一种适用于狭窄空间的盾构机换刀机器人路径规划方法技术

本发明专利技术涉及一种适用于狭窄空间的盾构机换刀机器人路径规划方法。所述方法包括：首先，初始化地图信息和随机树，设置通道阈值，根据随机点和步长选择公式生成新生节点；其次，通过入口识别算法判断换刀通道类型，若为安全通道，继续判断是否为凹形陷阱，若为狭窄通道则先通过计算代价函数判断是否为极限通道，并比较采样次数与采样阈值，再通过比较极限换刀通道的权重比，选择权重比大的通道；最后，重复上述步骤直到满足新生节点和目标节点之间的距离小于距离阈值，对输出路径进行优化。本发明专利技术能够在狭窄空间选择安全通道，并有效提升了节点搜索效率，降低路径长度，提高了盾构机换刀机器人在复杂环境工作的安全性和效率。机器人在复杂环境工作的安全性和效率。机器人在复杂环境工作的安全性和效率。

【技术实现步骤摘要】
一种适用于狭窄空间的盾构机换刀机器人路径规划方法


[0001]本专利技术属于机器人路径规划领域，涉及一种盾构机换刀机器人路径规划方法，尤其是基于狭窄空间下盾构机换刀机器人路径规划方法


技术介绍

[0002]随着城市轨道交通，城市地下管廊，公路铁路隧道等建设中大量中，长隧道的开挖，具有挖掘速度快，施工周期短，自动化程度高等优点的盾构法施工得到广泛应用。如何利用机器人进行“高效，安全”的盾构自动化换刀已成为业界的研究热点。然而，盾构机换刀机器人的特殊工作环境，换刀作业需要在狭窄的隧道内进行，因此在狭窄的空间内对于保证换刀作业的顺利进行至关重要。而盾构机内空间狭窄，障碍众多，对换刀机器人的结构设计，路径规划技术提出了新的挑战，成为亟待解决的技术难题。
[0003]目前，较为常用的路径规划方法有人工势场法，A*算法，遗传算法，神经网络算法，这些算法要求在机械手的构型空间中对障碍物模型进行精确的描述，而计算复杂度随机械手自由度的增加呈指数增长。这些算法不适用于求解多自由度机械手的路径规划，而RRT算法因运算速度快，搜索能力强，结构简单等优点广泛应用于机器人的路径规划。
[0004]目前RRT算法在狭窄空间下的机器人路径规划研究存在如下问题：
[0005](1)狭窄空间通常限制了盾构机换刀机器人的自由运动，换刀机器人关节和连接可能无法在狭小的空间中完全展开或旋转，而目前的算法可以识别通道但无法准确避开狭窄通道，例如，论文《基于改进RRT算法的路径规划研究》；
[0006](2)目前改进算法通过加入了采样范围的限制和贪婪算法等策略以优化采样点的采样效率以及提升规划路径的质量，但有如下问题：路径规划过程中可能有多种狭窄通道经过，当区域障碍物狭窄或过多时，无法识别安全通道，当有多种狭窄通道时，如何进行狭窄通道选择，例如，专利号：CN202110774053.9《一种基于动态变采样区域的概率目标偏置快速扩展随机树(RRT)无人车路径规划方法》。

技术实现思路

[0007]本专利技术创造目的在于，提供一种改进快速扩展随机树算法，在狭窄路径下，通过计算通道的代价函数将狭窄空间分为安全换刀通道，极限换刀通道和危险换刀通道，选择安全的换刀通道，提高盾构机换刀机器人通过复杂环境的安全性和效率；在对多条极限通道进行最优选择时，设置采样阈值，通过比较采样系数和采样阈值，避免在多条极限换刀通道进行最优选择时陷入局部区域；在安全换刀通道遇见凹形障碍物时，引入随机点重构，防止随机树进入到障碍物内部容易陷入其中，造成局部震荡。
[0008]为实现上述目的，本专利技术采用如下技术方案：
[0009]S1：初始化地图和随机树，根据随机点和步长选择公式生成新节点；
[0010]S1.1：初始化地图信息，初始化随机树，设置盾构机换刀通道宽度阈值；
[0011]S1.2：采样区域范围内取随机采样点X
rand
，寻找所有节点集X
nodes
中距离随机采样
点X
rand
最近的点作为最近节点X
near
；
[0012]S1.3：根据随机点选择函数重构随机点，随机点X
rand
选择公式为：
[0013][0014]式中：X
start
为起始节点，X
end
为目标节点，nar为狭窄通道检测结果(nar＝0狭窄通道，nar＝1安全换刀通道)，flag为通行标志(flag＝1允许通行，flag＝0禁止通行)，ω为目标权重因子，β为随机数，ε为概率因子，Spi为碰撞检测是否为凹形障碍物；
[0015]S1.4：根据步长选择公式，构建新生节点并将新生节点X
new
存入有效节点集X
nodes
中，其中步长选择公式ρ和新生节点X
new
公式分别为：
[0016][0017]式中：ρ1为安全换刀通道的步长，ρ2为狭窄换刀通道的步长，nar为狭窄通道检测结果(nar＝0狭窄通道，nar＝1安全换刀通道)；
[0018][0019]式中：X
rand
为随机采样点，X
near
为离随机采样点最近的节点；
[0020]S2：判断换刀通道类型并选择安全换刀通道；
[0021]S2.1：利用入口识别算法判断盾构机换刀通道是否是安全通道，若是继续前行，否则停止前进使flag＝0进入S2.3，安全换刀通道判断条件为：
[0022][0023]式中：nar＝0表示狭窄换刀通道，nar＝1表示安全换刀通道，max_width为宽度阈值，cur_width为当前位置换刀通道的宽度；
[0024]S2.2：判断安全换刀通道是否是凹形陷阱，若安全换刀通道是凹形陷阱，则进入S1.3，否则进入S3.1；
[0025]S2.3：计算当前换刀通道的代价函数，进入S2.4，代价函数cost公式为：
[0026]cost＝(max_width
‑
cur_width)/max_width (5)
[0027]式中：max_width为宽度阈值，cur_width为当前位置换刀通道的宽度；
[0028]S2.4：通过换刀通道的代价函数cost判断狭窄换刀通道是否是极限换刀通道，若为极限换刀通道，则进入S2.5，否则进行人工换刀操作；
[0029]S2.5：判断采样次数k是否超过区域采样阈值K，若采样次数k没有超过采样阈值K，则进入S2.6，否则进入S2.7；
[0030]S2.6：记录此时通道的极限位置X
newnode1
的坐标(x,y)，并使flag＝1，使节点继续扩展，并将计算到的代价值映射到概率权重，进入S1.3，为了确保较高的带价值对应较低概率
权重，使用递减函数进行映射，概率权重weight公式：
[0031]weight＝1/(1+λcost) (6)
[0032]式中：cost是计算得到的代价值，λ是调整参数，用于控制映射的曲率；
[0033]S2.7：通过比较每条狭窄换刀通道的概率权重，选择最优通道，如果有安全换刀通道，则会直接通过安全换刀通道进行工作；
[0034]S3：生成路径并进行逆向寻优；
[0035]S3.1：判断新生节点X
new
是否满足||X
end
‑
X
new
||≤radius，是则进入S3.2，否则返回S1.3，其中，||X
end
‑
X
new
||为计算目标节点X
end
和新生节点X
new
的距离公式，radius为范围阈值；
[0036]S3.2：在有效节点集X
nodes
中根据各个节点间的关系，逆行连接有效节点集X
nodes
中的各个节点，输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于狭窄空间的盾构机换刀机器人路径规划方法，包括如下步骤：S1：初始化地图和随机树，根据随机点和步长选择公式生成新节点；S1.1：初始化地图信息，初始化随机树，设置盾构机换刀通道宽度阈值，表示盾构机换刀机器人安全工作的宽度；S1.2：采样区域范围内取随机采样点X
rand
，寻找所有节点集X
nodes
中距离随机采样点X
rand
最近的点作为最近节点X
near
；S1.3：根据随机点选择函数重构随机点X
rand
，随机点选择公式为：式中：X
start
为起始节点，X
end
为目标节点，nar为狭窄通道检测结果(nar＝0狭窄通道，nar＝1安全换刀通道)，flag为通行标志(flag＝1允许通行，flag＝0禁止通行)，ω为目标权重因子，β为随机数，ε为概率因子，Spi为凹形障碍物检测结果；S1.4：根据步长选择公式，构建新生节点并将新生节点X
new
存入有效节点集X
nodes
中，其中步长ρ的选择公式和新生节点X
new
的公式分别为：式中：ρ1为安全换刀通道的步长，ρ2为狭窄换刀通道的步长，nar为狭窄通道检测结果(nar＝0狭窄通道，nar＝1安全换刀通道)；式中：X
rand
为随机采样点，X
near
为离随机采样点最近的节点；S2：判断换刀通道类型并选择安全换刀通道；S2.1：利用入口识别算法判断盾构机换刀通道是否是安全通道，若是则继续前行，否则停止前进使flag＝0进入S2.3，安全换刀通道判断条件为：式中：nar＝0表示狭窄换刀通道，nar＝1表示安全换刀通道，max_width为宽度阈值，cur_width为当前位置换刀通道的宽度；...

【专利技术属性】
技术研发人员：孙明晓，张意龙，栾添添，袁晓亮，李小岗，连厚鑫，孙明旭，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：