加工任务驱动的多机器人协同规划方法技术

本发明专利技术针对多机器人加工系统任务分配不合理、机器人负载不均衡的问题，提出了一种加工任务驱动的多机器人协同规划方法。包括，构建待加工部件的三维数字模型，并创建任务矩阵；利用聚类原理确定加工区域划分方法；根据任务聚集密度确定机器人的工位；采用考虑负载分布情况的拍卖算法对任务进行协调分配；采用基于单边协调策略的避碰算法对多机器人的加工路径进行优化。本发明专利技术可有效降低多机器人系统的最高负载值，减少系统任务的完成时间，避免产生碰撞，提升多机器人系统的工作效率。提升多机器人系统的工作效率。提升多机器人系统的工作效率。

【技术实现步骤摘要】
加工任务驱动的多机器人协同规划方法


[0001]本专利技术涉及多机器人协同规划
，具体是一种加工任务驱动的多机器人协同规划方法。

技术介绍

[0002]在航空航天、船舶等重大工程领域的核心装备制造过程中，普遍存在一类空间尺寸大、精度要求高、加工难度大的大型构件。在这种背景下，研究利用多台机器人对大型构件实施原位加工，是突破产品尺寸限制、解决这类产品高精度、高效率、柔性化制造难题的新思路。
[0003]对于不同类型的大型构件，其任务类型和分布情况有很大的差异，且加工范围广，机器人一次站位无法满足所有的任务，如何根据任务的分布情况快速而有效地对多台机器人进行布局就显得很重要。文献“Wei T,Dai J,Zhou W,et al.Process Planning and Control Technology on Multi
‑
station Working Mode of Robot Drilling and Riveting System with Auxiliary Axis[J].China Mechanical Engineering,2014,25(01):23
‑
27.”针对附加外部轴的工业机器人自动钻铆系统提出了一种分站式规划策略，并结合待加工点的位姿信息和加工工艺要求，对机器人的转站机制进行建模和优化。然而，该方法仅仅针对单机器人的站位规划进行研究，未考虑多机器人系统站位规划中的空间争用问题。同时加工任务在构件上分布不均，导致机器人之间的负载产生了很大的差异，为充分发挥多机器人效能、提升加工效率，必须减少机器人的空耗、平衡机器人的负载，所以需要对任务分配和调度算法展开研究。文献“V.Tereshchuk,J.Stewart,N.Bykov,S.Pedigo,S.Devasia and A.G.Banerjee.An Efficient Scheduling Algorithm for Multi
‑
Robot Task Allocation in Assembling Aircraft Structures[J].IEEE Robotics and Automation Letters,2019,4(4):3844
‑
3851.”针对飞机结构件装配中多机器人任务分配的问题，提出了一种利用协作机器人来平衡机器人之间工作量的调度算法，实现了一种无冲突的调度。但该方法应对问题有较强的针对性，只关注特定类型的任务间约束，在处理对时间代价敏感的多机器人协同加工任务时性能欠佳。

技术实现思路

[0004]本专利技术为了解决现有技术的问题，提供了一种加工任务驱动的多机器人协同规划方法，通过任务的聚集密度确定加工区域的划分方法与机器人的加工站位，采用基于市场拍卖原理并结合机器人系统负载分布情况的任务拍卖算法平衡机器人系统的工作载荷，本专利技术能够显著提高多机器人系统的加工效率。
[0005]为达到上述目的，本专利技术提出一种加工任务驱动的多机器人协同规划方法，所述方法包括：
[0006]步骤1：构建待加工部件的三维数字模型，提取部件上任务的分布信息，获取任务的空间位置与加工特征等相关数据，并创建任务数据矩阵；
[0007]步骤2：根据部件的任务类型及其在部件上的分布位置，利用聚类原理将加工区域按照任务的聚集密度划分成若干子区域；
[0008]步骤3：基于任务区域划分结果，得到对应加工机器人的空间模糊站位区域，进一步结合假想基座法，最终确定机器人的优选加工站位；
[0009]步骤4：通过初始任务分配环节将任务分配给对应加工机器人，判断机器人对任务的可达性，并更新机器人的任务列表，计算机器人的负载情况；
[0010]步骤5：对各个机器人无法完成的任务进行二次分配，并更新各个机器人的当前任务列表，将任务按照被当前机器人加工的难易程度进行排序；
[0011]步骤6：根据机器人系统的负载分布情况，设定各个机器人在任务交易过程中的角色，采用结合机器人负载分布情况的任务拍卖算法对任务进行拍卖；
[0012]步骤7：规划各个机器人的加工任务顺序和加工路径，采用基于单边协调策略的多机器人避碰算法规避机器人之间碰撞问题的产生。
[0013]进一步的，所述的任务矩阵数据，包括任务类型(铣削、制孔等)、任务位姿、工序约束、铣削面积、制孔数量、刀具尺寸、加工时长、加工余量等。
[0014]进一步的，所述的将加工区域划分成若干子区域，其目的是使得多机器人系统对总加工任务的完成率达到最高，加工区域划分的目标函数为
[0015][0016]式中，m为机器人的数量，即为划分子区域的数量；为第i个划分中的任务集；reach(r
i
,C
i
)为机器人r
i
在划分C
i
中的可加工任务数量。
[0017]进一步的，所述的加工区域划分方法具体步骤如下，设待加工的任务样本集为X＝{x1,x2,
…
,x
N
}，N为待加工任务的数量，通过计算各个任务点到聚类中心的距离，从而找到一个划分C＝{C1,C2,
…
,C
m
}使其满足
[0018][0019][0020][0021]式中，z
k
为第k个聚类的中心，distance(x
i
,z
k
)为样本到对应聚类中心的距离。
[0022]进一步的，所述的机器人的空间模糊站位区域，将每个任务簇的边缘任务点向构件边框方向投影，通过比较机器人在各个投影区域的可加工任务数量，从而确定一个模糊站位区域a
i
使其满足
[0023]a
i
＝arg max
j
(reach(r
ij
,X))
[0024]式中，j为各个投影区域的编号，a
i
为机器人r
i
最终选择的模糊站位区域。
[0025]进一步的，所述的假想基座法，采用D
‑
H参数法(Denavit和Hartenberg提出的一种为关节链中的每一杆件建立坐标系的矩阵方法)以机器人腕心为假想基座对机器人进行建模，机器人基座成为名义末端执行器，通过蒙特卡洛法拟合各个任务得到名义末端执行器可达空间的交集，即可确定机器人的优选加工站位。
[0026]进一步的，所述的机器人的任务列表，包括可加工任务列表与不可加工任务列表，初始任务分配将所有任务添加到可加工任务列表，通过判断机器人对任务的可达性，从可加工任务列表中删除不可加工任务，并将其添加到不可加工任务列表，实现当前任务列表的更新。
[0027]进一步的，所述的机器人的负载情况，包括机器人加工任务的时间，以及机器人从当前位姿转换到下一位姿的移动时间。
[0028]进一步的，所述的任务二次分配，其具体步骤如下：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种加工任务驱动的多机器人协同规划方法，其特征在于：步骤1：构建待加工部件的三维数字模型，提取部件上任务的分布信息，获取任务的空间位置与加工特征等相关数据，并创建任务数据矩阵；步骤2：根据部件的任务类型及其在部件上的分布位置，利用聚类原理将加工区域按照任务的聚集密度划分成若干子区域，加工区域划分的目标函数为：式中，m为机器人的数量，即为划分子区域的数量；为第i个划分中的任务集；reach(r
i
,C
i
)为机器人r
i
在划分C
i
中的可加工任务数量；步骤3：基于任务区域划分结果，得到对应加工机器人的空间模糊站位区域，设待加工的任务样本集为X＝{x1,x2,
…
,x
N
}，将每个任务簇的边缘任务点向构件边框方向投影，通过比较机器人在各个投影区域的可加工任务数量，从而确定一个模糊站位区域a
i
使其满足a
i
＝argmax
j
(reach(r
ij
,X))式中，j为各个投影区域的编号，a
i
为机器人r
i
最终选择的模糊站位区域；进一步结合假想基座法，最终确定机器人的优选加工站位；步骤4：通过初始任务分配环节将任务分配给对应加工机器人，判断机器人对任务的可达性，并更新机器人的任务列表，计算机器人的负载情况；步骤5：对各个机器人无法完成的任务进行二次分配，并更新各个机器人的当前任务列表，将任务按照被当前机器人加工的难易程度进行排序；步骤6：根据机器人系统的负载分布情况，设定各个机器人在任务交易过程中的角色为拍卖者、竞标者或旁观者，负载值最高的机器人成为拍卖者，可加工拍卖任务的机器人成为竞标者，无法加工拍卖任务的机器人成为旁观者，采用结合机器人负载分布情况的任务拍卖算法对任务进行拍卖，具体包括：机器人的最低负载远远小于其余机器人的负载：竞标者具有不同级别的竞标权，负载值越低则其竞标权等级越高，在每轮交易开始时，竞标者按照竞标等级进行顺序竞标，高等级竞标者交易成功则低等级竞标者不再出价；机器人的最高负载值远远大于其余机器人的负载：竞标者竞标且具有相同级别的竞标权，在每轮交易开始时，竞标者同时进行竞标，获得此任务后负载值最低的竞标者获得此任务。在每轮交易后，重新判定拍卖权的归属情况并重复拍卖过程，直至系统的负载分布情况无法再优化或是达到预设的任务交易次数；步骤7：规划各个机器人的加工任务顺序和加工路径，采用基于单边协调策略的多机器人避碰算法规避机器人之间碰撞问题的产生。2.根据权利要求1所述的加工任务驱动的多机器人协同规划方法，其特征在于：步骤1中所述的任务矩阵数据，包括任务类型、任务...

【专利技术属性】
技术研发人员：田威，林佳美，李波，廖文和，刘少睿，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：