[发明专利]一种机械臂最优路径优化定位方法

说明书

本发明涉及变压器清洗用机器人技术领域，且公开了一种机械臂最优路径优化定位方法，包括如下步骤：步骤一：V‑REP场景的配置：使用虚拟机器人实验平台V‑REP(virtual robot experimentation platform，简称V‑REP)进行仿真实验，进而完成V‑REP场景的配置；步骤二：V‑REP场景的初始化：在V‑REP场景里建立场景模型，可以自由选择不同机械臂真实模型，调取变压器型号，通过扫描确定污染物目标位置等，进而完成V‑REP场景的初始化。该机械臂最优路径优化定位方法，无需昂贵的工业级别的传感器和摄像机、无需操作人员前期的进行复杂的示教编程，降低人员使用操作使用门槛、除了可用于抓取的路径模型的获取外，其设计思想还可扩展到清洗路径和喷涂路径等机械臂常见任务的应用中去。

技术领域

本发明涉及变压器清洗用机器人技术领域，具体为一种机械臂最优路径优化定位方法。

背景技术

油浸式变压器一侧为高压进线，一侧为低压出线，采用机械臂械臂自动清洗时，需要对机器臂及喷头进行控制，以避开进出线等障碍，确保安全安全清洗，表面除污是这类油浸式变压器日常维护的一个重要部分。

目前，对变压器表面污垢的清理一般只能人工进行脉冲水清洗或绝缘清洗剂清洗，这种清洗方式要求变压器必须断电以保证工人安全，对变压器用户的正常生产有较大影响，进而需要一套针对变压器表面除垢的机器人系统。

目前，大部分除垢机器人系统的机械臂实现定位的方法主要有两种方式，一种是采用示教编程的方法，根据操作人员事先设定好的轨迹进行定位，这种方法的实际效果取决于操作人员的工作经验，并且存在前期编程工作量大、轨迹优化不明显和运动耗能高等缺点。另外一种方式是采用工业摄像机进行物体的识别定位，包括特定频谱的摄像机如红外成像摄像机等，通过摄像机对外界场景信息的感知，经过决策规划，实现定位。这种方法使用范围受限，无法适应更复杂的定位环境，现有的视觉技术难以处理实时性的视觉信息，同时也需要人工编程设置一些中间检查点。

大多数自动化机器人的动作生成问题可以概括为序列决策问题，而强化学习擅长解决决策问题，强化学习可以帮助人们找到难以发现到的并且有价值的动作，使任务变得更加高效，本专利提供了一种基于强化学习的机械臂定位方法。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种机械臂最优路径优化定位方法，无需昂贵的工业级别的传感器和摄像机、无需操作人员前期的进行复杂的示教编程，降低人员使用操作使用门槛、除了可用于抓取的路径模型的获取外，其设计思想还可扩展到清洗路径和喷涂路径等机械臂常见任务的应用中，解决了现有除垢机器人系统机械臂实现定位方法中出现的问题。

(二)技术方案

为实现上述无需昂贵的工业级别的传感器和摄像机、无需操作人员前期的进行复杂的示教编程，降低人员使用操作使用门槛、除了可用于抓取的路径模型的获取外，其设计思想还可扩展到清洗路径和喷涂路径等机械臂常见任务的应用中的目的，本发明提供如下技术方案：一种机械臂最优路径优化定位方法，包括如下步骤：

步骤一：V-REP场景的配置：使用虚拟机器人实验平台V-REP(virtual robotexperimentation platform，简称V-REP)进行仿真实验，进而完成V-REP场景的配置；

步骤二：V-REP场景的初始化：在V-REP场景里建立场景模型，可以自由选择不同机械臂真实模型，调取变压器型号，通过扫描确定污染物目标位置等，进而完成V-REP场景的初始化；

步骤三：机械臂启动：机械臂开始环境的探索，以此获得特定场景的抓取路径模型，而且路径模型具有最少以及多的动作数，减少机器臂不必要的动作切换；

步骤四：数据的记录：记录所述步骤三中每一回合的状态于Q表中；