【技术实现步骤摘要】
本申请涉及汽车齿轮打磨技术和工业机器人运动轨迹离线规划，具体涉及一种基于汽车齿轮的机器人打磨轨迹离线规划方法及系统。
技术介绍
1、近年来，工业机器人凭借可编程、自动化、高柔性等特点，逐步应用于各个重要行业，工业机器人具有高度的灵活性和适应性，是大批量、多种类具有复杂表面的零件自动化打磨的理想选择。传统示教编程已无法满足现代打磨工艺高效率、高精度等要求，离线编程成为打磨机器人的主要编程方式。而轨迹规划是打磨机器人离线编程的核心，利用打磨对象的三维数模，在对象表面确定打磨轨迹点，形成机器人打磨运动轨迹，实现机器人自动打磨。
2、针对汽车齿轮这类复杂零件的打磨轨迹点离散型组合优化问题，其核心是求解出最优打磨轨迹点序列，由于打磨轨迹点数量较多，需要更大的组合优化检索空间，一般优化算法在面临大规模和繁琐的迭代问题时求解较困难，且容易出现局部收敛和搜索可信度不足等现象，因此提出所述多目标协同遗传优化算法，该算法将初始打磨轨迹点集合随机进行多目标聚类，通过不同目标的打磨轨迹点相互协同动态化交叉变异，使每个打磨轨迹点向最优解进化，以达到多目标打磨轨迹点在配合与竞争中协同进化的目的。同时机器人的关节轨迹的合理性不仅影响机器人的运动性能，还影响打磨轨迹的跟踪精度，从而影响零件的打磨厚度均匀性，因此提出机器人关节轨迹五次b样条插值算法，该算法通过设置机器人的启停参数约束，构造启停参数可控且运动参数连续的关节轨迹。
3、随着我国装备制造业的快速发展，对汽车齿轮的打磨质量要求越来越高，自动化打磨技术难度较高。因此，研究一种基于汽
技术实现思路
1、本专利技术的目的在于，提供一种基于汽车齿轮的机器人打磨轨迹离线规划方法及系统，针对传统的打磨轨迹规划方法单一化严重且没能充分考虑到机器人的运动性能，打磨轨迹质量综合评价指标不够完善的特点，结合多目标协同遗传算法和五次b样条插值算法，对机器人的打磨轨迹和关节运动轨迹进行优化，提升了机器人启停的稳定性，有效减少运动冲击，保证了机器人运动性能，大大提高了打磨轨迹离线规划的准确性和效率。
2、为实现上述目的，本专利技术采取的技术方案是：
3、第一方面，本专利技术提供了一种基于汽车齿轮的机器人打磨轨迹离线规划方法，用于对汽车齿轮打磨轨迹进行离线规划和综合优化，包括如下步骤：
4、s100：利用汽车齿轮三维数模预规划机器人打磨轨迹，离散出打磨轨迹点；
5、s200：分析机器人打磨轨迹规划中的主要影响因素，构建打磨轨迹质量多目标综合数学模型，筛选打磨轨迹点，量化评价打磨轨迹优化效果；
6、s300：结合机器人打磨轨迹规划信息，利用多目标协同遗传算法优化所述打磨轨迹点，将所述打磨轨迹点相互协同动态化交叉变异，得到打磨轨迹点最优序列；
7、s400：结合机器人关节运动信息，利用五次b样条插值获取机器人关节轨迹，优化机器人关节轨迹及运动性能；
8、s500：构建打磨轨迹误差模型验证机器人打磨轨迹和关节轨迹的优化效果，获得第一验证结果；
9、s600：当所述第一验证结果不满足打磨轨迹误差模型时，离散新的打磨轨迹点并重新优化打磨轨迹；
10、s700：当所述第一验证结果满足打磨轨迹误差模型时，机器人打磨轨迹协同优化结束，输出规划好的打磨轨迹。
11、进一步地，步骤s100的具体方法为：
12、根据机器人打磨装置的空间姿态变化和打磨轨迹长度来确定最佳轨迹间距，依据最佳轨迹间距离散每条打磨轨迹，将生成的离散点作为打磨轨迹点。若打磨轨迹长度小于最佳轨迹间距时，根据打磨轨迹长度生成离散点。
13、进一步地，步骤s200的具体方法为：
14、s201：分析机器人打磨轨迹规划中的主要影响因素包括：打磨效率、打磨轨迹重复性和打磨稳定性；
15、s202：分析打磨轨迹长度，计算打磨轨迹点的间距，构造打磨轨迹点间距矩阵，其中，为打磨轨迹点，n表示轨迹点数量，为第i点和第j点之间距离，i和j为；
16、s203：构造打磨轨迹长度：，其中，为第b段打磨轨迹的长度；
17、s204：利用中位数长度表示打磨轨迹段长度的集中趋势，通过编排打磨轨迹段的长度可构造中位数长度，其中，为对2取余数；
18、s205：构建机器人打磨效率数学模型；
19、s206：构造打磨轨迹重复矩阵，其中，为打磨轨迹段集合，为打磨轨迹段和的重复情况，且；
20、s207：根据打磨轨迹重复矩阵，构造打磨轨迹段的重复度；
21、s208：根据打磨轨迹段的重复度值排序，构造中值重复度；
22、s209：为优化打磨轨迹重复情况，构造打磨轨迹总重复度函数；
23、s210：构建机器人打磨轨迹重复性数学模型；
24、s211：为控制打磨轨迹的转折角度以保证打磨稳定性，构造打磨轨迹转折点数：，其中，为第i个打磨轨迹点的转折程度，为打磨轨迹点向量间夹角，为打磨轨迹段夹角阈值；
25、s212：为量化各打磨轨迹段的弯折程度，构造打磨轨迹平均转折度，其中，为打磨轨迹段总数，为第b段打磨轨迹转折度，且，为第b段打磨轨迹上第a个打磨轨迹点的转折度，为第b段打磨轨迹的打磨轨迹点总数；
26、s213：构建机器人打磨稳定性数学模型；
27、s214：构建打磨轨迹质量多目标综合数学模型。
28、进一步地，步骤s300的具体方法为：
29、s301：将所述打磨轨迹点随机进行多目标聚类，在每代轨迹点中维护一个最优解用于搜索进化过程中的最优打磨轨迹点；
30、s302：随机初始化规模为的所述打磨轨迹点，第个轨迹点在第次迭代后的目标函数值为，其中k为所述打磨轨迹点的最大迭代次数；
31、s303：按照目标函数值大小对所述打磨轨迹点进行多目标聚类，最终生成个轨迹点集合，第个轨迹点集合的数目为，为轨迹点集合的数量，表示向上取整；
32、s304：所述打磨轨迹点集合进化过程中将轨迹点集合分割为多个轨迹点子集合，每个轨迹点子集合独立完成动态交叉和变异，各个轨迹点子集合协同进化导致整体轨迹点集合多目标动态优化；
33、s305：使所述轨迹点子集合多目标进化，可协同动态调节交叉和变异概率。打磨轨迹点的动态交叉和动态变异概率分别为：， 其中，和分别为第m个所述打磨轨迹点在第k次进化时的交叉和变异概率，、和、分别为交叉和变异概率的最大值和最小值，和分别为交叉和变异尺度因子，、、和分别为所述打磨轨迹点的目标函数平均值、最小值、最大值和适应度本文档来自技高网...
【技术保护点】
1.一种基于汽车齿轮的机器人打磨轨迹离线规划方法，用于对机器人打磨轨迹进行离线规划和综合优化，其特征在于，包括如下所述步骤：
2.根据权利要求1所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，所述步骤S100的具体方法为：
3.根据权利要求1或权利要求2所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，所述步骤S200的具体方法为：
4.根据权利要求1所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，所述步骤S300的具体方法为：
5.根据权利要求1所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，步骤S400的具体方法为：
6.根据权利要求1所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，步骤S500的具体方法为：
7.一种基于汽车齿轮的机器人打磨轨迹离线规划系统，其特征在于，所述系统包括：
【技术特征摘要】
1.一种基于汽车齿轮的机器人打磨轨迹离线规划方法，用于对机器人打磨轨迹进行离线规划和综合优化，其特征在于，包括如下所述步骤：
2.根据权利要求1所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，所述步骤s100的具体方法为：
3.根据权利要求1或权利要求2所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，所述步骤s200的具体方法为：
4.根据权利要求1所述...
【专利技术属性】
技术研发人员：王鑫，刘毅，胡国林，卢卓，张佳伟，郝嘉玉，吴文美，谭丽琴，余天鹏，
申请(专利权)人：江西机电职业技术学院，
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。