挖掘机的最优时间轨迹规划

利用分段的多项式插值方法对挖掘机自主作业时的运动轨迹进行规划,存在优化轨迹不平滑或各关节存在不必要的往复运动等问题,导致挖掘机各关节受到较大冲击,影响挖掘机的使用寿命。针对挖掘轨迹规划存在的问题,提出了基于4-3-3-3-4多项式的关节角度分段插值策略以实现挖掘机最优时间轨迹规划。该策略利用4-3-3-3-4多项式,以角速度和角加速度为约束条件,采用差分进化算法求取插值时间的最优值,得到了各关节最优角度曲线,实现了挖掘机最优时间轨迹规划。对基于4-3-3-3-4多项式分段插值策略进行仿真试验,并在相同条件下与其他多项式插值策略进行了对比。试验结果表明,该多项式插值策略得到的挖掘轨迹更加平滑,各关节能够以较小的角速度和角加速度的变化到达目标点,避免了各关节在运行过程中产生较大冲击,同时节省了工作时间,使得挖掘机自主作业更加平稳高效。     

一种液压挖掘机最优能耗的轨迹规划方法

为了降低液压挖掘机的运动能量消耗,实现各关节的合理有效作业,提出了基于T型速度曲线的关节插值方法,以实现液压挖掘机最优能耗轨迹规划。该方法将各关节的速度设定为匀加速、匀速和匀减速的形式以保证液压挖掘机在作业过程中的平稳性,以关节角度、角速度和角加速度为约束条件,利用改进的自适应遗传算法优化求解各关节的匀加（减）速和匀速运动时间,获得了各关节最优运动曲线,实现了液压挖掘机最优能耗轨迹规划。对基于T型速度曲线的插值规划方法进行仿真实验,并在相同条件下与四次多项式插值结果进行了对比。结果表明,该方法规划的轨迹能耗低,避免了各关节产生不必要的运动,有效减少了摩擦损耗,使得挖掘机可平稳、低能耗地完成作业。     

基于强化学习的挖掘机时间最优轨迹规划

针对挖掘机的自主作业场景,提出基于强化学习的时间最优轨迹规划方法.首先,搭建仿真环境用于产生数据,以动臂、斗杆和铲斗关节的角度、角速度为状态观测变量,以各关节的角加速度值为动作信息,通过状态观测信息实现仿真环境与自主学习算法的交互;然后,设计以动臂、斗杆和铲斗关节运动是否超出允许范围、完成任务 总时间和目标相对距离为奖励函数对策略网络参数进行训练;最后,利用改进的近端策略优化算法(proximal policy optimization, PPO)实现挖掘机的时间最优轨迹规划.与此同时,与不同连续动作空间的强化学习算法进行对比,实验结果表明:所提出优化算法效率更高,收敛速度更快,作业轨迹更平滑,可有效避免各关节受到较大冲击,有助于挖掘机高效、平稳地作业.     

基于非均匀B样条曲线的挖掘机最优时间轨迹规划

为了实现挖掘机器人平稳、高效率地完成给定挖掘任务,提出了非均匀B样条曲线的轨迹规划方法.利用3次非均匀B样条曲线,在关节角速度、角加速度和角加加速度的约束条件下,在关节空间对挖掘机进行轨迹规划.采用自适应粒子群优化(APSO)算法求取插值时间的最优值,优化得出各个关节角度的最优时间曲线,从而得到末端挖掘轨迹,在相同的约...