基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法及装置制造方法及图纸

一种基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法，包括：判断过渡轨迹P

Optimization method and device of corner acceleration based on transition trajectory planning of S-curve robot

An optimization method of corner acceleration based on transition trajectory planning of S-curve robot includes: judging transition trajectory p

【技术实现步骤摘要】
基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法及装置
本专利技术涉及机器人的路径规划技术。
技术介绍
轨迹规划是保证机器人实现稳定运动的重要技术。机器人运动轨迹通常有点到点、直线，圆弧等轨迹，在实际应用中单条轨迹往往不能满足任务需求，而必须依靠多条轨迹衔接而成。在机器人的过渡轨迹规划中，基于向量的合成方法可以满足过渡轨迹的速度约束，但难以满足其加速度约束，从而会导致机器人在运行过程中产生机械振动。
技术实现思路
本专利技术所要解决的技术问题在于提供一种基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法及其装置，其能使基于S形曲线的机器人过渡轨迹规划中通过矢量合成法确定的过渡轨迹的加速度满足加速度约束的要求，并使轨迹过渡时的降速小。本专利技术实施例提供了一种基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法，该基于S形曲线机器人过渡轨迹规划通过矢量合成法确定轨迹P0P1与轨迹P1P2之间的过渡轨迹PsPe的切向加速度，其中，基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法包括以下步骤：判断过渡轨迹PsPe的最大的切向加速度是否大于dmax1和amax2中较小的那一者；dmax1为工程约束条件规定的轨迹P0P1的最大减速度，amax2为工程约束条件规定的轨迹P1P2的最大加速度；若过渡轨迹PsPe的最大的切向加速度大于dmax1和amax2中较小的那一者，则通过遗传算法计算轨迹P0P1的最优减速度a1、以及轨迹P1P2的最优加速度a2，以使过渡轨迹PsPe的最大切向加速度的值在小于等于dmax1和amax2中较小的那一者的情况下达到最大。本专利技术还提供了一种基于S形曲线机器人过渡轨迹规划的拐角加速度优化装置，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行所述指令以实现上述的方法。本专利技术通过遗传算法计算轨迹P0P1的最优减速度a1、以及轨迹P1P2的最优加速度a2，使得轨迹P0P1与轨迹P1P2之间的过渡轨迹PsPe的最大切向加速度的值在小于等于dmax1和amax2中较小的那一者的情况下达到最大化，从而可以使机器人在两段轨迹之间进行过渡时速度降速最小，且不超过加速度限制，对机器人高速运动具有重要意义。附图说明图1示出了基于S形曲线机器人过渡轨迹规划的过渡轨迹的示例图。图2示出了S形速度规划曲线的示意图。图3示出了根据轨迹P0P1和轨迹P1P2的S形速度曲线对圆滑参数进行调整的原理示意图。图4示出了用矢量合成法确定过渡轨迹的速度、加速度的示意图。图5示出了采用根据本专利技术实施例的拐角加速度优化方法的机器人过渡轨迹规划的流程示意图。具体实施方式根据本专利技术一实施例的一种基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法，其中，基于S形曲线机器人过渡轨迹规划通过矢量合成法确定轨迹P0P1与轨迹P1P2之间的过渡轨迹PsPe的切向加速度，该机器人过渡轨迹规划的拐角加速度优化方法包括以下步骤：判断过渡轨迹PsPe的最大的切向加速度是否大于dmax1和amax2中较小的那一者；dmax1为工程约束条件规定的轨迹P0P1的最大减速度，amax2为工程约束条件规定的轨迹P1P2的最大加速度；若过渡轨迹PsPe的最大的切向加速度大于dmax1和amax2中较小的那一者，则通过遗传算法计算轨迹P0P1的最优减速度a1、以及轨迹P1P2的最优加速度a2，以使过渡轨迹PsPe的最大切向加速度的值在小于等于dmax1和amax2中较小的那一者的情况下达到最大。图1示出了基于S型曲线机器人过渡轨迹规划的过渡轨迹的示例图。在图1的示例中，轨迹P0P1与轨迹P1P2均为直线，二者圆滑过渡。在进行基于S形曲线的机器人过渡轨迹规划时，需要根据给定的运动参数以及工程约束条件，确定轨迹P0P1与轨迹P1P2之间的过渡轨迹的起点位置和终点位置。运动参数包括轨迹P0P1的起始点P0的位置、终点P1的位置、轨迹P1P2的终点P2的位置、以及圆滑参数q。工程约束条件包括轨迹P0P1的最大加速度amax1、最大减速度dmax1、以及轨迹P1P2的最大加速度amax2、最大减速度dmax2。将轨迹P0P1与轨迹P1P2按照S形曲线加减速(如图2以及公式(1)～(4)所示)分别进行速度规划，轨迹P0P1的速度达到最大速度Vmax1乘以圆滑参数q时为进入圆滑的条件，Ps为过渡轨迹的起点，此时轨迹P1P2开始运动，过渡轨迹当成轨迹P0P1与轨迹P1P2的矢量合成，当轨迹P0P1运动完成时，过渡轨迹完成，即图1中的Pe点，Pe点为过渡路径的结束点。请参阅图3。如图3中的左边一幅图所示，如果根据给定的圆滑参数q完成了轨迹P0P1的减速段的圆滑后，超出了轨迹P1P2的最大速度，那么还需要对圆滑参数q做出调整。此时根据轨迹P1P2的最大速度反推进入圆滑(过渡)时的速度，如图3中的右边一幅图所示，轨迹P0P1进入减速段后，再经过td-t3时间即可进入圆滑区域，最后根据进入圆滑时的速度推导出圆滑参数。td、ta分别为轨迹P0P1的减速段时间和轨迹P1P2的加速段时间，t2为调整圆滑参数q之前的圆滑时间，t3为调整圆滑参数q之后的圆滑时间。请参阅图4。根据矢量合成法，过渡轨迹PsPe在时刻t的速度v是轨迹P0P1在时刻t的速度v1和轨迹P1P2在时刻t的速度v2的矢量合成，过渡轨迹PsPe在时刻t的加速度a是轨迹P0P1在时刻t的减速度a1和轨迹P1P2在时刻t的加速度a2的矢量合成。圆滑时第一条轨迹P0P1处于减速度段，第二条轨迹P1P2处于加速段，矢量合成后的加速度可能会超出给定的加速度限制。因此需要计算圆滑后最大的切向加速度，若过渡轨迹PsPe的最大的切向加速度小于等于dmax1和amax2中较小的那一者，则无需调整，若大于dmax1和amax2中较小的那一者，则采用遗传算法调整轨迹P0P1的最优减速度a1、以及轨迹P1P2的最优加速度a2，以使过渡轨迹PsPe的最大切向加速度的值在小于等于dmax1和amax2中较小的那一者的情况下达到最大化。过渡轨迹PsPe在时刻t的切向加速度可用公式(5)表示：aT(t)＝a1*cosθ+a2*sin(π-α-θ)(5)其中θ为v与v1之间的夹角，α为v1与v2之间的夹角，ts为进入过渡轨迹的时刻，te为过渡轨迹结束的时刻。若要以最快速度通过圆滑区域而加速度又不超出限制，可在区间[ts,te]上求出满足以下公式(6)的a1和a2，使aT最大。amax≥a1*cosθ+a2*sin(π-α-θ)(6)上述方程为非线性方方程，本实施例中采用遗传算法求得最优的a1和a2。本实施例中，采用遗传算法计算轨迹P0P1的最优减速度a1、以及轨迹P1P2的最优加速度a2包括以下步骤：以待计算的轨迹P0P1的最优减速度a1、以及轨迹P1P2的最优加速度a2作为种群中的一个个体的基因，本文档来自技高网...

【技术保护点】
1.一种基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法，所述的基于S形曲线机器人过渡轨迹规划通过矢量合成法确定轨迹P

【技术特征摘要】
1.一种基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法，所述的基于S形曲线机器人过渡轨迹规划通过矢量合成法确定轨迹P0P1与轨迹P1P2之间的过渡轨迹PsPe的切向加速度，其特征在于，所述的基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法包括以下步骤：
判断过渡轨迹PsPe的最大的切向加速度是否大于dmax1和amax2中较小的那一者；dmax1为工程约束条件规定的轨迹P0P1的最大减速度，amax2为工程约束条件规定的轨迹P1P2的最大加速度；
若过渡轨迹PsPe的最大的切向加速度大于dmax1和amax2中较小的那一者，则通过遗传算法计算轨迹P0P1的最优减速度a1、以及轨迹P1P2的最优加速度a2，以使过渡轨迹PsPe的最大切向加速度的值在小于等于dmax1和amax2中较小的那一者的情况下达到最大。


2.如权利要求1所述的基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法，其特征在于，采用遗传算法计算轨迹P0P1的最优减速度a1、以及轨迹P1P2的最优加速度a2包括以下步骤：
以待计算的轨迹P0P1的最优减速度a1、以及轨迹P1P2的最优加速度a2作为种群中的一个个体的基因，生成初始种群；
计算种群中的每一个个体的适应度；
迭代地进行遗传操作，生成新种群，计算新种群中每个个体的适应度，直至满足预设的迭代终止条件，输出满足迭代终止条件时的最优解作为轨迹P0P1的最优减速度a1、以及轨迹P1P2的最优加速度a2的取值。


3.如权利要求2所述的基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法，其特征在于，所述遗传操作包括选择、交叉和变异，生成新种群的过程包括：根据上一代种群中的各个个体的适应度，利用轮盘赌规则从上一代种群中选择进行下一次进化的个体，将选择出的个体作为母体，通过交叉操作得到新的个体，对选择出的个体进行变异操作，得到新个体。


4.如权利要求1所述的基于S形曲线机器人过渡轨迹规划的拐角加速度优化方法，其特征在于，若过渡轨迹PsPe的最大的切向加速度大于dmax1和amax2中较小的那一者，则通过遗传算法计算轨迹P0P1的最...

【专利技术属性】
技术研发人员：徐欣，王科，徐凯，
申请(专利权)人：上海新时达机器人有限公司，上海新时达电气股份有限公司，
类型：发明
国别省市：上海;31