本发明专利技术公开了一种机器人的控制方法及控制装置、机器人设备。其中，该方法包括：获取机器人的关节数量和目标位置点的空间坐标；基于目标位置点的空间坐标，构造与关节数量对应的齐次矩阵方程；采用预设加强学习蜂群算法求解齐次矩阵方程，得到机器人各个关节的转动角度；控制各个关节的电机按照转动角度运转。本发明专利技术解决了相关技术中在求解机器人的关节运动角时，存在计算过程繁琐复杂的技术问题。存在计算过程繁琐复杂的技术问题。存在计算过程繁琐复杂的技术问题。
【技术实现步骤摘要】
机器人的控制方法及控制装置、机器人设备
[0001]本专利技术涉及机器人控制
，具体而言，涉及一种机器人的控制方法及控制装置、机器人设备。
技术介绍
[0002]相关技术中，越来越多的机器人应用于到实际生产中，在机器人设计中，需要在确定待到达的目标轨迹点后，基于该目标轨迹点，逆运动计算得到各个关节的关节运动角度，尤其是对于关节较多(例如，6轴机器人)时，机器人的逆运动计算是轨迹规划中必不可少一环。
[0003]多自由度机械臂的逆运动求解问题是一个典型的高维求解问题，对于一个关节角的求解相当于一个维度上的搜索，当自由度超过3自由度称为多自由度，超过6自由度称为超自由度，此时机械臂具有冗余，能达到更多的姿态。机器人的轨迹规划往往离不开逆运动学求解，在轨迹规划中，往往空间姿态点会提前规划好，这时候主控制器会直接调用逆运动算法对规划好的空间点进行求解每个关节角，但是，当前，机器人的逆运算主要以传统的D
‑
H矩阵进行计算，这种逆运动运输存在多个缺陷，包括：第一点，计算过程繁琐复杂；第二点，不同的机器人逆运动方程需要重新列写；第三点，传统的D
‑
H法只适合标准的机器人，遇到设计不标准的机器人可能无法算出标准解；第四点，很难解算出多自由度机械臂。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本专利技术实施例提供了一种机器人的控制方法及控制装置、机器人设备，以至少解决相关技术中在求解机器人的关节运动角时，存在计算过程繁琐复杂的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种机器人的控制方法，包括：获取机器人的关节数量和目标位置点的空间坐标；基于所述目标位置点的空间坐标，构造与所述关节数量对应的齐次矩阵方程；采用预设加强学习蜂群算法求解所述齐次矩阵方程，得到所述机器人各个关节的转动角度；控制各个关节的电机按照所述转动角度运转。
[0007]可选地，采用预设加强学习蜂群算法求解所述齐次矩阵方程，得到所述机器人各个关节的转动角度的步骤，包括：确定蜜源集合以及与蜜源数量对应的迭代总次数，其中，所述蜜源集合中的每个蜜源表示一组关节的转动角度；采用多种类型的蜂群迭代搜索所述蜜源集合中每个蜜源的合适度，直至迭代搜索次数达到所述迭代总次数，其中，所述合适度用于指示蜜源中各个关节的转动角度与目标位置点的空间坐标的适应度；寻找所有合适度中数值最大的合适度所对应的目标蜜源；基于所述目标蜜源，确定所述机器人各个关节的转动角度。
[0008]可选地，蜂群的类型包括：雇佣蜂、观察蜂、侦查蜂，所述采用多种类型的蜂群迭代搜索所述蜜源集合中每个蜜源的合适度的步骤，包括：确定所述蜜源集合中各个蜜源的蜜源维度和当前蜜源的合适度；采用所述雇佣蜂搜索下一蜜源的合适度；若所述下一蜜源的
合适度大于所述当前蜜源的合适度，控制所述雇佣蜂遗弃所述当前蜜源，并重新记录所述下一蜜源；将当前所选的蜜源维度增加强化向量；若所述下一蜜源的合适度小于等于所述当前蜜源的合适度，控制雇佣蜂维持所述当前蜜源，并将当前所选的蜜源维度降低强化向量。
[0009]可选地，在采用所述雇佣蜂搜索下一蜜源的合适度之后，所述控制方法还包括：计算所述机器人各个关节选择当前蜜源的概率值，并采用所述观察蜂基于所述概率值确定各个蜜源的权重值；采用所述观察蜂基于所述权重值更新所有蜜源维度；采用所述观察蜂基于更新后的蜜源维度搜索下一蜜源的合适度；若所述下一蜜源的合适度大于所述当前蜜源的合适度，控制所述观察蜂将所述当前蜜源替换为所述下一蜜源，并将当前所选的蜜源维度增加强化向量；若所述下一蜜源的合适度小于等于所述当前蜜源的合适度，控制所述观察蜂维持所述当前蜜源，并将当前所选的蜜源维度降低强化向量。
[0010]可选地，所述控制方法还包括：对于每个蜜源，在迭代搜索次数超出所述迭代总次数时，采用所述侦查蜂随机选取下一目标蜜源，并更新所述下一目标蜜源的蜜源维度的强化向量。
[0011]可选地，在得到所述机器人各个关节的转动角度之后，所述控制方法还包括：基于各个关节的转动角度，分析所述机器人的末端执行器的空间坐标点和法向朝向。
[0012]可选地，所述机器人的控制方法应用于车辆的轨迹规划环境。
[0013]根据本专利技术实施例的另一方面，还提供了一种机器人的控制装置，包括：获取单元，用于获取机器人的关节数量和目标位置点的空间坐标；构造单元，用于基于所述目标位置点的空间坐标，构造与所述关节数量对应的齐次矩阵方程；确定单元，用于采用预设加强学习蜂群算法求解所述齐次矩阵方程，得到所述机器人各个关节的转动角度；控制单元，用于控制各个关节的电机按照所述转动角度运转。
[0014]可选地，所述确定单元包括：第一确定模块，用于确定蜜源集合以及与蜜源数量对应的迭代总次数，其中，所述蜜源集合中的每个蜜源表示一组关节的转动角度；第一搜索模块，用于采用多种类型的蜂群迭代搜索所述蜜源集合中每个蜜源的合适度，直至迭代搜索次数达到所述迭代总次数，其中，所述合适度用于指示蜜源中各个关节的转动角度与目标位置点的空间坐标的适应度；第一寻找模块，用于寻找所有合适度中数值最大的合适度所对应的目标蜜源；第二确定模块，用于基于所述目标蜜源，确定所述机器人各个关节的转动角度。
[0015]可选地，蜂群的类型包括：雇佣蜂、观察蜂、侦查蜂，所述第一搜索模块包括：第一确定子模块，用于确定所述蜜源集合中各个蜜源的蜜源维度和当前蜜源的合适度；第一搜索子模块，用于采用所述雇佣蜂搜索下一蜜源的合适度；第一控制子模块，用于在所述下一蜜源的合适度大于所述当前蜜源的合适度时，控制所述雇佣蜂遗弃所述当前蜜源，并重新记录所述下一蜜源；第一增强子模块，用于将当前所选的蜜源维度增加强化向量；第二控制子模块，用于在所述下一蜜源的合适度小于等于所述当前蜜源的合适度时，控制雇佣蜂维持所述当前蜜源，并将当前所选的蜜源维度降低强化向量。
[0016]可选地，所述控制装置还包括：第一计算子模块，用于在采用所述雇佣蜂搜索下一蜜源的合适度之后，计算所述机器人各个关节选择当前蜜源的概率值，并采用所述观察蜂基于所述概率值确定各个蜜源的权重值；第一更新子模块，用于采用所述观察蜂基于所述
权重值更新所有蜜源维度；第二搜索子模块，用于采用所述观察蜂基于更新后的蜜源维度搜索下一蜜源的合适度；第三控制子模块，用于在所述下一蜜源的合适度大于所述当前蜜源的合适度，控制所述观察蜂将所述当前蜜源替换为所述下一蜜源，并将当前所选的蜜源维度增加强化向量；第四控制子模块，用于在所述下一蜜源的合适度小于等于所述当前蜜源的合适度，控制所述观察蜂维持所述当前蜜源，并将当前所选的蜜源维度降低强化向量。
[0017]可选地，所述控制装置还包括：选取子模块，用于对于每个蜜源，在迭代搜索次数超出所述迭代总次数时，采用所述侦查蜂随机选取下一目标蜜源，并更新所述下一目标蜜源的蜜源维度的强化向量。
[0018]可选地，所述机器人的控制装置还包括：分析单元，用于在得到所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机器人的控制方法，其特征在于，包括：获取机器人的关节数量和目标位置点的空间坐标；基于所述目标位置点的空间坐标，构造与所述关节数量对应的齐次矩阵方程；采用预设加强学习蜂群算法求解所述齐次矩阵方程，得到所述机器人各个关节的转动角度；控制各个关节的电机按照所述转动角度运转。2.根据权利要求1所述的控制方法，其特征在于，采用预设加强学习蜂群算法求解所述齐次矩阵方程，得到所述机器人各个关节的转动角度的步骤，包括：确定蜜源集合以及与蜜源数量对应的迭代总次数，其中，所述蜜源集合中的每个蜜源表示一组关节的转动角度；采用多种类型的蜂群迭代搜索所述蜜源集合中每个蜜源的合适度，直至迭代搜索次数达到所述迭代总次数，其中，所述合适度用于指示蜜源中各个关节的转动角度与目标位置点的空间坐标的适应度；寻找所有合适度中数值最大的合适度所对应的目标蜜源；基于所述目标蜜源，确定所述机器人各个关节的转动角度。3.根据权利要求2所述的控制方法，其特征在于，蜂群的类型包括：雇佣蜂、观察蜂、侦查蜂，所述采用多种类型的蜂群迭代搜索所述蜜源集合中每个蜜源的合适度的步骤，包括：确定所述蜜源集合中各个蜜源的蜜源维度和当前蜜源的合适度；采用所述雇佣蜂搜索下一蜜源的合适度；若所述下一蜜源的合适度大于所述当前蜜源的合适度，控制所述雇佣蜂遗弃所述当前蜜源，并重新记录所述下一蜜源；将当前所选的蜜源维度增加强化向量；若所述下一蜜源的合适度小于等于所述当前蜜源的合适度，控制雇佣蜂维持所述当前蜜源，并将当前所选的蜜源维度降低强化向量。4.根据权利要求3所述的控制方法，其特征在于，在采用所述雇佣蜂搜索下一蜜源的合适度之后，所述控制方法还包括：计算所述机器人各个关节选择当前蜜源的概率值，并采用观察蜂基于所述概率值确定各个蜜源的权重值；采用所述观察蜂基于所述权重值更新所有蜜源维度...
【专利技术属性】
技术研发人员：杨韬源，程平恒，赵明，林国凯，申昌本，
申请(专利权)人：广东博智林机器人有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。