CN114035568A - 可燃冰试采区地层钻探机器人路径规划方法 - Google Patents
可燃冰试采区地层钻探机器人路径规划方法 Download PDFInfo
- Publication number
- CN114035568A CN114035568A CN202111097258.4A CN202111097258A CN114035568A CN 114035568 A CN114035568 A CN 114035568A CN 202111097258 A CN202111097258 A CN 202111097258A CN 114035568 A CN114035568 A CN 114035568A
- Authority
- CN
- China
- Prior art keywords
- robot
- path
- obstacle
- motion
- obstacle avoidance
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Abstract
本发明公开了一种可燃冰试采区地层钻探机器人路径规划方法,包括:步骤1):定义机器人的仿蚯蚓蠕动式运动为“跟从”模式;步骤2):建立机器人预设数据库;离线规划出一条理想运动路径;步骤3):设计机器人避障路径规划器,其中,传感器阵列将机器人位姿及其是否遇到障碍物的信息反馈给运动行为判别器,运动行为判别器判别后将位姿及障碍物信息传输至避障路线控制器或预定路径控制器;步骤4):建立避障运动规划系统及机器人避障运动规划模型;步骤5):机器人定点释放,由传感器阵列实时地测量相关信息,由避障路径规划器实时路径规划;避障时,避障运动规划模型迭代运算,得出避障路线;无障碍物时,按照理想运动路径前进。
Description
技术领域
本发明涉及的是一种局部路径规划方法,具体涉及一种基于行为的可燃冰试采区深 海地层自主钻探机器人路径规划方法。
背景技术
可燃冰试采区深海地层钻探机器人便是一种应用于水合物试采区可以自主勘探和长期监测的设备。
路径规划是移动机器人导航中的重要的任务之一,移动机器人路径规划可以分为两 类型:全局路径规划和局部路径规划。全局路径规划是指在已知环境下,在已知环境模型找出一条从起始点到目标点的符合一定性能的可行或最优的路径。局部路径规划是指当环境信息未知或部分未知时,由传感器阵列获得障碍物的尺寸、行状和位置等信息, 实时进行的规划。
对钻探机器人来说,深海地层的泥土环境相当复杂,作业区域的具体情况也不十分 清楚,因此无法建立精确的环境模型。在钻探机器人的路径规划中,只能依靠自身的传感器阵列获得实时环境信息,进行实时规划。常见的全局路径规划算法有Dijkstra算法、粒子群算法、栅格法等,在面临海底地层等广域环境进行路径规划时存在多余冗余点和 拐点、计算量大、内存消耗等问题。
发明内容
本发明的目的在于克服广域环境下传统局部路径规划方式的不足,提供一种基于行 为的可燃冰试采区深海地层自主钻探机器人局部路径规划方法。
一种可燃冰冰试采区地层钻探机器人路径规划方法,包括如下步骤:
步骤1):定义钻探机器人的仿蚯蚓蠕动式运动为“跟从”模式,据此建立机器人 的路径规划模型;
步骤2):建立钻探机器人预设数据库,其包括工作参数和机器人的结构参数;根据海底作业区的进入点坐标及预定的结束点坐标,离线规划出一条理想运动路径;
步骤3):设计钻探机器人避障路径规划器,所述避障路径规划器包括运动行为判别器、避障路线控制器、预定路径控制器、传感器阵列和执行器;传感器阵列将机器人 的位姿及其是否遇到障碍物的信息反馈给运动行为判别器,运动行为判别器判别后将位 姿及障碍物信息传输至避障路线控制器或预定路径控制器,避障路线控制器用于钻探机 器人遇到障碍物时规划路径;预定路径控制器用于钻探机器人头部沿预先规划好的全局 理想路径前进,并由执行器控制机器人运动;
步骤4):根据机器人定义的运动模式,建立避障运动规划系统,所述避障运动规划系统包括避障路径规划器;在避障路线控制器中建立机器人避障运动规划模型;
步骤5):机器人由导向机构海底定点释放,由配置在机器人本体上的传感器阵列实时地测量相关信息,根据理想运动路径,由避障路径规划器进行实时路径规划;避障 时,通过避障运动规划模型进行迭代运算,得出避障路线;无障碍物时,则按照预定路 径控制器中的理想运动路径前进。
作为进一步改进方案,所述步骤1)中的所述机器人的路径规划模型源于机器人的行为定义。
作为进一步改进方案,所述步骤1)中的“跟从”模式为机器人的头部运动到一定位置后,其余各段沿相同的路径作跟从运动。
作为进一步改进方案,步骤1)中所述路径规划模型所需要的工作参数和结构参数均来自钻探机器人预设数据库;工作参数包括:钻进长度、作业区尺寸、一个子运动周 期时间、是否遇到障碍物、遇到障碍物时运动子周期数及避让路线选择;结构参数包括 机器人结构的各项尺寸。
作为进一步改进方案,所述步骤2)中,所述理想运动路径是由避障路径规划器中的预定路径控制器直接离线规划的;所述理想运动路径为:钻探机器人在导向机构的作 用下,首先以角度θ钻入泥土,直行至P1点,然后转弯β角,当钻探机器人的头部与水平 面平行时,即到达P2点后,水平前进,到达P3点后转弯,当钻探机器人的头部与水平面的 夹角为β时,即到达P4点后,再沿直线前进,直到钻探机器人从P5点离开作业区。
作为进一步改进方案,所述步骤3)中,所述传感器阵列为海底钻探机器人自身携带的,所述传感器阵列包括姿态传感器、压力传感器、位移传感器和加速度传感器;这 些传感器与运动行为判别器连接,运动行为判别器与避障路线控制器和预定路径控制器 连接,避障路线控制器和预定路径控制器与执行器连接,执行器与海底钻探机器人连接;
所述机器人的位姿是根据钻探机器人自身具有的姿态传感器和压力传感器的信息 计算得到,根据钻探机器人自身具有的位移传感器和加速度传感器的信息,运动行为判别器可以辨别钻探机器人前方有无障碍物,进而结合机器人的位姿做出选择;
当运动行为判别器辨别机器人前方有障碍物时,将障碍物的信息及机器人位姿传输 至避障路线控制器,避障路线控制器根据机器人的位姿和障碍物的信息进行规划路径从而产生相应的控制命令,再由执行器完成相应的动作实现最优避障;
当运动行为判别器辨别机器人前方无障碍物时,则将机器人位姿传输至预定路径控 制器,由预定路径控制器根据机器人的位姿和预定理想路径产生相应的控制命令,确保钻探机器人头部沿预先规划好的全局路径前进,再由执行器完成相应的动作。
作为进一步改进方案,步骤4)中,所述避障运动规划系统是基于模糊控制的一种模糊控制系统;所述避障运动规划系统包括避障路径规划器、数据库访问接口、硬件数 据采集接口、复杂数值计算接口和通讯数据传输接口;避障路径规划器分别与数据库访 问接口、硬件数据采集接口、通讯数据传输接口以及复杂数值计算接口连接;
避障路径规划器通过数据库访问接口调取机器人预设数据库中路径规划模型所需 要的工作参数和结构参数;当传感器阵列检测到障碍物时,所获取到得障碍物参数通过硬件数据采集接口传输给避障路径规划器;在执行机器人路径规划算法中复杂的矩阵及方程组的计算时,通过复杂数值计算接口调取运算模块进行数值计算;通讯数据传输接 口将钻探机器人的运动路径数据传递至PC控制端,并实时显示在PC上位机软件的屏 幕上。
作为进一步改进方案,所述步骤5)包括:
步骤51):首先运动行为判别器通过数据库访问接口导入机器人预设数据库中路径 规划模型所需要的工作参数和结构参数,并结和起始点与目的点,离线规划一条理想运动路径;
步骤52):运动路径规划模型根据预定路径开始计算出下一时刻钻探机器人要达到 的位置P及头部的转角β;
步骤53):开始运算,避障路径规划器的运动行为判别器根据姿态传感器和压力传感器的信息做出机器人姿态判断,根据位移传感器和加速度传感器信息做出机器人前方有无障碍物的判断;其中,若有障碍物Q,则产生避障信息,并根据传感器阵列所采集 的信息通过硬件数据采集接口传输给避障路线控制器的避障运动规划模型中,进入避 障运动规划模型运算,通过避障路径规划器的数据库访问接口及复杂数值计算接口对既 定障碍物进行迭代计算,选择最优避障路线;若无障碍物Q,继续按照预定路径前进;
步骤54)根据避障运动规划模型的结果,执行器根据避障路线控制器和预定路径控 制器的输出给出下一时刻机器人的控制指令;
步骤55)不断循环步骤52)至步骤53)直至钻探机器人运动结束后离开作业区。
下面对本申请做进一步说明:
可燃冰试采区深海地层自主钻探机器人路径规划的任务是在试采区地层环境中,实 时为钻探机器人规划出一条从起始点到目标点的路径,使机器人能安全、绕过障碍,从作业区的固定站位钻入泥土,沿作业区内的某一作业路径蠕动爬行,到达指定作业点或 作业区域。
因此设计一种基于机器人行为的可燃冰试采区深海地层自主钻探机器人路径规划 方法,可以避开传统局部路径规划方法的缺陷,使得机器人可以实现试采区深海地层内的自主式运动与精确作业。这对我国天然气水合物开发、海底资源勘探等多个领域的发 展都有着重要的现实意义。
一种基于行为的可燃冰试采区深海地层自主钻探机器人路径规划方法,包括:
定义钻探机器人的仿蚯蚓蠕动式运动为“跟从”模式,即头部运动到一定位置后,其 余各段沿相同的路径作跟从运动,据此建立机器人的路径规划模型;
建立钻探机器人预设数据库,通过预设的机器人工作参数及结构参数,根据海底作 业区的进入点坐标及预定的结束点坐标,在离线状态下规划出一条理想运动路径;
采用基于行为的研究方法,设计了钻探机器人避障路径规划器,通过避障路线控制 器和预定路径控制器进行局部路径的动态规划,然后由运动行为判别器和执行器实现路 径的跟踪控制,以实现避障等功能;
建立避障运动规划模型,通过预设数据库的结构参数及工作参数经数据库访问接口 进入避障运动规划模型进行迭代运算,得出最优避障路线。
其中,所述机器人路径规划模型源于机器人的行为定义,即“跟从”运动模式;
其中,所述的机器人预设数据库包括机器人钻进长度、作业区尺寸、子运动周期时间、避让路线选择等工作参数以及机器人身体各项尺寸的结构参数;
其中,所述避障运动规划系统是一种模糊控制系统,具有模糊化、模糊推理、推理控制规则库、强化学习和反模糊化等作用;
其中,避障时通过预设数据库的结构参数及工作参数经数据库访问接口进入避障运 动规划模型进行迭代运算,得出最优避障路线。使得机器人从起始点到达目的点过程中, 因实时运动状态与姿态计算以及遇障多次反馈导致的计算拐点数量增加等问题得以解 决,提高了机器人局部路径规划的效率,可以在更快的时间里搭建可行临时路径。
为实现上述目的,本发明采用以下技术方案:
提供一种基于行为的可燃冰试采区深海地层自主钻探机器人局部路径规划方法,具 体包括:
步骤1:钻探机器人为仿蚯蚓蠕动式前进,定义其运动模式为“跟从”模式,即头 部运动到一定位置后,其余各段沿相同的路径作跟从运动,据此建立机器人的路径规划 模型;
步骤2:建立钻探机器人预设数据库,包括机器人钻进长度、作业区尺寸、子运动周期时间、避让路线选择等工作参数以及机器人身体各项尺寸的结构参数;根据海底作 业区的进入点坐标及预定的结束点坐标,在离线状态下规划出一条理想运动路径(即预 定运动路径);
步骤3:采用基于行为的研究方法,设计了钻探机器人避障路径规划器,所述避障路径规划器由运动行为判别器、避障路线控制器、预定路径控制器、传感器阵列和执行 器组成;
步骤4:根据机器人定义的运动模式,建立机器人避障运动规划系统,具体包括避障路径规划器、数据库访问接口、硬件数据采集接口、通讯数据传输接口及复杂数值计 算接口五个部分;
步骤5:机器人由导向机构海底定点释放,由配置在机器人本体上的传感器阵列实时地测量相关信息(如机器人的位姿),然后根据离线规划出的理想运动路径,经由避 障路径规划器进行实时路径规划,经避障运动规划模型运算实现高效行走和避障等功能。
作为一种改进,步骤1中所述路径规划模型所需要的工作参数和结构参数均来自钻 探机器人预设数据库。工作参数包括:钻进长度、作业区尺寸、一个子运动周期时间、 是否遇到障碍物、遇到障碍物时运动子周期数及避让路线选择等;结构参数包括机器人 结构的各项尺寸;
作为一种改进,步骤3中所述其中避障路线控制器的作用是当钻探机器人遇到障碍 物时规划路径;预定路径控制器的主要作用是保证钻探机器人头部沿预先规划好的全局 路径前进;运动行为判别器的功能是在两种行为控制之间做出合理的选择;传感器阵列是将机器人的位姿及其是否遇到障碍物的信息反馈给运动行为判别器和控制器;
作为一种改进,步骤4中所述的避障运动规划系统是一种模糊控制系统,具有模糊化、模糊推理、推理控制规则库、强化学习和反模糊化作用;
作为一种改进,步骤5中所述根据姿态传感器和压力传感器的信息,可计算机器人的位姿;根据位移传感器和加速度传感器的信息,运动行为判别器可以辨别钻探机器人 前方有无障碍物;
作为一种改进,步骤5中所述避障时若有障碍物,则由避障路线控制器根据机器人的 位姿和障碍物的信息产生相应的控制命令,再由执行器完成相应的动作实现最优避障;若 无障碍物则由预定路径控制器根据机器人的位姿和预定理想路径产生相应的控制命令, 再由执行器完成相应的动作。
本发明相较现有技术,具有以下有益效果:
本发明根据机器人结构定义机器人的运动行为是“跟从”运动,建立机器人的路径规划模型;在运用避障路径规划器之前,先根据预定作业区的起始位置离线规划了一条 理想路径,可以在运用局部路径规划算法时给机器人以运动方向上的诱导,提高算法的 运行速度和效率。设计了一种基于模糊控制的避障运动规划模型,通过迭代算法降低遇 到障碍物时的计算频次,提高机器人局部路径规划的效率,以更快时间选择最优避障路 径。
附图说明
图1是本发明避障路径规划运动图;
图2是本发明避障路径规划器系统结构图;
图3是本发明的路径规划算法工作流程图;
图4是本发明避障运动规划系统结构图。
具体实施方式
以下的实施例可以使本专业技术领域的技术人员更全面的了解本发明,但不以任何 方式限制本发明。
下面结合附图对本申请的机器人路径规划方法进行详细说明:
步骤1):根据钻探机器人结构及其仿蚯蚓蠕动式运动,定义其运动模式为“跟从”模式,即头部运动到一定位置后,其余各段沿相同的路径作跟从运动,并据此建立机器 人的路径规划模型;(路径规划模型是由避障路径规划器建立的,预定运动路径是由预 定路径控制器直接离线规划。)
步骤2):建立钻探机器人预设数据库,其包括工作参数和机器人的结构参数;如图1所示,根据海底作业区的进入点坐标及预定的结束点坐标,结合已有海底作业区已 有地层环境数据离线规划出一条yoz平面内纵向跨度L,最大深度H的预定运动路径(即 理想运动路径);工作参数包括:钻进长度、作业区尺寸、一个子运动周期时间、是否 遇到障碍物、遇到障碍物时运动子周期数及避让路线选择;结构参数包括机器人结构的 各项尺寸;
钻探机器人在导向机构的作用下,首先以一定角度θ钻入泥土,直行至P1点,然后转 弯β角,当钻探机器人的头部与水平面平行时,即到达P2点后,水平前进,到达P3点后转弯, 当钻探机器人的头部与水平面的夹角为β时,即到达P4点后,再沿直线前进,直到钻探机 器人从P5点离开作业区;
步骤3)采用基于行为的研究方法,设计钻探机器人避障路径规划器,所述避障路径规划器由运动行为判别器、避障路线控制器、预定路径控制器、传感器阵列和执行器 组成;如图2所示,传感器阵列为海底钻探机器人自身携带的,所述传感器阵列包括姿 态传感器、压力传感器、位移传感器、加速度传感器。传感器阵列与运动行为判别器连 接,运动行为判别器与避障路线控制器和预定路径控制器连接,避障路线控制器和预定 路径控制器与执行器连接,执行器与海底钻探机器人连接。
传感器阵列将机器人的位姿及其是否遇到障碍物的信息反馈给运动行为判别器,再 传至避障路线控制器和预定路径控制器,即传感器阵列将位姿和障碍物信息由运动行为 判别器做出判别后传输给避障路线控制器和预定路径控制器。其中,所述机器人的位姿是根据钻探机器人自身具有的姿态传感器和压力传感器的信息计算得到,所述障碍物信息是根据钻探机器人自身具有的位移传感器和加速度传感器的信息计算得到,运动行为判别器可以辨别钻探机器人前方有无障碍物,进而结合机器人的位姿做出选择,比如当 运动行为判别器辨别机器人前方有障碍物时,将障碍物的信息及机器人位姿传输至避障 路线控制器;由避障路线控制器根据机器人的位姿和障碍物的信息进行规划路径从而产 生相应的控制命令,再由执行器完成相应的动作实现最优避障;当运动行为判别器辨别机 器人前方无障碍物时,则将机器人位姿传输至预定路径控制器,由预定路径控制器根据 机器人的位姿和预定理想路径产生相应的控制命令,确保钻探机器人头部沿预先规划好 的全局路径前进,再由执行器完成相应的动作;(预定运动路径是由预定路径控制器直 接离线规划)
步骤4):根据机器人定义的运动模式,建立避障运动规划系统,所述避障运动规划系统包括所述的避障路径规划器、数据库访问接口、硬件数据采集接口、通讯数据传 输接口及复杂数值计算接口(避障运动规划模型是在避障路线控制器中建立的,而避障 路线控制器属于避障路径规划器的组成部分);如图4所示,所述避障路径规划器分别 与数据库访问接口、硬件数据采集接口、通讯数据传输接口以及复杂数值计算接口连接。 接口的具体使用如下,避障路径规划器通过数据库访问接口调取机器人预设数据库中路 径规划模型所需要的工作参数和结构参数;当传感器阵列检测到障碍物时,所获取到得 障碍物参数通过硬件数据采集接口传输给避障路径规划器;在执行机器人路径规划算法 中复杂的矩阵及方程组的计算时,为了提高数学运算的效率,通过复杂数值计算接口调 取运算模块进行数值计算;通讯数据传输接口将钻探机器人的运动路径数据传递至PC 控制端,并实时显示在PC上位机软件的屏幕上;
步骤5):当机器人开始运动,如图3所示的避障路径规划算法工作流程,避障路径规划器开始运行,由钻探机器人所带的传感器阵列,实时测量机器人的有关信息与外部 的环境信息,运动行为判别器根据所获信息指定避障路线控制器和预定路径控制器进行 局部路径的动态规划,然后由执行器实现路径的跟踪控制,以实现避障等功能;
具体包括:步骤51):首先运动行为判别器通过数据库访问接口导入机器人预设数据库中路径规划模型所需要的工作参数和结构参数,并结和起始点与目的点,在预定路 径控制器中离线规划处一条理想运动路径;
步骤52)预定路径控制器中的运动路径规划模型根据预定路径开始计算出下一时刻钻探机器人要达到的位置P及头部的转角β;
步骤53)开始运算,避障路径规划器的运动行为判别器根据姿态传感器和压力传感 器的信息做出机器人姿态判断,根据位移传感器和加速度传感器信息做出机器人前方有 无障碍物的判断。若有障碍物Q,则产生避障信息,并根据传感器阵列所采集的信息通过硬件数据采集接口传输给避障路线控制器的避障运动规划模型,进入避障运动规划 模型运算,通过避障路径规划器的数据库访问接口及复杂数值计算接口对既定障碍物进 行迭代计算,选择最优避障路线;若无障碍物Q,继续按照预定路径前进;
步骤54)根据避障运动规划模型的结果,执行器根据避障路线控制器和预定路径控 制器的输出给出下一时刻机器人的控制指令;
步骤55)不断循环步骤52)至步骤53)直至钻探机器人运动结束后离开作业区。
通过定义机器人运动模式为“跟从”模式建立机器人路径规划模型,根据作业区已知参数离线规划预定路径,通过相关传感器阵列反馈信息由避障路径规划器进行实时路径规划;避障时,通过预设数据库的结构参数及工作参数经数据库访问接口进入避障运 动规划模型进行迭代运算,得出最优避障路线。使得机器人从起始点到达目的点过程中, 因实时运动状态与姿态计算以及遇障多次反馈导致的计算拐点数量增加等问题得以解 决,提高了机器人局部路径规划的效率,以更快的时间搭建可行临时路径。
最后,需要注意的是,以上列举的仅是本发明的具体实施例。显然,本发明不限于以上实施例,还可以有很多变形。本领域的普通技术人员能从本发明公开的内容中直接 导出或联想到的所有变形,均应认为是本发明的保护范围。
Claims (8)
1.一种可燃冰试采区地层钻探机器人路径规划方法,其特征在于:包括如下步骤:
步骤1):定义钻探机器人的仿蚯蚓蠕动式运动为“跟从”模式,据此建立机器人的路径规划模型;
步骤2):建立钻探机器人预设数据库,其包括工作参数和机器人的结构参数;根据海底作业区的进入点坐标及预定的结束点坐标,离线规划出一条理想运动路径;
步骤3):设计钻探机器人避障路径规划器,所述避障路径规划器包括运动行为判别器、避障路线控制器、预定路径控制器、传感器阵列和执行器;传感器阵列将机器人的位姿及其是否遇到障碍物的信息反馈给运动行为判别器,运动行为判别器判别后将位姿及障碍物信息传输至避障路线控制器和预定路径控制器,避障路线控制器用于钻探机器人遇到障碍物时规划路径;预定路径控制器用于钻探机器人头部沿预先规划好的全局理想路径前进,并由执行器控制机器人运动;
步骤4):根据机器人定义的运动模式,建立避障运动规划系统,所述避障运动规划系统包括避障路径规划器;在避障路线控制器中建立机器人避障运动规划模型;
步骤5):机器人由导向机构海底定点释放,由配置在机器人本体上的传感器阵列实时地测量相关信息,根据理想运动路径,由避障路径规划器进行实时路径规划;避障时,通过避障运动规划模型进行迭代运算,得出避障路线;无障碍物时,则按照预定路径控制器中的理想运动路径前进。
2.根据权利要求1所述的机器人路径规划方法,其特征在于:所述步骤1)中的所述机器人的路径规划模型源于机器人的行为定义。
3.根据权利要求1所述的机器人路径规划方法,其特征在于:所述步骤1)中的“跟从”模式为机器人的头部运动到一定位置后,其余各段沿相同的路径作跟从运动。
4.根据权利要求1所述的机器人路径规划方法,其特征在于:步骤1)中所述路径规划模型所需要的工作参数和结构参数均来自钻探机器人预设数据库;工作参数包括:钻进长度、作业区尺寸、一个子运动周期时间、是否遇到障碍物、遇到障碍物时运动子周期数及避让路线选择;结构参数包括机器人结构的各项尺寸。
5.根据权利要求1所述的机器人路径规划方法,其特征在于:所述步骤2)中,所述理想运动路径是由避障路径规划器中的预定路径控制器直接离线规划的;所述理想运动路径为:钻探机器人在导向机构的作用下,首先以角度θ钻入泥土,直行至P1点,然后转弯β角,当钻探机器人的头部与水平面平行时,即到达P2点后,水平前进,到达P3点后转弯,当钻探机器人的头部与水平面的夹角为β时,即到达P4点后,再沿直线前进,直到钻探机器人从P5点离开作业区。
6.根据权利要求1所述的机器人路径规划方法,其特征在于:所述步骤3)中,所述传感器阵列为海底钻探机器人自身携带的,所述传感器阵列包括姿态传感器、压力传感器、位移传感器和加速度传感器;这些传感器与运动行为判别器连接,运动行为判别器与避障路线控制器和预定路径控制器连接,避障路线控制器和预定路径控制器与执行器连接,执行器与海底钻探机器人连接;
所述机器人的位姿是根据钻探机器人自身具有的姿态传感器和压力传感器的信息计算得到,障碍物信息根据钻探机器人自身具有的位移传感器和加速度传感器的信息计算得到,运动行为判别器可以辨别钻探机器人前方有无障碍物,进而结合机器人的位姿做出选择;
当运动行为判别器辨别机器人前方有障碍物时,将障碍物的信息及机器人位姿传输至避障路线控制器,避障路线控制器根据机器人的位姿和障碍物的信息进行规划路径从而产生相应的控制命令,再由执行器完成相应的动作实现最优避障;
当运动行为判别器辨别机器人前方无障碍物时,则将机器人位姿传输至预定路径控制器,由预定路径控制器根据机器人的位姿和预定理想路径产生相应的控制命令,确保钻探机器人头部沿预先规划好的全局路径前进,再由执行器完成相应的动作。
7.根据权利要求1所述的机器人路径规划方法,其特征在于:步骤4)中,所述避障运动规划系统是基于模糊控制的一种模糊控制系统;所述避障运动规划系统包括避障路径规划器、数据库访问接口、硬件数据采集接口、复杂数值计算接口和通讯数据传输接口;避障路径规划器分别与数据库访问接口、硬件数据采集接口、通讯数据传输接口以及复杂数值计算接口连接;
避障路径规划器通过数据库访问接口调取机器人预设数据库中路径规划模型所需要的工作参数和结构参数;当传感器阵列检测到障碍物时,所获取到得障碍物参数通过硬件数据采集接口传输给避障路径规划器;在执行机器人路径规划算法中复杂的矩阵及方程组的计算时,通过复杂数值计算接口调取运算模块进行数值计算;通讯数据传输接口将钻探机器人的运动路径数据传递至PC控制端,并实时显示在PC上位机软件的屏幕上。
8.根据权利要求1所述的机器人路径规划方法,其特征在于:所述步骤5)包括:
步骤51):首先运动行为判别器通过数据库访问接口导入机器人预设数据库中路径规划模型所需要的工作参数和结构参数,并结和起始点与目的点,离线规划一条理想运动路径;
步骤52):运动路径规划模型根据预定路径开始计算出下一时刻钻探机器人要达到的位置P及头部的转角β;
步骤53):开始运算,避障路径规划器的运动行为判别器根据姿态传感器和压力传感器的信息做出机器人姿态判断,根据位移传感器和加速度传感器信息做出机器人前方有无障碍物的判断;其中,若有障碍物Q,则产生避障信息,并根据传感器阵列所采集的信息通过硬件数据采集接口传输给避障路线控制器的避障运动规划模型中,进入避障运动规划模型运算,通过避障路径规划器的数据库访问接口及复杂数值计算接口对既定障碍物进行迭代计算,选择最优避障路线;若无障碍物Q,继续按照预定路径前进;
步骤54):根据避障运动规划模型的结果,执行器根据避障路线控制器和预定路径控制器的输出给出下一时刻机器人的控制指令;
步骤55):不断循环步骤52)至步骤53)直至钻探机器人运动结束后离开作业区。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110328773 | 2021-03-27 | ||
CN2021103287732 | 2021-03-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114035568A true CN114035568A (zh) | 2022-02-11 |
Family
ID=80134520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111097258.4A Pending CN114035568A (zh) | 2021-03-27 | 2021-09-18 | 可燃冰试采区地层钻探机器人路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114035568A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114715363A (zh) * | 2022-04-02 | 2022-07-08 | 浙江大学 | 海底地层空间钻进机器人导航方法、系统及电子设备 |
CN114771783A (zh) * | 2022-06-02 | 2022-07-22 | 浙江大学 | 一种海底地层空间机器人的控制方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100235033A1 (en) * | 2006-09-11 | 2010-09-16 | Kenjiro Yamamoto | Moving device |
CN102493763A (zh) * | 2011-12-02 | 2012-06-13 | 同济大学 | 一种仿蚯蚓钻地机器人 |
CN107037812A (zh) * | 2017-03-31 | 2017-08-11 | 南京理工大学 | 一种基于仓储无人车的车辆路径规划方法 |
CN108297081A (zh) * | 2018-05-03 | 2018-07-20 | 湖州佳创自动化科技有限公司 | 一种可灵活转向的蚯蚓仿生机器人 |
CN108762264A (zh) * | 2018-05-22 | 2018-11-06 | 重庆邮电大学 | 基于人工势场与滚动窗口的机器人的动态避障方法 |
CN111535745A (zh) * | 2020-06-02 | 2020-08-14 | 浙江大学 | 一种双螺旋式深海地层自主钻探机器人 |
CN112015176A (zh) * | 2020-08-14 | 2020-12-01 | 合肥工业大学 | 一种无人驾驶拖拉机田间作业路径规划方法和装置 |
-
2021
- 2021-09-18 CN CN202111097258.4A patent/CN114035568A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100235033A1 (en) * | 2006-09-11 | 2010-09-16 | Kenjiro Yamamoto | Moving device |
CN102493763A (zh) * | 2011-12-02 | 2012-06-13 | 同济大学 | 一种仿蚯蚓钻地机器人 |
CN107037812A (zh) * | 2017-03-31 | 2017-08-11 | 南京理工大学 | 一种基于仓储无人车的车辆路径规划方法 |
CN108297081A (zh) * | 2018-05-03 | 2018-07-20 | 湖州佳创自动化科技有限公司 | 一种可灵活转向的蚯蚓仿生机器人 |
CN108762264A (zh) * | 2018-05-22 | 2018-11-06 | 重庆邮电大学 | 基于人工势场与滚动窗口的机器人的动态避障方法 |
CN111535745A (zh) * | 2020-06-02 | 2020-08-14 | 浙江大学 | 一种双螺旋式深海地层自主钻探机器人 |
CN112015176A (zh) * | 2020-08-14 | 2020-12-01 | 合肥工业大学 | 一种无人驾驶拖拉机田间作业路径规划方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114715363A (zh) * | 2022-04-02 | 2022-07-08 | 浙江大学 | 海底地层空间钻进机器人导航方法、系统及电子设备 |
CN114771783A (zh) * | 2022-06-02 | 2022-07-22 | 浙江大学 | 一种海底地层空间机器人的控制方法及系统 |
CN114771783B (zh) * | 2022-06-02 | 2023-08-22 | 浙江大学 | 一种海底地层空间机器人的控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2010237608B2 (en) | Drill hole planning | |
CN106774310B (zh) | 一种机器人导航方法 | |
JP2021034050A (ja) | 強化学習に基づくauv行動計画及び動作制御方法 | |
Marshall et al. | Autonomous underground tramming for center‐articulated vehicles | |
CN110398967B (zh) | 一种采用离散化方法的多机器人协同轨迹信息处理方法 | |
Wang et al. | A hybrid visual servo controller for robust grasping by wheeled mobile robots | |
Cui et al. | Pareto-optimal coordination of multiple robots with safety guarantees | |
CN114035568A (zh) | 可燃冰试采区地层钻探机器人路径规划方法 | |
Luo et al. | Human–robot shared control based on locally weighted intent prediction for a teleoperated hydraulic manipulator system | |
WO2019035997A1 (en) | ADVANCED CONTROL SYSTEM HAVING MULTIPLE CONTROL PARADIGMS | |
CN113282053A (zh) | 一种悬臂式掘进机自动截割控制系统 | |
CN112857370A (zh) | 一种基于时序信息建模的机器人无地图导航方法 | |
CN113867341A (zh) | 一种高精度循迹和控制的巡逻车路径规划及跟踪算法 | |
Lai et al. | Hierarchical incremental path planning and situation-dependent optimized dynamic motion planning considering accelerations | |
Nieuwenhuisen et al. | 3D planning and trajectory optimization for real-time generation of smooth MAV trajectories | |
Guo et al. | Optimal navigation for AGVs: A soft actor–critic-based reinforcement learning approach with composite auxiliary rewards | |
Hao et al. | Recovery path planning for an agricultural mobile robot by Dubins-RRT* algorithm | |
Andersson et al. | Symbolic feedback control for navigation | |
Guan et al. | Intelligent obstacle avoidance algorithm for mobile robots in uncertain environment | |
Wang et al. | Navigation control of mobile robot based on fuzzy neural network | |
Krejsa et al. | Mobile robot motion planner via neural network | |
Fu et al. | A review of formation control methods for MAUV systems | |
Chuyen et al. | Reinforcement learning-based method for autonomous navigation of mobile robots in unknown environments: an experimental demonstration | |
Zhao et al. | A Multi-Objective Deep Reinforcement Learning Method for Path Planning in Shovel Loading Scenario | |
Lai et al. | Incremental path planning using partial map information for mobile robots |
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 |