单机器人在协调系统中的轨迹规划问题研究

以协调机制下的单机器人为对象,提出了一种基于相平面的时间优化轨迹规划方法。通过对路径参数化,将具有多关节的机器人运动转换为单自由度的具有几何约束的最终运动。通过引入关节力矩输入约束,分析了轨迹规划中的可行性区域。在构造的速度-路径相平面中,利用动态搜索的方法在具有可行最大加减速度条件下规划其时间优化轨迹。以Motoman-UP6为模型,将本文方法与时间最短的轨迹规划方法进行比较,仿真结果证明该方法虽不能得到绝对的时间最短轨迹,但可以减少加减速运动的切换次数,保证机器人运行的平稳性。     

基于遗传算法的多主轴头加工空行程轨迹规划

针对多主轴头五轴机床加工时需手动规划空行程的问题,提出一种空行程轨迹自动规划方法。在机床运动学建模的基础上,针对刀位点轨迹和刀轴矢量,分别提出基于最短路径的刀位点轨迹规划和无碰撞刀轴矢量规划,将空行程规划问题转化为参数优化问题。为了简化碰撞检测,提出两级相交检测算法。通过加权系数法建立空行程规划的目标函数,并采用遗传算法求解,规划出一条无碰撞、运动时间最短、旋转轴角度变化量最小、末端轨迹最短的具有柔性的理想轨迹。在Vericut建立的仿真平台上,验证了该方法的可行性和有效性。所提方法具有拓展性,通过多次分解轨迹求取棱交点能够实现复杂工件的空行程规划。     

人工牵引下泵车自动浇筑的臂架移动轨迹的优化

为了解决混凝土泵车臂架末端布料管在施工现场操作人员的牵引下朝某个任意方向移动时,整个臂架能够随之平稳移动的优化控制问题,提出了基于泵车稳定性要求,以臂架系统整体重心移动范围最小为目标的臂架移动轨迹规划的优化算法。通过建立和求解受臂架多冗余度运动学方程约束的非线性优化目标函数确定了各节臂架移动的期望路径。为验证所提优化方案的合理性,对不同工况下的臂架系统的自动浇筑问题进行仿真分析,并与现有几种轨迹优化方案进行对比,分析结果表明所提优化方案确能使臂架整体重心的移动范围最小。     

基于迭代学习算法的柔性针轨迹规划

轨迹规划在机器人辅助柔性针穿刺中有着重要作用.在针-组织交互大变形下,针-组织耦合模型可以对由于针组织交互作用产生的针轨迹误差进行预测.提出一种基于迭代学习的轨迹规划算法:首先在离线状态下,基于可达域理论生成刚性空间下的初始路径集,并通过遗传模拟退火优化算法选择出最优路径;再基于针-组织耦合力学模型对柔性空间的针挠曲、组织形变进行预测,并根据偏差预测值和迭代学习算法不断修正柔性空间中的针控序列以满足穿刺精度要求,最后得到最优规划参数并且对针轨迹规划算法中的参数进行全局敏感性分析;最后,搭建了针穿刺试验台对提出的针轨迹算法进行验证,试验结果表明算法的轨迹平均误差小于0.45 mm.     

面向并联骨折手术机器人的复位轨迹自动式规划方法

并联骨折手术机器人及其计算机辅助诊疗技术解决了骨折复位手术治疗创伤大、易二次感染的风险，但现有骨折复位轨迹规划方法存在碰撞检测效率低、复位路径长及肌肉牵拉力大等问题，难以实现精准安全的复位治疗。针对此问题，提出一种融合碰撞检测、肌肉力分析和最短路径搜索的骨折复位轨迹自动式规划方法。首先，基于患者的CT影像重建三维骨模型，以患者健侧骨模型为复位参考，获取骨折复位的目标。其次，定义碰撞检测阈值，基于八叉树搜索算法快速查找断骨间的最小距离点，实现断骨碰撞检测。随后，由OpenSim的标准模型通过缩放特征建立个性化骨折肌肉模型，实时获取复位过程的肌肉牵拉力。最后，以骨块无碰撞、肌肉牵拉力最小和路径最短为约束条件，设计A*算法的轨迹搜索节点与估价函数，实现轨迹规划。开展所述方法与交互式轨迹规划方法针对9组胫腓骨骨折的复位轨迹规划对比实验，本方法平均规划时间仅为3.2 s，比交互式方法耗时减小了两个数量级，平均复位路径长度为24.3 mm，减小了36.7%，平均肌肉力是96.4 N，减小了16.2%。结果表明，本方法轨迹规划耗时短、复位效率高且轨迹安全性高，为精准安全骨折复位治疗提供了新思路。     

六自由度吊机吊装路径优化分析

针对某六自由度吊机吊装轨迹规划问题,采用一种时间最优和能量最省相结合为目标的轨迹规划方法。利用DH算法建立某型机械吊机的运动学模型,建立其正运动学和逆运动学方程。为解决吊机在静态环境下点到点的轨迹规划问题,应用基于粒子群算法的五段三次多项式插值轨迹规划算法对关节轨迹进行时间和能量优化求解得到最优路径。最后,对此模型进行了数值仿真。仿真结果表明关节轨迹平滑连续,保证了边界条件,验证了所提方法的有效性。     

双机器人时间优化的避碰轨迹规划研究

介绍了一种双机器人时间优化的避碰轨迹规划方法。根据单机器人的已知路径,在具有最大加减速度条件下规划其时间优化轨迹。通过几何建模,利用Euclidean函数表示双机器人间的最短距离,实现了系统的碰撞检测。采用在初始位置延迟最小时间的方法,获得了双机器人时问优化的无碰撞轨迹。最后建立了基于Motoman-UP6的双机器人仿真模型,验证了理论分析的正确性。     

移动机械臂无碰抓取方法的研究

提出了一种基于A*算法的移动机械臂无碰抓取方法。根据机械臂的初始姿态和目标物体的空间位置以及障碍物的约束,利用A*算法规划出机械臂末端无碰的轨迹,进而利用冗余度机械臂多解的特性,结合逆运动学,给出障碍物约束下基于最小关节角偏移量优化指标的关节角优化方法。同时,机械臂可根据当前环境的变化更新其末端轨迹,并相应调整姿态以提高适应性。仿真验证了该算法的有效性。     

改进灰狼算法在搬运机器人轨迹规划中的应用

为提高托盘式搬运机器人的运行稳定性,提出一种基于改进灰狼算法的机器人加速度最优轨迹规划方法。针对灰狼算法局部收敛、寻优性能不足等问题,引入Logistic-Tent混沌映射,优化初始种群;引入差分优化算法,提高全局搜索能力;引入淘汰进化机制,优化种群结构,从而全面提升优化性能。仿真结果表明,对比标准灰狼算法和粒子群算法,改进灰狼算法在不同类型的测试函数中具有更好的收敛速度和算法精度;在搬运机器人轨迹规划的应用中,经过该算法优化后的机器人最大关节角加速度下降了44.11%,大幅提高了运行稳定性。     

超精密点对点运动4阶轨迹规划算法研究

研究了一种优化超精密点对点运动的4阶轨迹规划算法及其精度补偿方法。首先阐述了超精密轨迹规划具有实用性所必须具备的特征以及实现轨迹时间优化的基本要求。然后以系统动力学为基础，考虑运动轨迹的全过程，提出了一种通过预处理以获得时间优化的4阶轨迹直接规划算法。提出了一种适当降低系统动力学限制的时间圆整方法，有效补偿了该算法在计算机离散实现时所带来的精度损失。通过实例验证了所提算法的有效性和可靠性。     

基于双种群遗传混沌优化算法的最优时间轨迹规划

针对以最短运行时间为目标的工业机器人轨迹规划问题,提出一种基于混沌局部搜索的双种群遗传最优时间轨迹规划算法。首先以各个节点之间的时间间隔之和为优化目标,以各关节的角速度、角加速度和角加加速度为约束条件,利用五次多项式拟合规划的关节空间位置节点模拟机器人的运行轨迹;然后,利用双种群遗传算法全局搜索能力强、进化速度快和混沌算法局部搜索能力强的优点,提出一种基于双种群遗传混沌优化算法的机器人轨迹规划方法,规划最优时间轨迹;最后,以3自由度空间机械臂为例,验证了所提算法能够使机器人末端执行器的运行轨迹平滑且时间最优。该算法应用于机器人轨迹规划可以延长机器人使用寿命,提高生产效率。     

基于均值学习策略果蝇算法的工业机器人轨迹规划

针对机器人空间轨迹的时间最优规划问题，文中在建立轨迹规划模型的基础上，对果蝇算法(FOA)进行改进，并由此提出基于均值学习策略果蝇算法(MLS-FOA)的机器人轨迹规划方法。相比于FOA,MLS-FOA增加了向种群均值学习的策略，平衡了算法的全局搜索能力和局部搜索能力。机器人轨迹规划实例表明，MLS-FOA能够在位置、速度、加速度满足约束条件的同时，使得运动曲线更为平滑，同时也缩短了机器人的运动时间，提高了运动效率。     

基于螺旋样条的旋翼无人机区域轨迹规划

针对旋翼无人机在区域作业中的应用需求，提出一种螺旋样条区域轨迹生成方法，设计了给定区域的螺旋控制点生成方法，基于非均匀有理B样条拟合了轨迹。采用线性规划方法求解了以飞行时间最短为目标的规划问题，利用二阶泰勒展开法插值生成用于控制的轨迹序列。通过轨迹追踪实验可知，与传统折线区域轨迹规划方法对比，在相同的动力学约束及作业要求的前提下，该方法有效缩短了作业时间，提高了作业效率。     

基于改进蚁群算法的移动机器人最优路径规划

针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢及转弯次数多等问题,提出了一种改进蚁群算法。该算法将栅格法建立的环境模型划分为3种不同搜索区域,运用数学模型按距离比值方法对初始信息素差异化分配,避免蚂蚁前期盲目性搜索;基于可选孙节点个数的区域安全信息和转角启发信息选择下一子节点,并构造目标性启发函数,有效减少蚂蚁陷入死锁次数,提高路径平滑性和目标导向性。采用"狼群分配策略"更新信息素,加快路径的优化。在动态路径规划中,根据滚动窗口的信息检测与碰撞预测,对不同的碰撞类型实施有效的避障策略。仿真结果表明,改进蚁群算法规划出的路径长度更短、转弯次数更少,能够有效避开静态及动态障碍物,具有较好的全局优化性,验证了改进蚁群算法在静态及动态路径规划下的可行性和优越性。     

面向复合地图的移动机器人分层路径规划

针对传统路径规划方法在部分未知复杂大场景环境下搜索空间大、效率低、避障成功率不高等问题,提出一种基于拓扑-栅格-度量复合地图的移动机器人分层路径规划方法。首先将机器人作业环境描述为栅格地图并划分为多个栅格化的子区域,以子区域为关键节点进行位置关系抽象从而获得拓扑架构,并对局部栅格区域进行精细化描述,构建拓扑-栅格-度量的复合地图。其次,在不同地图层级上分区域搜索机器人路径,在拓扑地图上采用Floyd算法规划子区域之间的区间路径,面向栅格地图提出搜索子区域内部路径的改进A^*算法,通过引入扩展点筛选策略、双向搜索机制、路径冗余点剔除技术提高路径规划的效率与质量,并拼接各段区间路径和内部路径生成全局优化初始路径。最后,针对部分未知场景中的动态障碍物,在度量地图上提出基于深度强化学习架构的动态避障路径规划方法,利用价值分类经验回放机制提高样本的利用率和模型训练的效率。实验结果表明,所提方法有较高的搜索效率和避障成功率,生成的路径兼具安全性和平滑性。     

基于S7-1200PLC和时域分析的工业机器人移动轨迹最优化规划方法

受到规划算法的影响，导致工业机器人协同规划过程的平均求解耗时较高。因此，提出基于S7-1200PLC和时域分析的工业机器人移动轨迹最优化规划方法。针对工业机器人的实际工作环境，提取轨迹规划约束条件，并依托于S7-1200PLC，设计轨迹跟踪控制器，参数化预测时域内的工业机器人移动轨迹控制增量，建立滚动时域轨迹规划算法，结合滚动规划框架，得到最优的工业机器人移动轨迹最优化规划序列。实验结果表明：所提出的最优化规划方法协同规划求解耗时，相比其他两种方法，分别降低了51.52%和60.25%。     

基于改进RRT结合B样条的机械臂运动规划方法

为解决传统快速拓展随机树(RRT)算法的随机性强，导向性差，规划时间长及寻迹平滑度差等问题，提出一种基于目标偏置策略结合自适应可变步长的改进型RRT算法(PAVS-RRT)。首先，在传统RRT算法基础上设置一个目标偏置阈值，同时引入局部扩展机制避免因改变采样结构而造成的局部最优问题；其次，结合自适应步长策略优化其搜索时间；最后，采用三次B样条函数对所规划路径进行拟合优化。仿真实验中所提算法在保证机械臂成功避障且顺利抵达目标位置的同时，其各关节参数均波动较小且未发生突变，有效降低了机械臂在运动规划过程中的抖振情况。实验结果表明，所提算法较基本算法其平均路径搜索时间提高了73.49%,算法搜索效率及平滑性得到显著改善。     

面向操作可靠性提升的复合工业机器人运动规划

复合工业机器人的应用能够有效提升智能制造车间生产效率。而在其运动规划问题中,基于移动平台调整的机械臂初始站姿直接决定了目标任务是否能够可靠执行。为解决以上问题,提出一种考虑机械臂初始站姿的运动规划优化方法。基于前期基础,采用旋量描述和切片表征方法分别解决了复合工业机器人运动学建模和最小避障距离建模问题,为进行轨迹优化提供了模型基础;建立了最小化耗能当量和运动时间的运动规划优化模型,通过考虑初始站姿影响设计了包括移动运动参数、冗余关节角度和机械臂运动参数在内的混合优化变量集,同时考虑运动学约束和避障约束条件保证机械臂运动平稳性和安全性;结果表明,基于规划优化的复合工业机器人具有较高的操作可靠性。     

基于采样区域优化的智能车辆轨迹规划方法

针对现有智能车辆轨迹规划方法在结构化道路中、高速场景中因均匀采样产生的计算时间浪费问题,提出一种基于采样区域优化的轨迹规划方法。该方法综合考虑道路环境信息和障碍物信息,将采样区域划分为基础代价区和障碍代价区,分别计算两个区域内采样点的代价值并依据该代价值对采样点进行筛选,高代价点将被忽略,低代价点将用于计算最优轨迹,从而避免均匀采样造成的计算量浪费。为进一步缩短规划时间并提高轨迹选择合理性,将候选轨迹按轨迹代价值进行排序,依次对候选轨迹进行碰撞检测,将不满足检测的轨迹剔除并将第一条通过检测的轨迹选为最优轨迹。为检验算法的可靠性,通过构建仿真道路及设计多个场景,对规划算法进行仿真验证。研究结果表明,所提出方法在有效降低单步轨迹规划时间的同时,保证了最优轨迹的安全性、合理性和可靠性。     

复杂环境下的装配路径求解与优化

针对三维复杂环境下的装配路径规划问题,运用栅格法建立了规划空间模型,基于蚁群算法求解出了一条避开障碍物的初始路径;对求解得到的装配初始路径,提出采用二分法插值优化方法缩短装配路径长度,在规划过程中采用目标零件与障碍物的轴向包围盒进行避障。对装配路径的求解及优化进行了实例测试,获得了一条无碰撞的最短的平滑路径,验证了算法的有效性和可行性。