CN116551684A - 面向航天器大型舱体构件加工的多机器人协同规划方法 - Google Patents
面向航天器大型舱体构件加工的多机器人协同规划方法 Download PDFInfo
- Publication number
- CN116551684A CN116551684A CN202310555238.XA CN202310555238A CN116551684A CN 116551684 A CN116551684 A CN 116551684A CN 202310555238 A CN202310555238 A CN 202310555238A CN 116551684 A CN116551684 A CN 116551684A
- Authority
- CN
- China
- Prior art keywords
- robot
- cabin
- pos
- station
- scheme
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003754 machining Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000006073 displacement reaction Methods 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 239000012636 effector Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims 1
- 230000002776 aggregation Effects 0.000 claims 1
- 239000002775 capsule Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research 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
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1682—Dual arm manipulator; Coordination of several manipulators
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
Abstract
本发明提供了面向航天器大型舱体构件加工的多机器人协同规划方法，包括：针对航天器大型舱体构件多机器人协同加工过程，首先规划舱体旋转变位次数与每次旋转的角度，其次规划多机器人站位布局与换站策略，最后在舱体位置和机器人站位固定不变情况下规划多机器人加工任务时序。本发明可以快速系统地对大型舱体构件加工过程进行规划，合理选择舱体旋转变位和机器人站位方案，提高机器人协同作业刚度；合理规划加工时序使得多机器人加工任务过程更加紧凑，可缩短机器人空闲时间，提高多机器人协同加工效率。
Description
技术领域
本发明涉及多机器人协同规划技术领域，具体涉及面向航天器大型舱体构件加工的多机器人协同规划方法。
背景技术
大型航天器舱体结构件具有尺寸大、刚性弱等特点，且待加工支架数量多，不均匀地分布在舱体外表面。目前，此类构件主要采用龙门式多轴数控机床进行加工，但数控机床存在尺寸大、制造成本高、加工对象单一、加工行程有限等问题，且在该种加工模式下支架需要反复拆装，影响了航天器大型结构件的加工精度和加工效率。针对上述制造问题，一种基于多机器人系统的原位制造模式应运而生，即舱体固定、机器人移动至不同位置对舱体进行加工，该种加工模式适应性强，可以加工尺寸跨度较大的零件，同时也避免了舱体支架的反复拆装，采用多机器人协同作业可以大幅提高大型航天器舱体构件产品的生产效率。
但由于舱体构件尺寸大，受机器人加工范围限制，在不改变舱体旋转角度的情况下机器人无法加工到舱体周向的所有支架，往往需要借助变位器对舱体旋转使得机器人能够覆盖到所有支架任务，而舱体旋转变位规划归结于为分区加工制造问题。文献“Ma J W,Lu X,Li G L,et al.Toolpath topology design based on vector field of toolfeeding direction in sub-regional processing for complex curved surface[J].Journal of Manufacturing Processes,2020,52:44-57.”将复杂曲面划分为子区域，根据曲面的几何特征或加工技术确定细分准则，从而实现不同子区域内可变工艺参数的加工。该方法主要面向于机床加工模式，且主要集中在对于形状确定、加工特征单一的大型部件局部区域的分区研究，对于具有待加工支架朝向与分布随舱体的旋转而发生改变特点的航天器舱体结构难以适用。而且对于航天器舱体结构件，其尺寸大、加工范围广，在加工时机器人往往需要改变站位，一是为了能够加工到所有任务；二是为了调整加工任务时的姿态，使得机器人团队加工任务的效率和质量得到提升。文献“Wei T,Dai J,Zhou W,etal.Process Planning and Control Technology on Multi-station Working Mode ofRobot Drilling and Riveting System with Auxiliary Axis[J].China MechanicalEngineering,2014,25(01):23-27.”提出了一种面向工业机器人的分站式规划策略，对机器人的转站机制进行了建模与优化。该方法充分考虑了单机器人的移动换站问题，但忽略了多机器人协同作业过程中的空间争用问题，无法直接应用于大型舱体构件多机器人协同加工这种存在作业空间争用的情形。任务分配的均衡性对多机器人团队的作业效率起到了至关重要的作用，文献“Wang Z,Gombolay M.Learning Scheduling Policies for Multi-Robot Coordination With Graph Attention Networks[J].IEEE Robotics andAutomation Letters,2020,5(3):4509-4516”针对该问题提出了一种基于网络的多机器人协调学习调度策略，该方法可对各种规模的机器人团队进行快速调度优化，并从多任务中找到高质量的解决方案，但此方法只适用于任务固定、加工信息不随时间改变的作业，无法处理舱外支架的朝向随舱体旋转而发生改变的复杂任务情况。
现有发明存在的不足之处：
1.针对大型舱体构件的加工制造需求，现有发明多采用数控机床加工模式，该模式存在制造成本高、加工行程受限等问题，且制造周期长，无法满足大型舱体构件的高效高精制造需求。
2.现有发明适用于具有单一特征且加工状态信息固定的加工对象，而对于加工设备为多台机器人、加工对象为大型弱刚性薄壁构件的双弱结构现有发明鲜有提及。
发明内容
发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供面向航天器大型舱体构件加工的多机器人协同规划方法，包括：
步骤1，导入航天器大型舱体三维数模，获取航天器舱体数据和舱体表面待加工支架数据，所述航天器舱体数据包含舱体长度l和舱体半径r；所述舱体表面待加工支架数据包含待加工支架的个数n和第i个待加工支架的位姿Ti＝{xi,yi,zi,ai,bi,ci}，i＝1,2,…,n，其中xi、yi,、zi为第i个待加工支架的空间位置坐标，ai、bi、ci分别为旋转角、俯仰角和偏转角，形成待加工支架任务矩阵T＝{T1,T2,…,Tn}；
步骤2，采用蒙特卡洛法求解机器人工作空间包络，以能够覆盖舱体长度l为约束确定多机器人作业系统单元组成，使多机器人系统能够加工舱体轴向方向的所有待加工支架；
步骤3，基于步骤1获取的航天器舱体数据和舱体表面待加工支架数据，以机器人运动灵巧性指标可操作度ω＝(det J(θ)J(θ)T)1/2为评价指标，确定多机器人系统的空间布局方案，使多机器人系统的运动灵活性最优，其中J(θ)为机器人的雅可比矩阵，det是计算矩阵行列式的函数，T是矩阵转置；
步骤4，设置舱体旋转角度步长α(单位：°)，确定舱体旋转位置数量k以及舱体旋转位置集合{R1,R2,…,Rk}，判断机器人对k个舱体旋转位置下支架位姿的可达性，得到在k个舱体旋转位置下的可加工任务集合{X1,X2,…,Xk}，Rk表示第k个舱体旋转位置，Xk表示第k个舱体旋转位置下的可加工任务集合，采用机器人笛卡尔空间刚度矩阵K＝J(θ)-TKθJ(θ)-1对机器人加工k个舱体旋转位置下的可加工任务集合{X1,X2,…,Xk}的加工性能进行评价，其中Kθ为机器人的关节刚度矩阵，得到k个舱体旋转位置下的机器人加工任务的刚度值{K1,K2,…,Kk}，Kk表示第k个舱体旋转位置下的机器人加工任务的刚度值；
步骤5，获得在所有舱体旋转位置下的总加工任务集合XR＝{X1∪X2∪…∪Xk}，采用遗传算法从舱体旋转位置集合{R1,R2,…,Rk}中筛选能够加工到总加工任务集合XR的所有舱体旋转变位组合方案{Rot1,Rot2,…,Rotn}，Rotn表示第n个舱体旋转变位组合方案，其中任意一个可加工到总加工任务集合XR的舱体旋转变位组合方案Roti＝{Ra,Rb,…,Rc}包括ki个舱体旋转角度，Ra、Rb、Rc分别代表舱体第a、b、c个旋转位置，其中a,b,c≤k且a,b,c∈N*，kmin≤ki≤k，kmin为舱体的最少旋转变位次数，采用舱体旋转变位性能评价函数Rot_fun＝(Ka+Kb+…+Kc)/ki，其中，Ka、Kb、Kc分别表示第a、b、c个舱体旋转位置下的机器人加工任务的刚度值，选取Rot_fun结果最优的方案Rot＝{Ra,Rb,…,Rc}为最终舱体旋转变位方案；
步骤6，在选定最优的方案Rot＝{Ra,Rb,…,Rc}的基础上，设定机器人沿舱体轴向方向的移动步长s，设定机器人可选择站位的数量j及机器人站位集合{P1,P2,…,Pj}，Pj表示第j个机器人站位，遍历所有机器人站位，判断机器人对j个机器人站位下支架位姿的可达性，得到在舱体旋转位置Ra下机器人站位{P1,P2,…,Pj}对应的可加工任务集合{X1 a,X2 a,…,Xj a}，并采用机器人笛卡尔空间刚度矩阵K＝J(θ)-TKθJ(θ)-1对机器人加工j个机器人站位下的可加工任务集合{X1 a,X2 a,…,Xj a}的加工性能进行评价，得到j个机器人站位下的机器人加工任务的刚度值{K1 a,K2 a,…,Kj a}，Kj a表示第j个机器人站位下的机器人加工任务的刚度值；
获得舱体旋转位置Rb、Rc下机器人站位{P1,P2,…,Pj}对应的可加工任务集合{X1 b,X2 b,…,Xj b}、{X1 c,X2 c,…,Xj c}，以及得到对应在j个机器人站位下的机器人加工任务的刚度值{K1 b,K2 b,…,Kj b}、{K1 c,K2 c,…,Kj c}；
步骤7，根据最优的方案Rot＝{Ra,Rb,…,Rc}，以及当前舱体旋转位置Ra下所有机器人站位{P1,P2,…,Pj}对应的总加工任务集合Xa＝{X1 a∪X2 a∪…∪Xj a}，筛选能够加工到当前舱体旋转位置Ra下的所有任务Xa的机器人站位组合方案{Pos1 a,Pos2 a,…,Posna a}，并得到对应机器人站位组合方案的刚度值{K1 a,K2 a,…,Kna a}，Posna a表示在舱体旋转位置Ra下的第na个机器人站位组合方案，Kna a表示在机器人站位组合方案Posna a下的机器人加工任务的刚度值，其中在舱体旋转位置Ra下任意一个机器人站位组合方案Posi a＝{Pd,Pe,…,Pf}包括m个机器人站位，Pd、Pe、Pf分别表示第d、e、f个机器人站位，d,e,f≤j且d,e,f∈N*；
获得舱体旋转位置Rb、Rc下机器人站位{P1,P2,…,Pj}对应的总加工任务集合Xb＝{X1 b∪X2 b∪…∪Xj b}、Xc＝{X1 c∪X2 c∪…∪Xj c}，筛选能够加工到当前舱体旋转位置Rb、Rc下的所有任务Xb、Xc的机器人站位组合方案{Pos1 b,Pos2 b,…,Posnb b}、{Pos1 c,Pos2 c,…,Posnc c}，并得到对应机器人站位组合方案的刚度值{K1 b,K2 b,…,Knb b}、{K1 c,K2 c,…,Knc c}，Posnb b表示在舱体旋转位置Rb下的第nb个机器人站位组合方案，Knc c表示在机器人站位组合方案Posnc c下的机器人加工任务的刚度值；
根据最优的方案Rot＝{Ra,Rb,…,Rc}，其中任意一个机器人站位方案Posi＝{Posg a,Posh b,…,Posl c}，g,h,l≤j且g,h,l∈N*，Posg a代表在舱体旋转位置Ra时采用机器人站位方案Posg a，Posh b代表在舱体旋转位置Rb时采用机器人站位方案Posh b，Posl c代表在舱体旋转位置Rc时采用机器人站位方案Posl c，计算机器人站位方案{Posg a,Posh b,…,Posl c}下的刚度值{Kg a,Kh b,…,Kl c}，采用机器人站位性能评价函数Pos_fun＝Kg a+Kh b+…+Kl c，选取Pos_fun结果最优的方案Pos＝{Posg a,Posh b,…,Posl c}为最终机器人站位方案；
步骤8，在最终机器人站位方案Pos＝{Posg a,Posh b,…,Posl c}的基础上，得到机器人ri的可加工任务集合Xri＝{Xri ag,Xri bh,…,Xri cl}，i＝1,2,…,m，Xri ag为机器人ri在舱体旋转位置Ra时采用机器人站位方案Posg a时的可加工任务集合，Xri bh为机器人ri在舱体旋转位置Rb时采用机器人站位方案Posh b时的可加工任务集合，Xri cl为机器人ri在舱体旋转位置Rc时采用机器人站位方案Posl c时的可加工任务集合，进而对各个机器人的加工任务进行任务分配；
步骤9，基于市场原理的任务拍卖算法对加工任务进行分配，得到机器人ri的任务分配结果Ari＝{Ari ag,Ari bh,…,Ari cl}，Ari ag为机器人ri在舱体旋转位置Ra、机器人站位方案Posg a下的加工任务分配结果，Ari bh为机器人ri在舱体旋转位置Rb、机器人站位方案Posh a下的加工任务分配结果，Ari cl为机器人ri在舱体旋转位置Rc、机器人站位方案Posl a下的加工任务分配结果，优化机器人加工任务的顺序，形成各个机器人的加工任务时序调度表，最终形成多机器人团队的加工调度方案。
进一步的，步骤1中，待加工支架的位姿会随舱体的旋转而发生改变，进而影响机器人对待加工支架的可达性。
进一步的，步骤2中，所述多机器人作业系统单元组成包括机器人型号、AGV型号、机器人数量m、末端执行器构造、刀具型号和规格，其中，航天器舱体的尺寸决定了机器人型号、AGV型号和机器人数量m，舱体表面待加工支架的工艺要求决定了末端执行器构造、刀具型号和规格。
进一步的，步骤3中，所述多机器人系统的空间布局方案包括机器人在舱体两侧的分布情况、机器人与舱体的相对位置关系；所述机器人在舱体两侧的分布情况影响机器人之间的相对位置关系，进而影响任务分配与任务时序调度环节；所述机器人与舱体的相对位置关系指机器人距舱体的轴线的水平距离以及舱体轴线距离地面的高度，机器人距离舱体的远近影响机器人的加工姿态，从而影响机器人的加工质量。
进一步的，步骤4中，舱体旋转位置数量k计算公式如下：
k＝360/α。
进一步的，步骤5中，舱体的最少旋转变位次数kmin是指在能够覆盖总加工任务集合XR中所有任务前提下的最少的舱体旋转变位次数。
进一步的，步骤6中，机器人可选择站位的数量j计算公式如下：
j＝2l/s
所述机器人可选择站位的数量j与舱体的长度l(单位：m)与机器人沿舱体轴向方向的移动步长s(单位：m)有关，存在j＝2l/s的等式关系，可选择站位的设置要保证各个站位之间的间隔距离，保障两个以上机器人同时加工过程的安全性。
进一步的，步骤8中，所述对各个机器人的加工任务进行任务分配是指去除“重叠任务”并将“唯一任务”分配给对应机器人；“重叠任务”指可被同侧机器人加工以及能够在不同舱体旋转角度下被加工的任务，“唯一任务”指只能在某一个舱体旋转角度下的某一个机器人站位下被加工的任务。将“唯一任务”分配给对应机器人，计算当前机器人工作量，然后依次将“重叠任务”分配给能加工此重叠任务且工作量最少的机器人，完成多机器人团队的任务分配过程。
进一步的，步骤9中，所述各个机器人的加工任务时序调度表是指各个机器人ri加工对应任务集合Ari＝{Ari ag,Ari bh,…,Ari cl}中任务的顺序；所述多机器人团队的加工调度方案是指形成以时间为轴，确定在不同时间节点下的舱体旋转角度、机器人加工站位以及在不同站位下的机器人加工任务列表和顺序。
本发明还提供了一种存储介质，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现所述面向航天器大型舱体构件加工的多机器人协同规划方法。
本发明还提供了面向航天器大型舱体构件加工的多机器人协同规划系统，包括航天器舱体旋转变位规划系统、多机器人移动换站规划系统、多机器人作业时序规划系统，航天器舱体旋转变位规划系统用于确定舱体的旋转次数以及每次旋转的角度，多机器人移动换站规划系统用于在确定舱体旋转方案下规划各个机器人的换站次数以及空间位置，多机器人作业时序规划系统用于在确定舱体变位方案和机器人换站方案下规划机器人加工任务的数量及顺序。
本发明有益效果在于：
1、本发明可快速系统的对面向大型构件的多机器人协同加工过程进行规划，包含舱体旋转变位规划、机器人移动换站规划以及加工时序规划，特别适用于大型部件多机器人协同作业领域，具有覆盖范围广、通用性强的特点。
2、本发明形成了面向加工过程的多机器人协同作业加工时序调度表，明确指出了机器人在不同时间点的加工任务，对多机器人系统的加工过程具有指导性意义，本发明能够显著提高多机器人系统的加工效率，特别适用于航空航天、船舶等重大工程领域的核心装备制造过程。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为本发明方法流程图。
图2为本发明的多机器人加工单元布局图。
图3为本发明舱体旋转变位规划系统的流程图。
图4为本发明机器人站位规划系统的流程图。
图5为本发明的机器人可选择站位设置示例图。
图6为本发明加工任务时序规划系统的流程图。
图7为本发明多机器人系统加工任务时序规划甘特图。
具体实施方式
如图1所示，本发明提供了面向航天器大型舱体构件加工的多机器人协同规划方法，包括：
步骤1：设置舱体尺寸为直径2.6m，长度6m，50个支架分布在舱体表面，将支架任务分别编号为1到50，所有的支架都为平面铣削任务，设定每个任务的加工时间均为1min。
步骤2：根据舱体尺寸选取4个型号为KUKA KR500-3MT的机器人作为加工主体，选取4个AGV移动小车作为搭载机器人的移动设备，根据支架的任务类型，选择末端执行器为铣削末端执行器，设定机器人末端的移动速度为1m/s，以上设备构成面向航天器大型舱体的多机器人作业系统。
步骤3：根据航天器舱体尺寸和支架任务分布情况，为了覆盖舱体轴线方向的所有任务，选择再舱体轴线方向两侧各布局两个机器人，规定各个机器人只能在舱体一侧进行转站移动，不允许机器人从舱体一侧转站至另一侧，多机器人加工单元布局以及舱体的旋转方向如图2所示。
步骤4：舱体旋转变位规划系统的流程如图3所示，首先设置舱体的旋转角度步长，并计算在此步长下的舱体旋转总次数，得到在所有舱体旋转角度下的可加工任务集合。以舱体初始位置为0°位置，选取舱体旋转变位的步长为α＝30°，在此步长下舱体的旋转变位次数n＝360/α＝12，得到在12个舱体旋转变位角度下的可加工任务集合如表1所示。
表1
步骤5：然后，基于获得以上12个舱体旋转位置下的总加工任务编号集合结果，筛选可以加工到所有任务的舱体旋转变位组合方式，得到可加工到所有任务的舱体旋转角度组合方式共有12组，以序号组合方式代表舱体的旋转角度组合分别为(1,3,11)，(1,9,11)，(2,4,6)，(2,4,12)，(3,5,7)，(3,6,12)，(3,7,11)，(4,6,8)，(4,8,12)，(5,7,9)，(7,9,11)，(8,10,12)。
进一步，设定舱体旋转方案评价指标，以舱体的旋转变位次数和可加工任务的数量为评价指标，舱体旋转变位次数越少、可加工任务的数量越多，则此种舱体旋转变位方案最优，利用遗传算法优化舱体旋转变位方案的选择过程，得到所有方案中的最优方案。
根据上述舱体旋转评价指标选择最优的舱体旋转变位组合序号为(4,6,8)，即舱体旋转角度组合方式为(90°,150°,210°)，在此种方案下舱体每次的旋转角度及在各个角度可以加工到的任务如表2所示。
表2
步骤6：机器人站位规划系统的流程图如图4所示，首先，在选定舱体旋转变位方案的基础上，设定机器人的可选择站位数量，确定机器人的站位布局，舱体长度为6m，以舱体的两个端面为起始点与终点，沿舱体轴线方向，步长为1.5m设置机器人的可选择加工站位，舱体每侧各设置5个站位，两侧共计10个可选择站位，分别标号为1到10，站位设置如图5所示，由于机器人布局为舱体轴线两侧各两个机器人，所以机器人选择站位时需要在站位1～5和站位6～10中分别选择两个不同的站位。在确定舱体旋转变位方案的情况下，得到机器人在不同机器人站位下的可加工任务集合如表3所示。
表3
步骤7：然后，基于预先选定的舱体旋转变位方案，得到可以加工到所有任务的机器人站位组合方案，可加工到所有任务的机器人站位组合方案为{(1,3,6,7)90，(2,4,8,9)150，(3,4,7,8)210}，{(1,3,6,8)90，(2,4,7,9)150，(2,4,7,8)210}，…，{(2,5,8,10)90，(3,5,7,8)150，(2,5,8,9)210}等，由于满足要求的机器人站位组合方案数量众多，此处只列举了个别机器人站位组合方案，以机器人站位组合方案{(1,3,6,7)90，(2,4,8,9)150，(3,4,7,8)210}为例，此种表述代表在舱体旋转90°的位置下，四个机器人的站位分别为站位1、站位3、站位6和站位7，在舱体旋转150°的位置下，四个机器人的站位分别为站位2、站位4、站位8和站位9，在舱体旋转210°的位置下，四个机器人的站位分别为站位3、站位4、站位7和站位8。
进一步，设定机器人站位方案评价指标，以机器人的换站次数、可加工任务的数量和机器人加工任务时的作业刚度为评价指标，机器人的换站次数越少、可加工任务的数量越多、机器人加工任务时的作业刚度值越大，则此种机器人站位选择方案最优，利用遗传算法优化机器人站位方案的选择过程，得到所有方案中的最优方案。
根据上述机器人站位方案评价指标选择机器人的站位组合方式为{(1,3,6,10)90，(1,4,6,9)150，(2,3,8,9)210}，即在舱体旋转90°的位置下，四个机器人的站位分别为站位1、站位3、站位6和站位10，在舱体旋转150°的位置下，四个机器人的站位分别为站位1、站位4、站位6和站位9，在舱体旋转210°的位置下，四个机器人的站位分别为站位2、站位3、站位8和站位9。在此种方案下舱体每次的旋转角度及在各个角度可以加工到的任务如表4所示。
表4
步骤8：加工任务时序规划系统的流程图如图6所示，首先，根据预先选定的舱体旋转变位方案和机器人站位方案得到各个机器人在对应站位下的可加工任务集合。然后，对各个机器人的加工任务进行任务分配，去除可被同侧机器人加工以及可以在不同舱体旋转角度下被加工的“重叠任务”，得到初始任务分配结果。初始任务分配涉及的任务类型为在固定舱体旋转方案和机器人站位方案下，只能在某一个舱体旋转角度下的某一个机器人站位下被加工的任务，该任务类型被定义为“唯一任务”，唯一任务无法再在其他舱体旋转位置下被加工，初始任务分配结果如表5所示，表中包含的任务均为“唯一任务”。
表5
本加工方案下的“重叠任务”分布情况如表6所示，表示为在该舱体旋转角度的该机器人站位下此任务可以被加工。
表6
进一步，计算获得初始任务后各个机器人的工作量，任务再分配过程依次将“重叠任务”分配给能加工此任务且工作量最少的机器人，得到最终的任务分配结果如表7所示。
表7
步骤9：最后，根据各个机器人的任务分配结果，优化机器人在各个舱体旋转角度和站位下的加工任务顺序，找到一个最短的加工任务排序使得完成所有任务时机器人末端移动的距离最短，使得多机器人系统的加工时间最短，进而形成各个机器人的加工任务时序调度表，最终形成多机器人团队的加工调度方案。
多机器人团队的加工调度方案是指形成以时间为轴，确定在不同时间节点下的舱体旋转角度、机器人加工站位以及在不同站位下的机器人加工任务列表和顺序，多机器人系统的加工任务时序规划甘特图如图7所示，其中表格中填写的数字为任务的标号，以序号1为例，代表任务1在舱体旋转90°情况下，由机器人1位于加工位置1下在0～1分钟进行加工。根据加工任务时序规划甘特图可清晰地观察到多机器人系统不同时间点下的加工状态和多机器人系统的任务完成时间，此种面向大型舱体构件加工的多机器人协同任务规划系统与方法可以为多机器人的加工过程提供科学指导。
具体实现中，本申请提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的面向航天器大型舱体构件加工的多机器人协同规划方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，ROM)或随机存储记忆体(random access memory，RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机，服务器，单片机。MUU或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明提供了面向航天器大型舱体构件加工的多机器人协同规划方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.面向航天器大型舱体构件加工的多机器人协同规划方法，其特征在于，包括以下步骤：
步骤1，导入航天器大型舱体三维数模，获取航天器舱体数据和舱体表面待加工支架数据，所述航天器舱体数据包含舱体长度l和舱体半径r；所述舱体表面待加工支架数据包含待加工支架的个数n和第i个待加工支架的位姿Ti＝{xi,yi,zi,ai,bi,ci}，i＝1,2,…,n，其中xi、yi,、zi为第i个待加工支架的空间位置坐标，ai、bi、ci分别为旋转角、俯仰角和偏转角，形成待加工支架任务矩阵T＝{T1,T2,…,Tn}；
步骤2，采用蒙特卡洛法求解机器人工作空间包络，以能够覆盖舱体长度l为约束确定多机器人作业系统单元组成，使多机器人系统能够加工舱体轴向方向的所有待加工支架；
步骤3，基于步骤1获取的航天器舱体数据和舱体表面待加工支架数据，以机器人运动灵巧性指标可操作度ω＝(det J(θ)J(θ)T)1/2为评价指标，确定多机器人系统的空间布局方案，使多机器人系统的运动灵活性最优，其中J(θ)为机器人的雅可比矩阵，det是计算矩阵行列式的函数，T是矩阵转置；
步骤4，设置舱体旋转角度步长α，确定舱体旋转位置数量k以及舱体旋转位置集合{R1,R2,…,Rk}，判断机器人对k个舱体旋转位置下支架位姿的可达性，得到在k个舱体旋转位置下的可加工任务集合{X1,X2,…,Xk}，Rk表示第k个舱体旋转位置，Xk表示第k个舱体旋转位置下的可加工任务集合，采用机器人笛卡尔空间刚度矩阵K＝J(θ)-TKθJ(θ)-1对机器人加工k个舱体旋转位置下的可加工任务集合{X1,X2,…,Xk}的加工性能进行评价，其中Kθ为机器人的关节刚度矩阵，得到k个舱体旋转位置下的机器人加工任务的刚度值{K1,K2,…,Kk}，Kk表示第k个舱体旋转位置下的机器人加工任务的刚度值；
步骤5，获得在所有舱体旋转位置下的总加工任务集合XR＝{X1∪X2∪…∪Xk}，采用遗传算法从舱体旋转位置集合{R1,R2,…,Rk}中筛选能够加工到总加工任务集合XR的所有舱体旋转变位组合方案{Rot1,Rot2,…,Rotn}，Rotn表示第n个舱体旋转变位组合方案，其中任意一个可加工到总加工任务集合XR的舱体旋转变位组合方案Roti＝{Ra,Rb,…,Rc}包括ki个舱体旋转角度，Ra、Rb、Rc分别代表舱体第a、b、c个旋转位置，其中a,b,c≤k且a,b,c∈N*，kmin≤ki≤k，kmin为舱体的最少旋转变位次数，采用舱体旋转变位性能评价函数Rot_fun＝(Ka+Kb+…+Kc)/ki，其中，Ka、Kb、Kc分别表示第a、b、c个舱体旋转位置下的机器人加工任务的刚度值，选取Rot_fun结果最优的方案Rot＝{Ra,Rb,…,Rc}为最终舱体旋转变位方案；
步骤6，在选定最优的方案Rot＝{Ra,Rb,…,Rc}的基础上，设定机器人沿舱体轴向方向的移动步长s，设定机器人可选择站位的数量j及机器人站位集合{P1,P2,…,Pj}，Pj表示第j个机器人站位，遍历所有机器人站位，判断机器人对j个机器人站位下支架位姿的可达性，得到在舱体旋转位置Ra下机器人站位{P1,P2,…,Pj}对应的可加工任务集合{X1 a,X2 a,…,Xj a}，并采用机器人笛卡尔空间刚度矩阵K＝J(θ)-TKθJ(θ)-1对机器人加工j个机器人站位下的可加工任务集合{X1 a,X2 a,…,Xj a}的加工性能进行评价，得到j个机器人站位下的机器人加工任务的刚度值{K1 a,K2 a,…,Kj a}，Kj a表示第j个机器人站位下的机器人加工任务的刚度值；
获得舱体旋转位置Rb、Rc下机器人站位{P1,P2,…,Pj}对应的可加工任务集合{X1 b,X2 b,…,Xj b}、{X1 c,X2 c,…,Xj c}，以及得到对应在j个机器人站位下的机器人加工任务的刚度值{K1 b,K2 b,…,Kj b}、{K1 c,K2 c,…,Kj c}；
步骤7，根据最优的方案Rot＝{Ra,Rb,…,Rc}，以及当前舱体旋转位置Ra下所有机器人站位{P1,P2,…,Pj}对应的总加工任务集合Xa＝{X1 a∪X2 a∪…∪Xj a}，筛选能够加工到当前舱体旋转位置Ra下的所有任务Xa的机器人站位组合方案{Pos1 a,Pos2 a,…,Posna a}，并得到对应机器人站位组合方案的刚度值{K1 a,K2 a,…,Kna a}，Posna a表示在舱体旋转位置Ra下的第na个机器人站位组合方案，Kna a表示在机器人站位组合方案Posna a下的机器人加工任务的刚度值，其中在舱体旋转位置Ra下任意一个机器人站位组合方案Posi a＝{Pd,Pe,…,Pf}包括m个机器人站位，Pd、Pe、Pf分别表示第d、e、f个机器人站位，d,e,f≤j且d,e,f∈N*；
获得舱体旋转位置Rb、Rc下机器人站位{P1,P2,…,Pj}对应的总加工任务集合Xb＝{X1 b∪X2 b∪…∪Xj b}、Xc＝{X1 c∪X2 c∪…∪Xj c}，筛选能够加工到当前舱体旋转位置Rb、Rc下的所有任务Xb、Xc的机器人站位组合方案{Pos1 b,Pos2 b,…,Posnb b}、{Pos1 c,Pos2 c,…,Posnc c}，并得到对应机器人站位组合方案的刚度值{K1 b,K2 b,…,Knb b}、{K1 c,K2 c,…,Knc c}，Posnb b表示在舱体旋转位置Rb下的第nb个机器人站位组合方案，Knc c表示在机器人站位组合方案Posnc c下的机器人加工任务的刚度值；
根据最优的方案Rot＝{Ra,Rb,…,Rc}，其中任意一个机器人站位方案Posi＝{Posg a,Posh b,…,Posl c}，g,h,l≤j且g,h,l∈N*，Posg a代表在舱体旋转位置Ra时采用机器人站位方案Posg a，Posh b代表在舱体旋转位置Rb时采用机器人站位方案Posh b，Posl c代表在舱体旋转位置Rc时采用机器人站位方案Posl c，计算机器人站位方案{Posg a,Posh b,…,Posl c}下的刚度值{Kg a,Kh b,…,Kl c}，采用机器人站位性能评价函数Pos_fun＝Kg a+Kh b+…+Kl c，选取Pos_fun结果最优的方案Pos＝{Posg a,Posh b,…,Posl c}为最终机器人站位方案；
步骤8，在最终机器人站位方案Pos＝{Posg a,Posh b,…,Posl c}的基础上，得到机器人ri的可加工任务集合Xri＝{Xri ag,Xri bh,…,Xri cl}，i＝1,2,…,m，Xri ag为机器人ri在舱体旋转位置Ra时采用机器人站位方案Posg a时的可加工任务集合，Xri bh为机器人ri在舱体旋转位置Rb时采用机器人站位方案Posh b时的可加工任务集合，Xri cl为机器人ri在舱体旋转位置Rc时采用机器人站位方案Posl c时的可加工任务集合，进而对各个机器人的加工任务进行任务分配；
步骤9，对加工任务进行分配，得到机器人ri的任务分配结果Ari＝{Ari ag,Ari bh,…,Ari cl}，Ari ag为机器人ri在舱体旋转位置Ra、机器人站位方案Posg a下的加工任务分配结果，Ari bh为机器人ri在舱体旋转位置Rb、机器人站位方案Posh a下的加工任务分配结果，Ari cl为机器人ri在舱体旋转位置Rc、机器人站位方案Posl a下的加工任务分配结果，优化机器人加工任务的顺序，形成各个机器人的加工任务时序调度表，最终形成多机器人团队的加工调度方案。
2.根据权利要求1所述的方法，其特征在于，步骤1中，待加工支架的位姿会随舱体的旋转而发生改变。
3.根据权利要求2所述的方法，其特征在于，步骤2中，所述多机器人作业系统单元组成包括机器人型号、AGV型号、机器人数量m、末端执行器构造、刀具型号和规格，其中，航天器舱体的尺寸决定了机器人型号、AGV型号和机器人数量m，舱体表面待加工支架的工艺要求决定了末端执行器构造、刀具型号和规格。
4.根据权利要求3所述的方法，其特征在于，步骤3中，所述多机器人系统的空间布局方案包括机器人在舱体两侧的分布情况、机器人与舱体的相对位置关系；所述机器人在舱体两侧的分布情况影响机器人之间的相对位置关系，进而影响任务分配与任务时序调度环节；所述机器人与舱体的相对位置关系指机器人距舱体的轴线的水平距离以及舱体轴线距离地面的高度，机器人距离舱体的远近影响机器人的加工姿态，从而影响机器人的加工质量。
5.根据权利要求4所述的方法，其特征在于，步骤4中，舱体旋转位置数量k计算公式如下：
k＝360/α。
6.根据权利要求5所述的方法，其特征在于，步骤5中，舱体的最少旋转变位次数kmin是指在能够覆盖总加工任务集合XR中所有任务前提下的最少的舱体旋转变位次数。
7.根据权利要求6所述的方法，其特征在于，步骤6中，机器人可选择站位的数量j计算公式如下：
j＝2l/s。
8.根据权利要求7所述的方法，其特征在于，步骤8中，所述对各个机器人的加工任务进行任务分配是指去除重叠任务并将唯一任务分配给对应机器人；重叠任务指可被同侧机器人加工以及能够在不同舱体旋转角度下被加工的任务，唯一任务指只能在一个舱体旋转角度下的一个机器人站位下被加工的任务；将唯一任务分配给对应机器人，计算当前机器人工作量，然后依次将重叠任务分配给能加工重叠任务且工作量最少的机器人，完成多机器人团队的任务分配过程。
9.根据权利要求8所述的方法，其特征在于，步骤9中，所述各个机器人的加工任务时序调度表是指各个机器人ri加工对应任务集合Ari＝{Ari ag,Ari bh,…,Ari cl}中任务的顺序；所述多机器人团队的加工调度方案是指形成以时间为轴，确定在不同时间节点下的舱体旋转角度、机器人加工站位以及在不同站位下的机器人加工任务列表和顺序。
10.一种存储介质，其特征在于，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现如权利要求1至9中任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310555238.XA CN116551684B (zh) | 2023-05-17 | 2023-05-17 | 面向航天器大型舱体构件加工的多机器人协同规划方法 |
| PCT/CN2023/109023 WO2024060822A1 (zh) | 2023-05-17 | 2023-07-25 | 面向航天器大型舱体构件加工的多机器人协同规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310555238.XA CN116551684B (zh) | 2023-05-17 | 2023-05-17 | 面向航天器大型舱体构件加工的多机器人协同规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116551684A true CN116551684A (zh) | 2023-08-08 |
| CN116551684B CN116551684B (zh) | 2024-05-24 |
Family
ID=87497913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310555238.XA Active CN116551684B (zh) | 2023-05-17 | 2023-05-17 | 面向航天器大型舱体构件加工的多机器人协同规划方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN116551684B (zh) |
| WO (1) | WO2024060822A1 (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012196715A (ja) * | 2011-03-18 | 2012-10-18 | Denso Wave Inc | ロボットの制御方法およびロボットの制御装置 |
| JP2012196719A (ja) * | 2011-03-18 | 2012-10-18 | Denso Wave Inc | ロボットの制御方法およびロボットの制御装置 |
| CN105034008A (zh) * | 2015-09-15 | 2015-11-11 | 南京航空航天大学 | 双机器人协同自动装配的智能化柔性生产线及其运行方法 |
| KR20160070467A (ko) * | 2014-12-10 | 2016-06-20 | 재단법인대구경북과학기술원 | 장애물 회피를 위한 멀티로봇 시스템 및 장애물 회피를 위한 스위칭 대형 전략을 이용하는 방법 |
| CN112207815A (zh) * | 2020-08-21 | 2021-01-12 | 北京卫星制造厂有限公司 | 一种多机多工序时空协同规划方法和系统 |
| CN113276112A (zh) * | 2021-04-30 | 2021-08-20 | 北京卫星制造厂有限公司 | 一种基于移动式双机器人的弱刚性构件加工工艺规划方法 |
| US20220161417A1 (en) * | 2019-03-19 | 2022-05-26 | Karakuri Ltd. | A configurable robotic processing system |
| CN114925988A (zh) * | 2022-04-29 | 2022-08-19 | 南京航空航天大学 | 加工任务驱动的多机器人协同规划方法 |
| CN115576332A (zh) * | 2022-12-07 | 2023-01-06 | 广东省科学院智能制造研究所 | 一种任务级多机器人协同运动规划系统与方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109849019B (zh) * | 2019-04-04 | 2021-02-05 | 北京卫星制造厂有限公司 | 一种回转类结构件的多机器人加工方法 |
| WO2022094746A1 (zh) * | 2020-11-03 | 2022-05-12 | 北京洛必德科技有限公司 | 一种多机器人多任务协同工作方法与服务器 |
| CN114669916B (zh) * | 2022-03-18 | 2023-05-26 | 西南交通大学 | 一种基于改进遗传算法的双机器人协同焊接任务规划方法 |
| CN115122338B (zh) * | 2022-08-15 | 2024-05-31 | 西南交通大学 | 一种基于多目标优化的多机器人协作弧焊任务规划方法 |
-
2023
- 2023-05-17 CN CN202310555238.XA patent/CN116551684B/zh active Active
- 2023-07-25 WO PCT/CN2023/109023 patent/WO2024060822A1/zh active Application Filing
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012196715A (ja) * | 2011-03-18 | 2012-10-18 | Denso Wave Inc | ロボットの制御方法およびロボットの制御装置 |
| JP2012196719A (ja) * | 2011-03-18 | 2012-10-18 | Denso Wave Inc | ロボットの制御方法およびロボットの制御装置 |
| KR20160070467A (ko) * | 2014-12-10 | 2016-06-20 | 재단법인대구경북과학기술원 | 장애물 회피를 위한 멀티로봇 시스템 및 장애물 회피를 위한 스위칭 대형 전략을 이용하는 방법 |
| CN105034008A (zh) * | 2015-09-15 | 2015-11-11 | 南京航空航天大学 | 双机器人协同自动装配的智能化柔性生产线及其运行方法 |
| US20220161417A1 (en) * | 2019-03-19 | 2022-05-26 | Karakuri Ltd. | A configurable robotic processing system |
| CN112207815A (zh) * | 2020-08-21 | 2021-01-12 | 北京卫星制造厂有限公司 | 一种多机多工序时空协同规划方法和系统 |
| WO2022037410A1 (zh) * | 2020-08-21 | 2022-02-24 | 北京卫星制造厂有限公司 | 一种多机多工序时空协同规划方法和系统 |
| CN113276112A (zh) * | 2021-04-30 | 2021-08-20 | 北京卫星制造厂有限公司 | 一种基于移动式双机器人的弱刚性构件加工工艺规划方法 |
| CN114925988A (zh) * | 2022-04-29 | 2022-08-19 | 南京航空航天大学 | 加工任务驱动的多机器人协同规划方法 |
| CN115576332A (zh) * | 2022-12-07 | 2023-01-06 | 广东省科学院智能制造研究所 | 一种任务级多机器人协同运动规划系统与方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘少睿，田 威＋，沈建新，李波，胡俊山: "多机器人协同制造系统时序约束任务调度优化方法", 计算机集成制造系统, vol. 28, no. 12, 17 December 2022 (2022-12-17), pages 3900 - 3910 * |
| 张锐;李波;: "无人机系统可靠性分配方法", 南京航空航天大学学报, no. 1, 15 December 2009 (2009-12-15), pages 106 - 108 * |
| 田威;焦嘉琛;李波;崔光裕;: "航空航天制造机器人高精度作业装备与技术综述", 南京航空航天大学学报, no. 03, 15 June 2020 (2020-06-15), pages 341 - 350 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116551684B (zh) | 2024-05-24 |
| WO2024060822A1 (zh) | 2024-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101859126B (zh) | 五坐标数控加工刀具路径转换方法 | |
| JP4763614B2 (ja) | タスクを実行するロボットに対するタスクのロケイションを最適化するための方法及びシステム | |
| CN101825884B (zh) | 用五轴四联动的数控系统实现五轴五联动轨迹控制的方法 | |
| Nitzan et al. | Programmable industrial automation | |
| Wang et al. | Optimal trajectory planning of grinding robot based on improved whale optimization algorithm | |
| Wenna et al. | A digital twin for 3D path planning of large-span curved-arm gantry robot | |
| CN108515518B (zh) | 柔性支撑工业机器人的一种工作空间求解方法 | |
| JP4644490B2 (ja) | ツール運動の直接制御のために複雑なｎ曲線を描写するためのシステムおよび方法 | |
| Harib et al. | A hexapod-based machine tool with hybrid structure: kinematic analysis and trajectory planning | |
| CN109375579A (zh) | 一种基于运动学的五轴数控加工刀具姿态规划方法 | |
| JP2016002627A (ja) | 加工軌道生成装置と方法 | |
| Bhatt et al. | Optimizing multi-robot placements for wire arc additive manufacturing | |
| 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 | |
| Veeramani et al. | Artificial intelligence planners for multi-head path planning of SwarmItFIX agents | |
| Liu et al. | Workspace Analysis of Delta Robot Based on Forward Kinematics Solution | |
| CN110515346A (zh) | 一种工业机器人铣削复杂曲面无过切刀具路径插补方法 | |
| JP2016002628A (ja) | 加工軌道生成装置と方法 | |
| Shinde et al. | Minimizing cycle time and energy consumption for a multi-degree serial manipulator using teaching–learning-based optimization | |
| Haghighi et al. | Energy efficient multi-robotic 3D printing for large-scale construction–framework, challenges, and a systematic approach | |
| CN104898471A (zh) | 机器人的控制系统以及控制方法 | |
| CN109839892B (zh) | 一种五轴数控机床后置处理转角选解优化方法 | |
| KR100774077B1 (ko) | 다관절 로봇 및 그 제어 장치 | |
| Sagar et al. | Path planning of a material handling agent with novel locomotion | |
| 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 | |
| Kuang et al. | Inverse kinematics analysis of rock drilling manipulator based on improved SA-PSO |
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 |