CN114131602A - 人机协同安装幕墙环境下机器人作业知识积累方法及系统 - Google Patents

Abstract

本发明公开一种人机协同安装幕墙环境下机器人作业知识积累方法及系统，包括：构建预存储机器人历史作业轨迹的轨迹数据库，轨迹数据库中建立机器人末端位姿与外力强迫项间的映射关系，将机器人末端位姿转换为与时间无关的相位变量，建立外力强迫项与相位变量间的映射关系；根据历史作业轨迹规划机器人的新作业轨迹，并对新作业轨迹进行评估，根据评估结果，得到机器人运动决策，并将新作业轨迹存储至轨迹数据库。建立机器人末端位姿与外力强迫项间的映射关系，将末端位姿转变为与时间无关的相位变量，使轨迹不随时间变化而变化；规划新作业轨迹后进行评估，根据评估结果选择有效的作业轨迹存入轨迹数据库中，以更新轨迹数据库，进而提升机器人的智能性。

Description

人机协同安装幕墙环境下机器人作业知识积累方法及系统

技术领域

本发明涉及建筑机器人作业经验积累技术领域，特别是涉及一种人机协同安装幕墙环境下机器人作业知识积累方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

建筑施工包括主体结构和二次结构，主体结构以钢结构和混凝土施工为主，二次结构则以装饰、装修为主，其中各类建筑幕墙的干挂安装工作量所占比重最大，例如大量的大理石和玻璃幕墙的安装作业。高层幕墙安装具有尺寸大、重量大、需多人协作、施工行业难度大的特点，技术要求较高，专业性强。

在传统的石材幕墙安装工艺中，一块幕墙的安装往往需要多名工人协同完成；而此种施工方式效率低下，人员劳动强度大，事故发生率较高。因此，迫切需要自动化、智能化设备代替人力。

由于幕墙安装作业环境的复杂性、施工工艺的多样性、人机协同工作的必要性，采用现有的工业自动化技术远远不能满足建筑机器人的作业控制需求，传统的建筑机器人大多采用工业机器人研究思路，机器人智能性较低，机器人与人类操作者在协同时，机器人的运动轨迹没有考虑到外力的影响，存在施工效率低、施工质量难以保证以及规划机器人运动困难等问题。

发明内容

为了解决上述问题，本发明提出了一种人机协同安装幕墙环境下机器人作业知识积累方法及系统，建立机器人末端位姿与外力强迫项间的映射关系，将末端位姿转变为与时间无关的相位变量，使轨迹不随时间变化而变化；规划新作业轨迹后进行评估，根据评估结果选择有效的作业轨迹存入轨迹数据库中，以更新轨迹数据库，进而提升机器人的智能性。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种人机协同安装幕墙环境下机器人作业知识积累方法，包括：

构建预存储机器人历史作业轨迹的轨迹数据库，所述轨迹数据库中建立机器人末端位姿与外力强迫项间的映射关系，将机器人末端位姿转换为与时间无关的相位变量，建立外力强迫项与相位变量间的映射关系；所述外力强迫项为机器人末端与环境间的交互力；

根据历史作业轨迹规划机器人的新作业轨迹，并对新作业轨迹进行评估，根据评估结果，得到机器人运动决策，并将新作业轨迹存储至轨迹数据库。

作为可选择的实施方式，建立机器人末端位姿与外力强迫项间的映射关系的过程包括，将机器人末端位姿划分为位移自由度和转动自由度，建立位移自由度与外力强迫项间的映射关系：

建立转动自由度与外力强迫项间的映射关系：

其中，z为位移自由度p对应的机器人末端移动速度；

为位移自由度p对应的机器人末端移动加速度；τ、α_z、β_z为常数；g₀为机器人末端期望到达的位置；f_p(s)为位移自由度对应的外力强迫项；s为与时间无关的相位变量；η为转动自由度q对应的机器人末端移动速度；

为转动自由度q对应的机器人末端移动加速度，

为q的共轭复数，f₀(s)为转动自由度对应的外力强迫项；g_m为机器人末端期望姿态。

作为可选择的实施方式，将机器人末端位姿转换为与时间无关的相位变量，建立外力强迫项与相位变量间的映射关系的过程包括，将机器人末端位姿划分为位移自由度和转动自由度，建立位移自由度对应的外力强迫项f_p(s)与相位变量s间的映射关系：

建立转动自由度对应的外力强迫项f₀(s)与相位变量s间的映射关系：

其中，ω_p为位移自由度下，每个高斯基函数ψ_i(s)对应的权重；ω₀为转动自由度下，每个高斯基函数ψ_i(s)对应的权重，i为第i个高斯基函数，M为高斯基函数的总数量。

作为可选择的实施方式，对新作业轨迹进行评估的过程包括：将机器人作业轨迹划分为粗定位阶段、过渡阶段和精定位阶段，获取历史作业轨迹的评价系数I_tmax和新作业轨迹的评价系数I_t，若I_t<0.9*I_tmax时，得到机器人运动决策，并将新作业轨迹的粗定位阶段的轨迹存储至轨迹数据库。

作为可选择的实施方式，所述评价系数

其中，t₀、t_h、t_max分别为机器人粗定位阶段开始时刻、粗定位阶段结束时刻和精定位阶段结束时刻，μ为机器人关节运行速度影响因子，θ为对等因子，y为粗定位轨迹系数。

作为可选择的实施方式，所述粗定位轨迹系数为对粗定位阶段由起始点到末端点的轨迹的评价系数；y＝α₁y₁+α₂y₂，其中，α₁和α₂为轨迹评价系数，且α₁+α₂＝1，y₁为机器人末端作业轨迹信息，y₂为粗定位阶段终点与起点间的线性距离。

作为可选择的实施方式，根据历史作业轨迹规划机器人的新作业轨迹的过程中包括，将机器人作业轨迹划分为粗定位阶段、过渡阶段和精定位阶段，在轨迹数据库的历史作业轨迹中选取参考作业轨迹，所述参考轨迹为2n条对等的作业轨迹，即位于3个阶段的整体起始点和末端点所在连线一侧取n条作业轨迹，另一侧取n条作业轨迹。

作为可选择的实施方式，根据历史作业轨迹规划机器人的新作业轨迹的过程中包括，对选取的参考作业轨迹采用傅里叶变换幅度谱进行权重初步分配，采用归一化方法调整权重。

第二方面，本发明提供一种人机协同安装幕墙环境下机器人作业知识积累系统，包括：

轨迹处理模块，被配置为构建预存储机器人历史作业轨迹的轨迹数据库，所述轨迹数据库中建立机器人末端位姿与外力强迫项间的映射关系，将机器人末端位姿转换为与时间无关的相位变量，建立外力强迫项与相位变量间的映射关系；所述外力强迫项为机器人末端与环境间的交互力；

轨迹更新模块，被配置为根据历史作业轨迹规划机器人的新作业轨迹，并对新作业轨迹进行评估，根据评估结果，得到机器人运动决策，并将新作业轨迹存储至轨迹数据库。

第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。

第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。

与现有技术相比，本发明的有益效果为：

本发明提出一种人机协同安装幕墙环境下机器人作业知识积累方法及系统，在人和机器人协同作业的环境下，能够提供更优的机器人作业轨迹，本发明对机器人末端位姿的6个自由度进行归类划分，分类建立机器人末端位姿与外力强迫项间的映射关系，同时将机器人末端位姿运动变量转变为与时间无关的相位变量，使机器人运行和存储的轨迹不因时间的变化而变化。

本发明提出一种人机协同安装幕墙环境下机器人作业知识积累方法及系统中，不仅对机器人末端位姿的不同自由度进行了分类处理，还对机器人轨迹进行了分段划分，有利于精确化表征具有不同特征的自由度和轨迹。

本发明提出一种人机协同安装幕墙环境下机器人作业知识积累方法及系统中，在轨迹数据库中选取不同参考轨迹，对参考轨迹进行权重划分后规划新作业轨迹，并对新作业轨迹进行评估后，根据评估结果选择有效的作业轨迹存入轨迹数据库中，使得更新后的轨迹数据库中的轨迹数据越来越优秀，进而不断提升机器人的智能性，而不会使机器人出现智能性下降情况。

本发明附加方面的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

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本发明实施例1提供的人机协同安装幕墙环境下机器人作业知识积累方法示意图。

具体实施方式

下面结合附图与实施例对本发明做进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例1

如图1所示，本实施例提供一种人机协同环境下机器人作业轨迹知识积累方法，如背景技术中所述，以人机协同安装幕墙过程为例，该方法具体包括：

构建预存储机器人历史作业轨迹的轨迹数据库，所述轨迹数据库中建立机器人末端位姿与外力强迫项间的映射关系，将机器人末端位姿转换为与时间无关的相位变量，建立外力强迫项与相位变量间的映射关系；

根据历史作业轨迹规划机器人的新作业轨迹，并对新作业轨迹进行评估，根据评估结果，得到机器人运动决策，并将新作业轨迹存储至轨迹数据库。

本实施例方法针对机器人作业过程智能性低的问题，如现有幕墙板材安装过程中，建筑机器人智能性较低的问题，提供一种机器人作业轨迹规划、人机协作和机器人作业知识积累方法，解决作业机器人的稳定性、精准安装、人机协作等问题。

下面对人机协同安装幕墙环境下机器人作业知识积累方法的具体过程进行详细阐述。

步骤S1：将机器人末端位姿的6个自由度分为两类，即位移类和转动类；具体包括：

S1.1：以机器人末端夹取工具的重心为坐标系原点建立坐标系，z轴与机器人末端关节的旋转轴重合，正方向为远离机器人末端关节方向；x轴及其正方向为机器人末端夹取工具的重心指向机器人末端关节的旋转轴，y轴及其正方向依据笛卡尔坐标系进行建立；按照上述建立坐标系的轴移动的自由度分别用z、x和y表示；围绕上述建立坐标系的轴转动的自由度分别用rz、rx和ry表示。

S1.2：对6个自由度进行分类，即将z、x和y划分为一类，使用参数p表示，即p＝{x,y,z}；将rz、rx和ry划分为一类，使用参数q表示，即q＝{rx,ry,rz}，且使用四元素表示q，即q＝{q₀,q₁,q₂,q₃}。

S1.3：使用

表示p的一阶导数，

表示p的二阶导数，ω表示q的一阶导数，

表示q的二阶导数。

S1.4：对p和q及其一阶、二阶导数进行统一表示，即

步骤S2：分别建立机器人末端的位移类自由度和转动类自由度与外力强迫项之间的映射关系；具体包括：

S2.1：建立机器人末端位移类自由度一阶导数

与机器人末端移动速度之间的关系，即：

其中，τ为与时间t有关的常数，z为与p对应的机器人末端移动速度；

S2.2：建立机器人末端位移类自由度的运动与外力强迫项之间的映射关系，即：

其中，

为与p对应的机器人末端移动加速度，α_z、β_z为常数，且α_z＝4*β_z，g₀为机器人末端期望到达的位置，f_p(s)为对应的外力强迫项，s为与时间无关的变量。

S2.3：建立机器人末端转动类自由度一阶导数ω与机器人末端移动速度之间的关系，即：

其中，η为与q对应的机器人末端移动速度；

S2.4：建立机器人末端转动类自由度的运动与外力强迫项之间的映射关系，即：

其中，

为与q对应的机器人末端移动加速度，α_z、β_z为常数，且α_z＝4*β_z，

为采用四元素法表示q的共轭复数，f₀(s)为对应的外力强迫项，s为与时间无关的变量，g_m为机器人末端期望姿态。

步骤S3：对机器人末端与时间有关的位姿变量，即对位移类自由度、转动类自由度和外力强迫项进行处理，将其转变为与时间无关的相位变量；具体包括：

S3.1：建立与时间无关的变量s与时间t之间的关系，即：

其中，α_x为常数；

S3.2：根据与时间无关的变量s与时间t之间的关系，对t求导，即：

S3.3：在步骤S3.2中建立的关系式中，将机器人末端与时间有关的变量转为与时间无关的变量s之间的关系，即s为相位变量，通过调节α_x与τ会影响机器人系统末端轨迹的收敛速度。

步骤S4：建立机器人外力强迫项与相位变量s之间的关系；具体包括：

S4.1：使用ψ_i(s)＝exp(-h_i(s-c_i)²)表示高斯基函数，其中，h_i和c_i分别表示高斯基函数的宽度和中心；

S4.2：建立机器人末端位移类自由度所对应的外力强迫项f_p(s)与相位变量s之间对应的关系，即：

其中，ω_p为每一个高斯基函数ψ_i(s)对应的权重，且

S4.3：建立机器人末端转动类自由度所对应的外力强迫项f₀(s)与相位变量s之间对应的关系，即：

其中，ω₀为每一个高斯基函数ψ_i(s)对应的权重，且

i为第i个高斯基函数，M为高斯基函数的总数量，通常M可取值100-400。

步骤S5：对机器人末端的作业轨迹进行分段划分，并对粗定位阶段的轨迹进行评价；具体包括：

S5.1：将机器人末端的作业轨迹划分为3段，即机器人安装板材的粗定位阶段、过渡阶段和精定位阶段；操作者通过操作人机意图理解机构可以影响机器人在粗定位阶段和静定位阶段的轨迹；

S5.2：粗定位阶段和过渡阶段机械臂的刚度较大，机器人的位姿不易被改变，而精定位阶段，机械臂的刚度较小，易于改变；

S5.3：使用y₁＝p_i+1-p_i+m(q_i+1-q_i)记录机器人末端轨迹信息，其中，p_i和p_i+1表示每隔dt时间间隔记录机械臂末端得到的位置信息，p_i为先得到的位置信息，p_i+1为隔dt时间后得到的位置信息；q_i和q_i+1表示每隔dt时间间隔记录机械臂末端得到的姿态信息，q_i为先得到的姿态信息，q_i+1为隔dt时间后得到的姿态信息；m为姿态之差向位置之差转化的系数；

S5.4：使用y₁≥α_m作为粗定位阶段和过渡阶段之间的判断标准，其中，α_m为粗定位阶段和过渡阶段之间的区分系数，当y₁≥α_m时，机器人处于粗定位阶段，当y₁<α_m时，机械臂处于过渡阶段；

S5.5：使用y₁≥ξα_m作为过渡阶段和精定位之间的判断标准，其中，ξ为过渡系数，且ξ≥0.5，当y₁≥ξα_m时，机器人处于精定位阶段，当y₁<ξα_m时，机器人处于过渡阶段；使用此种判断标准，机器人会在精定位阶段和过渡阶段不断循环，机器人刚度也会来回调整，能够保证人—机器人协同工作中，机器人的安全性；

S5.6：使用y₂＝p_h-p₀+m(q_h-q₀)评价机械臂粗定位阶段终点与起点之间的线性距离，其中p_h、p₀、q_h和q₀分别表示粗定位阶段终点轨迹位置，粗定位阶段起点轨迹位置，粗定位阶段终点轨迹姿态和粗定位阶段起点轨迹姿态，m为姿态之差向位置之差转化的系数；

S5.7：采用y＝α₁y₁+α₂y₂对机械臂粗定位阶段由起始点到末端点的轨迹进行评价；其中y为粗定位轨迹系数，α₁和α₂为轨迹评价系数，且α₁+α₂＝1，均为正值，当起始点与末端点的距离相对较远时，α₂的取值较大，反之，α₂的取值较小。

步骤S6：对规划的轨迹进行评价，并判断是否将此条轨迹数据存入数据库；本实施例基于人机协同作业，所以机器人只对粗定位阶段的轨迹进行记录并学习，过渡阶段和精定位阶段的轨迹并不进行学习；具体包括：

S6.1：机器人在安装板材时，在粗定位阶段规划的轨迹会在较短的时间到达末端点，但此处的末端点并不适合人—机器人协同工作，那么操作者需要花费较长的时间进行调整，导致安装板材的工作效率较低，因此需要综合评价步骤S5.1中3个阶段的轨迹；

S6.2：使用

对建筑机器人从初始点到安装完成进行整体评价，其中I_t为轨迹评价系数，t₀、t_h、t_max分别为机器人粗定位阶段开始时刻、粗定位阶段结束时刻和精定位阶段结束时刻，μ为机器人关节运行速度影响因子，θ为对等因子。

S6.3：机器人在规划轨迹时，从数据库中选取2n条对等的轨迹，即位于步骤S5.1中3个阶段的整体起始点和末端点所在的连线一侧选取n条轨迹，另一侧选取n条；

S6.4：求步骤S6.3中参与规划的2n条轨迹的轨迹评价系数I_t，记最大值为I_tmax，当步骤S6.2中新生成轨迹的I_t<0.9*I_tmax时，可将步骤S6.2生成的粗定位阶段的轨迹记录进入数据库。

步骤S7：数据库中每一条记录轨迹参与机器人下一条轨迹规划相应的权重分配。

S7.1：使用L对每条轨迹的权重进行初步分配，即：

其中，abs表示步骤S6.2中的I_t经过傅里叶变换后的幅度谱；W为参与规划的轨迹数量，

表示W条轨迹的abs的平均值；B为缩放因子；

S7.2：使用归一化方式对步骤S7.1中的L进行处理，即：

其中，L_max和L_min分别为步骤S7.1中L的最大值和最小值，将L_i限制在0到1之间；

S7.3：对步骤S7.2中的L_i进行调整，使得

其中α_L为调节因子。

实施例2

本实施例提供一种人机协同安装幕墙环境下机器人作业知识积累系统，包括：

轨迹处理模块，被配置为构建预存储机器人历史作业轨迹的轨迹数据库，所述轨迹数据库中建立机器人末端位姿与外力强迫项间的映射关系，将机器人末端位姿转换为与时间无关的相位变量，建立外力强迫项与相位变量间的映射关系；

轨迹更新模块，被配置为根据历史作业轨迹规划机器人的新作业轨迹，并对新作业轨迹进行评估，根据评估结果，得到机器人运动决策，并将新作业轨迹存储至轨迹数据库。

此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

在更多实施例中，还提供：

一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。

应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。

实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.人机协同安装幕墙环境下机器人作业知识积累方法，其特征在于，包括：

构建预存储机器人历史作业轨迹的轨迹数据库，所述轨迹数据库中建立机器人末端位姿与外力强迫项间的映射关系，将机器人末端位姿转换为与时间无关的相位变量，建立外力强迫项与相位变量间的映射关系；所述外力强迫项为机器人末端与环境间的交互力；

根据历史作业轨迹规划机器人的新作业轨迹，并对新作业轨迹进行评估，根据评估结果，得到机器人运动决策，并将新作业轨迹存储至轨迹数据库。

2.如权利要求1所述的人机协同安装幕墙环境下机器人作业知识积累方法，其特征在于，建立机器人末端位姿与外力强迫项间的映射关系的过程包括，将机器人末端位姿划分为位移自由度和转动自由度，建立位移自由度与外力强迫项间的映射关系：

建立转动自由度与外力强迫项间的映射关系：

其中，z为位移自由度p对应的机器人末端移动速度；

为位移自由度p对应的机器人末端移动加速度；τ、α_z、β_z为常数；g₀为机器人末端期望到达的位置；f_p(s)为位移自由度对应的外力强迫项；s为与时间无关的相位变量；η为转动自由度q对应的机器人末端移动速度；

为转动自由度q对应的机器人末端移动加速度，

为q的共轭复数，f₀(s)为转动自由度对应的外力强迫项；g_m为机器人末端期望姿态。

3.如权利要求1所述的人机协同安装幕墙环境下机器人作业知识积累方法，其特征在于，将机器人末端位姿转换为与时间无关的相位变量，建立外力强迫项与相位变量间的映射关系的过程包括，将机器人末端位姿划分为位移自由度和转动自由度，建立位移自由度对应的外力强迫项f_p(s)与相位变量s间的映射关系：

建立转动自由度对应的外力强迫项f₀(s)与相位变量s间的映射关系：

其中，ω_p为位移自由度下，每个高斯基函数ψ_i(s)对应的权重；ω₀为转动自由度下，每个高斯基函数ψ_i(s)对应的权重，i为第i个高斯基函数，M为高斯基函数的总数量。

4.如权利要求1所述的人机协同安装幕墙环境下机器人作业知识积累方法，其特征在于，对新作业轨迹进行评估的过程包括：将机器人作业轨迹划分为粗定位阶段、过渡阶段和精定位阶段，获取历史作业轨迹的评价系数I_tmax和新作业轨迹的评价系数I_t，若I_t<0.9*I_tmax时，得到机器人运动决策，并将新作业轨迹的粗定位阶段的轨迹存储至轨迹数据库；

所述评价系数

其中，t₀、t_h、t_max分别为机器人粗定位阶段开始时刻、粗定位阶段结束时刻和精定位阶段结束时刻，μ为机器人关节运行速度影响因子，

为对等因子，y为粗定位轨迹系数。

5.如权利要求4所述的人机协同安装幕墙环境下机器人作业知识积累方法，其特征在于，所述粗定位轨迹系数为对粗定位阶段由起始点到末端点的轨迹的评价系数；y＝α₁y₁+α₂y₂，其中，α₁和α₂为轨迹评价系数，且α₁+α₂＝1，y₁为机器人末端作业轨迹信息，y₂为粗定位阶段终点与起点间的线性距离。

6.如权利要求1所述的人机协同安装幕墙环境下机器人作业知识积累方法，其特征在于，根据历史作业轨迹规划机器人的新作业轨迹的过程中包括，将机器人作业轨迹划分为粗定位阶段、过渡阶段和精定位阶段，在轨迹数据库的历史作业轨迹中选取参考作业轨迹，所述参考轨迹为2n条对等的作业轨迹，即位于3个阶段的整体起始点和末端点所在连线一侧取n条作业轨迹，另一侧取n条作业轨迹。

7.如权利要求6所述的人机协同安装幕墙环境下机器人作业知识积累方法，其特征在于，根据历史作业轨迹规划机器人的新作业轨迹的过程中包括，对选取的参考作业轨迹采用傅里叶变换幅度谱进行权重初步分配，采用归一化方法调整权重。

8.人机协同安装幕墙环境下机器人作业知识积累系统，其特征在于，包括：

轨迹处理模块，被配置为构建预存储机器人历史作业轨迹的轨迹数据库，所述轨迹数据库中建立机器人末端位姿与外力强迫项间的映射关系，将机器人末端位姿转换为与时间无关的相位变量，建立外力强迫项与相位变量间的映射关系；所述外力强迫项为机器人末端与环境间的交互力；

轨迹更新模块，被配置为根据历史作业轨迹规划机器人的新作业轨迹，并对新作业轨迹进行评估，根据评估结果，得到机器人运动决策，并将新作业轨迹存储至轨迹数据库。

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。

Images