CN116061173A - 一种带电作业的机械臂六自由度冗余任务轨迹规划方法 - Google Patents

一种带电作业的机械臂六自由度冗余任务轨迹规划方法 Download PDF

Info

Publication number
CN116061173A
CN116061173A CN202211379497.3A CN202211379497A CN116061173A CN 116061173 A CN116061173 A CN 116061173A CN 202211379497 A CN202211379497 A CN 202211379497A CN 116061173 A CN116061173 A CN 116061173A
Authority
CN
China
Prior art keywords
joint
coordinate system
sparrow
degree
section
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
Application number
CN202211379497.3A
Other languages
English (en)
Inventor
胡松华
黄慰
林范强
王瑞虎
孙利雄
龙朝文
李树东
吴晓杰
字星屹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baoshan Power Supply Bureau of Yunnan Power Grid Co Ltd
Original Assignee
Baoshan Power Supply Bureau of Yunnan Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Baoshan Power Supply Bureau of Yunnan Power Grid Co Ltd filed Critical Baoshan Power Supply Bureau of Yunnan Power Grid Co Ltd
Priority to CN202211379497.3A priority Critical patent/CN116061173A/zh
Publication of CN116061173A publication Critical patent/CN116061173A/zh
Pending legal-status Critical Current

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
    • 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
    • B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Numerical Control (AREA)

Abstract

本申请涉及一种带电作业的机械臂六自由度冗余任务轨迹规划方法，包括获取六自由度机械臂的D‑H关节参数；建立六自由度机械臂的运动学模型，得到六自由度机械臂的基座坐标系和末端坐标系；基于基座坐标系和末端坐标系，将关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束，其中，第一段使用三次多项式进行规划，第二段使用五次多项式进行规划，第三段使用三次多项式进行规划；通过混沌映射策略，将关节的运动轨迹映射到解空间，得到麻雀初始种群，其中，麻雀初始种群中每个麻雀表示关节的角度解；基于麻雀初始种群，通过麻雀搜索算法，对关节的运动轨迹进行第二约束；基于第一约束和第二约束，确定关节的最优运动轨迹。

Description

一种带电作业的机械臂六自由度冗余任务轨迹规划方法
技术领域
本申请涉及机械臂运动轨迹技术领域，尤其涉及一种带电作业的机械臂六自由度冗余任务轨迹规划方法。
背景技术
近几年，工业机械臂在工业生产以及复杂环境下的应用逐渐广泛，轨迹规划作为带电作业机械臂运动控制的基础，也受到了广泛的关注，其性能对带电作业工业机器人工作效率、运动平稳性和能量消耗具有决定性意义。
随着技术发展，施工难度在不断增加，工人对周围环境的感知能力、判断能力及机械臂操作能力均会下降，尤其是在带电作业的背景下，机械臂的低智能化严重影响了施工效率与作业质量。
目前，传统带电作业工业机械臂存在智能化低，操作受人的主观因素影响较大等问题，亟需一种带电作业的机械臂六自由度冗余任务轨迹规划方法。
发明内容
本申请提供一种带电作业的机械臂六自由度冗余任务轨迹规划方法，能够解决现有技术中操作受人的主观因素影响较大，机械臂的智能化低影响了施工效率与作业质量的问题。
本申请第一方面提供一种带电作业的机械臂六自由度冗余任务轨迹规划方法，包括：
获取六自由度机械臂的D-H关节参数；
基于D-H关节参数，建立六自由度机械臂的运动学模型，得到所述六自由度机械臂的基座坐标系和末端坐标系；
基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束，其中，所述第一段使用三次多项式进行规划，所述第二段使用五次多项式进行规划，所述第三段使用三次多项式进行规划；
通过混沌映射策略，将所述关节的运动轨迹映射到解空间，得到麻雀初始种群，其中，所述麻雀初始种群中每个麻雀表示所述关节的角度解；
基于所述麻雀初始种群，通过所述麻雀搜索算法，对所述关节的运动轨迹进行第二约束；
基于所述第一约束和所述第二约束，确定所述关节的最优运动轨迹。
可实施的一种方式中，所述基于D-H关节参数，建立六自由度机械臂的运动学模型，得到所述六自由度机械臂的基座坐标系和末端坐标系的步骤，包括：
根据所述六自由度机械臂的基座坐标系的位置与姿态，到的相邻坐标系之间的坐标系i-1到坐标系i的齐次变换矩阵
Figure BDA0003927730940000011
Figure BDA0003927730940000012
其中，
Figure BDA0003927730940000013
表示坐标系绕X轴旋转αi-1，
Figure BDA0003927730940000014
表示沿着x轴平移ai-1，θ1表示关节角度，di表示连杆偏移量；
将所述六自由度机械臂的六个齐次变换矩阵进行相乘,确定末端坐标系相对于所述基座坐标系的齐次变换矩阵：
Figure BDA0003927730940000021
其中，n，o，a分别表示所述末端坐标系X、Y、Z相对于所述基座坐标系姿态的单位矢量，p表示所述末端坐标系相对于所述基座坐标系的位置矢量。
可实施的一种方式中，所述基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束的步骤，包括：
获取第i个关节的运动轨迹规；
根据所述第i个关节的运动轨迹规，计算所述第i个关节的所述第一段使用三次多项式的起点和终点轨迹通过如下公式获得：
Figure BDA0003927730940000022
Figure BDA0003927730940000023
Figure BDA0003927730940000024
Figure BDA0003927730940000025
Figure BDA0003927730940000026
Figure BDA0003927730940000027
其中，θ(0)，θe分别为起点与终点的关节角度；
Figure BDA0003927730940000028
分别为求导所得起点与终点的关节速度；
Figure BDA0003927730940000029
分别为求二阶导所得起点与终点的关节加速度；t0，te分别为起点与终点时刻，a0～a5分别为关节的轨迹上的系数。
可实施的一种方式中，所述基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束的步骤，包括：
计算所述第i个关节的所述第二段使用五次多项式的起点和终点轨迹通过如下公式获得：
Figure BDA00039277309400000210
Figure BDA00039277309400000211
Figure BDA00039277309400000212
Figure BDA00039277309400000213
Figure BDA00039277309400000214
Figure BDA00039277309400000215
其中，θ(0)，θe分别为起点与终点的关节角度；
Figure BDA00039277309400000216
分别为求导所得起点与终点的关节速度；
Figure BDA00039277309400000217
分别为求二阶导所得起点与终点的关节加速度；t0，te分别为起点与终点时刻。
可实施的一种方式中，所述基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束的步骤，包括：
计算所述第i个关节的所述第三段使用与所述第一段三次多项式相同的公式对起点和终点轨迹进行规划。
可实施的一种方式中，所述基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束的步骤，包括：
根据所述第一段、所述第二段和所述第三段得到第i个关节的优化函数及约束条件如下：
Figure BDA0003927730940000031
Figure BDA0003927730940000032
Figure BDA0003927730940000033
max{|Vi|}≤Vimax
其中，Vi为第i个关节中所述第一段、所述第二段和所述第三段多项式插值对应的速度，Vimax为第i个关节所允许的最大速度值。
可实施的一种方式中，所述通过混沌映射策略，将所述关节的运动轨迹映射到解空间，得到麻雀初始种群的步骤，包括：
通过混沌映射策略，确定混沌变量xk：
xk+1＝μxk(1-xk),0≤μ≤4,0＜xk＜1
其中μ为Logistic混沌映射参数。
可实施的一种方式中，所述基于所述麻雀初始种群，通过所述麻雀搜索算法，对所述关节的运动轨迹进行第二约束的步骤，包括：
根据所述麻雀初始种群，确定所述麻雀初始种群中的麻雀数量、麻雀中的发现者和跟随者之间比例以及最大迭代次数；
基于所述最大迭代次数，计算每只麻雀的适应度，并根据适应度找到最佳和最差的麻雀；
根据所述发现者和所述跟随者的比例，确定所述发现者和所述跟随者的数量，并更新所述发现者位置、更新所述追随者位置和更新监视者位置，其中，所述监视者为预设数量的所述跟随者转换而成；
逐次迭代，计算每只麻雀的适应度值和麻雀种群的平均适应度值，并进行比较；
若麻雀的新生成位置优于原位置，则更新原位置，否者，保持麻雀原位置不变；
迭代次数达到最大迭代次数，输出麻雀的位置，形成所述第二约束。
本申请第二方面提供一种数据处理系统，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行前述的带电作业的机械臂六自由度冗余任务轨迹规划方法。
本申请第三方面提供一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行前述的带电作业的机械臂六自由度冗余任务轨迹规划方法。
本申请有益效果：
获取六自由度机械臂的D-H关节参数，根据D-H关节参数，建立六自由度机械臂的运动学模型，得到六自由度机械臂的基座坐标系和末端坐标系；基于基座坐标系和末端坐标系，将关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束；再通过混沌映射策略，将关节的运动轨迹映射到解空间，得到麻雀初始种群；基于麻雀初始种群，通过麻雀搜索算法，对关节的运动轨迹进行第二约束；基于第一约束和第二约束，确定关节的最优运动轨迹。利用多次约束对六自由度机械臂进行约束，以最短的时间为目标对机械臂轨迹进行优化，提高机械臂的智能化，提高施工效率与工作质量。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一种带电作业的机械臂六自由度冗余任务轨迹规划方法的流程图；
图2为一种带电作业的机械臂六自由度冗余任务轨迹规划方法的相邻关节连杆坐标系示意图；
图3为一种带电作业的机械臂六自由度冗余任务轨迹规划方法的对所述关节的运动轨迹进行第二约束；
图4为一种带电作业的机械臂六自由度冗余任务轨迹规划方法的关节1对运动轨迹进行约束的适应度收敛曲线；
图5为一种带电作业的机械臂六自由度冗余任务轨迹规划方法的关节6对运动轨迹进行约束的适应度收敛曲线；
图6为一种带电作业的机械臂六自由度冗余任务轨迹规划方法的关节1对运动轨迹进行约束的运动规划曲线；
图7为一种带电作业的机械臂六自由度冗余任务轨迹规划方法的关节6对运动轨迹进行约束的运动规划曲线。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1至图7，本申请一种带电作业的机械臂六自由度冗余任务轨迹规划方法包括如下步骤：
如图1所示，S101:获取六自由度机械臂的D-H关节参数。
如图2所示，其中，六自由度机械臂的D-H参数表如表1所示：
Figure BDA0003927730940000051
表1
表1为示例性的给出了D-H参数及各关节转角范围，并非对关节转角进行限定。
其中，i为连杆，αi-1为连杆的扭转角，ai-1为连杆长度，θi为关节角θ，di为连杆偏移量，Offset为偏移量。
D-H关节参数，按照设定规则为每个连杆固连了一个坐标系，描述一个连杆坐标系到相邻的下一个连杆坐标系的转换关系。把相邻坐标系的转换分解为了若干个步骤，每个步骤均只有一个参量。连杆坐标系对应变换的组合实现相邻坐标系的变换。
S102:基于D-H关节参数，建立六自由度机械臂的运动学模型，得到所述六自由度机械臂的基座坐标系和末端坐标系。
根据所述六自由度机械臂的基座坐标系的位置与姿态，到的相邻坐标系之间的坐标系i-1到坐标系i的齐次变换矩阵
Figure BDA0003927730940000052
Figure BDA0003927730940000053
其中，
Figure BDA0003927730940000054
表示坐标系绕X轴旋转αi-1，
Figure BDA0003927730940000055
表示沿着x轴平移ai-1，θ1表示关节角度，di表示连杆偏移量；
将所述六自由度机械臂的六个齐次变换矩阵进行相乘,确定末端坐标系相对于所述基座坐标系的齐次变换矩阵：
Figure BDA0003927730940000056
其中，n，o，a分别表示所述末端坐标系X、Y、Z相对于所述基座坐标系姿态的单位矢量，p表示所述末端坐标系相对于所述基座坐标系的位置矢量。
根据六自由度机械臂的基座坐标系和末端坐标系能够确定六自由度机械臂的关节的初始位置和终点位置，基于初始位置和终点位置利用以最短的时间为目标对机械臂轨迹进行优化。
S103:基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束，其中，所述第一段使用三次多项式进行规划，所述第二段使用五次多项式进行规划，所述第三段使用三次多项式进行规划。
其中，三次多项式、五次多项式和三次多项式的公式为：
θi1(t)＝ai13t3+ai12t2+ai11t+ai10
θi2(t)＝ai25t5+ai23t3+ai22t2+ai24t4+ai20
θi3(t)＝ai33t3+ai32t2+ai31t+ai30
式中:θi1(t)为第i个关节第一段的3次插值多项式；θi2(t)为第i个关节第二段的5次插值多项式；θi3(t)为第i个关节第三段的3次插值多项式；第一段、第二段和第三段分别对应的时间段为t0～t1、t1～t2、t2～t3；系数ai1j、ai2j、ai3j分别为第i个关节轨迹上的第一段、第二段、第三段多项式的第j个系数，其中i＝1,2,3,...,n，表示第i个关节。
示例性地，以第i个关节的运动轨迹规进行示例性地说明。获取第i个关节的运动轨迹规，根据第i个关节的运动轨迹规分别进行
计算所述第i个关节的所述第一段使用三次多项式的起点和终点轨迹通过如下公式获得：
Figure BDA0003927730940000061
Figure BDA0003927730940000062
Figure BDA0003927730940000063
Figure BDA0003927730940000064
Figure BDA0003927730940000065
Figure BDA0003927730940000066
其中，θ(0)，θe分别为起点与终点的关节角度；
Figure BDA0003927730940000067
分别为求导所得起点与终点的关节速度；
Figure BDA0003927730940000068
分别为求二阶导所得起点与终点的关节加速度；t0，te分别为起点与终点时刻，a0～a5分别为关节的轨迹上的系数。
根据第i个关节的所述第一段的轨迹函数方程与六自由度机械臂位移、角度、角速度、角加速度等约束条件，第二段的5次多项式起点和终点轨迹函数方程。
计算所述第i个关节的所述第二段使用五次多项式的起点和终点轨迹通过如下公式获得：
Figure BDA0003927730940000069
Figure BDA00039277309400000610
Figure BDA00039277309400000611
Figure BDA00039277309400000612
Figure BDA00039277309400000613
Figure BDA00039277309400000614
其中，θ(0)，θe分别为起点与终点的关节角度；
Figure BDA00039277309400000615
分别为求导所得起点与终点的关节速度；
Figure BDA00039277309400000616
分别为求二阶导所得起点与终点的关节加速度；t0，te分别为起点与终点时刻。
计算所述第i个关节的所述第三段使用与所述第一段三次多项式相同的公式对起点和终点轨迹进行规划。
根据所述第一段、所述第二段和所述第三段得到第i个关节的优化函数及约束条件如下：
Figure BDA0003927730940000071
Figure BDA0003927730940000072
Figure BDA0003927730940000073
max{|Vi|}≤Vimax
其中，Vi为第i个关节中所述第一段、所述第二段和所述第三段多项式插值对应的速度，Vimax为第i个关节所允许的最大速度值。
根据第一段、第二段和第三段，形成对第i个关节的第一约束。
通过上述内容可知，若在构造六自由度机械臂轨迹函数的过程中若插值函数阶数过高会导致凸包性较差、计算复杂等问题；如果阶数过低会导致速度和加速度曲线不平滑，且加速度存在突变等问题，所以本申请采用第一段、第二段和第三段的多项式函数既可以解决凸包性差的问题也可以解决速度和加速度曲线变化不平滑的问题。
S104:通过混沌映射策略，将所述关节的运动轨迹映射到解空间，得到麻雀初始种群，其中，所述麻雀初始种群中每个麻雀表示所述关节的角度解。
其中，根据六自由度机械臂运动学模型与多项式函数等多源异构形成第一约束，为保证六自由度机械臂轨迹规划中的时间最优，利用改进的麻雀搜索算法进行求解，在运动轨迹生成方式中引入Logistic混沌映射策略，提高六自由度机械臂轨迹的优化选择程度，实现工业机械臂六自由度冗余任务轨迹规划。
具体地，通过混沌映射策略，确定混沌变量xk：
xk+1＝μxk(1-xk),0≤μ≤4,0＜xk＜1
其中，μ为Logistic混沌映射参数。在xk∈(0,1)时，Logistic映射处于混沌状态，且当μ＝4时，Logistic映射处于完全混沌状态，此时的能够实现节点在混沌空间内的完全搜索。
可以理解地是，在麻雀搜索算法对六自由度机械臂的轨迹规划过程中，麻雀搜索算法具备较强的全局搜索能力与收敛速度，但在进化后期仍存在容易陷入局部最优等问题，从而在空间中进行无用搜索，偏离最佳规划方向，时间成本较大。因此，为减少时间成本和空间复杂度，本申请利用Logistic混沌映射对麻雀搜索算法进行改进，避免因麻雀搜索算法在进化后期仍存在容易陷入局部最优等问题，从而在空间中进行无用搜索，偏离最佳规划方向，时间成本较大的问题。
S105:基于所述麻雀初始种群，通过所述麻雀搜索算法，对所述关节的运动轨迹进行第二约束。
其中，麻雀搜索算法由麻雀种群觅食和反捕食行为衍生出的智能优化算法。在麻雀觅食的过程中，分为发现者和跟随者，发现者在种群中负责寻找食物并为整个麻雀种群提供觅食区域和方向，而跟随者则是利用发现者来获取食物。为了获得食物，麻雀通常可以采用发现者和跟随者这两种行为策略进行觅食。种群中的个体会监视群体中其它个体的行为，并且该种群中的攻击者会与高摄取量的同伴争夺食物资源，以提高自己的捕食率。此外，当麻雀种群受到捕食者的攻击时会做出反捕食行为。仿照麻雀的这些行为，进行函数最优化求解。
如图3所示，具体地，对所述关节的运动轨迹进行第二约束包括步骤S1051至S1056。
S1051：根据所述麻雀初始种群，确定所述麻雀初始种群中的麻雀数量、麻雀中的发现者和跟随者之间比例以及最大迭代次数。
其中，对麻雀初始种群进行初始化，设置初始化的麻雀初始种群，以使麻雀初始种群包括麻雀数量、发现者和加入者之间比例、最大迭代次数。
其中，麻雀表示关节的角度解，可以知道的是每个关节在不同位置均具有不同的角度解，角度解对应麻雀。根据不同时间的关节位置，可以具有不同的角度解。将角度解作为麻雀，判断麻雀的位置即可获知关节的运动轨迹。
根据麻雀初始种群确定了麻雀的数量，将麻雀数量划分为发现者和加入者，得到发现者和加入者的比例，再确定最大迭代次数或阈值，其中，阈值为迭代的范围值。
S1052：基于所述最大迭代次数，计算每只麻雀的适应度，并根据适应度找到最佳和最差的麻雀。
其中，计算每只麻雀的适应度，利用适应度的遗传，确定最佳和最差的麻雀。计算麻雀的适应度不超过设定的最大迭代次数。
S1053：根据所述发现者和所述跟随者的比例，确定所述发现者和所述跟随者的数量，并更新所述发现者位置、更新所述追随者位置和更新监视者位置，其中，所述监视者为预设数量的所述跟随者转换而成。
其中，发现者位置更新：
Figure BDA0003927730940000081
其中，t为当前迭代次数；T为最大迭代次数；α为(0,1]的均匀随机数；Q为满足标准正态分布的随机数；L为元素均为1的1×d矩阵；R2∈[0,1]为预警值；ST表示安全值。
加入者(追随者)位置更新：
Figure BDA0003927730940000082
A+＝AT(AAT)-1
其中：
Figure BDA0003927730940000083
为第t+1次迭代时麻雀在第i维的位置；
Figure BDA0003927730940000084
为第t次迭代时麻雀在第d维的最差位置；
Figure BDA0003927730940000085
为种群第t+1代时麻雀在第d维的最优位置；A为一个1×d矩阵，其中每个元素随机赋值为-1或1；L为元素均为1的1×d矩阵。
监视者位置更新:
Figure BDA0003927730940000086
其中：β为控制步长参数，服从N(0,1)随机数；K为一个随机数且K∈[-1,1]，表示麻雀移动的方位，同时也是步长控制参数；e为一个极小数，避免分母为0；fi表示第i只麻雀的适应度值，fi和fg分别是当前麻雀种群的最优适应度值和最差适应度值。
S1054：逐次迭代，计算每只麻雀的适应度值和麻雀种群的平均适应度值，并进行比较。
其中，在一次迭代中，计算每只麻雀的适应度值和麻雀种群的平均适应度值，在将麻雀的适应度值与麻雀种群的平均适应度值比较，判断麻雀的适应度值是否大于麻雀种群的平均适应度值。
S1055：若麻雀的新生成位置优于原位置，则更新原位置，否者，保持麻雀原位置不变。
其中，若麻雀的适应度值大于麻雀种群的平均适应度值，更新麻雀的位置，否则保持麻雀的位置不便。
S1056：迭代次数达到最大迭代次数，输出麻雀的位置，形成所述第二约束。
其中，逐次迭代，计算麻雀的适应度值以及麻雀种群的平均适应度值，当达到最大迭代次数后，停止计算麻雀的适应度值以及麻雀种群的平均适应度值，即停止更新麻雀的位置。
在计算麻雀的过程中，即实现了对关节角度解的第二约束。
S106:基于所述第一约束和所述第二约束，确定所述关节的最优运动轨迹。
其中，本申请中时间最优轨迹规划是在给定的约束条件下，以最短的时间为目标对六自由度机械臂轨迹进行优化，分为两个阶段，一是采用多项式函数插值算法对六自由度机械臂路径进行插值，二是通过麻雀搜索算法对六自由度机械臂路径进行插值。通过输入运动轨迹的初末位置，采用算法规划轨迹，最终将运动轨迹借助电机输出。
如图4和图5所示，根据关节1和关节6对运动轨迹进行约束的适应度收敛曲线，与现有相关的运动轨迹算法对比可知，本申最优运动轨迹优于现有相关的适应度收敛曲线。
如图6和图7所示，根据关节1和关节6对运动轨迹进行约束的运动规划曲线，与现有相关的运动规划曲线对比可知，本申请关节的最优运动轨迹由于现有相关的运动规划曲线。
本申请提供一种数据处理系统包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行前述的带电作业的机械臂六自由度冗余任务轨迹规划方法。
本申请提供一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行前述的带电作业的机械臂六自由度冗余任务轨迹规划方法。
以上实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，在各实施例不发生冲突的情况下，可以任意组合，这些都属于本发明的保护范围。

Claims (10)

1.一种带电作业的机械臂六自由度冗余任务轨迹规划方法，其特征在于，包括：
获取六自由度机械臂的D-H关节参数；
基于D-H关节参数，建立六自由度机械臂的运动学模型，得到所述六自由度机械臂的基座坐标系和末端坐标系；
基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束，其中，所述第一段使用三次多项式进行规划，所述第二段使用五次多项式进行规划，所述第三段使用三次多项式进行规划；
通过混沌映射策略，将所述关节的运动轨迹映射到解空间，得到麻雀初始种群，其中，所述麻雀初始种群中每个麻雀表示所述关节的角度解；
基于所述麻雀初始种群，通过所述麻雀搜索算法，对所述关节的运动轨迹进行第二约束；
基于所述第一约束和所述第二约束，确定所述关节的最优运动轨迹。
2.根据权利要求1所述的带电作业的机械臂六自由度冗余任务轨迹规划方法，其特征在于，所述基于D-H关节参数，建立六自由度机械臂的运动学模型，得到所述六自由度机械臂的基座坐标系和末端坐标系的步骤，包括：
根据所述六自由度机械臂的基座坐标系的位置与姿态，到的相邻坐标系之间的坐标系i-1到坐标系i的齐次变换矩阵
Figure FDA0003927730930000011
Figure FDA0003927730930000012
其中，
Figure FDA0003927730930000013
表示坐标系绕X轴旋转αi-1，
Figure FDA0003927730930000014
表示沿着x轴平移ai-1，θ1表示关节角度，di表示连杆偏移量；
将所述六自由度机械臂的六个齐次变换矩阵进行相乘,确定末端坐标系相对于所述基座坐标系的齐次变换矩阵：
Figure FDA0003927730930000015
其中，n，o，a分别表示所述末端坐标系X、Y、Z相对于所述基座坐标系姿态的单位矢量，p表示所述末端坐标系相对于所述基座坐标系的位置矢量。
3.根据权利要求1所述的带电作业的机械臂六自由度冗余任务轨迹规划方法，其特征在于，所述基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束的步骤，包括：
获取第i个关节的运动轨迹规；
根据所述第i个关节的运动轨迹规，计算所述第i个关节的所述第一段使用三次多项式的起点和终点轨迹通过如下公式获得：
Figure FDA0003927730930000016
Figure FDA0003927730930000021
Figure FDA0003927730930000022
Figure FDA0003927730930000023
Figure FDA0003927730930000024
Figure FDA0003927730930000025
其中，θ(0)，θe分别为起点与终点的关节角度；
Figure FDA0003927730930000026
分别为求导所得起点与终点的关节速度；
Figure FDA0003927730930000027
分别为求二阶导所得起点与终点的关节加速度；t0，te分别为起点与终点时刻，a0～a5分别为关节的轨迹上的系数。
4.根据权利要求3所述的带电作业的机械臂六自由度冗余任务轨迹规划方法，其特征在于，所述基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束的步骤，包括：
计算所述第i个关节的所述第二段使用五次多项式的起点和终点轨迹通过如下公式获得：
Figure FDA0003927730930000028
Figure FDA0003927730930000029
Figure FDA00039277309300000210
Figure FDA00039277309300000211
Figure FDA00039277309300000212
Figure FDA00039277309300000213
其中，θ(0)，θe分别为起点与终点的关节角度；
Figure FDA00039277309300000214
分别为求导所得起点与终点的关节速度；
Figure FDA00039277309300000215
分别为求二阶导所得起点与终点的关节加速度；t0，te分别为起点与终点时刻。
5.根据权利要求4所述的带电作业的机械臂六自由度冗余任务轨迹规划方法，其特征在于，所述基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束的步骤，包括：
计算所述第i个关节的所述第三段使用与所述第一段三次多项式相同的公式对起点和终点轨迹进行规划。
6.根据权利要求5所述的带电作业的机械臂六自由度冗余任务轨迹规划方法，其特征在于，所述基于所述基座坐标系和所述末端坐标系，将所述关节的运动轨迹规划为第一段、第二段和第三段分别对运动轨迹进行第一约束的步骤，包括：
根据所述第一段、所述第二段和所述第三段得到第i个关节的优化函数及约束条件如下：
Figure FDA00039277309300000216
Figure FDA0003927730930000031
Figure FDA0003927730930000032
max{|Vi|}≤Vimax
其中，Vi为第i个关节中所述第一段、所述第二段和所述第三段多项式插值对应的速度，Vimax为第i个关节所允许的最大速度值。
7.根据权利要求1所述的带电作业的机械臂六自由度冗余任务轨迹规划方法，其特征在于，所述通过混沌映射策略，将所述关节的运动轨迹映射到解空间，得到麻雀初始种群的步骤，包括：
通过混沌映射策略，确定混沌变量xk：
xk+1＝μxk(1-xk),0≤μ≤4,0＜xk＜1
其中，μ为Logistic混沌映射参数。
8.根据权利要求1所述的带电作业的机械臂六自由度冗余任务轨迹规划方法，其特征在于，所述基于所述麻雀初始种群，通过所述麻雀搜索算法，对所述关节的运动轨迹进行第二约束的步骤，包括：
根据所述麻雀初始种群，确定所述麻雀初始种群中的麻雀数量、麻雀中的发现者和跟随者之间比例以及最大迭代次数；
基于所述最大迭代次数，计算每只麻雀的适应度，并根据适应度找到最佳和最差的麻雀；
根据所述发现者和所述跟随者的比例，确定所述发现者和所述跟随者的数量，并更新所述发现者位置、更新所述追随者位置和更新监视者位置，其中，所述监视者为预设数量的所述跟随者转换而成；
逐次迭代，计算每只麻雀的适应度值和麻雀种群的平均适应度值，并进行比较；
若麻雀的新生成位置优于原位置，则更新原位置，否者，保持麻雀原位置不变；
迭代次数达到最大迭代次数，输出麻雀的位置，形成所述第二约束。
9.一种数据处理系统，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～8中任一项所述的带电作业的机械臂六自由度冗余任务轨迹规划方法。
10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～8中任一项所述的带电作业的机械臂六自由度冗余任务轨迹规划方法。
CN202211379497.3A 2022-11-04 2022-11-04 一种带电作业的机械臂六自由度冗余任务轨迹规划方法 Pending CN116061173A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211379497.3A CN116061173A (zh) 2022-11-04 2022-11-04 一种带电作业的机械臂六自由度冗余任务轨迹规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211379497.3A CN116061173A (zh) 2022-11-04 2022-11-04 一种带电作业的机械臂六自由度冗余任务轨迹规划方法

Publications (1)

Publication Number Publication Date
CN116061173A true CN116061173A (zh) 2023-05-05

Family

ID=86170678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211379497.3A Pending CN116061173A (zh) 2022-11-04 2022-11-04 一种带电作业的机械臂六自由度冗余任务轨迹规划方法

Country Status (1)

Country Link
CN (1) CN116061173A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117226858A (zh) * 2023-11-16 2023-12-15 浩科机器人（苏州）有限公司 一种工业多轴机器人的协调控制方法及系统
CN117549315A (zh) * 2024-01-10 2024-02-13 邳州环航包装材料有限公司 一种包装机器人的路径生成方法及系统
US11941553B1 (en) * 2022-12-28 2024-03-26 Hefei University Of Technology Methods, electronic devices and storage media for ship route optimization

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11941553B1 (en) * 2022-12-28 2024-03-26 Hefei University Of Technology Methods, electronic devices and storage media for ship route optimization
CN117226858A (zh) * 2023-11-16 2023-12-15 浩科机器人（苏州）有限公司 一种工业多轴机器人的协调控制方法及系统
CN117226858B (zh) * 2023-11-16 2024-03-05 浩科机器人（苏州）有限公司 一种工业多轴机器人的协调控制方法及系统
CN117549315A (zh) * 2024-01-10 2024-02-13 邳州环航包装材料有限公司 一种包装机器人的路径生成方法及系统
CN117549315B (zh) * 2024-01-10 2024-03-26 邳州环航包装材料有限公司 一种包装机器人的路径生成方法及系统

Similar Documents

Publication Publication Date Title
CN116061173A (zh) 一种带电作业的机械臂六自由度冗余任务轨迹规划方法
Huang et al. Particle swarm optimization for solving the inverse kinematics of 7-DOF robotic manipulators
JP5261495B2 (ja) 重み行列を用いたリアルタイム自己衝突および障害物回避
CN105773620B (zh) 基于倍四元数的工业机器人自由曲线的轨迹规划控制方法
CN110653805B (zh) 笛卡尔空间下的七自由度冗余机械臂任务约束路径规划方法
CN108621165B (zh) 障碍环境下的工业机器人动力学性能最优轨迹规划方法
Gong et al. Analytical inverse kinematics and self-motion application for 7-DOF redundant manipulator
US8483874B2 (en) Path planning apparatus of robot and method and computer-readable medium thereof
CN109397271B (zh) 一种7自由度拟人机械臂及其控制方法和系统
WO2023024317A1 (zh) 一种机器人避障方法、装置和机器人
JP5156836B2 (ja) リアルタイム自己衝突および障害物回避
WO2007076119A2 (en) Reconstruction, retargetting, tracking, and estimation of pose of articulated systems
CN110682286A (zh) 一种协作机器人实时避障方法
Liu et al. Online time-optimal trajectory planning for robotic manipulators using adaptive elite genetic algorithm with singularity avoidance
CN106844951B (zh) 基于分段几何法求解超冗余机器人逆运动学的方法及系统
CN111761582A (zh) 一种基于随机采样的移动机械臂避障规划方法
CN112428274B (zh) 一种多自由度机器人的空间运动规划方法
CN113341706B (zh) 基于深度强化学习的人机协作流水线系统
Waltersson et al. Planning and control for cable-routing with dual-arm robot
CN113043286A (zh) 一种多自由度机械臂实时避障路径规划系统及方法
JP2012128585A (ja) 移動装置およびロボットならびにこれらの制御システム
CN117182932B (zh) 机械臂避障动作规划方法、装置和计算机设备
US20110264265A1 (en) Robot, control system, and recording medium for control program
Shao et al. Rrt-goalbias and path smoothing based motion planning of mobile manipulators with obstacle avoidance
CN116690557A (zh) 基于点云的仿人三维扫描运动控制方法及装置

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