[发明专利]一种冗余机器人轨迹规划方法

说明书

本发明涉及智能制造领域，尤其涉及一种冗余机器人轨迹规划方法，其特征在于：其步骤包括建立冗余机器人的运动学和动力学模型，获得关节角速度与末端执行器位姿间的数学关系；采用闭环伪逆法求解关节角，进行轨迹规划：求解关节角时，构造约束冗余机器人轨迹规划的目标函数，通过萤火虫算法求的目标函数的最小值来修正在积分时产生的累积误差即积分误差；改进萤火虫算法包括个体初始化、决策域更新、位置更新及荧光素更新四个步骤，其中位置更新步骤采用广义反向学习机制来进行位置更新。本发明鲁棒性与准确性高，实时性与有效性强。

技术领域

本发明涉及智能制造领域，尤其涉及一种冗余机器人轨迹规划方法。

背景技术

随着机器人技术、人工智能、传感器技术、电子信息技术的发展，工业机器人在智能装备制造领域发挥着越来越重要的作用。传统的工业机器人已无法满足更为精细、更为复杂的任务需求。冗余机器人是一种拟人机械臂，它具有较好的自运动特性，便于处理力矩优化、避关节极限等问题，从而能更好地适应复杂工况；通常，冗余机器人的关节自由度数目大于描述操作空间的维度，其逆运动学存在无穷多组解，因此，冗余机器人应用的难点为通过轨迹规划选择一组合适的关节角来完成特定的操作任务，并且其跟踪精度、关节角位移与角速度等指标应满足要求；

目前，冗余机器人轨迹规划的方法主要有数值迭代法、几何法及代数解法；其中，数值迭代法将机器人逆运动学问题转换成函数优化问题，采用人工智能算法进行优化计算，该方法操作简单，但运算量大、速度慢；几何法通过推导末端执行器位姿与各关节角的关系，获得特定条件下的解析解，具有计算速度快，计算精度高的优点，但数学建模过程繁锁；代数解法采用雅克比矩阵及其变形求解关节速度与末端执行器线速度与及角速度之间的微分关系，常见的有闭环伪逆法(CLP)、梯度下降法等，但求解过程中的累计误差会影响轨迹跟踪的精度。

发明内容

本发明的目的是为了提供一种冗余机器人轨迹规划方法，鲁棒性与准确性高，实时性与有效性强。

为解决以上技术问题，本发明的技术方案为：一种冗余机器人轨迹规划方法，其步骤为：

步骤1：建立冗余机器人的运动学和动力学模型，获得关节角速度与末端执行器位姿间的数学关系；

步骤2：采用闭环伪逆法求解关节角，进行轨迹规划：

已知机器人末端执行器的参考位姿与实际位姿，在一次迭代中，通过雅克比矩阵的伪逆求解关节角速度误差，对关节角速度误差积分获得补偿关节角；重复迭代，直到关节角速度误差趋近于0，实现机器人运动学逆解，求得描述运动轨迹的关节角，完成轨迹规划；

在对关节角速度误差积分获得补偿关节角步骤中，构造约束冗余机器人轨迹规划的目标函数，通过萤火虫算法求的目标函数的最小值来修正在积分时产生的累积误差即积分误差；

改进萤火虫算法包括个体初始化、决策域更新、位置更新及荧光素更新四个步骤，其中位置更新步骤采用广义反向学习机制来进行位置更新。

按以上方案，步骤1具体为：

步骤1.1)：建立冗余机器人的正向运动学方程：

x＝f(q) (1)

式中，n为冗余机器人的自由度数量，q表示冗余机器人自由度在关节空间的关节角度，q＝[q₁,q₂,…,q_n]^T；x表示冗余机器人末端在操作空间的关节位姿，x＝[x₁,x₂,…,x_m]^T，其中，m为操作空间变量的数目，m<n；

步骤1.2)：将正向运动学方程微分，生成对应的微分运动学方程，表示为：