一种多关节机械臂的轨迹规划系统技术方案

本发明专利技术公开了一种多关节机械臂的轨迹规划系统，涉及机器人轨迹规划技术领域，解决现有方案中固定多项式拟合次数导致运算量大，忽略机械臂本身状态参数导致的轨迹规划曲线不合理的技术问题；包括处理器、管理监督模块、数据存储模块、数据采集模块、轨迹规划模块和故障管理模块；本发明专利技术利用多项式拟合法获取关节拟合轨迹时，规避了现有方案中固定多项式拟合次数的弊端，提高效率的同时能够降低运算量，保证机械臂处于低延迟的工作状态；本发明专利技术通过初设数据和人工智能模型的结合获取设定规则数据，规避了现有方案中忽略机械臂寿命表征数据导致获取的设定规则数据不符合实际情况，有助于提供机械臂轨迹规划的精度，以及轨迹规划曲线的合理。曲线的合理。曲线的合理。

【技术实现步骤摘要】
一种多关节机械臂的轨迹规划系统


[0001]本专利技术属于机器人轨迹规划
，具体是一种多关节机械臂的轨迹规划系统。

技术介绍

[0002]在当今工业生产和日常生活中，机械臂发挥着越来越重要的作用。研究热点主要集中在机械臂的运动规划与控制方便，其中，轨迹规划是机械轨迹控制的基础，对机械臂的平稳性、运行效率、作业精确性和能源调度具有重要意义。
[0003]公开号为CN103235513A的专利技术专利提供了一种基于遗传算法的移动机械臂轨迹规划优化方法。其技术方案是：先建立多自由度移动机械臂的正运动学模型和逆运动学模型；再采用四次多项式数学模型和五次多项式数学模型的组合曲线拟合关节轨迹，根据其线性约束方程得到对应数学模型的解；然后根据移动机械臂运动时间最短、移动的空间距离最小和不超过最大的关节设定扭矩的原则，选取轨迹优化目标；最后利用遗传算法对优化目标进行全局优化，得到最优的机械臂末端执行器的轨迹曲线。
[0004]上述方案提高了机械臂轨迹规划的效率和跟踪精度，解决了移动机械臂的实时轨迹规划的问题和不确定环境下机械臂轨迹规划优化和控制的问题；但是，上述方案在拟合关节轨迹时，采用固定的四次多项式模型和五次多项式模型，会导致计算量的增大，同时，针对轨迹优化目标选取规则的确定过于简单，未考虑机械臂的实际情况，会降低机械臂的寿命和运行精度。

技术实现思路

[0005]本专利技术提供了一种多关节机械臂的轨迹规划系统，用于解决现有方案中固定多项式拟合次数导致运算量大，忽略机械臂本身状态参数导致的轨迹规划曲线不合理的技术问题，本专利技术通过灵活设置多项式拟合的次数、将初设数据和人工智能模型相结合解决上述问题。
[0006]本专利技术的目的可以通过以下技术方案实现：一种多关节机械臂的轨迹规划系统，包括处理器；
[0007]所述处理器分别与数据采集模块和轨迹规划模块通信和/或电气连接；所述数据采集模块和轨迹规划模块通信和/或电气连接；
[0008]所述数据采集模块与采集传感器电气连接，且通过采集传感器采集传感数据；
[0009]所述轨迹规划模块用于对机械臂的运动轨迹进行规划，包括：
[0010]结合机械臂的连杆个数建立机械臂的运动学模型；其中，运动学模型包括正运动学模型和逆运动学模型；
[0011]任务代码结合多项式拟合法获取关节拟合轨迹，并对关节拟合轨迹进行求解；
[0012]通过初设数据结合人工智能模型获取设定规则数据，根据设定规则数据生成轨迹优化目标；
[0013]通过智能算法对轨迹优化目标进行全局优化，获取机械臂最优轨迹曲线。
[0014]优选的，所述关节拟合轨迹的获取包括：
[0015]获取起点到中间点的节点个数并标记为A；
[0016]获取中间点到终点的节点个数并标记为B；
[0017]通过公式获取节点评估系数JPX；其中，α1为比例系数，且α1为大于0的实数；
[0018]根据多项式拟合次数参考表分别拟合起点到中间点、中间点到终点的关节轨迹，将起点到中间点、中间点到终点的关节轨迹进行组合获取关节拟合轨迹。多项式拟合次数参考表如表1所示，其中为JPX或者1
‑
JPX。
[0019]表1多项式拟合次数参考表
[0020][0021]优选的，所述关节拟合轨迹通过对应拟合次数的线性约束方程进行求解。
[0022]优选的，所述设定规则数据的获取具体包括：
[0023]获取实时数据，所述实时数据包括初设数据和寿命表征数据；其中，初设数据包括起点位置、起点速度、起点加速度、终点位置、终点速度、终点加速度和运行总时间，寿命表征数据包括机械臂服务时长、机械臂结构刚度、机械臂接触刚度、工作温度和工作湿度；
[0024]通过数据存储模块获取训练数据集；所述训练数据集包括初设数据、寿命表征数据及对应的设定规则数据；所述设定规则数据包括机械臂的运动最短时间、移动最小空间距离、最大关节承受扭矩；
[0025]将训练数据集按照设定比例划分为训练集、测试集和校验集；其中，设定比例包括2:1:1、3:1:1和3:2:1；
[0026]构建人工智能模型；所述人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络中的一种或者多种；
[0027]通过训练集、测试集和校验集对人工智能模型进行训练，将完成训练的人工智能模型标记为规则数据预测模型；
[0028]将实时数据输入至规则数据预测模型获取输出结果；其中，所述输出结果为实时数据对应的设定规则数据。
[0029]优选的，所述智能算法包括遗传算法、粒子群算法和蚁群算法。
[0030]优选的，所述采集传感器包括速度传感器、加速度传感器、位移传感器和扭矩传感器。
[0031]优选的，该轨迹规划系统还包括数据存储模块、管理监督模块和故障处理模块；所述处理器分别与数据存储模块、管理监督模块和故障处理模块通信和/或电气连接；所述管理监督模块分别与数据存储模块和故障处理模块通信和/或电气连接；
[0032]所述数据存储模块用于存储数据；
[0033]所述管理监督模块用于上传任务数据至处理器和数据存储模块；所述任务数据包
括任务代码；
[0034]所述故障处理模块用于监控轨迹规划系统的通信状态，同时，还用于故障预警。
[0035]优选的，所述通信状态的监控具体包括：
[0036]获取故障处理模块和处理器之间的通信状态并生成第一通信标签；其中，所述第一通信标签的取值为0或者1，当第一通信标签为1时，表示故障处理模块和处理器之间的通信状态正常，当第一通信标签为0时，表示故障处理模块和处理器之间的通信状态异常，发送第一异常信号至管理监督模块；
[0037]当第一通信标签为1时，则获取处理器与数据采集模块、轨迹规划模块之间的通信状态并生成第二通信标签；其中，所述第二通信标签的取值为0或者1，当第二通信标签为1时，表示处理器与数据采集模块、轨迹规划模块之间的通信状态均正常，当第二通信标签为0时，表示处理器与数据采集模块、轨迹规划模块之间的通信状态至少存在一处异常，发送第二异常信号至管理监督模块；
[0038]当第二通信标签为1时，获取数据采集模块与采集传感器之间的通信状态并生成第三通信标签；其中，所述第三通信标签的取值为0或者1，当第三通信标签为1时，表示数据采集模块与采集传感器之间的通信状态均正常，当第三通信标签为0时，表示数据采集模块与采集传感器中至少一个传感器的通信状态存在异常，发送第三异常信号至管理监督模块。
[0039]与现有技术相比，本专利技术的有益效果是：
[0040]1、本专利技术利用多项式拟合法获取关节拟合轨迹时，在现有方案的基础上，对多项式拟合的次数选取进行了改进；获取起点到中间点的节点个数，获取中间点到终点的节点个数，获取节点评估系数，根据多项式拟合参考表获取多项式拟合次数；上述改进根据节点个数和节点评估系数灵活选取多项式拟合的次数，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多关节机械臂的轨迹规划系统，包括处理器，其特征在于，所述处理器分别与数据采集模块和轨迹规划模块通信和/或电气连接；所述数据采集模块和轨迹规划模块通信和/或电气连接；所述数据采集模块与采集传感器电气连接，且通过采集传感器采集传感数据；所述轨迹规划模块用于对机械臂的运动轨迹进行规划，包括：结合机械臂的连杆个数建立机械臂的运动学模型；其中，运动学模型包括正运动学模型和逆运动学模型；任务代码结合多项式拟合法获取关节拟合轨迹，并对关节拟合轨迹进行求解；通过初设数据结合人工智能模型获取设定规则数据，根据设定规则数据生成轨迹优化目标；通过智能算法对轨迹优化目标进行全局优化，获取机械臂最优轨迹曲线。2.根据权利要求1所述的一种多关节机械臂的轨迹规划系统，其特征在于，所述关节拟合轨迹的获取包括：获取起点到中间点的节点个数并标记为A；获取中间点到终点的节点个数并标记为B；通过公式获取节点评估系数JPX；其中，α1为比例系数，且α1为大于0的实数；根据多项式拟合次数参考表分别拟合起点到中间点、中间点到终点的关节轨迹，将起点到中间点、中间点到终点的关节轨迹进行组合获取关节拟合轨迹。3.根据权利要求1所述的一种多关节机械臂的轨迹规划系统，其特征在于，所述设定规则数据的获取具体包括：获取实时数据，所述实时数据包括初设数据和寿命表征数据；通过数据存储模块获取训练数据集；所述训练数据集包括初设数据、寿命表征数据及对应的设定规则数据；所述设定规则数据包括机械臂的运动最短时间、移动最小空间距离、最大...

【专利技术属性】
技术研发人员：贺杰，侯芳东，毛建丰，曹梦龙，张东明，王孟露，
申请(专利权)人：迅立达智能装备制造科技有限公司，
类型：发明
国别省市：