【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 ...
【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:
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。