机械臂定位方法及装置制造方法及图纸

本发明专利技术公开一种机械臂定位方法，其通过建立目标机械臂的运动状态反演模型，并基于位置反演建立基于测量点位置反演的状态偏差的目标函数，最后基于所述目标函数和工厂中所有联网机械臂的空间约束条件，应用基于自适应遗传粒子滤波的协同地图匹配算法对所述目标机械臂进行定位，得到所述目标机械臂的位置状态。本发明专利技术能够精准地定位运动状态下的机械臂，减少由于空间中的定位误差累积而产生的意外和人力消耗，保障机械臂的正常运行。相应地，本发明专利技术还提供一种机械臂定位装置。明还提供一种机械臂定位装置。明还提供一种机械臂定位装置。

【技术实现步骤摘要】
机械臂定位方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种机械臂定位方法及装置。

技术介绍

[0002]随着科技的进步，可不疲劳且不间断地工作的机械臂逐渐被导入需要进行大量重复动作的产线中，以取代产线中的传统人力。然而，由于机械手臂在不断的执行动作的过程中，可能会积累空间上的误差，而逐渐偏离原先设定在各定位点间移动并动作的预设行程。因此，在机械手臂运作一段时间后，会需要操作人员重新对机械手臂的定位进行调整。但人工调整不仅耗费人力，且在微调的过程中，需要耗费较长的工作时间。

技术实现思路

[0003]本专利技术提供一种机械臂定位方法及装置，其能定位运动状态下的机械臂，减少由于空间中的定位误差累积而产生的人力消耗和时间消耗。
[0004]本专利技术第一方面提供机械臂定位方法，包括：
[0005]建立工厂中机械臂的定位模型，并基于目标机械臂的定位模型建立所述目标机械臂的运动状态反演模型；
[0006]根据所述运动状态反演模型，建立基于测量点位置反演的状态偏差的目标函数；其中，所述测量点为在目标机械臂上预先选取的一个位置测量点；
[0007]基于所述目标函数和工厂中所有联网机械臂的空间约束条件，应用基于自适应遗传粒子滤波的协同地图匹配算法对所述目标机械臂进行定位，得到所述目标机械臂的位置状态。
[0008]本专利技术第二方面提供一种机械臂定位装置，包括：
[0009]反演模型建立模块，用于建立工厂中机械臂的定位模型，并基于目标机械臂的定位模型建立所述目标机械臂的运动状态反演模型；
[0010]目标函数建立模块，用于根据所述运动状态反演模型，建立基于测量点位置反演的状态偏差的目标函数；其中，所述测量点为在目标机械臂上预先选取的一个位置测量点；
[0011]位置获取模块，用于基于所述目标函数和工厂中所有联网机械臂的空间约束条件，应用基于自适应遗传粒子滤波的协同地图匹配算法对所述目标机械臂进行定位，得到所述目标机械臂的位置状态。
[0012]与现有技术相比，本专利技术的有益效果如下：
[0013]本专利技术提供的机械臂定位方法，其通过建立目标机械臂的运动状态反演模型，并基于位置反演建立基于测量点位置反演的状态偏差的目标函数，最后基于所述目标函数和工厂中所有联网机械臂的空间约束条件，应用基于自适应遗传粒子滤波的协同地图匹配算法对所述目标机械臂进行定位，得到所述目标机械臂的位置状态。本专利技术能够精准地定位运动状态下的机械臂，减少由于空间中的定位误差累积而产生的意外和人力消耗，保障机械臂的正常运行。相应地，本专利技术还提供一种机械臂定位装置。
附图说明
[0014]图1是本专利技术实施例提供的机械臂定位方法的流程示意图。
具体实施方式
[0015]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0016]参见图1，其是本专利技术一实施例提供的机械臂定位方法的流程示意图。
[0017]本专利技术实施例提供的机械臂定位方法包括步骤S11～S13：
[0018]S11，建立工厂中机械臂的定位模型，并基于目标机械臂的定位模型建立所述目标机械臂的运动状态反演模型。
[0019]在具体实施时，可以通过建立一坐标系来描述机械臂的运动，其原点位于机械臂底部正中心，基准面平面为水平地面，X轴位于基准面上，Z轴竖直于基准面向上，Y轴由右手法则确定，即X轴从掌心即进入，大拇指指向Z轴，其余四指所指方向即为Y轴，Y＝Z
×
X。
[0020]S12，根据所述运动状态反演模型，建立基于测量点位置反演的状态偏差的目标函数；其中，所述测量点为在目标机械臂上预先选取的一个位置测量点。具体的，状态偏差反映了通过定位测量数据反演的位置状态与测量位置的接近程度，状态偏差越小，说明反演的位置与测量位置更接近，同时与测量位置的离散状态相比，减小了测量数据中的随机误差的影响，使反演得到的位置更加接近真实位置，因此，可以通过最优化方法使状态偏差最小，以此反演机械臂的位置。
[0021]S13，基于所述目标函数和工厂中所有联网机械臂的空间约束条件，应用基于自适应遗传粒子滤波的协同地图匹配算法对所述目标机械臂进行定位，得到所述目标机械臂的位置状态。
[0022]具体的，机械臂的机械手作为测量点表示卫星定位系统GNSS接收机解算位置。机械臂利用专用短距离通信技术实现互联，并共享自身GNSS定位原始数据，以及所处位置的地图数据信息。因此，可以通过将联网机械臂的位置数据和地图信息共享，然后利用包括目标机械臂的所有联网机械臂空间约束条件将目标机械臂位置匹配到相应的位置上。该方法通过接收来自联网机械臂的位置数据和地图信息，然后结合自身的约束条件达到更高的定位精度。
[0023]在本专利技术实施例中，采用协同地图匹配算法通过增加自适应遗传采样增加粒子的多样性，解决传统粒子滤波算法中容易出现的“粒子退化”和“粒子耗尽”问题，从而实现持续的高精度机械臂定位，减少了智能化工厂中由于机械臂定位误差累积的原因导致的操作失误和人力消耗。
[0024]在一种可选的实施方式中，所述机械臂的定位模型通过如下步骤建立：
[0025]基于预先建立的坐标系，建立机械臂的运动模型；
[0026][0027]其中，r为机械臂的测量点到坐标系原点的距离，取绝对值，v为机械臂的运动速度，g为重力加速度，a
drag
为大气阻力加速度，a
p
为推动力加速度，a
mech
为机械摩擦阻力加速度。
[0028]进而，当机械臂的初始运动状态可知，在机械动力作用下，机械臂在任意时刻的位置状态S可由下式表示：
[0029][0030]其中，S为机械臂的位置状态，F()为机械臂的定位模型，S0为机械臂的初始位置状态，为机械臂的标称初始状态，δS0为机械臂的导航误差，t
j
为机械臂发生运动的时间序列，Δv
j
为机械臂的运动矢量序列，为机械臂的标称运动冲量，δΔv
j
为机械臂的控制误差。
[0031]在一种可选的实施方式中，设测量点位置状态为S
i
(i＝0,1,2,3
…
m)，待反演的位置为其初始状态设为则所述运动状态反演模型为：
[0032][0033]其中，为目标机械臂的反演位置，F()为目标机械臂的定位模型，为目标机械臂反演的初始位置，S0为目标机械臂的初始位置状态，ΔS0为目标机械臂反演时初始状态下的误差值，t表示时间，t
j
为目标机械臂发生运动的时间序列，Δv
j
为目标机械臂的运动矢量序列。
[0034]在一种可选的实施方式中，所述目标函数为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机械臂定位方法，其特征在于，包括：建立工厂中机械臂的定位模型，并基于目标机械臂的定位模型建立所述目标机械臂的运动状态反演模型；根据所述运动状态反演模型，建立基于测量点位置反演的状态偏差的目标函数；其中，所述测量点为在目标机械臂上预先选取的一个位置测量点；基于所述目标函数和工厂中所有联网机械臂的空间约束条件，应用基于自适应遗传粒子滤波的协同地图匹配算法对所述目标机械臂进行定位，得到所述目标机械臂的位置状态。2.如权利要求1所述的机械臂定位方法，其特征在于，所述机械臂的定位模型通过如下步骤建立：基于预先建立的坐标系，建立机械臂的运动模型；其中，r为机械臂的测量点到坐标系原点的距离，取绝对值，v为机械臂的运动速度，g为重力加速度，a
drag
为大气阻力加速度，a
p
为推动力加速度，a
mech
为机械摩擦阻力加速度；基于所述运动模型和机械臂的初始位置状态，建立机械臂的定位模型：其中，S为机械臂的位置状态，F()为机械臂的定位模型，S0为机械臂的初始位置状态，为机械臂的标称初始状态，δS0为机械臂的导航误差，t
j
为机械臂发生运动的时间序列，Δv
j
为机械臂的运动矢量序列，为机械臂的标称运动冲量，δΔv
j
为机械臂的控制误差。3.如权利要求1所述的机械臂定位方法，其特征在于，所述运动状态反演模型为：其中，为目标机械臂的反演位置，F()为目标机械臂的定位模型，为目标机械臂反演的初始位置，S0为目标机械臂的初始位置状态，ΔS0为目标机械臂反演时初始状态下的误差值，t表示时间，t
j
为目标机械臂发生运动的时间序列，Δv
j
为目标机械臂的运动矢量序列。4.如权利要求1所述的机械臂定位方法，其特征在于，所述目标函数为：4.如权利要求1所述的机械臂定位方法，其特征在于，所述目标函数为：其中，E表示所有测量时刻对应的目标机械臂的反演位置与测量位置的加权偏差和，g
i
为第i个测量时刻对应的位置偏差的权重因子，为第i个测量时刻的目标机械臂的测量位置与反演位置的偏差，m表示总的测量时刻个数，r
i
表示第i个测量时刻的目标机械臂的测量点到坐标系原点的距离测量值，表示第i个测量时刻的目标机械臂的测量点到坐
标系原点的距离反演值，v
i
为第i个测量时刻的目标机械臂的运动速度测量值，为第i个测量时刻的目标机械臂的运动速度反演值，r
ix
表示第i个测量时刻的目标机械臂的测量点到坐标系原点在x轴的距离测量值，表示第i个测量时刻的目标机械臂的测量点到坐标系原点在x轴的距离反演值，r
iy
表示第i个测量时刻的目标机械臂的测量点到坐标系原点在y轴的距离测量值，表示第i个测量时刻的目标机械臂的测量点到坐标系原点在y轴的距离反演值，r
iz
表示第i个测量时刻的目标机械臂的测量点到坐标系原点在z轴的距离测量值，表示第i个测量时刻的目标机械臂的测量点到坐标系原点在z轴的距离反演值，v
ix
表示第i个测量时刻的目标机械臂在x轴上的运动速度测量值，表示第i个测量时刻的目标机械臂在x轴上的运动速度反演值，v
iy
表示第i个测量时刻的目标机械臂在y轴上的运动速度测量值，表示第i个测量时刻的目标机械臂在y轴上的运动速度反演值，v
iz
表示第i个测量时刻的目标机械臂在z轴上的运动速度测量值，表示第i个测量时刻的目标机械臂在z轴上的运动速度反演值，k为权重系数。5.如权利要求1所述的机械臂定位方法，其特征在于，所述基于所述目标函数和工厂中所有联网机械臂的空间约束条件，应用基于自适应遗传粒子滤波的协同地图匹配算法对所述目标机械臂进行定位，得到所述目标机械臂的位置状态，具体包括：对于多个迭代次数中的当前迭代次数，均根据当前迭代次数对应的目标机械臂的状态和公共偏差值，初始化一群粒子；根据状态转移方程估计当前迭代次数对应的目标机械臂的位置状态值；计算当前迭代次数对应的粒子权重，并根据当前迭代次数对应的机械臂位置状态值，更新目标机械臂的位置状态和公共偏差值；根据所有联网机械臂的空间约束条件，重新计算当前迭代次数对应的粒子权重；执行当前迭代次数的自适应遗传重采样操作：随机选择粒子进行交叉变异操作，根据Metropolis准则决定新粒子的去留，最后得到新的粒子集并进行权值归一化处理；执行当前迭代次数的约束条件判断：当粒子不满足所有联网机械臂的空间约束条件时，更新粒子状态值，并重复执行自适应遗传重采样操作直至更新后的粒子满足所有联网机械臂的空间约束条件；当粒子满足所有联网机械臂的空间约束条件时，进...

【专利技术属性】
技术研发人员：林凡，郭淑林，林志远，
申请(专利权)人：广州杰赛科技股份有限公司，
类型：发明
国别省市：