[发明专利]机械臂动态避碰规划方法

说明书

本发明公开了一种机械臂动态避碰规划方法，该方法包括如下步骤：S1、构建机械臂的系统动态方程；S2、依据所述系统动态方程计算所述机械臂的原始预测函数；S3、构建环境惩罚模型；S4、依据所述原始预测函数和环境惩罚模型构建目标预测函数；S5、对所述目标预测函数进行优化，以获得控制序列；S6、依据所述控制序列训练所述环境惩罚模型，直至所述环境惩罚模型收敛；本发明的控制效果好、鲁棒性强且支持在线优化。

技术领域

本发明涉及机器人制造技术领域，尤其涉及一种机械臂动态避碰规划方 法。

背景技术

目前投入到工业生产中的工业机械臂大多数靠人工示教的方法完成路径 规划，以完成焊接、喷涂、码垛、搬运、装配、加工等生产过程。人工示教 方法在应对单一重复的特定任务时具有一定的作用。

然而，随着生产任务的日益多样化与任务场景的日益复杂化，使现有的 人工示教方法的诸如操作复杂繁琐、通用性差以及精度低等缺点渐渐暴露。 且随着智能生产领域对机械臂的工作效率与工作精度要求越来越高，落后的 人工示教方法已无法满足这种需求。为了解决机械臂的路径规划问题，许多 算法及其变种算法被开发出来，但是这些算法大多数只支持离线规划，无法 在动态障碍环境下运行，以至于机械臂不具备应对突发危险的能力。

发明内容

本发明的目的是提供一种机械臂动态避碰规划方法，其控制效果好、鲁 棒性强且支持在线优化。

为了实现上有目的，本发明公开了一种机械臂动态避碰规划方法，其包 括如下步骤：

S1、构建机械臂的系统动态方程；

S2、依据所述系统动态方程计算所述机械臂的原始预测函数；

S3、构建环境惩罚模型；

S4、依据所述原始预测函数和环境惩罚模型构建目标预测函数；

S5、对所述目标预测函数进行优化，以获得控制序列；

S6、依据所述控制序列训练所述环境惩罚模型，直至所述环境惩罚模型 收敛。

较佳地，所述环境惩罚模型以所述机械臂的关节状态量、控制量作为输 入量，及以所述系统动态方程的环境惩罚量作为输出量。

较佳地，所述步骤S6具体包括：

S61、初始化所述目标预测函数中的环境惩罚量的权重；

S62、在预设时间内以预设的连续控制量赋值所述目标预测函数，以获得 多个状态量和环境惩罚量；

S63、依据所述多个状态量和环境惩罚量优化所述目标预测函数中的环境 惩罚量的权重，直至所述环境惩罚模型收敛。

具体地，所述步骤S63具体为：

依据所述多个状态量和环境惩罚量，以自然进化策略优化所述目标预测 函数中的环境惩罚量的权重，直至所述环境惩罚模型收敛。

较佳地，对所述目标预测函数赋值每一控制量获得对应的一个状态量和 一个环境惩罚量。

较佳地，所述步骤S1具体包括：

S11、将所述系统动态方程进行离散化处理，得到离散化后的系统动态方 程；

S12、依据离散化后的系统动态方程计算得到所述机械臂的原始预测函 数，所述原始预测函数包含有关于控制量的参数。

较佳地，所述控制序列包括多个一一对应的新的状态量和控制增量，所 述新的状态量为当前状态量与上一时刻的状态量的结合，所述控制增量为当 前控制量与上一时刻的控制量的结合，所述环境惩罚模型用于预测所述机械 臂在所述控制序列内的状态。