CN114454178B - 面向异质整体制造的双机器人协同路径规划方法及系统 - Google Patents
面向异质整体制造的双机器人协同路径规划方法及系统 Download PDFInfo
- Publication number
- CN114454178B CN114454178B CN202210254796.8A CN202210254796A CN114454178B CN 114454178 B CN114454178 B CN 114454178B CN 202210254796 A CN202210254796 A CN 202210254796A CN 114454178 B CN114454178 B CN 114454178B
- Authority
- CN
- China
- Prior art keywords
- robot
- processing
- robots
- path planning
- task
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004519 manufacturing process Methods 0.000 claims abstract description 21
- 238000007639 printing Methods 0.000 claims abstract description 21
- 230000002068 genetic effect Effects 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 17
- 238000003754 machining Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 8
- 230000009977 dual effect Effects 0.000 claims description 7
- 239000012636 effector Substances 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims 1
- 230000010354 integration Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 13
- 238000004088 simulation Methods 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明提供了一种面向异质整体制造的双机器人协同路径规划方法及系统。运用该方法分析机器人调整约束后的最大可加工范围,进而获取约束状态下的最大协同加工范围。针对每一层离散、聚合后的打印区域,进行模型抽象,运用多目标遗传算法对打印区域进行全局协同、单目标局部的整合规划,输出区域的组合路径,用于指导后续程序文本的生成。有效解决双机器人协同打印的NC程序生成难题,克服产品一体化制造的困难。
Description
技术领域
本发明涉及领域为G05D:非电变量的控制或调节系统,尤其涉及一种面向异质整体制造的双机器人协同路径规划方法及系统。
背景技术
随着高新技术的发展和需求的推动,航天器研制任务成倍增加,制造高效性、灵活性、短流程、批量化的制造特点对加工技术和装备提出了新的挑战,制造方法也发生了变化,逐渐由单一材料加工转变为多材料加工,异质整体制造技术应用而生,但是异质整体制造不是简单的单一材料的叠加,其制造工艺之间相互影响,以及加工先后顺序、效率均影响了制造过程。由于机器人所具有的高柔性,使其在加工中具有极大的优势,故机器人在制造行业得到了广泛的应用。
但是,单个机器人作业效率低,只能通过更换末端执行器,顺序加工每种任务,极大的延长了制造过程,导致其无法满足多功能的制造任务。或者依靠多机器人设备,每台机器人只加工一种任务,顺序执行完成,制造任务单一化,但是并没有解决制造周期长的问题。
多机器人协同是未来发展趋势,研究多机器人协同路径规划是其中重要的部分。现在的多机器人协同路径规划研究多是针对同一类型的任务,如焊接,先通过约束条件,将任务分配给各个机器人,然后调配机器人完成,从而达到协同的目的。针对异质整体制造,任务类型是两种,事先已规定每个机器人的加工任务,不涉及任务分配,现阶段针对相关研究的课题甚少。
发明内容
发明目的:提出一种面向异质整体制造的双机器人协同路径规划方法,并进一步提出一种用于实现上述方法的系统,从而有效解决现有技术存在的上述问题。
第一方面,提出一种面向异质整体制造的双机器人协同路径规划方法,该方法步骤如下:
步骤一,将倒挂状态下的机器人,以机器人无关节限位、延伸奇异点以及机器人末端执行器垂直于加工表面为约束,获取机器人的最大可达半径范围。
步骤二,将机器人的工作状态设定为面对面的加工方式,获取固定站位下的双机器人最大协同加工区域。
步骤三,将异质产品导入切片软件,将离散聚合的打印区域,以从起点到终点的二维有向线段区域耗时、区域最小矩形包络区为条件,将复杂区域进行模型抽象。
步骤四、通过多目标遗传算法对步骤三的区域进行整体、局部的组合优化,并进行碰撞检测。
步骤五,根据步骤四得到的协同路径组合,添加工艺参数,生成理论NC加工文本。
在第一方面进一步的实施例中,步骤一中机器人的最大可达半径范围是将倒挂状态下的机器人,以机器人的关节限位、延伸奇异点、以及机器人末端执行的加工状态为约束。考虑机器人的奇异点约束与机器人的加工状态。
在第一方面进一步的实施例中,步骤二中获取固定站位下的双机器人协同加工最大区域,是机器人在任何加工状态下均不通过顶部奇异点,且机器人的工作状态为面对面为约束而形成的最大区域。在后续协同规划中,则可以不必考虑奇异点的问题。
在第一方面进一步的实施例中,步骤三中将模型抽象是由于区域打印路径信息冗杂,不利于后续的规划处理,以从起点到终点的二维有向线段代替打印方向、以机器人运动执行的控制算法统计区域耗时、以最小矩形包络区替代打印区域的范围。从而进行模型抽象。
在第一方面进一步的实施例中,步骤四中,规划中需要设置外部安全点、安全抬升高度、机器人空走速度与加速度。多目标优化的主目标是双机器人加工的最短耗时,次目标是底部转台的最小转动次数。局部优化是单目标优化,目标是机器人加工的最短耗时。设定机器人优先级,即无法同时启动协同加工时,启动优先级最高的机器人进行加工。
在第一方面进一步的实施例中,步骤四中,整体优化是对随机生成的一系列区域组合进行判别,检测是否碰撞,并计算目标值。处于同时启动协同状态时,判别两个机器人的任务空间是否交叉、是否满足安全距离要求,若满足,则同时启动,同时启动不满足则设置优先启动;若两个机器人的任务空间交叉,转台旋转后,任务空间无交叉,且满足安全距离要求,则旋转后同时启动。处于非同时启动协同时,若新引入的加工区域,使得两个加工区域发生碰撞,则引入无效;等待当前机器人任务完成,然后两台机器人进入下一轮同时启动检测,从而进行整体优化。
在第一方面进一步的实施例中,检测是否发生碰撞,利用矩形包络区的Y轴坐标,两个机器人的加工任务不交叉,且Y轴坐标最小距离之差大于等于安全距离。
在第一方面进一步的实施例中,旋转后同时启动是指底部转台旋转后,两个机器人的任务空间无交叉,且Y轴坐标最小距离之差大于等于安全距离,从而满足旋转后同时启动的条件。
在第一方面进一步的实施例中,步骤四中,局部优化是将整体优化后局部同属于一个机器人的任务,进行任务区域重组合优化,从局部进行优化,进而使得整体更优,并且间接实现了双机器人协同与非协同情况的统一。
第二方面,提出一种面向异质整体制造的双机器人协同路径规划系统,该系统应用在柔性生产线上,柔性生产线包括:倒挂于二自由度龙门立柱上的基体打印机器人和导线打印机器人,以及用于放置打印产品的载物台;
路径规划系统包括预设模块、加工区域设定模块、模型抽象模块、目标优化模块、优先级设定模块、以及NC加工文本生成模块。预设模块用于以倒挂状态下的机器人无关节限位、延伸奇异点以及机器人末端执行器垂直于加工表面为约束,获取机器人的最大可达半径范围;加工区域设定模块用于将机器人的工作状态设定为面对面的加工方式,获取固定站位下双机器人的最大协同加工区域;模型抽象模块用于将离散聚合的打印区域,以从起点到终点的二维有向线段区域耗时、区域最小矩形包络区为条件,将复杂区域进行模型抽象;目标优化模块通过多目标遗传算法将步骤三的区域进行整体、局部的组合优化、碰撞检测;NC加工文本生成模块用于根据所述目标优化模块得到的协同路径组合,添加工艺参数,生成理论NC加工文本。路径规划过程中设置包括外部安全点位置、安全抬升高度、机器人空走速度与加速度在内的辅助信息;目标优化模块进行多目标优化的主目标是双机器人加工的最短耗时,次目标是底部转台的最小转动次数;局部优化是单目标优化,优化目标是机器人加工的最短耗时。优先级设定模块用于设定机器人加工优先级,即无法同时启动协同加工时,启动优先级最高的机器人进行加工,然后进行整体、局部组合优化,生成区域组合顺序。
与现有技术相比,本发明具有如下有益效果:
本发明以机器人顶部奇异点、延伸奇异点、加工方式以及加工中无奇异点为约束,限定固定站位下机器人的最大可协同加工区域,可有效降低后续双机器人的协同规划难度。
本发明以一条二维有向线段、最小矩形包络区、区域耗时代替复杂区域,利于表明区域信息,模型抽象简单,且有利于后续协同规划与改进。
本发明以多目标遗传算法为基础,对区域进行整体、局部进行双重优化,提高了整体性能,间接统一了协同规划与非协同规划,形成统一的表达。
本发明在进行碰撞检测时,只检测相同时间段内的任务区域的Y轴的最小距离之差是否满足安全距离要求,简单明了。
附图说明
图1 为双机器人协同路径规划流程图。
图2 为固定站位下的最大协同区域图。
图3 为模型抽象示意图。
图4 为碰撞检测示意图。
图5为协同仿真效果示意图(第1张加工路线图)。
图6为协同仿真效果示意图(第2张加工路线图)。
图7为协同仿真效果示意图(第3张加工路线图)。
图8为协同仿真效果示意图(第4张加工路线图)。
图9为协同仿真效果示意图(第5张加工路线图)。
图10为协同仿真效果示意图(第6张加工路线图)。
图11为协同仿真效果示意图(第7张加工路线图)。
图12为协同仿真效果示意图(第8张加工路线图)。
图13为协同仿真效果示意图(第9张加工路线图)。
图14为协同仿真效果示意图(第10张加工路线图)。
图15为协同仿真效果示意图(第11张加工路线图)。
图16为机器人1顺序加工示意图。
图17为机器人2顺序加工示意图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
实施例一:
本发明面向异质整体制造的双机器人协同路径规划方法能够协调规划基体机器人与导线机器人的打印路径,进而提升打印效率,如图1所示,该协同路径规划方法包括如下步骤:
步骤一,将倒挂状态下的机器人,设定加工状态为机器人末端执行器垂直于加工表面,以机器人除顶部奇异点外任何位置均不会发生关节限位、延伸奇异为约束,获取从机器人底座到末端执行器的高度,以延伸奇异点、加工状态为约束,获取机器人的最大可达半径范围为530mm,初步考虑加工状态与关节奇异问题。
步骤二,为了在协同规划过程不考虑奇异点的问题,通过牺牲部分协同空间,来降低协同难度。将机器人的工作状态设定为面对面的加工方式,获取固定站位下的双机器人最大协同加工区域范围。一个机器人基座标系原点位于另一个机器人的最大加工半径圆上,两个圆的交集部分即为最大协同区域,如图2阴影区域所示。任务区域无交叉时,两个机器人的碰撞原因主要是由于末端安全距离不足而导致,通过仿真可知,两个机器人的任务空间不发生交叉,两个机器人末端的中心距大于150mm即不会发生碰撞,即零件尺寸小于直径为150mm的圆,不能进行协同加工,只能采用顺序加工。
步骤三,将异质产品导入切片软件中,每一层切片按照工艺需求离散成一条条相互平行的直线,通过聚合算法以最小区域数量为目标,形成打印区域。由于每个聚合而成的区域打印路径信息冗杂,不利于后续的规划处理,以从起点到终点的二维有向线段代替打印方向、以机器人运动执行的控制算法统计区域耗时、以最小矩形包络区替代打印区域的范围,从而进行模型抽象,如图3所示。
步骤四,规划中需要设置必要的辅助信息,如外部安全点位置、安全抬升高度、机器人空走速度与加速度。从整体上,协同规划是基于多目标遗传算法(NSGA-II)进行规划的,其中主目标是双机器人加工的最短耗时。次目标是底部转台的最小转动次数。从局部上,单一机器人任务路径规划采用单目标自适应遗传算法优化,优化目标是机器人加工的最短耗时。设定机器人加工优先级,即无法同时启动协同加工时,启动优先级最高的机器人进行加工。然后进行整体、局部组合优化,生成区域组合顺序。其中局部单目标优化算法采用如下自适应变化:
其中,,表示交叉概率,代表种群平均适应度,代表当前个体的适应度,代表种群最大的适应度;
其中,,代表变异概率,代表种群平均适应度,代表当前个体的适应度,代表种群适应度最大的适应度。
整体优化是对随机生成的一系列区域组合进行判别,检测是否碰撞,计算目标值。处于同时启动协同状态时,判别两个机器人的任务空间是否交叉、是否满足安全距离要求,若满足,则同时启动;若两个机器人的任务空间交叉,转台旋转后,任务空间无交叉,且满足安全距离要求,则旋转后同时启动,同时启动不满足则设置优先启动;处于非同时启动协同时,当任意一个机器人先完成打印区域,需要引入新的区域,若新引进区域与另一台机器人的加工区域发生碰撞干涉,则停止引入新区域。等待当前机器人任务完成,然后两台机器人进入下一轮同时启动检测,从而进行整体优化。
检测是否发生碰撞,是检测相同时间段内的两个机器人任务空间是否发生碰撞,利用矩形包络区的Y轴坐标判别,如图4所示,不同线型的区域代表属于不同机器人的任务,机器人一的e2区域需要与机器人二的e5、e6区域判别是否发生碰撞。位于两侧的机器人,其各自的加工任务不发生交叉,判断两个区域沿且Y轴坐标最小距离之差与安全距离的关系。若大于等于安全距离,则不会发生碰撞;否则发生碰撞。
所述旋转后同时启动是指底部转台旋转后,两个机器人的任务空间无交叉,且Y轴坐标最小距离之差大于等于安全距离,从而满足旋转后同时启动无碰撞的条件。
局部优化是重新判断每个整体优化后中的局部区域是否同属于一个机器人的加工任务,若属于同一个机器人的加工任务,且数量大于等于2,即此任务区域需要进行二次组合优化,利用单目标局部优化,进而达到全局优化,间接实现了双机器人协同与非协同两种情况的有机统一。
步骤五,根据步骤四得到的协同路径组合,添加必要的工艺参数,以及辅助指令,生成理论NC加工文本。
本发明面向异质整体制造的双机器人协同路径规划方法,实现对协同区域范围的限定,且对每个区域的抽象处理做出了详细的说明,有利于后续处理,同时针对整体路径协同规划,提出了多目标优化,最短协同耗时为主,转台最小转动次数为辅;局部优化则为单目标优化,目标为最短耗时。通过整体、局部的双重优化,进而优化了整体,同时间接的将协同与非协同两种状态进行有机统一。本发明的规划方法通过整体与局部的双重优化,统一协同与非协同两种状态,有利于后续多文本NC代码的生成,克服了一体化制造中的协同路径NC代码生成的难题。
设定两个机器人的任务区域有向线段起始点、区域耗时、矩形包络区如下表1所示。
表1
(实际只使用了包络区的Y轴极大、极小坐标值,故仅列出极大、极小Y轴坐标值;Z
轴坐标均为0,未列出)。其中机器人一的安全点为[200 -250 15],机器人二的安全点为[-
200 250 15],安全距离为150mm。设定机器人空走的速度为30mm/s,加速度为30mm/s2,安全
抬升距离为10mm,为0.9,为0.5 ,设定转台转动的时间为10s。双机器人协同加工效果
图如图5-15所示,区域编号集合如下:
([13,22,1,20],[0],[16,3],[2,4,10,12,9],[0],[6,21],[7,5,14,15],[11,17],[0],[23,8,18],[24,19])(实线代表机器人一的任务,虚线代表机器人二的任务,点线代表两个区域之间的行走;一张图片中某一条实线或者虚线加粗,代表此局部区域只加工这一个部分然后返回,无加粗且区域编号0则表示转台旋转),行进路线方向如表2(默认方向为1,0表示与默认相反),总耗时为5830.65s。
表2
区域编号 | 13 | 1 | 3 | 12 | 4 | 10 | 9 | 2 | 6 | 5 | 14 | 7 |
行进方向 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 |
区域编号 | 15 | 11 | 8 | 22 | 20 | 16 | 21 | 17 | 23 | 18 | 24 | 19 |
行进方向 | 0 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 0 |
双机器人顺序加工效果如图16-17所示,总耗时为7714.08s,其中机器人一耗时4728.72s,机器人二耗时2985.36s。易知协同耗时应在[4728.72 7714.08]区间内,可得提升的效率为:(7714.08-5830.65)/(7714.08-4728.72)×100%=63.09%。
通过协同规划的方式,可以有效缩短加工时间,提升加工效率。同时为后续NC代码生成奠定基础。
如上所述,尽管参照特定的优选实施例已经表示和表述了本发明,但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下,可对其在形式上和细节上做出各种变化。
Claims (7)
1.面向异质整体制造的双机器人协同路径规划方法,其特征在于,所述方法包括如下步骤:
步骤1、将倒挂状态下的机器人,以机器人无关节限位为约束,延伸奇异点为约束,以及机器人末端执行器垂直于加工表面为约束,获取机器人的最大可达半径范围;
步骤2、将机器人的工作状态设定为面对面的加工方式,获取固定站位下双机器人的最大协同加工区域;其中最大协同加工区域为以机器人在任何状态下均不通过顶部奇异点,且机器人的工作状态为面对面为约束而形成的最大区域;
步骤3、将异质产品导入切片软件得到若干层切片,每一层切片按照预定工艺需求离散成若干条相互平行的直线,通过聚类算法以最小区域数量为目标,形成打印区域;以从起点到终点的二维有向线段代替打印方向、以机器人运动执行的控制算法统计区域耗时、以最小矩形包络区替代打印区域的范围,从而进行模型抽象;
步骤4、双机器人协同路径规划基于多目标遗传算法,主目标是双机器人加工的最短耗时;次目标是底部转台的最小转动次数;单一机器人路径规划采用单目标自适应遗传算法优化,优化目标是机器人加工的最短耗时;
设定机器人加工优先级,即无法同时启动协同加工时,启动优先级最高的机器人进行加工;然后进行整体、局部组合优化,生成区域组合顺序;
步骤5、根据步骤4得到的协同路径的结果,添加工艺参数,生成理论NC加工文本。
2.根据权利要求1所述的面向异质整体制造的双机器人协同路径规划方法,其特征在于,机器人安装在所述底部转台之上。
3.根据权利要求1所述的面向异质整体制造的双机器人协同路径规划方法,其特征在于,单目标自适应遗传算法如下:
;
;
其中,表示计算后的交叉概率,/>表示初始交叉概率,/>代表种群平均适应度,/>代表当前个体的适应度,/>代表种群最大的适应度;
;
;
其中,表示计算后的变异概率,/>代表初始变异概率。
4.根据权利要求1所述的面向异质整体制造的双机器人协同路径规划方法,其特征在于,步骤4所述然后进行整体、局部组合优化中整体优化是对生成的一系列区域进行判别,检测是否碰撞,并计算目标值;
处于同时启动协同状态时,判别两个机器人的任务空间是否交叉且是否满足安全距离要求,若满足,则同时启动;若不满足同时启动的触发条件,则设置优先启动;
若两个机器人的任务空间交叉,转台旋转后,任务空间无交叉,且满足安全距离要求,则旋转后同时启动;
处于非同时启动协同状态时,若新引入的任务区域,使得两个加工区域发生碰撞,则引入无效;等待当前机器人任务完成,然后两台机器人进入下一轮同时启动检测,从而进行整体优化。
5.根据权利要求4所述的面向异质整体制造的双机器人协同路径规划方法,其特征在于,碰撞检测的过程如下:
利用矩形包络区的Y轴坐标,即两个机器人的加工任务不交叉,且Y轴坐标最小距离之差大于等于安全距离时不会发生碰撞,否则发生碰撞。
6.根据权利要求4所述的面向异质整体制造的双机器人协同路径规划方法,其特征在于,旋转后同时启动是指底部转台旋转后,两个机器人的任务空间无交叉,且Y轴坐标最小距离之差大于等于安全距离,从而满足旋转后同时启动的条件。
7.根据权利要求1所述的面向异质整体制造的双机器人协同路径规划方法,其特征在于,步骤4所述然后进行整体、局部组合优化中的局部组合优化是重新判断每个整体优化后中的局部区域是否同属于一个机器人的加工任务,若属于同一个机器人的加工任务,且数量大于等于2,即此任务区域需要进行二次组合优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210254796.8A CN114454178B (zh) | 2022-03-15 | 2022-03-15 | 面向异质整体制造的双机器人协同路径规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210254796.8A CN114454178B (zh) | 2022-03-15 | 2022-03-15 | 面向异质整体制造的双机器人协同路径规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114454178A CN114454178A (zh) | 2022-05-10 |
CN114454178B true CN114454178B (zh) | 2023-11-24 |
Family
ID=81416619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210254796.8A Active CN114454178B (zh) | 2022-03-15 | 2022-03-15 | 面向异质整体制造的双机器人协同路径规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114454178B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090945A (zh) * | 2014-06-30 | 2014-10-08 | 武汉大学 | 一种地理空间实体构建方法及系统 |
US10192195B1 (en) * | 2016-10-25 | 2019-01-29 | Amazon Technologies, Inc. | Techniques for coordinating independent objects with occlusions |
CN109822554A (zh) * | 2019-03-20 | 2019-05-31 | 华中科技大学 | 面向水下的双臂协同抓取、抱取及避碰一体化方法及系统 |
CN112264989A (zh) * | 2020-06-17 | 2021-01-26 | 华中科技大学 | 一种基于邻域遍历的双机械臂协同避障方法 |
CN114167808A (zh) * | 2021-12-10 | 2022-03-11 | 南京航空航天大学 | 一种面向整体增材制造的多机器人柔性生产线的运行方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8041545B2 (en) * | 2005-04-28 | 2011-10-18 | Vladimir Sevastyanov | Gradient based methods for multi-objective optimization |
-
2022
- 2022-03-15 CN CN202210254796.8A patent/CN114454178B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090945A (zh) * | 2014-06-30 | 2014-10-08 | 武汉大学 | 一种地理空间实体构建方法及系统 |
US10192195B1 (en) * | 2016-10-25 | 2019-01-29 | Amazon Technologies, Inc. | Techniques for coordinating independent objects with occlusions |
CN109822554A (zh) * | 2019-03-20 | 2019-05-31 | 华中科技大学 | 面向水下的双臂协同抓取、抱取及避碰一体化方法及系统 |
CN112264989A (zh) * | 2020-06-17 | 2021-01-26 | 华中科技大学 | 一种基于邻域遍历的双机械臂协同避障方法 |
CN114167808A (zh) * | 2021-12-10 | 2022-03-11 | 南京航空航天大学 | 一种面向整体增材制造的多机器人柔性生产线的运行方法 |
Non-Patent Citations (1)
Title |
---|
load balance optimization based multi-robot cooperative task planning for large-scale aerospace structures;Jiamei Lin et al;《SPRINGER NATURE SWITZERLAND AG 2021》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114454178A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109876968B (zh) | 一种钢结构机器人喷涂自动路径规划方法 | |
CN111113409B (zh) | 一种基于分步优化的多机器人多工位协作点焊规划方法 | |
Morishige et al. | Collision-free tool path generation using 2-dimensional C-space for 5-axis control machining | |
CN103611646B (zh) | 喷涂机器人空间路径规划方法 | |
JP2022539324A (ja) | 共用ワークスペースにおける複数のロボットの動作計画 | |
CN111975767B (zh) | 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法 | |
CN108415425A (zh) | 一种基于改进基因调控网络的分布式群机器人协同集群算法 | |
US11813756B2 (en) | Disassembly based assembly planning | |
CN114700944B (zh) | 一种面向异种任务的双机器人协同路径规划方法 | |
CN114454178B (zh) | 面向异质整体制造的双机器人协同路径规划方法及系统 | |
CN112621754A (zh) | 一种多机器人协同的装配线安全布局的设计方法 | |
Gueta et al. | Coordinated motion control of a robot arm and a positioning table with arrangement of multiple goals | |
CN116736819B (zh) | 一种基于混合整数规划模型的fjsp-agv的建模方法 | |
Barral et al. | Simulated annealing combined with a constructive algorithm for optimising assembly workcell layout | |
CN116551684B (zh) | 面向航天器大型舱体构件加工的多机器人协同规划方法 | |
Kanda et al. | Tool path generation for five-axis controlled machining with consideration of structural interference | |
CN110308702B (zh) | 点云模型三轴等残留高度数控加工刀轨生成方法 | |
Saravanan et al. | An artificial bee colony algorithm for design and optimize the fixed area layout problems | |
Tubaileh | Layout of flexible manufacturing systems based on kinematic constraints of the autonomous material handling system | |
CN115032911A (zh) | 一种适用于分布式光学检测的多机器人仿真系统 | |
CN111487962B (zh) | 一种应用于仓储环境下多机器人路径快速规划方法 | |
CN113917887A (zh) | 一种基于三角网格模型的机床加工轨迹生成方法 | |
CN107861467A (zh) | 环形刀四轴定轴加工刀位确定方法、装置及电子设备 | |
CN109839892B (zh) | 一种五轴数控机床后置处理转角选解优化方法 | |
Halinga et al. | Time and energy optimal trajectory generation for coverage motion in industrial machines |
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 |