【技术实现步骤摘要】
本专利技术涉及机器人控制领域，具体涉及一种机器人的运动控制方法。
技术介绍
1、机器人的运动控制过程中，涉及到两个重要问题，一个是路径规划问题，一个是在路径上如何来运动的问题。通过计算和给出机器人的运动参数来使得其在整个运动过程中尽可能地平滑，这是技术人员所追求的。然而如何做到这一点，目前却是不容易的。
技术实现思路
1、为解决上述问题，本专利技术提供一种机器人的运动控制方法，下面具体说明。
2、根据第一方面，一种实施例中提供一种机器人的运动控制方法，包括：
3、获取所述机器人的运动路径，所述运动路径包括若干段路径；
4、对于每一段的所述路径：
5、获取该段路径的起点的状态量s(t)的值，终点的状态量s(t)的值，以及该段路径的约束时长t；其中，状态量s(t)＝[p(t)，v(t)，a(t)]，p(t)、v(t)和a(t)分别表达位置、速度和加速度；
6、对所述状态量s(t)＝[p(t)，v(t)，a(t)]求导以构建控制量u(t)＝[v(t)，a(t)，j(t)]，其中j(t)为加加速度；
7、基于所述状态量s(t)＝[p(t)，v(t)，a(t)]和控制量u(t)＝[v(t)，a(t)，j(t)]构建目标函数h(s(t)，u(t)，λ(t))，其中λ(t)表示u(t)的系数；所述目标函数用于表示所述机器人在该段路径运动过程中的能量损失；
8、基于所述目标函数h(s(t)，u(t)，λ(t))和约
9、基于该段路径中各位置点或各时刻的控制参量的值控制机器人在该段路径上运动。
10、一实施例中，所述基于所述目标函数h(s(t)，u(t)，λ(t))和约束条件求解最优控制量u*(t)，以得到该段路径中各位置点或各时刻的控制参量的值，包括：
11、对目标函数h(s(t)，u(t)，λ(t))在状态量s(t)上求偏导，得到λ(t)的偏导数
12、对所述偏导数在时间t上进行积分，得到λ(t)关于时间t的表达式，该表达式中包括有变量t以及λ(t)中待求解的常量α、β、γ；
13、在目标函数h(s(t)，u(t)，λ(t))中s(t)为最优状态量s*(t)＝[p*(t)，v*(t)，a*(t)]的情况下，求解最优控制量u*(t)＝[v*(t)，a*(t)，j*(t)]，得到简化后的目标公式：
14、j*(t)＝arg minj(t)h(s*(t)，j(t)，λ(t))；
15、对目标公式中h(s*(t)，j(t)，λ(t))在j(t)求偏导后令其等于零，求解得到最优加加速度j*(t)的表达式，该表达式中包括有变量t和所述待求解的常量α、β、γ；
16、对最优加加速度j*(t)进行一阶积分得到最优加速度a*(t)，进行二阶积分得到速度最优速度v*(t)，进行三阶积分得到最优位置p*(t)，从而得到最优状态量的表达式s*(t)＝[p*(t)，v*(t)，a*(t)]，该表达式包括有变量t和所述待求解的常量α、β、γ；
17、将该段路径的起点的状态量s(t)的值作为t＝0时的最优状态量的值，将该段路径的起点的状态量s(t)的值作为t＝t时的最优状态量的值，代入所述最优状态量的表达式s*(t)＝[p*(t)，v*(t)，a*(t)]，求解得到常量α、β、γ的值；
18、基于解得到常量α、β、γ的值代回至所述最优状态量的表达式s*(t)＝[p*(t)，v*(t)，a*(t)]，以得到该段路径中位置点或各时刻的控制参量的值。
19、一实施例中，所述起点的状态量s(t)的值和终点的状态量s(t)的值包括p(t)的值，较优地，还包括v(t)的值，较优地，还包括a(t)的值。
20、根据第二方面，一种实施例提供一种机器人的运动控制方法，包括：
21、获取所述机器人的运动路径，所述运动路径包括若干段路径；
22、对于每一段的所述路径：
23、获取该段路径的起点的状态量的值，终点的状态量的值，以及该段路径的约束时长t；
24、基于所述状态量构建控制量；
25、基于所述状态量和所述控制量构建目标函数，所述目标函数用于表示所述机器人在该段路径运动过程中的能量损失；
26、基于所述目标函数和约束条件求解最优控制量，以基于所述最优控制量得到该段路径中各位置点或各时刻的控制参量的值；其中，所述最优控制量使得所述机器人在该段路径运动过程中的能量损失最小，所述约束条件包括：该段路径的起点和/或终点的状态量的值，和所述约束时长；
27、基于该段路径中各位置点或各时刻的控制参量的值控制机器人在该段路径上运动。
28、一实施例中，所述基于所述状态量构建控制量，包括：对所述状态量求导得到所述控制量。
29、一实施例中，所述状态量包括位置参量、速度参量和加速度参量中的一者或多者；和/或，所述控制量包括速度参量、加速度参量和加加速度参量中的一者或多者。
30、一实施例中，所述起点的状态量的值和所述终点的状态量的值包括位置参量的值，较优地，还包括速度参量的值，较优地，还包括加速度参量的值。
31、一实施例中，所述基于所述状态量和所述控制量构建目标函数，包括：构建目标函数h(s(t)，u(t)，λ(t))，其中s(t)表示所述状态量，u(t)表示所述控制量，λ(t)表示u(t)的系数，t为时间变量。
32、一实施例中，所述基于所述目标函数和约束条件求解最优控制量，以基于所述最优控制量得到该段路径中各位置点或各时刻的控制参量的值，包括：
33、对所述目标函数h(s(t)，u(t)，λ(t))进行第一计算处理，得到λ(t)关于时间t的表达式，其中该表达式中包含有变量t以及待求解的常量；
34、在目标函数h(s(t)，u(t)，λ(t))中s(t)为最优状态量的情况下，求解最优控制量，得到简化后的目标表达式，所述目标表达式为关于最优控制参量和λ(t)的表达式，较优地，所述最优控制参量为最优加加速度参量；
35、令所述目标表达式关于所述最优控制参量的偏导数为零，求解得到所述最优控制参量的表达式，该表达式中包括有变量t以及λ(t)中待求解的常量；
36、对所述最优控制参量在时间t上进行一次或多次积分，得到最优状态量的表达式，该表达式中包括有变量t以及λ(t)中待求解的常量；
37、最优状态量的表达式中，将该段路径的起点的状态量的值作为t＝0时的最优状态量的值，将该段路径的起点的状态量的值作为t＝t时的最优状态量的值，求解得到λ(本文档来自技高网...
【技术保护点】
1.一种机器人的运动控制方法，其特征在于，包括：
2.如权利要求1所述的运动控制方法，其特征在于，所述基于所述目标函数H(s(t)，u(t)，λ(t))和约束条件求解最优控制量u*(t)，以得到该段路径中各位置点或各时刻的控制参量的值，包括：
3.如权利要求1所述的运动控制方法，其特征在于，所述起点的状态量s(t)的值和终点的状态量s(t)的值包括p(t)的值，较优地，还包括v(t)的值，较优地，还包括a(t)的值。
4.一种机器人的运动控制方法，其特征在于，包括：
5.如权利要求4所述的运动控制方法，其特征在于，所述基于所述状态量构建控制量，包括：对所述状态量求导得到所述控制量。
6.如权利要求4所述的运动控制方法，其特征在于，所述状态量包括位置参量、速度参量和加速度参量中的一者或多者；和/或，所述控制量包括速度参量、加速度参量和加加速度参量中的一者或多者。
7.如权利要求4或6所述的运动控制方法，其特征在于，所述起点的状态量的值和所述终点的状态量的值包括位置参量的值，较优地，还包括速度参量的值，较优地，还
8.如权利要求4至7中任一项所述的运动控制方法，其特征在于，所述基于所述状态量和所述控制量构建目标函数，包括：构建目标函数H(s(t)，u(t)，λ(t))，其中s(t)表示所述状态量，u(t)表示所述控制量，λ(t)表示u(t)的系数，t为时间变量。
9.如权利要求8所述的运动控制方法，其特征在于，所述基于所述目标函数和约束条件求解最优控制量，以基于所述最优控制量得到该段路径中各位置点或各时刻的控制参量的值，包括：
10.如权利要求8所述的运动控制方法，其特征在于，所述对所述目标函数H(s(t)，u(t)，λ(t))进行第一计算处理，得到λ(t)关于时间t的表达式，包括：
11.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1至10中任一项所述的方法。
...【技术特征摘要】
1.一种机器人的运动控制方法，其特征在于，包括：
2.如权利要求1所述的运动控制方法，其特征在于，所述基于所述目标函数h(s(t)，u(t)，λ(t))和约束条件求解最优控制量u*(t)，以得到该段路径中各位置点或各时刻的控制参量的值，包括：
3.如权利要求1所述的运动控制方法，其特征在于，所述起点的状态量s(t)的值和终点的状态量s(t)的值包括p(t)的值，较优地，还包括v(t)的值，较优地，还包括a(t)的值。
4.一种机器人的运动控制方法，其特征在于，包括：
5.如权利要求4所述的运动控制方法，其特征在于，所述基于所述状态量构建控制量，包括：对所述状态量求导得到所述控制量。
6.如权利要求4所述的运动控制方法，其特征在于，所述状态量包括位置参量、速度参量和加速度参量中的一者或多者；和/或，所述控制量包括速度参量、加速度参量和加加速度参量中的一者或多者。
7.如权利要求4或6所述的运动控制方法，...
【专利技术属性】
技术研发人员：杨洋，林师杰，黄淦，林泽伟，
申请(专利权)人：深圳市华汉伟业科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。