一种基于机器人轨迹优化的涂装生产线优化方法技术

本发明专利技术公开了一种基于机器人轨迹优化的涂装生产线优化方法，包括：构建生产线模型，对生产线模型进行仿真并确定瓶颈工位；对瓶颈工位的机器人进行运动学建模，得到机器人当前运动轨迹；采用卡尔曼滤波算法对机器人周围存在的潜在障碍的运动轨迹进行实时预测；将潜在障碍的预测运动轨迹与机器人当前运动轨迹进行比较，预测潜在障碍与机器人之间是否会发生碰撞；对预测发生碰撞的机器人当前运动轨迹进行优化，输出优化后的机器人运动轨迹与潜在障碍的预测运动轨迹循环比较，直至预测不发生碰撞，得到最优的机器人运动轨迹。本发明专利技术提升了瓶颈工位的工作效率，从而提升生产线节拍。从而提升生产线节拍。从而提升生产线节拍。

【技术实现步骤摘要】
一种基于机器人轨迹优化的涂装生产线优化方法


[0001]本专利技术涉及生产线优化
，尤其涉及一种基于机器人轨迹优化的涂装生产线优化方法。

技术介绍

[0002]在汽车涂装工艺生产线中，往往存在有“瓶颈”工位，"瓶颈"指的是一个流程中生产节拍最慢的环节，流程中存在的瓶颈不仅限制了一个流程的产出速度，而且影响了其它环节生产能力的发挥。
[0003]目前，涂装生产线的核心喷涂工位上设置有多台工业机器人协同作业，为了防止机器人协同喷涂时发生碰撞，通常会设置有干涉区，导致某台或数台机器人在其他机器人作业时产生不必要的等待时间，这是导致单一工位节拍慢、产生瓶颈工位的重要因素。现有的生产线的节拍优化大多采用在瓶颈工位的前后设置缓冲区形成优化关键段，但对工厂面积和工人数量要求较高，并且增设缓冲区也会加大运输、管理与维护成本，难以满足现代化工厂高自动化、高效化等要求。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供一种基于机器人轨迹优化的涂装生产线优化方法，以解决现有技术中涂装生产线存在机器人为避免作业时碰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器人轨迹优化的涂装生产线优化方法，其特征在于，包括：构建生产线模型，对生产线模型进行仿真并确定瓶颈工位；对瓶颈工位的机器人进行运动学建模，得到机器人当前运动轨迹；采用卡尔曼滤波算法对机器人周围存在的潜在障碍的运动轨迹进行实时预测；将潜在障碍的预测运动轨迹与机器人当前运动轨迹进行比较，预测潜在障碍与机器人之间是否会发生碰撞；对预测发生碰撞的机器人当前运动轨迹进行优化，输出优化后的机器人运动轨迹与潜在障碍的预测运动轨迹循环比较，直至预测不发生碰撞，得到最优的机器人运动轨迹；其中，所述对预测发生碰撞的机器人当前运动轨迹进行优化，包括：基于预先建立的运动轨迹优化目标函数，通过基于R2指标选择策略的多目标粒子群算法对机器人轨迹差值函数进行优化。2.根据权利要求1所述的基于机器人轨迹优化的涂装生产线优化方法，其特征在于，所述对瓶颈工位的机器人进行运动学建模采用D
‑
H参数法。3.根据权利要求1所述的基于机器人轨迹优化的涂装生产线优化方法，其特征在于，所述采用卡尔曼滤波算法对机器人周围存在的潜在障碍的运动轨迹进行实时预测，包括；将障碍状态方程与观测方程以及卡尔曼滤波状态方程与观测方程代入卡尔曼滤波算法的时间更新方程和状态更新方程中进行迭代运算，获得潜在障碍当前状态的最优估计及其下一时刻的运动轨迹预测；其中，障碍的状态方程为：式中，p
ik
为第i个潜在障碍在第k时刻的位置矢量；v
ik
为第i个潜在障碍在第k时刻的速度矢量；a
i(k
‑
1)
为第i个潜在障碍在第k
‑
1时刻的加速度矢量；w
k
‑1为机器人运动系统的过程噪声；障碍的观测方程为：式中，H
k
‑1为机器人运动系统的观测矩阵；s
k
‑1为机器人运动系统的测量噪声；卡尔曼滤波状态方程和观测方程分别为：X
k
＝A
k
‑1X
k
‑1+B
k
‑1u
k
‑1+w
k
‑1Z
k
＝H
k
‑1X
k
‑1+s
k
‑1式中，X
k
为机器人运动当前时刻的状态向量，A
k
‑1为机器人运动的状态转移矩阵，X
k
‑1为机器人运动在上一时刻的状态向量，B
k
‑1为机器人运动的控制矩阵，u
k
‑1为机器人运动上一时刻的控制向量，w
k
‑1为机器人运动的过程噪声，Z
k
...

【专利技术属性】
技术研发人员：刘玮，周廷玉，徐之豪，徐纯杰，
申请(专利权)人：盐城工学院技术转移中心有限公司，
类型：发明
国别省市：