[发明专利]一种基于Tau-E的机器人轨迹规划方法

说明书

本发明具体公开了一种基于Tau‑E的机器人轨迹规划方法，其包括：S1、构造指数型虚拟制导函数；S2、根据Tau理论公式获取虚拟制导Tau方程；S3、引入耦合系数，将真实运动的Tau方程与虚拟制导Tau方程进行耦合；S4、求解耦合式方程，进而得到Tau‑E机器人轨迹方程；S5、求解Tau‑E机器人轨迹方程中的耦合系数，进而根据Tau‑E机器人轨迹方程在机器人关节空间内或笛卡尔空间内规划机器人柔顺轨迹。本发明通过构造合理的指数型虚拟制导函数并进行Tau理论推导，将虚拟制导运动和真实运动进行耦合以获取Tau‑E机器人轨迹方程，进而利用所获取的Tau‑E机器人轨迹方程实现机器人柔顺轨迹的规划，并且有效减小了计算量。

技术领域

本发明涉及机器人技术领域，尤其涉及一种基于Tau-E的机器人轨迹规划方法。

背景技术

机器人在工业生产中正在占据越来越重要的地位，延长机器人的使用寿命也成为重要课题。相较于在硬件方面改进，在算法方面改进具有成本低、易维护、无需更换硬件的优点。可以通过改进机器人轨迹规划算法使得机器人柔顺启停，保护了各执行机构，从而达到延长机器人使用寿命的目的。

已有的机器人轨迹规划算法包括三次/五次多项式法、样条曲线法、贝塞尔曲线法、梯形速度法、正弦加减速法等。然而，上述算法存在或不够柔顺，或实现复杂等等缺陷。为了弥补这些缺陷，研究人员开始将目光聚焦于仿生轨迹规划算法中，其中包括Tau理论(是一种认知科学研究者通过试验研究总结出的人和动物在接近和抓取物体时的运动策略)相关算法。Tau理论从心理学领域发展而来，对生物接近并到达某个位置的行为进行了建模和模仿。由于现有生物经过了长时间的自然选择，其行为柔顺、高效，具有很高的参考价值。因此，基于Tau理论的轨迹规划方法具有柔顺、计算量小、实现简单等优点。现有的基于Tau理论的轨迹规划方法包括Tau-G(一种耦合自由落体运动为制导运动的Tau运动策略)、Tau-J(一种引入了速度函数二阶导数jerk的Tau运动策略)、Tau-H(一种耦合简谐运动的Tau运动策略)等，相较于其他非仿生轨迹规划算法具有一定的优势。然而，这些算法中构造的虚拟制导函数都是描述实际物理运动的函数，结构较为复杂，导致推导过程较为复杂，最终得出的轨迹方程仍有简化的空间。鉴于此，本发明通过构造一种形式更加简单的虚拟制导函数，以使其推导过程和得出的轨迹方程都较为简单，在实际应用中也能进一步减小计算量、获得更高的计算效率。

发明内容

本发明的目的是克服现有技术中的缺点和不足，提供了一种基于Tau-E的机器人轨迹规划方法，所述方法包括以下步骤：

S1、构造合理的指数型虚拟制导函数，以使Tau-E机器人轨迹方程具有柔顺性；

S2、根据基于所述指数型虚拟制导函数的Tau理论公式获取虚拟制导Tau方程；

S3、引入耦合系数k，将真实运动的Tau方程与虚拟制导Tau方程进行耦合，得到耦合式方程；

S4、求解耦合式方程，进而获得Tau-E机器人轨迹方程；

S5、求解Tau-E机器人轨迹方程中的耦合系数，进而根据Tau-E机器人轨迹方程在机器人的关节空间内或笛卡尔空间内规划机器人柔顺轨迹。

优选地，所述步骤S1中的指数型虚拟制导函数表示为：

式(1)中，t表示时间。

优选地，所述步骤S2中的虚拟制导Tau方程表示为：

式(2)中，表示E(t)的一阶导数。

优选地，所述步骤S3中的耦合式方程表示为：

式(3)中，x(t)表示位置，表示速度，k表示耦合系数。