一种控制补偿的最优轨迹规划方法、设备及存储设备技术

本发明专利技术公开了一种控制补偿的最优轨迹规划方法、设备及存储设备，该方法根据上位机输入的信息生成最优运动轨迹后，在考虑控制器接收离散控制信号造成的误差前提下，生成最优轨迹对应的控制补偿信息。本发明专利技术的有益效果是：上述过程提高了机器人控制的实时性和轨迹跟踪精度，同时该方法加入了一种轨迹空间转换工具，提高了不满足Pieper准则的机器人的逆运动学求解效率，进一步提高了轨迹规划的实时性。进一步提高了轨迹规划的实时性。进一步提高了轨迹规划的实时性。

【技术实现步骤摘要】
一种控制补偿的最优轨迹规划方法、设备及存储设备


[0001]本专利技术涉及机器人轨迹规划领域，尤其涉及一种控制补偿的最优轨迹规划方法、设备及存储设备。

技术介绍

[0002]轨迹规划是根据作业实际要求，设计各关节速度与加速度，使被控系统在规定时间内到达特定目标状态。轨迹规划可细分为基本轨迹规划和最优轨迹规划，其中基本轨迹规划只考虑被控系统的运动学特性，用于对运动的复现；最优轨迹规划是在基本轨迹规划基础上进一步考虑动力学特性，将轨迹规划问题转化为有约束的非线性规划问题的形式进行求解。
[0003]基本轨迹规划又可分为笛卡尔空间规划和关节空间规划，笛卡尔空间规划在目标系统的工作坐标系中进行，以末端执行器的轨迹曲线为规划目标，轨迹结果较为直观且能对规划动态进行实时观察，适用于连续路径规划作业。由于被控系统运动是直接控制各个关节，因此关节空间轨迹规划具有计算量小、实时性高和操作简便等优点，且能有效避免系统的奇异位置，一般用于点到点的运动作业中。上述轨迹规划方法操作简单可靠，规划结果是一个满足约束的可行解，但未对规划结果的最优性进行探讨；同时，由于基本轨迹规划只考虑运动学特性，尚未考虑动力学特性，因此大多适用于码垛、搬运等对速度和精度要求都不高的场合。
[0004]为了满足机器人复杂工况下对鲁棒性、灵敏度、精度等的更高要求，考虑动力学特性的最优轨迹规划成为促进机器人高性能运动的发展的关键技术。在建立有约束的非线性规划问题时，最优轨迹规划将工作效率、运动平稳性和能量消耗等性能问题考虑在内，因此最优轨迹规划方案在严格按照要求完成作业任务的同时，还能做到高效、低冲击、小磨损和低能耗。虽然最优轨迹规划具有诸多优点，但缺乏控制变量作为补偿输入控制器，机器人控制的实时性和轨迹跟踪精度会相对不足。
[0005]除此之外，轨迹规划都会涉及到轨迹点从笛卡尔空间到关节空间的转换，即逆运动学问题。当机器人满足Pieper准则时，即后三个关节轴线始终交于一点时，可采用封闭解法快速求解逆运动学问题。对于不满足Pieper准则的一般机器人，不存在封闭解，需要通过数值迭代方法求解逆运动学问题。但数值迭代方法求解逆运动学问题效率低，实时性差。由此可知，提高逆运动学问题求解效率是提升最优轨迹规划方法实时性的有效手段。

技术实现思路

[0006]为了改善上述最优轨迹规划方法存在的缺乏控制补偿的问题，以及降低一般机器人逆运动学求解效率对轨迹规划实时性的影响，本专利技术提供了一种控制补偿的最优轨迹规划方法，该方法根据上位机输入的信息生成最优运动轨迹后，在考虑控制器接收离散控制信号造成的误差前提下，生成最优轨迹对应的控制补偿信息。
[0007]本专利技术提供的一种控制补偿的最优轨迹规划方法，包括两个过程，分别为：轨迹规
划过程和控制补偿过程；所述轨迹规划过程包括以下步骤：S101：获取上位机输入的目标权重和轨迹点；S102：利用轨迹空间转换工具将所述轨迹点转换为机器人关节空间轨迹；S103：根据所述目标权重和所述机器人关节空间轨迹，利用最优轨迹求解器，求解机器人最优轨迹；所述控制补偿过程包括以下步骤：S104：利用离散初始化工具将所述最优轨迹离散化，得到机器人离散控制补偿信息初始值；S105：根据所述机器人离散控制补偿信息初始值，利用误差优化求解器求解得到优化后的控制补偿信息；S106：将所述最优轨迹和所述优化后的控制补偿信息一起作为机器人本体的控制输入，完成机器人轨迹最优控制。
[0008]进一步地，步骤S102具体为：所述轨迹空间转换工具根据机器人结构参数判定机器人本体是否满足Pieper准则，若满足，则采用封闭解析法根据轨迹点求解机器人关节空间轨迹；否则，采用改进组合法求解机器人关节空间轨迹。
[0009]进一步地，步骤S103中，所述最优轨迹求解器采用经典迭代方法或者启发式方法求解机器人最优轨迹。
[0010]进一步地，采用改进组合法求解机器人关节空间轨迹的具体步骤为：S201、将机器人笛卡尔空间位姿轨迹点作为多层前馈人工神经网络输入，输出机器人关节空间轨迹的粗略解；S202、将粗略解作为数值迭代求解器的初值，快速得出机器人精确关节空间轨迹；具体为：S301：由机器人关节空间轨迹的粗略解，根据公式求得当前末端位姿A
cur
; 其中θ
i
为机器人第i个关节角；n为机器人关节数；
i
‑1A
i
(θ
i
)表示坐标系i
‑
1到坐标系i的齐次变换矩阵；i为正整数，取值为[1,n]；S302：根据公式计算末端位姿的微分运动矩阵，其中A
pos
为输入的机器人笛卡尔空间位姿轨迹点，I为单位阵；具体如下：
,其中，d
x
, d
y
, d
z
分别为微分平移矢量d的分量,δ
x
,δ
y
,δ
z
分别为微分旋转矢量δ的分量；S303：根据公式dq=J
‑1(q
cur
)D计算除关节变量偏差矢量；其中D为微分运动矢量，，d表示微分平移矢量；δ表示微分旋转矢量；S304：当时，迭代结束，输出q
cur
，作为最终的精确关节空间轨迹；其中是满足迭代精度的预设值；否则，更新关节变量q
cur
=q
cur
+dq和相应末端位姿A
cur
，重复步骤S302~S304，直至输出最终的精确关节空间轨迹为止。
[0011]进一步地，步骤S202中得出机器人精确关节空间轨迹的同时，以该精确关节空间轨迹和输入的机器人笛卡尔空间位姿轨迹点为反馈训练样本继续训练步骤S201中的神经网络，并更新该网络。
[0012]一种控制补偿的机器人最优轨迹控制设备，包括轨迹控制规划模块和控制补偿模块；所述轨迹控制规划模块用于获取上位机输入的目标权重和轨迹点；利用轨迹空间转换工具将所述轨迹点转换为机器人关节空间轨迹；根据所述目标权重和所述机器人关节空间轨迹，利用最优轨迹求解器，求解机器人最优轨迹；所述控制补偿模块用于利用离散初始化工具将所述最优轨迹离散化，得到机器人离散控制补偿信息初始值；根据所述机器人离散控制补偿信息初始值，利用误差优化求解器求解得到优化后的控制补偿信息；将所述最优轨迹和所述优化后的控制补偿信息一起作为机器人本体的控制输入，完成机器人轨迹最优控制。
[0013]一种计算机存储设备，所述计算机存储设备存储有计算机程序，所述计算机程序被处理器执行时实现所述控制补偿的最优轨迹规划方法的步骤。
[0014]本专利技术提供的有益效果是：上述过程提高了机器人控制的实时性和轨迹跟踪精度，同时该方法加入了一种轨迹空间转换工具，提高了不满足Pieper准则的机器人的逆运动学求解效率，进一步提高了轨迹规划的实时性。
附图说明
[0015]图1是本专利技术控制补偿的机器人最优轨迹规划方法过程示意图；图2是本专利技术轨迹规划模块过程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种控制补偿的最优轨迹规划方法，其特征在于：包括两个过程，分别为：轨迹规划过程和控制补偿过程；所述轨迹规划过程包括以下步骤：S101：获取上位机输入的目标权重和轨迹点；S102：利用轨迹空间转换工具将所述轨迹点转换为机器人关节空间轨迹；S103：根据所述目标权重和所述机器人关节空间轨迹，利用最优轨迹求解器，求解机器人最优轨迹；所述控制补偿过程包括以下步骤：S104：利用离散初始化工具将所述最优轨迹离散化，得到机器人离散控制补偿信息初始值；S105：根据所述机器人离散控制补偿信息初始值，利用误差优化求解器求解得到优化后的控制补偿信息；S106：将所述最优轨迹和所述优化后的控制补偿信息一起作为机器人本体的控制输入，完成机器人轨迹最优控制。2.如权利要求1所述的一种控制补偿的最优轨迹规划方法，其特征在于：步骤S102具体为：所述轨迹空间转换工具根据机器人结构参数判定机器人本体是否满足Pieper准则，若满足，则采用封闭解析法根据轨迹点求解机器人关节空间轨迹；否则，采用改进组合法求解机器人关节空间轨迹。3.如权利要求1所述的一种控制补偿的最优轨迹规划方法，其特征在于：步骤S103中，所述最优轨迹求解器采用经典迭代方法或者启发式方法求解机器人最优轨迹。4.如权利要求2所述的一种控制补偿的最优轨迹规划方法，其特征在于：采用改进组合法求解机器人关节空间轨迹的具体步骤为：S201、将机器人笛卡尔空间位姿轨迹点作为多层前馈人工神经网络输入，输出机器人关节空间轨迹的粗略解；S202、将粗略解作为数值迭代求解器的初值，快速得出机器人精确关节空间轨迹；具体为：S301：由机器人关节空间轨迹的粗略解，根据公式求得当前末端位姿A
cur
; 其中θ
i
为机器人第i个关节角；n为机器人关节数；
i
‑1A
i
(θ
i
)表示坐标系i
‑
1到坐标系i的齐次变换矩阵；i为正整数，取值为[1,n]；S302：根据公式计算末端位姿的微分运动矩阵，其中A
pos
...

【专利技术属性】
技术研发人员：袁浩然，史世杰，张良，
申请(专利权)人：武汉鼎元同立科技有限公司，
类型：发明
国别省市：