26、选取不同的起始点和目标点,重复步骤S22~步骤S25,并计算出被拆卸产品任意两个拆卸点之间避碰轨迹运动时间,加入机器人拆卸序列规划的优化目标中。
6.根据权利要求2所述的一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,其特征在于,所述步骤S4具体包括:
S41、初始化种群和相关参数;
S42、选取精英蜂和精英蜂的跟随蜂使用交换算子、插入算子和翻转算子进行邻域搜索;
S43、选取挑选蜂和挑选蜂的跟随蜂进行邻域搜索;
S44、对各邻域的最优解进行交叉变异操作。
7.根据权利要求2所述的一种考虑机器人避碰轨迹的机器人拆卸序列规划方法,其特征在于,所述步骤S5具体包括:
S51、剩余的侦查蜂进行全局搜索,随机生成新的可行解;
S52、对整个种群根据适应度函数进行排序,得到新的种群,同时更新全局最优解。
10.一种电子设备,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,其特征在于:所述处理器执行所述程序时实现如权利要求1至9中任一项所述的一种考虑机器人避碰轨迹的机器人拆卸序列规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111128569.2A CN113858196A (zh) | 2021-09-26 | 2021-09-26 | 一种考虑机器人避碰轨迹的机器人拆卸序列规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111128569.2A CN113858196A (zh) | 2021-09-26 | 2021-09-26 | 一种考虑机器人避碰轨迹的机器人拆卸序列规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113858196A true CN113858196A (zh) | 2021-12-31 |
Family
ID=78994520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111128569.2A Pending CN113858196A (zh) | 2021-09-26 | 2021-09-26 | 一种考虑机器人避碰轨迹的机器人拆卸序列规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113858196A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114454163A (zh) * | 2022-01-13 | 2022-05-10 | 武汉理工大学 | 基于增强现实与脑机接口的工业机器人轨迹规划方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170252255A1 (en) * | 2014-09-10 | 2017-09-07 | Panasonic Corporation | Gait data management system, gait data management method, walking assistance device and server |
CN108717492A (zh) * | 2018-05-18 | 2018-10-30 | 浙江工业大学 | 基于改进的人工蜂群算法的机械臂动力学模型辨识方法 |
US20180339456A1 (en) * | 2017-05-24 | 2018-11-29 | Divergent Technologies, Inc. | Robotic assembly of transport structures using on-site additive manufacturing |
US20190030716A1 (en) * | 2015-11-26 | 2019-01-31 | Institut De Recherche Technologique Jules Verne | Method and device for controlling a robot during co-activity |
CN110900138A (zh) * | 2019-11-27 | 2020-03-24 | 武汉理工大学 | 一种基于安全保障策略的人机协作拆卸线平衡优化方法 |
CN110968950A (zh) * | 2019-11-27 | 2020-04-07 | 武汉理工大学 | 一种基于人员疲劳度的人机协作拆卸序列规划方法 |
CN111515932A (zh) * | 2020-04-23 | 2020-08-11 | 东华大学 | 一种基于人工势场与强化学习的人机共融流水线实现方法 |
CN112605988A (zh) * | 2020-11-27 | 2021-04-06 | 辽宁石油化工大学 | 一种随机多产品机器人拆卸线平衡控制方法 |
CN112975938A (zh) * | 2019-12-12 | 2021-06-18 | 中国科学院沈阳自动化研究所 | 一种基于零空间的机械臂速度层轨迹规划方法 |
WO2021156647A1 (en) * | 2020-02-06 | 2021-08-12 | Mark Oleynik | Robotic kitchen hub systems and methods for minimanipulation library |
-
2021
- 2021-09-26 CN CN202111128569.2A patent/CN113858196A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170252255A1 (en) * | 2014-09-10 | 2017-09-07 | Panasonic Corporation | Gait data management system, gait data management method, walking assistance device and server |
US20190030716A1 (en) * | 2015-11-26 | 2019-01-31 | Institut De Recherche Technologique Jules Verne | Method and device for controlling a robot during co-activity |
US20180339456A1 (en) * | 2017-05-24 | 2018-11-29 | Divergent Technologies, Inc. | Robotic assembly of transport structures using on-site additive manufacturing |
CN108717492A (zh) * | 2018-05-18 | 2018-10-30 | 浙江工业大学 | 基于改进的人工蜂群算法的机械臂动力学模型辨识方法 |
CN110900138A (zh) * | 2019-11-27 | 2020-03-24 | 武汉理工大学 | 一种基于安全保障策略的人机协作拆卸线平衡优化方法 |
CN110968950A (zh) * | 2019-11-27 | 2020-04-07 | 武汉理工大学 | 一种基于人员疲劳度的人机协作拆卸序列规划方法 |
CN112975938A (zh) * | 2019-12-12 | 2021-06-18 | 中国科学院沈阳自动化研究所 | 一种基于零空间的机械臂速度层轨迹规划方法 |
WO2021156647A1 (en) * | 2020-02-06 | 2021-08-12 | Mark Oleynik | Robotic kitchen hub systems and methods for minimanipulation library |
CN111515932A (zh) * | 2020-04-23 | 2020-08-11 | 东华大学 | 一种基于人工势场与强化学习的人机共融流水线实现方法 |
CN112605988A (zh) * | 2020-11-27 | 2021-04-06 | 辽宁石油化工大学 | 一种随机多产品机器人拆卸线平衡控制方法 |
Non-Patent Citations (4)
Title |
---|
FLACCO F等: "A depth space approach to human-robot collision avoidance", 2012 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION, pages 338 - 345 * |
LIN H C: "Human guidance programming on a 6-dof robot with collision Avoidance", 2016 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS(IROS), pages 2676 - 2681 * |
刘佳宜: "基于工业机器人的机电产品拆卸规划研究", 中国博士学位论文全文数据库工程科技Ⅱ, pages 029 - 1 * |
周康;邹树梁;王湘江;冯栋彦;闫辉;: "六自由度检修机器人工作空间仿真分析", 机械工程与自动化, no. 06, pages 69 - 71 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114454163A (zh) * | 2022-01-13 | 2022-05-10 | 武汉理工大学 | 基于增强现实与脑机接口的工业机器人轨迹规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114603564B (zh) | 机械臂导航避障方法、系统、计算机设备及存储介质 | |
Zhong et al. | Value function approximation and model predictive control | |
CN110802601B (zh) | 一种基于果蝇优化算法的机器人路径规划方法 | |
CN109163722B (zh) | 一种仿人机器人路径规划方法及装置 | |
CN102706342A (zh) | 一种智能移动机器人的定位与环境建模方法 | |
CN111872934A (zh) | 一种基于隐半马尔可夫模型的机械臂控制方法及系统 | |
Talwar et al. | Particle Filter-based localization of a mobile robot by using a single LIDAR sensor under SLAM in ROS Environment | |
CN111195906B (zh) | 用于预测机器人的运动轨迹的方法和系统 | |
CN110530373B (zh) | 一种机器人路径规划方法、控制器及系统 | |
CN115723129B (zh) | 一种机械臂连续操作运动规划方法 | |
CN113858196A (zh) | 一种考虑机器人避碰轨迹的机器人拆卸序列规划方法 | |
Das et al. | A modified real time A* algorithm and its performance analysis for improved path planning of mobile robot | |
Rana et al. | Learning generalizable robot skills from demonstrations in cluttered environments | |
CN115562357A (zh) | 一种面向无人机集群的智能路径规划方法 | |
CN114967465A (zh) | 轨迹规划方法、装置、电子设备及存储介质 | |
CN113503885B (zh) | 一种基于采样优化ddpg算法的机器人路径导航方法及系统 | |
Deng et al. | Robotic manipulation planning using dynamic RRT | |
KR20220160391A (ko) | Rnn 기반 멀티에이전트 심층강화학습을 활용한 충돌없는 경로 생성 방법 | |
CN114527759A (zh) | 一种基于分层强化学习的端到端驾驶方法 | |
Tian et al. | ASAP: Automated Sequence Planning for Complex Robotic Assembly with Physical Feasibility | |
Shiltagh et al. | A comparative study: Modified particle swarm optimization and modified genetic algorithm for global mobile robot navigation | |
Tao et al. | A Multiobjective Collaborative Deep Reinforcement Learning Algorithm for Jumping Optimization of Bipedal Robot | |
Su et al. | Image-based smooth path planning for wheeled robot | |
Huang et al. | Dynamic task sequencing of manipulator by Monte Carlo tree search | |
Ge et al. | Learning from demonstration using GMM, CHMM and DHMM: A comparison |
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 |