一种用于带式输送机拆卸机器人的多臂路径规划方法技术

本发明专利技术公开了一种用于带式输送机拆卸机器人的多臂路径规划方法：用于解决带式输送机拆卸机器人的手臂在拆卸任务中的路径规划问题，包括对带式输送机拆卸任务进行运动学模型建立；对传统RRT算法进行改进，在传统RRT算法的节点更新过程中引入节点权重函数来引导探索过程中新节点的生成，改善路径规划过程中的避障能力和探索无方向性，有效减少无效采样点；本方法使用关节空间内的机械臂关节角度组来表示机械臂位置信息，将其应用于引入改进后的RRT算法中，避免了逆运动学求解的繁琐运算，提高了规划效率；最后提出主被动双树拓展方法，主机械臂使用路径规划算法进行主动探索，从机械臂来被动验证，探索过程和验证过程同时进行，实现了多臂协同运动。实现了多臂协同运动。实现了多臂协同运动。

【技术实现步骤摘要】
一种用于带式输送机拆卸机器人的多臂路径规划方法


[0001]本专利技术涉及一种用于带式输送机拆卸任务的多臂路径规划算法，主要应用于多机械臂的路径规划，属于机器人


技术介绍

[0002]带式输送机是井工煤矿重要运输设备，需要随着采掘面推进、工作面回撤及自身磨损程度而随时进行拆卸。现有拆卸主要依靠人工作业，存在难度大、效率低、易发生危险等问题，研究并开发带式输送机智能化拆卸设备对提高井下生产安全和效率均具有重要意义；目前一些起重机械设备、多自由度的机械臂等均可实现拆卸作业，但是对于带式输送机这种体积较大、质量较重的物体，双机械臂作业比单机械臂更具有优势，但随之而来的是由于任务复杂、运动耦合和多机械臂避障等带来的机械臂路径规划困难。因此，多机械臂的路径规划问题成为学者们的重要研究问题。因此针对多机械臂进行路径规划研究具有重要意义。
[0003]路径规划是保障机械臂安全作业的关键技术，目前国内外学者已提出许多路径规划算法如人工势场法、蚁群算法、A*算法、遗传算法和RRT算法等。其中，RRT算法是一种高效、灵活且适用于各种场景的路径规划算法，由于具有快速探索、简单实现、自适应性强、适用于复杂环境和可扩展性强等优势，便于机械臂在高维空间和复杂约束下进行路径规划，近年来被广泛应用于机器人路径规划领域。但传统RRT算法也存在固有缺陷，其全局随机采样会导致计算资源浪费，算法收敛慢，且生成路径不平滑，难以被机器人直接执行，因此对传统RRT算法进行改进对机器人路径规划研究具有重要意义。

技术实现思路

[0004]本专利技术针对带式输送机拆卸机器人的手臂在拆卸任务中的路径规划问题，提出了一种多臂路径规划算法，针对传统RRT算法进行了改进，在传统RRT算法的节点更新过程中引入节点权重函数来引导探索过程中新节点的生成，能够改善路径规划过程中的避障能力和探索无方向性，有效减少无效采样点；本专利技术使用关节空间内的机械臂关节角度组来表示机械臂位置信息，将其应用于引入改进后的RRT算法中，避免了逆运动学求解的繁琐运算，提高了规划效率；最后提出主被动双树拓展方法，主机械臂使用路径规划算法进行主动探索，从机械臂来被动验证，探索过程和验证过程同时进行，实现了多臂协同运动。详见下文描述：
[0005]一种用于带式输送机拆卸机器人的多臂路径规划方法，包括以下步骤：
[0006]步骤1、针对带式输送机拆卸任务进行运动学模型建立；
[0007]步骤2、初始化机械臂初始位姿和目标位姿，确定环境中障碍物基本信息；
[0008]步骤3、在传统RRT算法基础上，使用Sobol序列来进行采样点生成，并引入节点权重函数来拓展新节点；
[0009]步骤4、引入主被动拓展，通过主机械臂采样和从机械臂验证的方式，实现多机械
臂的协调规划；
[0010]步骤5、采用基于最小二乘法的多项式拟合方法来对路径进行优化处理，使机械臂运动更加平滑。
[0011]进一步的，步骤2具体包括如下内容：
[0012]提出一种主被动拓展RRT算法来进行双机械臂的路径规划探索，其中主机械臂R使用主动生长随机树T
R
，从机械臂L使用被动生长随机树T
L
，并在关节空间内对随机树进行扩展，定义主机械臂的初始关节角度为x
start
，目标位置为x
goal
，从机械臂的初始关节角度为x
′
start
，目标位置为x
′
goal
，并将其作为起始点和目标点分别加入随机树T
R
和T
L
中。
[0013]进一步的，步骤3具体包括如下内容：
[0014]多臂关节空间路径规划通常涉及到较高的维度，由于维度过高，计算的复杂度增加，这使得机械臂难以在规定时间内完成路径规划；虽然在各自关节空间中进行RRT采样可以完成路径规划，但无法实现机械臂间的协调；步骤3的具体操作步骤包括：
[0015]S31、相对于伪随机序列，Sobol序列能够在保证随机性的前提下，使采样点分布更加均匀，在关节空间内定义采样点x
sample
，由机械臂各关节角度组成，皆由Sobol序列生成，将随机树中与采样点欧氏距离最小的节点作为最近点，将该点记为x
nearest
；
[0016]S32、引入节点权重函数，通过该函数来自适应调整在随机采样点方向和目标点方向的拓展权重；在无障碍物的情况下，赋予目标点更高的权重，以引导随机树朝着目标点方向扩展，而在有障碍物的情况下，赋予随机采样点更高的权重，
[0017]以引导随机树绕过障碍物；新采样点的拓展公式为：
[0018][0019]其中，为采样点方向的权重，由下式决定，
[0020][0021]m初始值设为0，n初始值设为1，k1∈(0,1)反映采样点方向权重的变化，k2∈(0,1)表示目标点方向的权重，当环境复杂障碍物较多时，k2应取值较小，反之较大。
[0022]进一步的，步骤4具体包括如下内容：
[0023]S41、将关节空间内随机树的更新节点x
new
代入到主机械臂R正运动学求解得到笛卡尔坐标系的节点信息；
[0024]S42、拆卸机械臂在工作空间中遇到的障碍物主要是连杆支架和碎煤料，分别使用长方形包络盒法和球形包络盒法进行碰撞检测；
[0025]S43、判断机械臂各关节是否与障碍物发生碰撞，若否，将x
new
加入到主动生长随机树中，并定义x
nearest
为x
new
的父节点；若是，则剔除该节点并返回重新选择节点；
[0026]S44、将主动生长随机树中的更新节点x
new
对应的被动生长随机树中的x
′
new
代入到从机械臂L正运动学求解；
[0027]S45、通过包络盒法来进行碰撞检测，判断机械臂各关节是否与障碍物发生碰撞，若否，则将x
′
new
加入到随机树T
L
中，并定义x
′
nearest
为x
′
new
的父节点；若是，将x
new
从T
R
中剔除，并将x
′
new
从T
L
中剔除，返回重新选择节点。
[0028]本专利技术提供的技术方案的有益效果是：
[0029]1)针对传统RRT算法进行了改进，在传统RRT算法的节点更新过程中引入节点权重函数来引导探索过程中新节点的生成，能够改善路径规划过程中的避障能力和探索无方向性，有效减少无效采样点；
[0030]2)本专利技术使用关节空间内的机械臂关节角度组来表示机械臂位置信息，将其应用于引入改进后的RRT算法中，避免了逆运动学求解的繁琐运算，提高了规划效率；
[0031]3)提出主被动双树拓本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于带式输送机拆卸机器人的多臂路径规划方法，其特征在于，包括如下步骤：步骤1、针对带式输送机拆卸任务进行运动学模型建立；步骤2、初始化机械臂初始位姿和目标位姿，确定环境中障碍物基本信息；步骤3、在传统RRT算法基础上，使用Sobol序列来进行采样点生成，并引入节点权重函数来拓展新节点；步骤4、引入主被动拓展，通过主机械臂采样和从机械臂验证的方式，实现多机械臂的协调规划；步骤5、采用基于最小二乘法的多项式拟合方法来对路径进行优化处理，使机械臂运动更加平滑。2.根据权利要求1所述的一种用于带式输送机拆卸机器人的多臂路径规划方法，其特征在于，步骤2具体包括：提出一种主被动拓展RRT算法来进行双机械臂的路径规划探索，其中主机械臂R使用主动生长随机树T
R
，从机械臂L使用被动生长随机树T
L
，并在关节空间内对随机树进行扩展，定义主机械臂的初始关节角度为x
start
，目标位置为x
goal
，从机械臂的初始关节角度为x
s
′
tart
，目标位置为x
g
′
oal
，并将其作为起始点和目标点分别加入随机树T
R
和T
L
中。3.根据权利要求2所述的一种用于带式输送机拆卸机器人的多臂路径规划方法，其特征在于，步骤3的具体包括：S31、相对于伪随机序列，Sobol序列能够在保证随机性的前提下，使采样点分布更加均匀，在关节空间内定义采样点x
sample
，由机械臂各关节角度组成，皆由Sobol序列生成，将随机树中与采样点欧氏距离最小的节点作为最近点，将该点记为x
nearest
；S32、引入节点权重函数，通过该函数来自适应调整在随机采样点方向和目标点方向的拓展权重；在无障碍物的情况下，赋予目标点更高...

【专利技术属性】
技术研发人员：杨春雨，丛香怡，李博论，张鑫，周林娜，刘晓敏，马磊，王国庆，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：