一种粉状物提取机器人的移动轨迹多目标优化方法技术

本发明专利技术公开了一种粉状物提取机器人的移动轨迹多目标优化方法，解决了粉状物提取机器人在进行提取时，移动轨迹不够精确的问题，其技术方案要点是：包括如下步骤：S1：获取粉状物目标区域信息，构建提取的可行区域，进行环境初始化；S2：将步骤S1中初始化之后的信息输入至多目标优化模型；S3：采用基于改进的分解多目标进化算法，对所述步骤S2中的多目标优化模型进行求解，优化提取机器人的移动轨迹，从而提高提取效率和精确度。提高提取效率和精确度。提高提取效率和精确度。

【技术实现步骤摘要】
一种粉状物提取机器人的移动轨迹多目标优化方法


[0001]本专利技术属于物料分离装置
，特指一种粉状物提取机器人的移动轨迹多目标优化方法。

技术介绍

[0002]粉状物提取是针对粉状物中间产品的一种提取技术，广泛应用于石油、化工、医药、生化等领域，由于不同化合物层边界相互交错、参差不齐，对目标物进行精准提取的难度较大。实验室微量成分分析中通常采用人工方法进行提取，但其提取速度较慢、原料利用率低。
[0003]目前已存在的使用机器人代替人工操作，虽然可以提高提取效率，但是目前的机器人对粉状物的提取过程中，机器人的移动轨迹设定不够精确，导致机器人提取粉末状物时，容易出现部分粉末分布区域未进行提取、或部分区域多次重复提取的现象。

技术实现思路

[0004]针对现有技术存在的不足，本专利技术的目的是提供一种粉状物提取机器人的移动轨迹多目标优化方法，解决机器人对粉状物的提取轨迹不合理的设计问题，使其能够更精确地搜索、优化，从而提高提取效率和精确度。
[0005]本专利技术的目的是这样实现的：一种粉状物提取机器人的移动轨迹多目标优化方法，包括如下步骤：
[0006]S1：获取粉状物目标区域信息，构建提取的可行区域，进行环境初始化；
[0007]S2：将步骤S1中初始化之后的信息输入至多目标优化模型；
[0008]S3：采用基于改进的分解多目标进化算法，对所述步骤S2中的多目标优化模型进行求解，优化提取机器人的移动轨迹。
[0009]进一步地，所述步骤S1中，获取目标区域信息，构建提取的可行区域包括如下步骤：获取目标粉状物区域的图像，对图像进行图像处理与分析；从背景区域提取出目标粉状物区域，进行二值化处理；求得目标粉状物区域面积A；根据目标粉状物区域面积A计算出提取可行区域的面积；根据计算的提取可行区域的面积，构建提取可行区域。
[0010]进一步地，步骤S1中，所述环境初始化包括如下步骤：首先，建立全局坐标系0
‑
XY，分别在坐标系中初始化待提取的目标粉状物区域和提取的可行区域中x、y轴方向约束的范围；之后，提取轨迹的N个节点位置，在待提取的目标粉状物区域中，形成首次行走轨迹的初始节点；最后，在可行区域内，更新在待提取的目标粉状物区域中形成的首次行走轨迹的初始节点。
[0011]进一步地，所述步骤S2中，将初始化之后的信息输入至多目标优化模型，具体包含如下步骤：
[0012]首先，根据目标区域面积A和纯度要求η，计算出提取可行区域的面积；之后，再次规划出初始环境及分布分轨迹节点N；根据可行区域的面积、纯度以及轨迹节点，建立的粉
状物提取机器人移动轨迹的多目标最优化数学模型：
[0013]minF(x)＝(f1(x)，f2(x)，f3(x))
[0014]其中：f1(x)按移动轨迹优化后实际提取纯度与目标纯度要求η之差，f2(x) 表示移动的所有路段之和；f3(x)表示移动轨迹优化后两个相邻路段的夹角之和。
[0015]进一步地，所述按移动轨迹优化后实际提取纯度与目标纯度要求η之差的最优目标函数f1(x)为：
[0016][0017]所述移动的所有路段之和的最优目标函数f2(x)为：
[0018][0019]所述移动轨迹两个相邻路段的夹角之和最优目标函数f3(x)为：
[0020][0021]其中：n表示更新后的首次移动轨迹优化节点的数目，i为第i个节点，ξ为机器人吸嘴直径尺寸，μ为机器人图区的往返次数，(x
i
，y
i
)，(x
i+1
，y
i+1
)为移动轨迹节点P
i
，P
i+1
的坐标；|P
i
，P
i+1
|为其中P
i
，P
i+1
间的轨迹长度；θ
i
为轨迹中在P
i
点处的两个相邻路段的夹角。
[0022]进一步地，步骤S3中，所述基于改进的分解多目标进化算法，包括以下步骤：
[0023]步骤S301：初始化首次提取的移动轨迹节点位置；之后，进行节点更新，进行节点序列的寻优；
[0024]步骤S302：分解目标空间，设置任一第j个子问题的权重向量为其中为第i个目标函数所占权重，为第i个目标函数所占权重，对于每个子问题的权重向量根据步骤S301设置的邻域规模找出T个距离最近的向量，即邻域B(j)＝{λ
j1
，...，λ
jT
}，将切比雪夫函数进行改进，计算节点x在第j个子问题的合成目标函数：之后，进行归一化操作；
[0025]步骤S303：利用概率模型对步骤S302中，每个分解后的权重向量进行建模，随机采样得到新解x
′
；
[0026]步骤S304：对于每个指标r∈B(j)，计算在步骤S303中的采样得到的x
′
的合成目标函数值，如果g
tch
(x
′
|λ
r
，z
*
，w
*
)≤g
tch
(x
r
|λ
r
，z
*
，w
*
)那么x
r
被x
′
取代，F(x
r
)＝F(x)；
[0027]步骤S305：终止迭代：当满足当前迭代次数g_en＝最大迭代次数g
enamx
，则停止计算，否则g
en
＝g
en
+1，返回步骤S303；
[0028]步骤S306：输出目标值{F(x1)，...，F(x
N
)}、对应的最优解{x1，...，x
N
}；设定提取往返次数μ。
[0029]进一步地，步骤S301中，所述节点更新具体为：在提取目标粉状物区域中，采样得到更加充分的N个初始节点序列，最终形成更新后的N个首次行走轨迹的节点，表示为path＝{P1，...，P
N
},其中x＝P1，...，P
N
为离散轨迹点的序列；
[0030]所述节点序列的寻优表示为：x＝x1，x2，...，x
n
；初始迭代次数g
en
＝0、设置最大迭代次数g
enmax
；群体规模N即子问题的个数；随机初始化种群pop ＝(x1，....x
N
)即N个序列及参考点；设置一组权重向量λ1，...，λ
N
、子问题的邻域规模T。
[0031]进一步地，步骤S302中，所述改进后的切比雪夫函数为：
[0032][0033]S.tx∈Ω
[0034]其中，m是目标个数，Ω是决策空间，函数f
i
是第i个目标函数，Z
*
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种粉状物提取机器人的移动轨迹多目标优化方法，其特征在于，包括如下步骤：S1：获取粉状物目标区域信息，构建提取的可行区域，进行环境初始化；S2：将步骤S1中初始化之后的信息输入至多目标优化模型；S3：采用基于改进的分解多目标进化算法，对所述步骤S2中的多目标优化模型进行求解，优化提取机器人的移动轨迹。2.根据权利要求1所述的粉状物提取机器人的移动轨迹多目标优化方法，其特征在于，所述步骤S1中，获取目标区域信息，构建提取的可行区域包括如下步骤：获取目标粉状物区域的图像，对图像进行图像处理与分析；从背景区域提取出目标粉状物区域，进行二值化处理；求得目标粉状物区域面积A；根据目标粉状物区域面积A计算出提取可行区域的面积；根据计算的提取可行区域的面积，构建提取可行区域。3.根据权利要求1所述的粉状物提取机器人的移动轨迹多目标优化方法，其特征在于，步骤S1中，所述环境初始化包括如下步骤：首先，建立全局坐标系0
‑
XY，分别在坐标系中初始化待提取的目标粉状物区域和提取的可行区域中x、y轴方向约束的范围；之后，提取轨迹的N个节点位置，在待提取的目标粉状物区域中，形成首次行走轨迹的初始节点；最后，在可行区域内，更新在待提取的目标粉状物区域中形成的首次行走轨迹的初始节点。4.根据权利要求1所述的粉状物提取机器人的移动轨迹多目标优化方法，其特征在于，所述步骤S2中，将初始化之后的信息输入至多目标优化模型，具体包含如下步骤：首先，根据目标区域面积A和纯度要求η，计算出提取可行区域的面积；之后，再次规划出初始环境及分布分轨迹节点N；根据可行区域的面积、纯度以及轨迹节点，建立的粉状物提取机器人移动轨迹的多目标最优化数学模型：minF(x)＝(f1(x)，f2(x)，f3(x))其中：f1(x)按移动轨迹优化后实际提取纯度与目标纯度要求η之差，f2(x)表示移动的所有路段之和；f3(x)表示移动轨迹优化后两个相邻路段的夹角之和。5.根据权利要求4所述的粉状物提取机器人的移动轨迹多目标优化方法，其特征在于，所述按移动轨迹优化后实际提取纯度与目标纯度要求η之差的最优目标函数f1(x)为：所述移动的所有路段之和的最优目标函数f2(x)为：所述移动轨迹两个相邻路段的夹角之和最优目标函数f3(x)为：其中：n表示更新后的首次移动轨迹优化节点的数目，i为第i个节点，ξ为机器人吸嘴直径尺寸，μ为机器人图区的往返次数，(x
i
，y
i
)，(x
i+1
，y
i+1
)为移动轨迹节点P
i
，P
i+1
的坐标；|P
i
，P
i+1
|为其中P
i
，P
i+1
间的轨迹长度；θ
i
为轨迹中在P
i
点处的两个相邻路段的夹角。6.根据权利要求1所述的粉状物提取机器人的移动轨迹多目标优化方法，其特征在于，步骤S3中，所述基于改进的分解多目标进化算法，包括以下步骤：步骤S301：初始化首次提取的移动轨迹节点位置；之后，进行节点更新，进行节点序列的寻优；
步骤S302：分解目标空间，设置任一第j个子问题的权重向量为其中为第i个目标函数所占权重，为第i个目标函数所占权重，对于每个子问题的权重向量根据步骤S301设置的邻...

【专利技术属性】
技术研发人员：刘巍巍，王胜男，赵晨佟，方伟，祁朔，黄笑悦，徐威，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：