CN117340890A - 一种机器人运动轨迹控制方法 - Google Patents
一种机器人运动轨迹控制方法 Download PDFInfo
- Publication number
- CN117340890A CN117340890A CN202311562587.0A CN202311562587A CN117340890A CN 117340890 A CN117340890 A CN 117340890A CN 202311562587 A CN202311562587 A CN 202311562587A CN 117340890 A CN117340890 A CN 117340890A
- Authority
- CN
- China
- Prior art keywords
- robot
- path
- collision
- robots
- environment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000033001 locomotion Effects 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims 1
- 230000007246 mechanism Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000013598 vector Substances 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- 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)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人运动轨迹控制方法,包括:步骤1:对工作环境进行三维建模;步骤2:为每个机器人生成可行的轨迹,以确保可以协同工作而不发生碰撞;步骤3:将每个机器人的路径转化为轨迹,以便实际控制机器人的运动;步骤4:控制机器人按照生成的轨迹移动;步骤5:在每个时刻,需要进行碰撞检测,以确保多轴机器人之间不会发生碰撞;步骤6:实时环境中执行轨迹控制,不断监测机器人的状态和环境变化,并根据需要对机器人的轨迹和控制进行调整,以应对不断变化的工作环境。本方法充分考虑多轴机器人之间的碰撞和协调问题,通过实时的碰撞检测和避免机制,确保机器人在协同工作时不会发生碰撞,从而提高了工作效率和安全性。
Description
技术领域
本发明涉及机器人运动技术领域,特别涉及一种机器人运动轨迹控制方法。
背景技术
机器人运动轨迹控制是指对机器人执行器(例如关节或轮子)的运动进行精确控制,以使机器人能够按照预定的轨迹或路径执行任务。这种控制通常需要考虑机器人的动力学、运动规划、传感器反馈等多个因素,以确保机器人能够安全、高效地完成任务。机器人运动轨迹控制领域目前面临一些比较前沿的技术问题和挑战,这些挑战涉及到提高控制的精确性、适应性和鲁棒性,以应对复杂和多样的应用场景,例如:在工业生产中,多轴机器人协同工作的需求越来越普遍,解决多轴机器人之间的碰撞和协调问题,以实现高效的协同控制,是一个重要挑战。
发明内容
为了解决以上问题,本发明提供了一种机器人运动轨迹控制方法。
为实现上述目的,本发明所采用的技术方案如下:
一种机器人运动轨迹控制方法,包括如下步骤:
步骤1:对工作环境进行三维建模,包括所有参与协同工作的多轴机器人、工件、障碍物和工作空间的边界;
步骤2:为每个机器人生成可行的轨迹,以确保可以协同工作而不发生碰撞;
步骤3:将每个机器人的路径转化为轨迹,以便实际控制机器人的运动;
步骤4:控制机器人按照生成的轨迹移动;
步骤5:在每个时刻,需要进行碰撞检测,以确保多轴机器人之间不会发生碰撞;
步骤6:实时环境中执行轨迹控制,不断监测机器人的状态和环境变化,并根据需要对机器人的轨迹和控制进行调整,以应对不断变化的工作环境。
进一步的:所述步骤1包括:
使用传感器获取环境的三维数据点;
对从传感器获取的数据进行预处理,以确保数据的准确性和一致性;
将预处理后的数据表示为一个三维点云,其中每个点包含三维坐标(x,y,z);
根据点云数据,定义工作空间W的边界和限制,以确保多轴机器人在这个环境中能够协同工作,工作空间W的边界和限制,使用以下公式表示:
W=((x,y,z)|xmin≤x≤xmax,ymin≤y≤ymax,zmin≤z≤zmax)
其中:(x,y,z)表示三维坐标点,xmin、xmax、ymin、ymax、zmin、zmax分别表示工作空间的最小和最大边界坐标。
进一步的:所述步骤2包括:
随机选择一个初始位置qinit在工作空间W内,并将其作为RRT树的根节点,初始化一个空的RRT树,将qinit添加为树的唯一节点。
在每次迭代中,随机选择一个目标点qrand在工作空间WW内,然后,从RRT树中找到最近的节点qnearest,即使得qnearest到qrand的距离最小;
计算从qnearest到qrand的连接,并确保这条连接是可行的;
如果连接是可行的,将qrand添加到RRT树中,作为新的节点,并以qnearest为父节点,从而扩展树;
连接表示为以下公式:
qnew=Steer(qnearest,qrand)
其中Steer是函数,用于计算从qnearest到qrand的有效路径;
重复上述步骤,直到达到终止条件;
一旦RRT树达到终止条件,从初始位置qinit到目标位置qgoal提取路径;
通过回溯RRT树,qgoal向树根qinit倒退,并收集连接节点的路径。
进一步的:所述步骤3包括:
将从得到的路径分为若干个线性段,线性段为两个节点之间的直线路径;
对于每个线性路径段,使用三次样条插值来生成平滑的轨迹;
三次样条插值表示为三次多项式函数,每个线性段有一个对应的三次多项式,三次多项式的一般形式如下:
P(t)=a+bt+ct2+dt3
其中,P(t)是路径上的位置,t是时间或参数,而a,b,c,和d是待定系数;
使用计算出的插值系数,在每个线性段上生成轨迹点,从而得到平滑的轨迹。
进一步的:所述步骤4包括:
在每个时刻,根据当前轨迹的时间参数,确定机器人在路径上的目标位置qtarget;
计算当前位置qcurrent与目标位置qtarget之间的误差,表示为e(t):
e(t)=qcurrent-qtarget
使用PID控制算法来计算控制输入u(t),PID控制器的公式如下:
其中:u(t)是控制输入,Kp是比例增益,用于根据当前误差来调整控制输入;Ki是积分增益,用于根据误差的积分来消除系统的稳态误差;Kd是微分增益,用于根据误差变化率来改善系统的响应速度;
将计算出的控制输入u(t)应用于机器人的执行器,以调整机器人的位置或速度,使其接近目标位置;
重复上述步骤,直到机器人到达路径的终点。
进一步的:所述步骤5包括:
在每个时刻,对机器人之间的碰撞进行检测;
对于两个机器人i和j之间的碰撞检测,使用距离阈值来检测是否存在碰撞,如果机器人之间的距离小于阈值dthreshold,则认为存在碰撞:
dij(t)=||qi(t)-qj(t)||
其中:dij(t)是机器人ii和jj之间的距离,qi(t)和qj(t)分别是机器人i和j在时刻t的位置。
进一步的:所述步骤6包括:
持续监测机器人的状态和环境的变化;
根据监测到的数据,不断更新机器人的状态信息,包括位置、速度、姿态和周围环境的信息;
持续进行碰撞检测,以确保机器人之间不会发生碰撞;
根据实时环境变化和机器人状态的更新;
根据环境和机器人状态的变化,对控制输入进行调整,以适应新的情况;
循环执行上述步骤,以确保机器人能够适应不断变化的工作环境。
本发明与现有技术相比,所取得的技术进步在于:
本方法充分考虑多轴机器人之间的碰撞和协调问题,通过实时的碰撞检测和避免机制,确保机器人在协同工作时不会发生碰撞,从而提高了工作效率和安全性。
本方法中包括实时控制与调整步骤,允许机器人根据实时环境变化动态调整轨迹和控制输入,这增加了系统的适应性和鲁棒性,使机器人能够应对不断变化的工作环境,通过三维空间建模,方法考虑了工作空间内的多轴机器人、工件和障碍物的准确表示,从而更准确地规划轨迹,避免碰撞,并确保高效的协同控制。
本方法采用三次样条插值来生成平滑的轨迹,以确保机器人在关节空间上的运动是可行的,有助于提高轨迹的可执行性和机器人的运动质量,使用PID控制器来实现轨迹跟踪,使机器人能够准确地遵循生成的轨迹,PID控制器具有广泛的应用和成熟的理论基础。
本方法综合考虑了路径规划、轨迹生成、控制、碰撞检测和避免以及实时调整等多个关键步骤,提供了一个全面的解决方案,以应对多轴机器人协同控制的各种挑战,在解决多轴机器人协同控制问题方面具有高度的综合性和适应性,可以提高生产效率,降低碰撞风险,适应复杂和动态的工作环境,是一个有前景的解决方案。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
在附图中:
图1为本发明的流程图。
具体实施方式
下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
如图1所示的,本发明公开了一种机器人运动轨迹控制方法,包括如下步骤:
步骤1:三维空间建模
在这个步骤中,对工作环境进行三维建模,包括所有参与协同工作的多轴机器人、工件、障碍物和工作空间的边界。这可以使用激光扫描仪、摄像头和其他传感器来获取环境地图。
步骤2:路径规划
在这个步骤中,使用路径规划算法为每个机器人生成可行的轨迹,以确保它们可以协同工作而不发生碰撞。
步骤3:协同轨迹生成
在这个步骤中,将每个机器人的路径转化为轨迹,以便实际控制机器人的运动。可以使用插值方法,如三次样条插值,将路径转化为平滑的轨迹。
步骤4:轨迹控制
在这个步骤中,使用控制算法来控制机器人的运动,以按照生成的轨迹移动,以确保机器人按照预定轨迹运动。
步骤5:碰撞检测和避免
在每个时刻,进行碰撞检测,以确保多轴机器人之间不会发生碰撞,如果检测到潜在碰撞,需要采取措施来避免碰撞,如调整机器人的轨迹或速度。
步骤6:实时控制与调整
最后,在实时环境中执行轨迹控制,不断监测机器人的状态和环境变化,并根据需要对机器人的轨迹和控制进行调整,以应对不断变化的工作环境。
本方法可以在工业自动化中,尤其是在多轴机器人协同工作的情况下,提供高效的轨迹控制,在步骤5中的碰撞检测和避免机制可以确保机器人之间不会发生碰撞,从而提高了工作效率和安全性,此外,实时控制和调整使机器人能够在复杂和动态的工作环境中执行任务。
具体的,步骤1包括:
在步骤1中,三维空间建模是通过获取环境的传感器数据,并将其表示为一个三维坐标系的点云来实现的,以下是步骤1的具体实现:
使用激光扫描仪、摄像头或其他合适的传感器获取环境的三维数据点;
对从传感器获取的数据进行预处理,包括去噪、点云配准和坐标转换等,以确保数据的准确性和一致性;
将预处理后的数据表示为一个三维点云,其中每个点包含三维坐标(x,y,z)和可能的附加信息,如颜色或法向量;
根据点云数据,定义工作空间W的边界和限制,以确保多轴机器人在这个环境中能够协同工作,边界通常用几何体表示,如立方体或多边形;
使用数学公式来表示工作空间W的边界和限制,例如,对于一个立方体边界,可以使用以下公式表示:
W=((x,y,z)|xmin≤x≤xmax,ymin≤y≤ymax,zmin≤z≤zmax)
其中:(x,y,z)表示三维坐标点,xmin、xmax、ymin、ymax、zmin、zmax分别表示工作空间的最小和最大边界坐标。
这个公式表示了工作空间W的边界,定义了多轴机器人协同工作的有效区域,建模后,此三维表示将用于后续路径规划和碰撞检测步骤,以确保机器人在工作环境中的安全和高效运动。
具体的,步骤2包括:
在步骤2中,使用Rapidly-exploring Random Trees(RRT)路径规划算法来生成机器人的路径,以确保它们可以协同工作而不发生碰撞,以下是具体实现步骤:
初始化RRT:
首先,随机选择一个初始位置qinit在工作空间W内,并将其作为RRT树的根节点,初始化一个空的RRT树,将qinit添加为树的唯一节点。
循环:
在每次迭代中,随机选择一个目标点在工作空间W内,然后,从RRT树中找到最近的节点qnearest,即使得qnearest到qrand的距离最小。
扩展树:
计算从qnearest到qrand的连接的连接,并确保这条连接是可行的,即不会与障碍物碰撞,如果连接是可行的,将qrand添加到RRT树中,作为新的节点,并以qnearest为父节点,从而扩展树,这个连接表示为以下公式:
qnew=Steer(qnearest,qrand)
其中Steer一个是函数,用于计算从qnearest到qrand的有效路径。
检查终止条件:
不断重复上述步骤,直到达到某个终止条件,可以是达到一定的树节点数、达到预定时间限制或其他条件。
路径提取:
一旦RRT树达到终止条件,可以从初始位置qinit到目标位置qgoal提取路径,可以通过回溯RRT树,从qgoal向树根qinit倒退,并收集连接节点的路径。
通过这个步骤,使用RRT路径规划算法成功生成了多轴机器人的路径,以确保它们可以在工作环境中协同工作而不发生碰撞,这个生成的路径将用于后续的轨迹生成和控制步骤,以实现多轴机器人的高效协同控制。
具体的,步骤3包括:
在步骤3中,使用三次样条插值方法将每个机器人的路径转化为平滑的轨迹。三次样条插值是一种常用的插值技术,它可以确保生成的轨迹在关节空间上是可行的,从而使机器人能够平滑地跟随路径,以下是具体的实现步骤:
路径分段:
首先,将从路径规划步骤得到的路径分为若干个线性段,线性段是两个节点之间的直线路径。
三次样条插值:
对于每个线性路径段,使用三次样条插值来生成平滑的轨迹,三次样条插值表示为三次多项式函数,每个线性段有一个对应的三次多项式。
三次多项式的一般形式如下:
P(t)=a+bt+ct2+dt3
其中,P(t)是路径上的位置,t是时间或参数,而a,b,c,和d是待定系数。
计算插值系数:
为了确定三次多项式的系数a,b,c,和d,需要根据路径端点的位置和导数要求进行计算,这些条件通常包括起点和终点的位置,以及起点和终点的一阶和二阶导数(速度和加速度),通过解线性方程组,可以求解出插值系数。
生成轨迹:
使用计算出的插值系数,可以在每个线性段上生成轨迹点,从而得到平滑的轨迹,轨迹可以根据需要进行时间缩放,以控制机器人的速度和加速度。
通过这个步骤,可以将从路径规划得到的路径转化为可行的、平滑的轨迹,以确保多轴机器人可以在关节空间上进行协同控制,跟随这些轨迹执行任务。
具体的,步骤4包括:
在步骤4中,使用PID(Proportional-Integral-Derivative)控制器作为控制算法,以控制机器人的运动,确保它按照生成的轨迹移动,以下是PID控制器的具体实现步骤:
设定目标点:
在每个时刻,根据当前轨迹的时间参数,确定机器人在路径上的目标位置qtarget;
计算误差:
计算当前位置qcurrent与目标位置qtarget之间的误差,表示为e(t):
e(t)=qcurrent-qtarget
计算控制输入:
使用PID控制算法来计算控制输入u(t),PID控制器的公式如下:
其中:u(t)是控制输入,Kp是比例增益,用于根据当前误差来调整控制输入;Ki是积分增益,用于根据误差的积分来消除系统的稳态误差;Kd是微分增益,用于根据误差变化率来改善系统的响应速度。
执行控制输入:
将计算出的控制输入u(t)应用于机器人的执行器,以调整机器人的位置或速度,使其接近目标位置。
循环:
不断重复上述步骤,直到机器人到达路径的终点或任务完成。
通过这个步骤,使用PID控制器将机器人的位置与生成的轨迹进行比较,并根据误差调整控制输入,以确保机器人按照预定轨迹进行运动,能够实现机器人的轨迹跟踪,从而实现高效协同控制。
具体的,步骤5包括:
在步骤5中,实现碰撞检测和避免以确保多轴机器人之间不会发生碰撞,以下是具体的实现步骤:
在每个时刻,对机器人之间以及机器人与障碍物之间的碰撞进行检测,可以使用几何碰撞检测方法或包围盒碰撞检测等方法来实现。
对于两个机器人i和j之间的碰撞检测,可以使用距离阈值来检测是否存在碰撞,如果机器人之间的距离小于阈值dthreshold,则认为存在碰撞。
dij(t)=||qi(t)-qj(t)||
其中:dij(t)是机器人ii和jj之间的距离,qi(t)和qj(t)分别是机器人i和j在时刻t的位置。
碰撞避免:
如果检测到碰撞,需要采取措施来避免碰撞。这可以通过调整机器人的轨迹或速度来实现。
一种常见的方法是通过重新规划机器人的轨迹,以绕开碰撞障碍。这可以在路径规划步骤中实现,重新规划路径以绕开碰撞障碍物。
另一种方法是通过动态控制来避免碰撞。在轨迹控制步骤中,可以实时监测碰撞,并相应地调整机器人的速度和方向,以避免碰撞。
通过这个步骤,确保了多轴机器人之间不会发生碰撞,从而提高了工作的安全性和可行性,在检测到潜在碰撞时,采取适当的措施来避免碰撞,以确保机器人能够高效协同工作。
具体的,步骤6包括:
在步骤6中,需要实施实时控制与调整,以确保机器人能够在不断变化的工作环境中执行任务,以下是具体的实现步骤:
实时监测:
在实时环境中,需要持续监测机器人的状态和环境的变化,可以通过传感器数据、定位系统和环境感知来实现。
环境感知和状态更新:
根据监测到的数据,不断更新机器人的状态信息,包括位置、速度、姿态和周围环境的信息。
碰撞检测和避免:
持续进行碰撞检测,以确保机器人之间和机器人与障碍物之间不会发生碰撞,如果检测到碰撞,采取适当的措施来避免碰撞,如调整轨迹或速度。
轨迹更新:
根据实时环境变化和机器人状态的更新,可能需要调整机器人的轨迹,可以通过重新规划轨迹或根据新的目标点进行调整。
控制调整:
根据环境和机器人状态的变化,可能需要对控制输入进行调整,以适应新的情况,可以通过重新计算PID控制器中的控制输入来实现,以保持机器人在轨迹上的跟踪。
循环执行:
上述步骤需要在实时环境中持续执行,以确保机器人能够适应不断变化的工作环境,高效完成任务。
通过这个步骤,可以实现机器人的自适应性和鲁棒性,使其能够在实时环境中动态调整轨迹和控制,以适应环境变化,从而提高工作效率和安全性。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明权利要求保护的范围之内。
Claims (7)
1.一种机器人运动轨迹控制方法,其特征在于,包括如下步骤:
步骤1:对工作环境进行三维建模,包括所有参与协同工作的多轴机器人、工件、障碍物和工作空间的边界;
步骤2:为每个机器人生成可行的轨迹,以确保可以协同工作而不发生碰撞;
步骤3:将每个机器人的路径转化为轨迹,以便实际控制机器人的运动;
步骤4:控制机器人按照生成的轨迹移动;
步骤5:在每个时刻,需要进行碰撞检测,以确保多轴机器人之间不会发生碰撞;
步骤6:实时环境中执行轨迹控制,不断监测机器人的状态和环境变化,并根据需要对机器人的轨迹和控制进行调整,以应对不断变化的工作环境。
2.根据权利要求1所述的一种机器人运动轨迹控制方法,其特征在于,所述步骤1包括:
使用传感器获取环境的三维数据点;
对从传感器获取的数据进行预处理,以确保数据的准确性和一致性;
将预处理后的数据表示为一个三维点云,其中每个点包含三维坐标(x,y,z);
根据点云数据,定义工作空间W的边界和限制,以确保多轴机器人在这个环境中能够协同工作,工作空间W的边界和限制,使用以下公式表示:
W=((x,y,z)|xmin≤x≤xmax,ymin≤y≤ymax,zmin≤z≤zmax)
其中:(x,y,z)表示三维坐标点,xmin、xmax、ymin、ymax、zmin、zmax分别表示工作空间的最小和最大边界坐标。
3.根据权利要求2所述的一种机器人运动轨迹控制方法,其特征在于,所述步骤2包括:
随机选择一个初始位置qinit在工作空间W内,并将其作为RRT树的根节点,初始化一个空的RRT树,将qinit添加为树的唯一节点。
在每次迭代中,随机选择一个目标点qrand在工作空间WW内,然后,从RRT树中找到最近的节点qnearest,即使得qnearest到qrand的距离最小;
计算从qnearest到qrand的连接,并确保这条连接是可行的;
如果连接是可行的,将qrand添加到RRT树中,作为新的节点,并以qnearest为父节点,从而扩展树;
连接表示为以下公式:
qnew=Steer(qnearest,qrand)
其中Steer是函数,用于计算从qnearest到qrand的有效路径;
重复上述步骤,直到达到终止条件;
一旦RRT树达到终止条件,从初始位置qinit到目标位置qgoal提取路径;
通过回溯RRT树,qgoal向树根qinit倒退,并收集连接节点的路径。
4.根据权利要求3所述的一种机器人运动轨迹控制方法,其特征在于,所述步骤3包括:
将从得到的路径分为若干个线性段,线性段为两个节点之间的直线路径;
对于每个线性路径段,使用三次样条插值来生成平滑的轨迹;
三次样条插值表示为三次多项式函数,每个线性段有一个对应的三次多项式,三次多项式的一般形式如下:
P(t)=a+bt+ct2+dt3
其中,P(t)是路径上的位置,t是时间或参数,而a,b,c,和d是待定系数;
使用计算出的插值系数,在每个线性段上生成轨迹点,从而得到平滑的轨迹。
5.根据权利要求4所述的一种机器人运动轨迹控制方法,其特征在于,所述步骤4包括:
在每个时刻,根据当前轨迹的时间参数,确定机器人在路径上的目标位置qtarget;
计算当前位置qcurrent与目标位置qtarget之间的误差,表示为e(t):
e(t)=qcurrent-qtarget
使用PID控制算法来计算控制输入u(t),PID控制器的公式如下:
其中:u(t)是控制输入,Kp是比例增益,用于根据当前误差来调整控制输入;Ki是积分增益,用于根据误差的积分来消除系统的稳态误差;Kd是微分增益,用于根据误差变化率来改善系统的响应速度;
将计算出的控制输入u(t)应用于机器人的执行器,以调整机器人的位置或速度,使其接近目标位置;
重复上述步骤,直到机器人到达路径的终点。
6.根据权利要求5所述的一种机器人运动轨迹控制方法,其特征在于,所述步骤5包括:
在每个时刻,对机器人之间的碰撞进行检测;
对于两个机器人i和j之间的碰撞检测,使用距离阈值来检测是否存在碰撞,如果机器人之间的距离小于阈值dthreshold,则认为存在碰撞:
dij(t)=||qi(t)-qj(t)||
其中:dij(t)是机器人ii和jj之间的距离,qi(t)和qj(t)分别是机器人i和j在时刻t的位置。
7.根据权利要求6所述的一种机器人运动轨迹控制方法,其特征在于,所述步骤6包括:
持续监测机器人的状态和环境的变化;
根据监测到的数据,不断更新机器人的状态信息,包括位置、速度、姿态和周围环境的信息;
持续进行碰撞检测,以确保机器人之间不会发生碰撞;
根据实时环境变化和机器人状态的更新;
根据环境和机器人状态的变化,对控制输入进行调整,以适应新的情况;
循环执行上述步骤,以确保机器人能够适应不断变化的工作环境。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311562587.0A CN117340890A (zh) | 2023-11-22 | 2023-11-22 | 一种机器人运动轨迹控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311562587.0A CN117340890A (zh) | 2023-11-22 | 2023-11-22 | 一种机器人运动轨迹控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117340890A true CN117340890A (zh) | 2024-01-05 |
Family
ID=89365148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311562587.0A Pending CN117340890A (zh) | 2023-11-22 | 2023-11-22 | 一种机器人运动轨迹控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117340890A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109960261A (zh) * | 2019-03-22 | 2019-07-02 | 北京理工大学 | 一种基于碰撞检测的动态障碍物避让方法 |
CN110253570A (zh) * | 2019-05-27 | 2019-09-20 | 浙江工业大学 | 基于视觉的工业机械臂人机安全系统 |
CN110919661A (zh) * | 2019-12-26 | 2020-03-27 | 中国科学院沈阳自动化研究所 | 一种手套箱封闭空间内机械臂的运动规划方法 |
CN110962130A (zh) * | 2019-12-24 | 2020-04-07 | 中国人民解放军海军工程大学 | 基于目标偏向寻优的启发式rrt机械臂运动规划方法 |
CN111923038A (zh) * | 2020-07-01 | 2020-11-13 | 深圳市越疆科技有限公司 | 机械臂式机器人、机器人的避障方法及存储介质 |
CN113885535A (zh) * | 2021-11-25 | 2022-01-04 | 长春工业大学 | 一种冲击约束的机器人避障和时间最优轨迹规划方法 |
CN114939872A (zh) * | 2022-06-13 | 2022-08-26 | 合肥工业大学 | 基于MIRRT*-Connect算法的智能仓储冗余机械臂动态避障运动规划方法 |
CN116572244A (zh) * | 2023-05-30 | 2023-08-11 | 贵州大学 | 基于rrt*fn算法的机械臂避障路径规划方法 |
CN116604557A (zh) * | 2023-05-26 | 2023-08-18 | 北京凡川智能机器人科技有限公司 | 一种非结构化环境中双臂机器人协同避碰规划优化方法 |
CN116652936A (zh) * | 2023-05-06 | 2023-08-29 | 燕山大学 | 基于蛇优化算法的连铸大包机械臂轨迹多目标优化方法 |
-
2023
- 2023-11-22 CN CN202311562587.0A patent/CN117340890A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109960261A (zh) * | 2019-03-22 | 2019-07-02 | 北京理工大学 | 一种基于碰撞检测的动态障碍物避让方法 |
CN110253570A (zh) * | 2019-05-27 | 2019-09-20 | 浙江工业大学 | 基于视觉的工业机械臂人机安全系统 |
CN110962130A (zh) * | 2019-12-24 | 2020-04-07 | 中国人民解放军海军工程大学 | 基于目标偏向寻优的启发式rrt机械臂运动规划方法 |
CN110919661A (zh) * | 2019-12-26 | 2020-03-27 | 中国科学院沈阳自动化研究所 | 一种手套箱封闭空间内机械臂的运动规划方法 |
CN111923038A (zh) * | 2020-07-01 | 2020-11-13 | 深圳市越疆科技有限公司 | 机械臂式机器人、机器人的避障方法及存储介质 |
CN113885535A (zh) * | 2021-11-25 | 2022-01-04 | 长春工业大学 | 一种冲击约束的机器人避障和时间最优轨迹规划方法 |
CN114939872A (zh) * | 2022-06-13 | 2022-08-26 | 合肥工业大学 | 基于MIRRT*-Connect算法的智能仓储冗余机械臂动态避障运动规划方法 |
CN116652936A (zh) * | 2023-05-06 | 2023-08-29 | 燕山大学 | 基于蛇优化算法的连铸大包机械臂轨迹多目标优化方法 |
CN116604557A (zh) * | 2023-05-26 | 2023-08-18 | 北京凡川智能机器人科技有限公司 | 一种非结构化环境中双臂机器人协同避碰规划优化方法 |
CN116572244A (zh) * | 2023-05-30 | 2023-08-11 | 贵州大学 | 基于rrt*fn算法的机械臂避障路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Moon et al. | Kinodynamic planner dual-tree RRT (DT-RRT) for two-wheeled mobile robots using the rapidly exploring random tree | |
Bosscher et al. | Real‐time collision avoidance algorithm for robotic manipulators | |
Kabir et al. | Generation of synchronized configuration space trajectories of multi-robot systems | |
CN107901041A (zh) | 一种基于图像混合矩的机器人视觉伺服控制方法 | |
US11707843B2 (en) | Initial reference generation for robot optimization motion planning | |
CN115605328A (zh) | 一种用于工业机器人的碰撞避免运动规划方法 | |
CN104062902A (zh) | Delta机器人时间最优轨迹规划方法 | |
CN111553239A (zh) | 一种机器人关节视觉伺服控制方法、终端设备及存储介质 | |
CN114137951A (zh) | 一种联机机器人运动规划的框架 | |
Li et al. | A hybrid visual servo control method for simultaneously controlling a nonholonomic mobile and a manipulator | |
CN114721275B (zh) | 一种基于预设性能的视觉伺服机器人自适应跟踪控制方法 | |
Navarro-Alarcon et al. | Visually servoed deformation control by robot manipulators | |
CN114952838B (zh) | 一种基于末端测量反馈的机械臂关节轨迹规划方法 | |
Lim et al. | Designing path of collision avoidance for mobile manipulator in worker safety monitoring system using reinforcement learning | |
Lee et al. | Real-time obstacle avoidance with a virtual torque approach for a robotic tool in the end effector | |
KR101981641B1 (ko) | 다중 이동 로봇의 대형 제어 방법 및 시스템 | |
Shuai et al. | Real-time obstacle avoidance using subtargets and cubic b-spline for mobile robots | |
Yang et al. | Optimal configuration for mobile robotic grinding of large complex components based on redundant parameters | |
CN117340890A (zh) | 一种机器人运动轨迹控制方法 | |
Kunwar et al. | Predictive guidance-based navigation for mobile robots: A novel strategy for target interception on realistic terrains | |
Cong | Combination of two visual servoing techniques in contour following task | |
Ostanin et al. | Programming by Demonstration Using Two-Step Optimization for Industrial Robot. | |
Hafez | Visual servo control by optimizing hybrid objective function with visibility and path constraints | |
McNinch et al. | Application of a coordinated trajectory planning and real-time obstacle avoidance algorithm | |
CN116149311A (zh) | 动态运动规划系统 |
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 |