机器人行走轨迹确定方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术适用于计算机技术领域，提供了一种机器人行走轨迹确定方法、装置、计算机设备及存储介质，所述方法包括：获取机器人行走轨迹规划模型；根据机器人行走轨迹规划模型以及改进人工蜂群算法确定最优相邻点时间序列，根据最优相邻点时间序列确定机器人行走轨迹。本发明专利技术利用改进的人工蜂群算法来确定最优相邻点时间序列，由于改进人工蜂群算法在雇佣蜂优化步骤和/或跟随蜂优化步骤中与当前较优相邻点时间序列相关联，扩展了人工蜂群算法所采用的搜索方式，在不影响全局搜索能力的同时，有效增强了对潜在重点区域的局部开发能力。

【技术实现步骤摘要】
机器人行走轨迹确定方法、装置、计算机设备及存储介质
本专利技术属于计算机
，尤其涉及一种机器人行走轨迹确定方法、装置、计算机设备及存储介质。
技术介绍
工业机器人诞生于20世纪60年代，机器人最初主要应用于劳动密集型产业和人类难以忍受的恶劣工作环境，用来代替人类执行高强度、高危险性的工作任务，减轻工人工作强度，提升生产效率。经过50余年的发展，机器人各项技术日趋成熟，工业机器人已经成为现代化车间的重要设备。现有技术通常都是基于PTP(pointtopoint)轨迹来实现机器人的行走轨迹规划，通过提出了时间-能量最优轨迹规划问题的数学模型，采用智能优化算法来处理时间-能量最优轨迹规划问题。现有的智能优化算法有多种，广泛用于处理机器人行走轨迹规划的算法主要是人工蜂群算法，人工蜂群算法融合了遗传算法的信息共享机制以及粒子群算法的记忆机制，在工程应用中比遗传算法和粒子群算法等更具优势。然而标准的人工蜂群算法所采用的搜索方式单一，全局搜索能力强而局部开发能力不足，在用于处理机器人行走轨迹规划问题时还存在着收敛不够迅速、精度较低的技术问题。可见，现有的机器人行走轨迹规划还存在着求解速率慢、求解结果的效果不够理想的技术问题。
技术实现思路
本专利技术实施例的目的在于提供一种机器人行走轨迹确定方法、装置、计算机设备及存储介质，旨在解决现有的机器人行走轨迹规划还存在的求解速率慢、求解结果的效果不够理想的技术问题。本专利技术实施例是这样实现的，一种机器人行走轨迹确定方法，包括：获取机器人行走轨迹规划模型；所述机器人行走轨迹规划模型包括机器人关节在起点、终点和多个中间关键点的位置信息、速度信息、加速度信息以及相邻点时间序列与行走轨迹时间-能量值的关系；根据所述机器人行走轨迹规划模型以及改进人工蜂群算法确定最优相邻点时间序列；根据所述最优相邻点时间序列以及所述位置信息、速度信息以及加速度信息确定机器人行走轨迹；其中，所述改进人工蜂群算法包括雇佣蜂优化步骤和跟随蜂优化步骤，所述雇佣蜂优化步骤和/或跟随蜂优化步骤中的相邻点时间序列包括当前较优相邻点时间序列。本专利技术实施例的另一目的在于提供一种机器人行走轨迹确定装置，其特征在于，包括：机器人行走轨迹规划模型获取单元，用于获取机器人行走轨迹规划模型；所述机器人行走轨迹规划模型包括机器人关节在起点、终点和多个中间关键点的位置信息、速度信息、加速度信息以及相邻点时间序列与行走轨迹时间-能量值的关系；最优相邻点时间序列确定单元，用于根据所述机器人行走轨迹规划模型以及改进人工蜂群算法确定最优相邻点时间序列；机器人行走轨迹确定单元，用于根据所述最优相邻点时间序列以及所述位置信息、速度信息以及加速度信息确定机器人行走轨迹；其中，所述改进人工蜂群算法包括雇佣蜂优化步骤和跟随蜂优化步骤，所述雇佣蜂优化步骤和/或跟随蜂优化步骤中的相邻点时间序列包括当前较优相邻点时间序列。本专利技术实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述机器人行走轨迹确定方法的步骤。本专利技术实施例的另一目的在于提供一种可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述所述机器人行走轨迹确定方法的步骤。本专利技术实施例提供的一种机器人行走轨迹确定方法，通过在获取机器人行走轨迹规划模型后，是利用改进的人工蜂群算法来确定最优相邻点时间序列，从而确定出机器人行走轨迹，其中，由于改进的人工蜂群算法相比于现有的人工蜂群算法在雇佣蜂优化步骤和/或跟随蜂优化步骤进行了调整，使得雇佣蜂优化步骤和/或跟随蜂优化步骤中的相邻点时间序列与当前较优相邻点时间序列相关联，扩展了人工蜂群算法所采用的搜索方式，从而在不丧失原有的人工蜂群算法所具有的全局搜索能力的同时，有效增强了对当前较优相邻点时间序列邻域也就是潜在重点区域的局部开发能力，在提高了算法的收敛速度的同时，还有效提高了算法运算结果的实际效果。附图说明图1为本专利技术实施例提供的一种机器人行走轨迹确定方法的步骤流程图；图2为本专利技术实施例提供的一种雇佣蜂优化步骤的流程图；图3为本专利技术实施例提供的另一种雇佣蜂优化步骤的流程图；图4为本专利技术实施例提供的又一种雇佣蜂优化步骤的流程图；图5为本专利技术实施例提供的一种跟随蜂优化步骤的流程图；图6为本专利技术实施例提供的一种基于灰狼算法对相邻点时间序列进行调整的步骤流程图；图7为本专利技术实施例提供的一种机器人行走轨迹确定装置的结构示意图；图8为本专利技术实施例提供的一种执行机器人行走轨迹确定方法的计算机设备的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。为了解决现有的人工蜂群算法在求解机器人行走轨迹过程中还存在的收敛速率差、求解精度低的技术问题，本专利技术对现有人工蜂群算法的雇佣蜂优化步骤和/或跟随蜂优化步骤进行了优化改进。具体的，现有人工蜂群算法的雇佣蜂优化步骤都是在雇佣蜂的邻域附近进行搜索较优解，在现有人工蜂群算法的跟随蜂优化步骤中，跟随蜂也同样是在给定雇佣蜂的邻域附近进行搜索，这样的算法虽然保证了一定的全局搜索能力，然而其开发能力较弱，尤其是缺少对重点区域的开发能力，在初始雇佣蜂不够理想时，收敛速度较为缓慢，最终确定的精度也不够理想。而本专利技术提供的改进人工蜂群算法，在雇佣蜂优化步骤和/或跟随蜂优化步骤中，不再局限于在随机给定的雇佣蜂的邻域附近进行搜索较优解，而是提高了当前效果最优的雇佣蜂的影响，即提高了精英个体的引导能力，使得部分雇佣蜂以及跟随蜂能够快速集中于较优解附近进行重点搜索，从而有效地提高了算法的收敛速度以及运算结果的效果。在本专利技术中，首先对机器人的PTP轨迹规划进行说明：PTP轨迹规划是指基于工作的需要在机器人的关节空间内确定多个起点、终点和多个中间关键点，并给定在达到每一关键点时关节的速度和加速度，此时，利用多项式(通常是五次多项式)对相邻关键点进行连接，就可以得到多段点到点轨迹组成的完整工作轨迹，此时具体的工作轨迹则由各段PTP轨迹的运动时间唯一确定，也就是说，在知晓了相邻关键点的关节位置、关节速度以及加速度之后，一旦确定了关节在相邻关键点之间的运动时间，则利用五次多项式连接相邻关键点所得到的轨迹是唯一确定的。而在得知具体的工作轨迹后，结合常规动力学模型就可以分析出各个关节的力矩以及位移等信息，从而可以确定出机器人在该工作轨迹上的能量消耗。结合前述分析可知，在给定了相邻关键点之间的运动时间之后，则机器人在工作轨迹上的总运动时间(即各相邻关键点之间的运动时间之和)以及能量消耗也就唯一确定。通常意义上来讲，相邻关键点之间的运动时间越短，即机器人行走时间越少，机器本文档来自技高网...

【技术保护点】
1.一种机器人行走轨迹确定方法，其特征在于，包括：/n获取机器人行走轨迹规划模型；所述机器人行走轨迹规划模型包括机器人关节在起点、终点和多个中间关键点的位置信息、速度信息、加速度信息以及相邻点时间序列与行走轨迹时间-能量值的关系；/n根据所述机器人行走轨迹规划模型以及改进人工蜂群算法确定最优相邻点时间序列；/n根据所述最优相邻点时间序列以及所述位置信息、速度信息以及加速度信息确定机器人行走轨迹；/n其中，所述改进人工蜂群算法包括雇佣蜂优化步骤和跟随蜂优化步骤，所述雇佣蜂优化步骤和/或跟随蜂优化步骤中的相邻点时间序列包括当前较优相邻点时间序列。/n

【技术特征摘要】
1.一种机器人行走轨迹确定方法，其特征在于，包括：
获取机器人行走轨迹规划模型；所述机器人行走轨迹规划模型包括机器人关节在起点、终点和多个中间关键点的位置信息、速度信息、加速度信息以及相邻点时间序列与行走轨迹时间-能量值的关系；
根据所述机器人行走轨迹规划模型以及改进人工蜂群算法确定最优相邻点时间序列；
根据所述最优相邻点时间序列以及所述位置信息、速度信息以及加速度信息确定机器人行走轨迹；
其中，所述改进人工蜂群算法包括雇佣蜂优化步骤和跟随蜂优化步骤，所述雇佣蜂优化步骤和/或跟随蜂优化步骤中的相邻点时间序列包括当前较优相邻点时间序列。


2.根据权利要求1所述的机器人行走轨迹确定方法，其特征在于，所述雇佣蜂优化步骤具体包括：
确定雇佣蜂相邻点时间序列；
根据多个当前较优相邻点时间序列对所述雇佣蜂相邻点时间序列进行引导调整，生成引导候选雇佣蜂相邻点时间序列；
根据所述机器人行走轨迹规划模型计算所述雇佣蜂相邻点时间序列以及所述引导候选雇佣蜂相邻点时间序列的行走轨迹时间-能量值；
根据所述行走轨迹时间-能量值确定优化后的雇佣蜂相邻点时间序列。


3.根据权利要求2所述的机器人行走轨迹确定方法，其特征在于，在所述确定雇佣蜂相邻点时间序列的步骤之后，还包括：
根据预设的调整策略选择规则确定所述雇佣蜂相邻点时间序列的调整策略；
所述根据多个当前较优相邻点时间序列对所述雇佣蜂相邻点时间序列进行引导调整，生成引导候选雇佣蜂相邻点时间序列的步骤，具体为：
当判断所述雇佣蜂相邻点时间序列的调整策略为引导调整策略时，根据多个当前较优相邻点时间序列对所述雇佣蜂相邻点时间序列进行引导调整，生成引导候选雇佣蜂相邻点时间序列。


4.根据权利要求2或3所述的机器人行走轨迹确定方法，其特征在于，根据多个当前较优相邻点时间序列对所述雇佣蜂相邻点时间序列进行引导调整的步骤，具体包括：
根据多个当前较优相邻点时间序列以及随机获取的干扰雇佣蜂相邻点时间序列对所述雇佣蜂相邻点时间序列进行引导调整，生成引导候选雇佣蜂相邻点时间序列。


5.根据权利要求1所述的机器人行走轨迹确定方法，其特征在于，所述跟随蜂优化步骤具体包括：
根据多个雇佣蜂相邻点时间序列并按照轮盘赌机制生成多个跟随蜂相邻点时间序列；
按照预设的搜索策略选择规则确定所述跟随蜂相邻点时间序列的搜索策略；
当判断初始跟随蜂相邻点时间序列的搜索策略为引导搜索策略时，根据多个当...

【专利技术属性】
技术研发人员：浦玉学，舒鹏飞，李孝宝，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34