[发明专利]用于智能制造的机械臂运动规划方法

说明书

本发明公开了用于智能制造的机械臂运动规划方法，其特征在于，包括如下步骤：步骤SS1：运动表征：采用高斯核作为运动基元，对每个关节轨迹进行参数化编码；步骤SS2：对运动轨迹的几何形状进行高维评估，设计避障的目标泛函数来评价当前关节运动轨迹的几何形状对任务要求、环境约束及控制性能指标的适应性；步骤SS3：泛函数梯度度量步骤：采用Fisher信息矩阵度量轨迹形状之间的距离，采用自然梯度衡量参数空间的变化对目标泛函数的影响。本发明与现在算法相比，该发明能够在机械臂运动规划出最优的轨迹同时保证规划的速度。

技术领域

本发明涉及一种用于智能制造的机械臂运动规划方法，属于机器人应用技术领域。

背景技术

随着计算机技术不断向智能化方向发展，机器人应用领域的不断扩展和深化以及机器人在FMS、CIMS系统中的群体应用，工业机器人也在不断向智能化方向发展，以适应敏捷制造，满足多样化、个性化的需求。然而在面对不同的需求时，机械臂需要每次在线规划新的路径，并且在面对拥有障碍物的复杂环境时也能及时的做出反应，因此我们的研究重点已经转变为如何提高机械臂在线规划的能力以及规划的速度。

传统的路径规划算法针对机械臂的复杂性，用不同的方式去简化运动规划的问题，如人工势场法、单元分解法、随机路标图(PRM)法、快速搜索树(RRT)法等。而人工势场、单元分解法需要对空间中的障碍物进行精确建模，当环境中的障碍物较为复杂时，将导致规划算法计算量较大，影响规划的速度。而RPM和RRT法由于随机搜索的特点，规划出来的路径并不是最优的，且在狭窄通道中，无法得到可行路径。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种用于智能制造的机械臂运动规划方法。本发明针对如何提高机械臂在线运动规划的能力以及规划的速度这一问题展开研究，设计了一种基于泛函梯度优化的运动规划方法。本发明的设计思路是：根据外界的环境以及目标任务来设计目标泛函数，通过对目标泛函数来进行梯度下降，从而得到最优的运动轨迹。与现在算法相比，该算法能够在机械臂运动规划出最优的轨迹同时保证规划的速度。

为解决上述技术问题，本发明提供用于智能制造的机械臂运动规划方法，其特征在于，包括如下步骤：

步骤SS1：运动表征：采用高斯核作为运动基元，对每个关节轨迹进行参数化编码；

步骤SS2：对运动轨迹的几何形状进行高维评估，设计避障的目标泛函数来评价当前关节运动轨迹的几何形状对任务要求、环境约束及控制性能指标的适应性；

步骤SS3：泛函数梯度度量步骤：采用Fisher信息矩阵度量轨迹形状之间的距离，采用自然梯度衡量参数空间的变化对目标泛函数的影响。

作为一种较佳的实施例，所述步骤SS1具体包括：轨迹ξ看作一组参数为ω_i＝(ω₁，ω₂，L，ω_n)的函数，代入轨迹的泛函数就得到F(ξ)＝∫f(ω_i，ξ(ω_i)，ξ′(ω_i))dω_i，其中ω_i视为是多维矢量空间中的一点。

作为一种较佳的实施例，所述步骤SS1具体还包括：在DMP框架下将运动轨迹显示的表达为动作特征的函数，使用有限差分矩阵D₁和D₂，并且代入DMP的框架模型：τy″＝α_z(β_z(g-y)-y′)+f，得到离散动态运动模型：

ξ(k)＝A(k)ω+Bg；

其中将轨迹用K个离散点表示，即ξ＝[ξ(1)，Kξ(k)，Kξ(K)]，离散轨迹特征为：ξ(ω)＝Aω+Bg，其中A＝[A(1)，KA(k)，KA(K)]^T，B＝I_KB。