System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种无需标签数据的凿岩台车钻臂逆运动控制方法及装置制造方法及图纸_技高网

一种无需标签数据的凿岩台车钻臂逆运动控制方法及装置制造方法及图纸

技术编号:41095976 阅读:2 留言:0更新日期:2024-04-25 13:54
本发明专利技术涉及机械臂控制技术领域,特别是指一种无需标签数据的凿岩台车钻臂逆运动控制方法及装置。无需标签数据的凿岩台车钻臂逆运动控制方法包括:根据目标炮孔位置信息进行输入信息构建,获得目标炮孔的样本六维输入;基于深度神经网络结构进行模型构建,获得待训练运动预测模型;构建误差函数以及安全约束函数;采用样本六维输入,根据误差函数以及安全约束函数,对待训练运动预测模型进行离线训练,获得运动预测模型;根据样本六维输入,通过运动预测模型进行在线预测,获得关节变量;根据关节变量进行正运动学计算,得到末端执行器位置进行钻孔。本发明专利技术是一种面对凿岩台车的基于神经网络的高效、准确的钻臂逆运动控制方法。

【技术实现步骤摘要】

本专利技术涉及机械臂控制,特别是指一种无需标签数据的凿岩台车钻臂逆运动控制方法及装置


技术介绍

1、凿岩台车是一种在矿山、隧道工程领域采用钻爆法施工的凿岩设备,它能够支持使用一台或多台凿岩机,配备单个或多个钻臂进行钻眼作业。在目前兴起的无人化凿岩台车上,其核心技术在于钻臂的智能化控制,要满足钻臂带动凿岩机钎杆进行自主寻孔、钻孔的功能。然而,台车钻臂往往具有多个自由度,属于冗余机构,其逆运动学求解过程较为复杂,只采用解析法、几何法很难直接求解出合适的关节运动量。求解出合适的关节姿态对于降低企业生产成本、减少生产安全事故以及提高生产效率等方面有着巨大的潜力。

2、当前针对冗余机械臂的主流运动学控制方法为解析法与几何法的结合、pso粒子群算法、神经网络算法。解析法与几何法的结合着重于利用部分相邻关节之间的几何共线关系,来确定特定的中间关节角度,进而通过这种映射关系推导出其他关节角度,但这种方法对机械臂结构要求较高,通用性不强,并且利用解析法在逆运动学求解过程中往往会耗费大量时间。pso粒子群算法,用于求解钻臂末端执行器的逆运动学问题,取得了较高的控制精度。然而,该算法容易陷入局部解,且对参数变化较为敏感。

3、近年来随着人工智能技术的不断发展,神经网络在函数逼近、模式识别等领域得到广泛应用,这也为解决冗余机构的逆运动学问题提供了新的研究方向。目前主要的神经网络控制方法依托监督学习框架,利用正运动学产生带标签数据,来对钻臂数据样本进行训练和预测,从而实现较高的孔位精度,但这种方法可能出现多套关节对应同一输出以及生成标签数据分布通常与实际作业分布不匹配的问题,严重影响逆运动学的求解过程。此外,现有的神经网络求解逆运动学方法大多没有考虑安全约束,存在较高的碰撞风险,因此难以进行实际应用。

4、在现有技术中,缺乏一种面对凿岩台车的基于神经网络的高效、准确的钻臂逆运动控制方法。


技术实现思路

1、为了解决现有技术存在的标签数据分布与实际作业分布不匹配的技术问题,本专利技术实施例提供了一种无需标签数据的凿岩台车钻臂逆运动控制方法及装置。所述技术方案如下:

2、一方面,提供了一种无需标签数据的凿岩台车钻臂逆运动控制方法,该方法由凿岩台车钻臂逆运动控制设备实现,该方法包括:

3、获取凿岩台车钻臂的目标炮孔位置信息;根据所述目标炮孔位置信息进行输入信息构建,获得目标炮孔的样本六维输入;

4、基于深度神经网络结构进行模型构建,获得待训练运动预测模型;

5、根据所述待训练运动预测模型进行函数构建,获得误差函数;

6、基于预设的安全距离进行函数构建,获得安全约束函数;

7、采用所述样本六维输入,根据所述误差函数以及安全约束函数,对所述待训练运动预测模型进行离线训练,获得运动预测模型;

8、获取凿岩台车钻臂的真实六维输入;根据所述真实六维输入,通过所述运动预测模型进行在线预测,获得关节变量;

9、根据所述关节变量进行正运动学计算,得到末端执行器位置;根据所述末端执行器位置进行钻孔。

10、其中,所述目标炮孔位置信息包括目标炮孔的真实起始点位置信息以及真实末端点位置信息。

11、可选地,所述根据所述待训练运动预测模型进行函数构建,获得误差函数,包括:

12、根据所述待训练运动预测模型,获得预测末端点数学表达式;

13、根据所述预测末端点数学表达式以及真实起始点位置信息进行输入量构建,获得预测六维输入;

14、根据所述样本六维输入以及所述预测六维输入进行函数构建,获得误差函数。

15、其中,所述安全约束函数包括关节自身约束函数;

16、所述关节自身约束函数用于防止关节之间的运动碰撞;

17、所述关节自身约束函数公式如下式(1)所示:

18、

19、其中,dsatety代表了各个投影方向的安全距离;dk代表各个投影方向的实际距离;q为惩罚系数;为数学期望运算符号;relu为线性整流函数。

20、其中,所述安全约束函数包括关节巷道约束函数;

21、所述关节巷道约束函数用于防止关节巷道之间的运动碰撞;

22、所述关节巷道约束函数公式如下式(2)所示:

23、

24、其中,dwall是超出巷道两侧的安全距离;是各个关节变量在y轴上的坐标投影;为数学期望运算符号;relu为线性整流函数。

25、另一方面,提供了一种无需标签数据的凿岩台车钻臂逆运动控制装置,该装置应用于一种无需标签数据的凿岩台车钻臂逆运动控制方法,该装置包括:

26、样本输入获取模块,用于获取凿岩台车钻臂的目标炮孔位置信息;根据所述目标炮孔位置信息进行输入信息构建,获得目标炮孔的样本六维输入;

27、模型构建模块,用于基于深度神经网络结构进行模型构建,获得待训练运动预测模型;

28、误差函数构建模块,用于根据所述待训练运动预测模型进行函数构建,获得误差函数;

29、安全约束函数构建模块,用于基于预设的安全距离进行函数构建,获得安全约束函数;

30、模型训练模块,用于采用所述样本六维输入,根据所述误差函数以及安全约束函数,对所述待训练运动预测模型进行离线训练,获得运动预测模型;

31、关节变量预测模块,用于获取凿岩台车钻臂的真实六维输入;根据所述真实六维输入,通过所述运动预测模型进行在线预测,获得关节变量;

32、钻孔执行模块,用于根据关节变量进行正运动学计算,得到末端执行器位置;根据末端执行器位置进行钻孔。

33、其中,所述目标炮孔位置信息包括目标炮孔的真实起始点位置信息以及真实末端点位置信息。

34、可选地,所述误差函数构建模块,进一步用于:

35、根据所述待训练运动预测模型,获得预测末端点数学表达式;

36、根据所述预测末端点数学表达式以及真实起始点位置信息进行输入量构建,获得预测六维输入;

37、根据所述样本六维输入以及所述预测六维输入进行函数构建,获得误差函数。

38、其中,所述安全约束函数包括关节自身约束函数;

39、所述关节自身约束函数用于防止关节之间的运动碰撞;

40、所述关节自身约束函数公式如下式(1)所示:

41、

42、其中,dsatety代表了各个投影方向的安全距离;dk代表求出的各个方向实际投影距离;q为惩罚系数;dk代表各个投影方向的实际距离;q为惩罚系数;为数学期望运算符号;relu为线性整流函数。

43、其中,所述安全约束函数包括关节巷道约束函数;

44、所述关节巷道约束函数用于防止关节巷道之间的运动碰撞;

45、所述关节巷道约束函数公式如下式(2)所示:

46、

47、其中,dwall是本文档来自技高网...

【技术保护点】

1.一种无需标签数据的凿岩台车钻臂逆运动控制方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种无需标签数据的凿岩台车钻臂逆运动控制方法,其特征在于,所述目标炮孔位置信息包括目标炮孔的真实起始点位置信息以及真实末端点位置信息。

3.根据权利要求1所述的一种无需标签数据的凿岩台车钻臂逆运动控制方法,其特征在于,所述根据所述待训练运动预测模型进行函数构建,获得误差函数,包括:

4.根据权利要求1所述的一种无需标签数据的凿岩台车钻臂逆运动控制方法,其特征在于,所述安全约束函数包括关节自身约束函数;

5.根据权利要求1所述的一种无需标签数据的凿岩台车钻臂逆运动控制方法,其特征在于,所述安全约束函数包括关节巷道约束函数;

6.一种无需标签数据的凿岩台车钻臂逆运动控制装置,其特征在于,所述装置包括:

7.根据权利要求6所述的一种无需标签数据的凿岩台车钻臂逆运动控制装置,其特征在于,所述误差函数构建模块,进一步用于:

8.根据权利要求6所述的一种无需标签数据的凿岩台车钻臂逆运动控制装置,其特征在于,所述安全约束函数包括关节巷道约束函数;

9.一种凿岩台车钻臂逆运动控制设备,其特征在于,所述凿岩台车钻臂逆运动控制设备包括:

10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1至5任一项所述的方法。

...

【技术特征摘要】

1.一种无需标签数据的凿岩台车钻臂逆运动控制方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种无需标签数据的凿岩台车钻臂逆运动控制方法,其特征在于,所述目标炮孔位置信息包括目标炮孔的真实起始点位置信息以及真实末端点位置信息。

3.根据权利要求1所述的一种无需标签数据的凿岩台车钻臂逆运动控制方法,其特征在于,所述根据所述待训练运动预测模型进行函数构建,获得误差函数,包括:

4.根据权利要求1所述的一种无需标签数据的凿岩台车钻臂逆运动控制方法,其特征在于,所述安全约束函数包括关节自身约束函数;

5.根据权利要求1所述的一种无需标签数据的凿岩台车钻臂逆运动控制方法,其特征在于,所述安全...

【专利技术属性】
技术研发人员:段京良吴江许皓渊闫昊琪陈良发赵俊杰黄晨马飞
申请(专利权)人:北京科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1