申请/专利权人：广东工业大学

申请日：2023-11-03

公开（公告）日：2024-05-17

公开（公告）号：CN117773911B

主分类号：B25J9/16

分类号：B25J9/16

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种复杂环境下工业机器人避障方法，包括以下步骤：S1、对工作空间内的工业机器人进行模型简化以及将障碍物简化为障碍物点云；S2、采用“眼在手外”的布置方式将深度相机放置在工业机器人的运动空间之外；S3、在工业机器人进行运动前采用G‑APF‑RRT*算法在工作空间中规划一条可行路径。本发明中，工业机器人与障碍物之间距离的计算方式简单，所需时间较短，通过使用虚拟关节插补而后在关节处用球状包围盒完全包络工业机器人以简化模型，只需计算有限的球状包围盒球心与障碍物点云中各点之间的距离，即可完成距离计算。

主权项：1.一种复杂环境下工业机器人避障方法，其特征在于，包括以下步骤：S1、对工作空间内的工业机器人进行模型简化以及将障碍物简化为障碍物点云；所述工业机器人模型简化方法为：确定工业机器人的真实关节点，在相邻真实关节点之间的连杆上以一定距离插补虚拟关节点，而后以关节点为球心采用球形包围盒完全包络工业机器人本体，确保工业机器人处于任何位姿时，都能完整代替工业机器人；S2、采用“眼在手外”的布置方式将深度相机放置在工业机器人的运动空间之外；在进行路径规划前获取工作空间中工业机器人和障碍物的点云信息，使用点云滤波器滤除工业机器人本体点云，仅保留工作空间下的障碍物点云；S3、在工业机器人进行运动前采用G-APF-RRT*算法在工作空间中规划一条可行路径；S4、为避免工业机器人末端沿路径运动时工业机器人关节与障碍物发生碰撞，对新生成的树节点进行关节碰撞检测，获得工业机器人从起始点运动到目标点的无碰撞完整路径；所述关节碰撞检测的流程为：通过逆运动学求解工业机器人末端位于新生成的树节点处时各关节的位置信息，在基坐标系下，计算工业机器人各包围球球心与障碍物点云之间的欧式距离，获取最短距离与安全距离进行比较，若所述最短距离大于设定安全距离时，保留该新生成的树节点，若所述最短距离小于设定安全距离时，舍弃该新生成的树节点并进行重新采样，直至获得工业机器人从起始点运动到目标点的无碰撞完整路径，欧氏距离计算公式如下： ；式中，代表第j个包围球球心与第i个障碍物点云之间的欧氏距离，（,,）为工业机器人上第j个包围球在基坐标系下的坐标，（,,）为第i个障碍物点云在基坐标系下的坐标；S5、将获得的无碰撞完整路径进行逆运动学计算，得出工业机器人各关节在关节空间下的关节位置，即插值位置，用于后续的轨迹插值，通过3-5-3多项式插值方法对工业机器人进行关节空间轨迹规划，得到工业机器人的关节空间位置—时间轨迹曲线、角速度—时间轨迹曲线和角加速度—时间轨迹曲线；所述轨迹曲线的方程如下： ； ； ；式中，、、、分别代表工业机器人第j个关节的第1、2、3段运动轨迹，其分别采用3次多项式插值、5次多项式插值、3次多项式插值即3-5-3多项式插值，j=1，2，…，n，n为工业机器人的真实关节数目；t1、t2、t3分别代表工业机器人沿第1、2、3段轨迹运动的插值时间，=[]为多项式系数；根据位置-时间轨迹曲线方程可得到关节j的角速度-时间轨迹曲线和角加速度-时间轨迹曲线公式如下： ； ； ； ； ； ；使用3-5-3多项式插值规划轨迹时，需要设置约束条件：代表第j个关节已知的插值位置，i=0,1,2,3；轨迹起始点为、中间路径点为、、轨迹末端点为，设置初始点和末端点的速度、加速度为0，路径点之间的速度和加速度连续；由以上约束结合上式可推出多项式系数、插值位置、插值时间之间的关系式如下： ； ； ；由上式可知，当已知4个插值位置和3段插值时间，可得到多项式系数，进而得到位置－时间轨迹曲线、速度－时间轨迹曲线、加速度－时间轨迹曲线的具体方程，即关节空间的轨迹方程；S6、根据关节空间轨迹方程建立优化目标函数和轨迹约束条件，为后续进行时间最优轨迹规划做准备；所述目标函数如下所示： ；所述约束条件如下所示： ；式中，代表第j个关节在3-5-3插值轨迹上运动的最短时间，为第j个关节在第i段轨迹上的角速度，为第j个关节在第i段轨迹上的角加速度；为各段轨迹约束的最大角速度，为各段轨迹约束的最大角加速度；S7、使用改进的粒子群算法，对3-5-3多项式插值轨迹中3段轨迹的运行时间、、进行寻优，使工业机器人各关节沿轨迹运行的时间最短，且满足运行过程中关节角速度、角加速度不超过约束值和；改进粒子群算法是在基础粒子群算法的基础上使用PWLCM混沌映射初始化种群，使用可调非线性递减惯性权重使算法快速收敛到全局最优；所述改进粒子群算法具体过程为：S71、确定迭代次数N、种群数量M、最大角速度、最大角加速度；S72、采用PWLCM混沌映射初始化粒子种群，粒子维度为3，其中包含粒子位置与粒子飞行速度信息，粒子位置为关节j在三段轨迹上运行的时间、、，、、为M维向量，粒子飞行速度为、、，、、为M维向量，粒子速度上限为；通过混沌映射能够使初始粒子均匀分布在解空间内，即保证解的随机性与均匀性，以提升粒子群算法的全局搜索能力，所述PWLCM混沌映射如下所示： ；式中j为工业机器人第j个关节，i代表第i段轨迹，m代表粒子的序号，即第m个解，p为控制参数，p取值在区间（0,0.5）范围内；S73、对混沌映射得到的粒子进行检验是否符合要求，将混沌映射得到的粒子位置、、，轨迹起始点、中间路径点为、，末端点为代入多项式系数、插值位置、插值时间之间的关系式中得到多项式系数，进而得到关节j的位置－时间轨迹曲线、角速度-时间轨迹曲线和角加速度-时间轨迹曲线，判断各段轨迹的速度、加速度大小是否满足约束值和，若满足则保存为初始粒子，并计算该粒子的适应度，若不满足则重新生成粒子进行检验，直至生成M个初始粒子，形成初始种群；S74、对粒子种群中的各个粒子进行迭代寻优，首先迭代过程中对粒子的位置、速度进行更新，更新公式如下所示： ； ； ； ； ；式中，为关节j第m个粒子第k次迭代时飞行速度的第d维分量，为关节j第m个粒子第k次迭代时位置的第d维分量，r1和r2为[0,1]之间的随机数，为关节j第m个粒子的最优位置的第d维分量，为关节j粒子种群最优位置的第d维分量，c1、c2为认知权重因子，w为惯性权重，kl为可调斜率系数，可以调节w在迭代过程的变化方式，影响粒子群算法的收敛性和全局最优性；接着判断粒子速度是否满足上限，若满足则设为该粒子的当前速度，若不满足则该粒子的当前速度设为，而后计算该粒子的适应以及检验该粒子对应的轨迹曲线是否满足约束条件，若该粒子满足约束条件且适应度小于上一代粒子则更新为新一代粒子，否则将上一代粒子作为新一代粒子；将该新一代粒子的适应度与当前种群最优适应度对比，若新一代粒子的适应度小于当前种群最优适应度，则将该新一代粒子作为种群最优粒子，该新一代粒子的适应度作为种群最优适应度，该新一代粒子的位置作为种群最优位置、、,重复迭代直至迭代次数达到N，获取种群最优粒子的位置数据、、作为关节j在三段轨迹上的运行时间；S8、完成所有关节的轨迹优化，进行关节同步处理；S9、使用同步处理后的插值时间t1，t2，t3对各关节进行3-5-3多项式插值，得到各关节的时间最优轨迹；S10、将关节空间轨迹发送给控制器，控制工业机器人沿轨迹运动，完成躲避障碍物并到达目标点。

全文数据：

权利要求：

百度查询： 广东工业大学 一种复杂环境下工业机器人避障方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD