CN109636077A - 基于双重局部位姿变换的变节点装配路径规划方法 - Google Patents
基于双重局部位姿变换的变节点装配路径规划方法 Download PDFInfo
- Publication number
- CN109636077A CN109636077A CN201910122244.XA CN201910122244A CN109636077A CN 109636077 A CN109636077 A CN 109636077A CN 201910122244 A CN201910122244 A CN 201910122244A CN 109636077 A CN109636077 A CN 109636077A
- Authority
- CN
- China
- Prior art keywords
- pose
- path
- assembly
- node
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 106
- 230000009466 transformation Effects 0.000 title claims abstract description 66
- 230000009977 dual effect Effects 0.000 title claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000007613 environmental effect Effects 0.000 claims description 15
- 238000005728 strengthening Methods 0.000 claims description 9
- 230000004888 barrier function Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000003014 reinforcing effect Effects 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Automatic Assembly (AREA)
Abstract
本发明公开了一种基于双重局部位姿变换的变节点装配路径规划方法。方法由面向虚拟工厂的虚拟模型建立、模型包围盒构建及预处理、装配关系和位姿信息的提取、全局路径规划、路径平滑处理、局部过程装配可行性分析及障碍节点动态调节和基于局部位姿变换的局部过程路径规划等几个方面组成。本发明提升了装配路径规划的动态性,为复杂产品装配路径规划提供一种更有效和更高效的动态规划方法。
Description
技术领域
本发明涉及一种装配路径规划方法,具体是涉及一种基于双重局部位姿变换的变节点装配路径规划方法,通过虚拟装配路径规划解决真实装配过程中零部件装配路径最优化的问题,属于先进制造领域中的虚拟制造技术范畴。
背景技术
装配规划包括装配建模、装配序列规划和装配路径规划三个部分。在现实环境的机械产品装配过程中,装配路径的规划过度依赖于装配人员的不断试验和主观判断,大量的试验通常会造成机械零部件的损伤,影响装配的精度和产品的质量,而且,当装配环境和配合零部件结构过于复杂、待装零件的装配试验难以进行时,常会出现误判和错判的现象。在虚拟装配过程中,由于模型包围盒简化处理、碰撞检测算法实现精度低、零件装配关系高度耦合和路径规划计算量大等原因,虚拟装配难以获得最优路径,极大地延长了产品的装配周期,影响了装配规划的质量和效率。因此,在虚拟装配领域,基于已有的数字化模型和装配序列,虚拟装配的路径规划成为了装配规划的核心内容,如何实现虚拟装配路径的最短最优化成为了亟待解决的问题。
发明内容
根据以上现有技术中的不足,本发明要解决的技术问题是:提供了一种基于双重局部位姿变换的变节点装配路径规划方法,解决装配过程中零部件装配路径最优装配的技术问题。
本发明解决上述技术问题采用的技术方案是:
本发明将真实的零部件及其环境空间转化为虚拟计算机建模中的零部件模型和环境模型,然后进行虚拟装配路径规划过程。在虚拟装配路径规划过程中根据配合零部件和待装零部件的结构特点,基于双重局部位姿变换动态地适应装配环境,根据位姿变换的反馈结果动态调节障碍节点,结合传统路径规划算法和路径平滑处理算法,得到一条动态可调节的最短装配路径。
包括以下关键步骤:
步骤一:将真实的固定配合零部件、待装零部件及其环境空间通过模拟真实工厂和装配环境的模型构建方法转化为虚拟计算机建模中的固定配合零部件模型、待装零部件模型和环境模型,固定配合零部件置于环境空间的固定位置处,待装零部件处于目标位置时和固定配合零部件配合;
步骤二:针对环境模型和固定配合零部件模型、待装零部件模型进行异形包围盒构建,并将异形包围盒轮廓向外扩张固定边距处理,使得在全局路径规划时留有确定安全距离的空间;
所述的异形包围盒为多边形包围盒,可以为凸多边形,也可以为凹多边形。
步骤三:提取固定配合零部件和待装零部件之间的装配信息,根据固定配合零部件模型确定待装零部件模型的异形包围盒的目标位姿,目标位姿结合初始位姿分别构成虚拟装配路径规划的目标位姿和初始位姿并使用位姿矩阵表示;
所述的位姿包括三维坐标和沿三轴方向的位置角度。
步骤四:根据目标位姿、初始位姿、待装零部件模型和环境模型使用三维路径规划算法创建待装零部件模型在目标位姿和初始位姿之间的移动路径,移动路径由多个节点依次连接构成并作为虚拟装配路径规划的初始全局装配路径,初始全局装配路径为无刚体属性和结构属性的质点路径;
步骤五:通过路径平滑处理算法对初始全局装配路径进行圆滑处理,减少路径上的转折点,提高后续位姿变换的连续性和可操作性;
步骤六:由沿初始全局装配路径移动经过的待装零部件模型构成了局部装配空间,对局部装配空间和环境模型进行干涉检测,判断路径上的每个节点处是否发生了干涉:
若未发生干涉,则不需要进行位姿变换,则当前节点为可通行节点;
若所有节点处均未发生了干涉,则该初始全局装配路径即为可行最短路径,进入步骤八;
若发生了干涉,则需要进行位姿变换,当前节点作为无位姿变换不可通行节点,进入步骤七对初始全局装配路径进行优化处理;
步骤七:以待装零部件模型沿当前节点和相邻节点之间路径移动经过构成的局部装配空间表征局部装配过程,在局部装配过程中根据待装零部件模型和固定配合零部件模型的位姿信息,通过强化学习方法生成基于位姿变换的局部装配路径,并判断通过零部件局部位姿变换实现步骤四得到的最短路径在局部装配过程的可行性,具体通过强化学习方法判断零部件是否可以无干涉产生完成局部装配过程:
如果可以,则将局部装配空间末尾的待装零部件模型的位姿作为下一个节点对应的局部装配空间中的待装零部件模型的初始位姿;
如果不可以,则局部装配过程不可行,将该局部装配过程对应的节点设为不可通行节点,该局部装配过程对应的区域设为不可通行的障碍区域,并返回步骤四;
步骤八:将模拟真实装配环境获得的虚拟装配环境下的虚拟装配最短路径转换为真实装配环境的最短路径,并反馈到真实装配过程。
本发明在初始全局路径的基础上引入强化学习的方法,在虚拟装配的局部装配过程通过双重局部位姿变换和变节点实现虚拟装配过程动态规划,优化初始全局装配路径,最终得到最短虚拟装配路径。
所述步骤七具体为:
由步骤六中得到的无位姿变换不可通行节点i及与其相邻的无位姿变换不可通行节点之间对应局部路径下的位姿变化,构成第i个虚拟局部装配区间[Vi,Vi+1],在由该局部装配区间表示的第i个虚拟装配局部过程中,通过强化Q学习算法进行基于局部位姿变换的局部路径规划:
在第i个虚拟装配局部过程[Vi,Vi+1]中,Vi为过程初始状态时的位姿,Vi+1为过程结束时的位姿,初始化零部件的状态集和动作集;强化Q学习算法的状态表Q表示为Q(s,a),设置各项参数,其中s为位姿,a为位姿变换矩阵,状态集S为位姿的集合,动作集A为位姿变换矩阵的集合表示为S={s1、s2、s3、....},A={a1、a2、a3、....};s1、s2、s3、....分别表示各个节点的位姿,a1、a2、a3、....分别表示各个节点位姿对应下的位姿变换矩阵;
本发明提出的双重位姿变换为在局部装配过程中的局部位姿变换,即有约束条件的位姿变换,动作信息a表示的位姿变换矩阵在此可描述为只保留绕待装零部件所在空间中建立的坐标系下x、y、z轴旋转的3自由度旋转位姿变换矩阵。
强化Q学习算法具体如下表示:
Q(s,a)←Qt(s,a)+α*[r+γ*maxa'Q(s',a')-Q(s,a)]
其中,s为当前节点的位姿,a为位姿s后的最优动作,即当前位姿s和下一位姿s最优旋转变换矩阵,s'为下一个节点的位姿,a'为位姿s'下的最优旋转变换矩阵,r为是否发生干涉的反馈值,γ为折现因子,α为学习率;Qt(s,a)表示第t次迭代下当前节点的状态表,*表示相乘,maxa'Q(s',a')表示位姿s'下的最优旋转变换矩阵,t表示当前迭代的序数,←表示赋值;
强化Q学习算法迭代的目标为生成通过一系列最小旋转变换实现一条基于位姿变换的无干涉局部装配过程。通过迭代分析和模拟装配路径实现基于强化学习的虚拟装配局部轨迹规划,包括局部路径和位姿变换信息。
通过强化Q学习算法对第i个虚拟装配局部过程[Vi,Vi+1]的局部位姿变换进行优化处理,即获得优化后的状态集S,并判断强化Q学习算法处理在局部装配过程[Vi,Vi+1]中实现的可行性,具体通过强化学习方法判断零部件是否可以无干涉产生完成局部装配过程:如果可以,则将局部装配过程末尾的待装零部件模型的位姿Vi+1作为下一个节点对应的局部装配空间中的待装零部件模型的初始位姿;如果不可以,则局部装配过程不可行,将该局部装配过程对应的起止节点设为不可通行节点,该局部装配过程对应的起止节点之间的区域设为不可通行的障碍区域,并返回步骤四。
本发明通过在局部装配过程中对待装零部件进行有自由度约束的连续局部位姿变换,即双重局部位姿变换方法,并且根据局部位姿变换结果动态调节障碍节点,实现在局部装配过程中无干涉现象的同时生成最短局部装配路径,通过若干个局部过程的局部优化处理,最终得到一条动态可调节的虚拟装配最优全局路径,从而有效降低产品的装配成本、缩短产品的开发周期、提高产品的装配质量和效率。
本发明为解决虚拟装配过程中零部件装配路径最优规划提供了一种解决方法,通过在零件虚拟装配的局部过程中进行局部连续位姿变换、动态调节障碍节点和位姿信息反馈,提升了装配路径规划的动态性和高效性。该方法由面向虚拟工厂的虚拟模型建立、模型包围盒构建及预处理、装配关系和位姿信息的提取、全局路径规划、路径平滑处理、局部过程装配可行性分析及障碍节点动态调节和基于局部位姿变换的局部过程路径规划等几个方面组成。
本发明在一定程度上可以为复杂产品装配路径规划提供一种更有效和更高效的动态规划方法。
与现有技术相比,本发明具有以下优点:
1、能够有效解决装配体装配过程的装配试验中出现的错判和误判的问题,避免装配试验产生的零部件损伤,提高装配的准确性。
2、能够减少甚至避免装配过程中的装配零部件之间产生干涉的现象,提高虚拟装配过程中装配路径规划的合理性。
3、能够通过在局部装配过程的双重局部位姿变换实现在总体路径规划的基础上的装配路径高效性。
4、能够通过根据装配环节自反馈动态调节障碍节点实现装配路径规划的动态可调节性。
附图说明
图1为本发明的流程图;
图2为本发明的双重局部位姿变换示意图;
图3为本发明的局部位姿变换示意图;
图4为本发明的障碍节点动态调节示意图;
图5为本发明的障碍节点动态调节局部位姿变换示意图;
图6为本发明案例的路径规划算法示意图。
具体实施方式
下面结合附图对本发明作进一步的说明。本发明的实施方式包括但不限于下列实施例。
参照图1,本发明具体实施例,具体包括模型包围盒构建及预处理、提取装配关系和位姿信息、全局路径规划、路径平滑处理、局部过程装配可行性分析及障碍节点动态调节和基于局部位姿变换的局部过程路径规划等几个步骤。
本案例的环境模型和零件模型用于大型复杂设备真实装配车间基于三维环境构建,如高铁零部件装配、航天器零部件装配和盾构设备零部件装配等,并节选其中若干局部过程对基于双重局部位姿变换的变节点装配路径规划方法进行说明,通过二维平面的投影进行表述,本发明的基于双重局部位姿变换的变节点装配路径规划方法,是在虚拟装配全局过程的局部过程中对有自由度约束的位姿进行位姿变换,如只保留旋转自由度的局部位姿,通过对局部位姿进行连续变换实现在局部过程的最短路径规划,根据局部位姿变换判断零部件局部装配可行性并且动态地调整障碍物节点区域,从而实现虚拟装配全局最优路径,如下图2所示,其中斜线阴影部分为障碍物区域,黑色阴影所示为初始位姿和目标位姿,虚线为局部路径,点画线为全局路径。
以高铁零部件装配为例,具体实现过程如下步骤所示:
步骤一:将真实的固定配合零部件、待装零部件及其环境空间通过模拟真实工厂和装配环境的模型构建方法转化为虚拟计算机建模中的固定配合零部件模型、待装零部件模型和环境模型,固定配合零部件置于环境空间的固定位置处,待装零部件处于目标位置时和固定配合零部件配合;
步骤二:根据环境模型和零部件模型构建相应的包围盒,并对状态空间进行预处理,预留出固定阈值的安全距离。
本案例结合待装零部件的结构信息,针对环境模型和固定配合零部件模型、待装零部件模型进行异形包围盒构建,并将异形包围盒轮廓向外扩张固定边距处理,使得在全局路径规划时留有确定安全距离的空间。所述的异形包围盒为多边形包围盒,可以为凸多边形,也可以为凹多边形。
其中,异形包围盒的中心位置为:
式中n表示包围盒轮廓节点数目,i为计算包围盒中心位置时的计数符号,i∈[1,n]。
步骤三:提取相互配合零部件之间的装配信息,构建配合关系和配合位姿,生成虚拟装配路径规划的初始位姿和目标位姿,其中,初始位姿为待装零部件的初始位姿V0,目标位姿为待装零部件的配合位姿Vn,如图2所示。使用三维空间旋转矩阵表示零部件的位姿变换信息,具体的表示方式如下所示:
三维空间中的旋转变化比二维的复杂,因此在面向虚拟装配的过程规划方法中针对位姿的变换需要指定旋转角和旋转轴。若以坐标系的三个坐标轴x、y、z作为旋转轴,则零部件实际只是在垂直坐标轴的平面上做二维变换,所以在本案例中使用垂直z轴的二维平面的投影对方法进行说明,其中绕z轴方向的旋转通过二维投影中物体角度的变化表示,绕x、y轴的旋转通过二维投影中物体结构的尺寸变化表示,如图5所示。规定,在右手坐标系中,旋转正方向是右手螺旋方向,即从该轴正半轴向原点看是逆时针方向。
三维物***姿变换可以看成位姿矩阵和旋转矩阵的乘法运算,即:
其中(x,y,z)为位姿变换前的位姿,(x',y',z')为位姿变换后的位姿,R为旋转矩阵。
绕x轴旋转的位姿变换为:
绕y轴旋转的位姿变换为:
绕z轴旋转的位姿变换为:
其中,α为绕x轴旋转的角度,β为绕y轴旋转的角度,γ为绕z轴旋转的角度。将绕各轴旋转的旋转矩阵统一表示为绕任意轴旋转的旋转矩阵R为:
在虚拟装配过程中,用区间[Vi,Vi+1]表示第i个虚拟装配局部过程,i∈[1,N],其中Vi为物体在第i个虚拟装配局部过程的初始位姿,Vi+1为待装零部件在第i个虚拟装配局部过程的结束位姿,当第i个局部装配过程完成时,Vi+1作为第i+1个局部装配过程的初始位姿,如图2、3、4、5中黑色阴影所示零部件的位姿。
步骤四:根据目标位姿、初始位姿、待装零部件模型和环境模型使用三维路径规划算法创建待装零部件模型在目标位姿和初始位姿之间的移动路径,移动路径由多个节点依次连接构成并作为虚拟装配路径规划的初始全局装配路径,初始全局装配路径为无刚体属性和结构属性的质点路径,本案例以三维A*路径规划算法为基础对虚拟装配过程全局路径进行规划。
A*算法的估价函数及具体实现,如下所示:
F(n)=G(n)+H(n)
其中,n为路径上的某一节点,F(n)代表路径的评分距离,G(n)表示与起始点的距离,H(n)表示与目标点的估计距离,例如直线距离或者曼哈顿距离,A*算法每次会选择估价函数F(n)最小的点,然后更新G(n)的值,通过Open表和Close表管理已评价的各个节点信息,得到当前节点n对应的最小代价节点,并以此节点为父节点继续寻找路径,直到节点到达目标位姿Vn所在的节点,结束搜索,算法如下图6所示,最终得到一条无零件刚体属性和结构属性的质点最短全局路径,如下图2虚线所示。
步骤五:通过路径平滑处理算法对步骤三形成的装配全局路径进行圆滑处理,减少路径的转折点,提高后续位姿变换的连续性和可操作性。本案例选择B样条曲线来优化步骤三得到的全局路径。
假设第n+1个节点的坐标为Pi(i=0,1,2,3......,n),求解第n个节点的位置的B样条曲线如下所示:
其中Fi,n(t)为三次B样条曲线的基函数,如下所示:
其中,i为曲线圆滑处理的节点计数符号,i∈[0,n],j为基函数的计数符号,j∈[0,n-1]。
步骤六:根据以上步骤得到的最短全局路径为缺少尺寸信息和位姿信息约束的质点路径,由于装配过程涉及的物体均具有刚体属性,本发明在传统三维路径规划算法的基础上引入双重局部位姿变换的方法,根据零部件模型和环境模型的结构信息判断零部件在路径节点i是否需要进行位姿变换,如果不需要位姿变换,即该节点为可通行节点、该路径在该节点为可行最短路径,如下图4中虚线所示,方法继续,若全局路径上的所有节点均为可通行节点,则该全局路径为最短虚拟装配全局路径,方法进入步骤八;
否则,将该节点及该节点上零件的位姿信息传递给步骤七,通过优化局部装配过程实现全局装配路径的最优化。
所述步骤七具体为:
在步骤六中得到的无位姿变换不可通行节点i及与之连接的无位姿变换不可通行节点构成第i个局部装配区间[Vi,Vi+1],在由该局部装配区间表示的第i个虚拟装配局部过程中,通过强化Q学习算法进行基于局部位姿变换的局部路径规划。
在第i个虚拟装配局部过程[Vi,Vi+1]中,Vi为过程初始状态时的位姿,Vi+1为过程结束时的位姿,初始化零部件的状态集和动作集。
强化Q学习算法的状态表Q表示为Q(s,a),设置各项参数,其中s为位姿,a为位姿变换矩阵,状态集S为位姿的集合、动作集A为位姿变换矩阵的集合:S={s1、s2、s3、....},A={a1、a2、a3、....}。
本发明提出的双重位姿变换为在局部装配过程中的局部位姿变换,即有约束条件的位姿变换,动作信息a表示的位姿变换矩阵在此可描述为只保留绕x、y、z轴旋转的3自由度旋转位姿变换矩阵。
强化Q学习算法如下所示:
Q(s,a)←Qt(s,a)+α*[r+γ*maxa'Q(s',a')-Q(s,a)]
其中,s为当前节点的位姿,a为位姿s下的最优动作,即最优旋转变换矩阵,s'为下一个节点的位姿信息,a'为位姿s'下的最优旋转变换矩阵,r为是否发生干涉的反馈值,γ为折现因子,α为学习率;Qt(s,a)表示第t次迭代下当前节点的状态表,*表示相乘,maxa'表示位姿s'下的最优旋转变换矩阵,t表示当前迭代的序数,←表示赋值。
强化Q学习算法迭代的目标为生成通过一系列最小旋转变换实现一条基于位姿变换的无干涉局部装配过程。
通过迭代分析和模拟装配路径实现基于强化学习的虚拟装配局部轨迹规划,包括局部路径和位姿变换信息。
通过强化Q学习算法规划第i个虚拟装配局部过程[Vi,Vi+1]的局部路径,并判断基于强化Q学习的局部位姿变换在局部装配过程[Vi,Vi+1]中实现的可行性,具体通过强化学习方法判断零部件是否可以无干涉产生完成局部装配过程:
如果可以,则将局部装配过程末尾的待装零部件模型的位姿Vi+1作为下一个节点对应的局部装配空间中的待装零部件模型的初始位姿;
如果不可以,则局部装配过程不可行,将该局部装配过程对应的节点设为不可通行节点,该局部装配过程对应的区域设为不可通行的障碍区域,并返回步骤四;
步骤八:将模拟真实装配环境获得的虚拟装配环境下的虚拟装配最短路径转换为真实装配环境的最短路径,并反馈到真实装配过程。
Claims (5)
1.一种基于双重局部位姿变换的变节点装配路径规划方法,其特征在于:方法包括以下关键步骤:
步骤一:将真实的固定配合零部件、待装零部件及其环境空间转化为虚拟计算机建模中的固定配合零部件模型、待装零部件模型和环境模型,固定配合零部件置于环境空间的固定位置处,待装零部件处于目标位置时和固定配合零部件配合;
步骤二:针对环境模型和固定配合零部件模型、待装零部件模型进行异形包围盒构建,并将异形包围盒轮廓向外扩张固定边距处理;
步骤三:根据固定配合零部件模型确定待装零部件模型的异形包围盒的目标位姿,目标位姿结合初始位姿分别构成虚拟装配路径规划的目标位姿和初始位姿并使用位姿矩阵表示;
步骤四:根据目标位姿、初始位姿、待装零部件模型和环境模型使用三维路径规划算法创建待装零部件模型在目标位姿和初始位姿之间的移动路径,移动路径由多个节点依次连接构成并作为虚拟装配路径规划的初始全局装配路径,初始全局装配路径为无刚体属性和结构属性的质点路径;
步骤五:通过路径平滑处理算法对初始全局装配路径进行圆滑处理,减少路径上的转折点;
步骤六:由沿初始全局装配路径移动经过的待装零部件模型构成了局部装配空间,对局部装配空间和环境模型进行干涉检测,判断路径上的每个节点处是否发生了干涉:
若未发生干涉,则不需要进行位姿变换,则当前节点为可通行节点;
若所有节点处均未发生了干涉,则该初始全局装配路径即为可行最短路径,进入步骤八;
若发生了干涉,则需要进行位姿变换,当前节点作为无位姿变换不可通行节点,进入步骤七对初始全局装配路径进行优化处理;
步骤七:以待装零部件模型沿当前节点和相邻节点之间路径移动经过构成的局部装配空间表征局部装配过程,在局部装配过程中根据待装零部件模型和固定配合零部件模型的位姿信息,通过强化学习方法生成基于位姿变换的局部装配路径,具体通过强化学习方法判断零部件是否可以无干涉产生完成局部装配过程;
步骤八:将模拟真实装配环境获得的虚拟装配环境下的虚拟装配最短路径转换为真实装配环境的最短路径,并反馈到真实装配过程。
2.根据权利要求1所述的一种基于双重局部位姿变换的变节点装配路径规划方法,其特征在于:
所述的位姿包括三维坐标和沿三轴方向的位置角度。
3.根据权利要求1所述的一种基于双重局部位姿变换的变节点装配路径规划方法,其特征在于:
所述的异形包围盒为多边形包围盒。
4.根据权利要求1所述的一种基于双重局部位姿变换的变节点装配路径规划方法,其特征在于:
所述步骤七具体为:
由步骤六中得到的无位姿变换不可通行节点i及与其相邻的无位姿变换不可通行节点之间对应局部路径下的位姿变化,构成第i个虚拟局部装配区间[Vi,Vi+1],在由该局部装配区间表示的第i个虚拟装配局部过程中,通过强化Q学习算法进行基于局部位姿变换的局部路径规划:
在第i个虚拟装配局部过程[Vi,Vi+1]中,Vi为过程初始状态时的位姿,Vi+1为过程结束时的位姿,初始化零部件的状态集和动作集;强化Q学习算法的状态表Q表示为Q(s,a),设置各项参数,其中s为位姿,a为位姿变换矩阵,状态集S为位姿的集合,动作集A为位姿变换矩阵的集合表示为S={s1、s2、s3、....},A={a1、a2、a3、....};s1、s2、s3、....分别表示各个节点的位姿,a1、a2、a3、....分别表示各个节点位姿对应下的位姿变换矩阵;
强化Q学习算法具体如下表示:
Q(s,a)←Qt(s,a)+α*[r+γ*maxa'Q(s',a')-Q(s,a)]
其中,s为当前节点的位姿,a为位姿s后的最优动作,即当前位姿s和下一位姿s之间的最优旋转变换矩阵,s'为下一个节点的位姿,a'为位姿s'下的最优旋转变换矩阵,r为是否发生干涉的反馈值,γ为折现因子,α为学习率;Qt(s,a)表示第t次迭代下当前节点的状态表,*表示相乘,maxa'Q(s',a')表示位姿s'下的最优旋转变换矩阵,t表示当前迭代的序数,←表示赋值;
通过强化Q学习算法对第i个虚拟装配局部过程[Vi,Vi+1]的局部位姿变换进行优化处理,即获得优化后的状态集S,并判断强化Q学习算法处理在局部装配过程[Vi,Vi+1]中实现的可行性,具体通过强化学习方法判断零部件是否可以无干涉产生完成局部装配过程:如果可以,则将局部装配过程末尾的待装零部件模型的位姿Vi+1作为下一个节点对应的局部装配空间中的待装零部件模型的初始位姿;如果不可以,则局部装配过程不可行,将该局部装配过程对应的起止节点设为不可通行节点,该局部装配过程对应的起止节点之间的区域设为不可通行的障碍区域,并返回步骤四。
5.根据权利要求1所述的一种基于双重局部位姿变换的变节点装配路径规划方法,其特征在于:所述的零部件为高铁的零部件、航天器的零部件和盾构设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910122244.XA CN109636077B (zh) | 2019-02-19 | 2019-02-19 | 基于双重局部位姿变换的变节点装配路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910122244.XA CN109636077B (zh) | 2019-02-19 | 2019-02-19 | 基于双重局部位姿变换的变节点装配路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109636077A true CN109636077A (zh) | 2019-04-16 |
CN109636077B CN109636077B (zh) | 2022-11-25 |
Family
ID=66065465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910122244.XA Active CN109636077B (zh) | 2019-02-19 | 2019-02-19 | 基于双重局部位姿变换的变节点装配路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636077B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113062697A (zh) * | 2021-04-29 | 2021-07-02 | 北京三一智造科技有限公司 | 一种钻杆装卸控制方法、装置及钻杆装卸设备 |
CN113119114A (zh) * | 2021-03-22 | 2021-07-16 | 深圳市优必选科技股份有限公司 | 一种机械臂运动规划方法、装置、可读存储介质及机械臂 |
CN113547504A (zh) * | 2020-04-23 | 2021-10-26 | 曰轮法寺 | 一种装配方法、装置、***、存储介质及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100168950A1 (en) * | 2009-01-01 | 2010-07-01 | Masakuni Nagano | Path Planning Device, Path Planning Method, and Computer Program |
WO2015096806A1 (zh) * | 2013-12-29 | 2015-07-02 | 刘进 | 智能机姿态测定、全景影像生成及目标识别方法 |
CN108444482A (zh) * | 2018-06-15 | 2018-08-24 | 东北大学 | 一种无人机自主寻路避障方法及*** |
-
2019
- 2019-02-19 CN CN201910122244.XA patent/CN109636077B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100168950A1 (en) * | 2009-01-01 | 2010-07-01 | Masakuni Nagano | Path Planning Device, Path Planning Method, and Computer Program |
WO2015096806A1 (zh) * | 2013-12-29 | 2015-07-02 | 刘进 | 智能机姿态测定、全景影像生成及目标识别方法 |
CN108444482A (zh) * | 2018-06-15 | 2018-08-24 | 东北大学 | 一种无人机自主寻路避障方法及*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113547504A (zh) * | 2020-04-23 | 2021-10-26 | 曰轮法寺 | 一种装配方法、装置、***、存储介质及设备 |
CN113119114A (zh) * | 2021-03-22 | 2021-07-16 | 深圳市优必选科技股份有限公司 | 一种机械臂运动规划方法、装置、可读存储介质及机械臂 |
CN113062697A (zh) * | 2021-04-29 | 2021-07-02 | 北京三一智造科技有限公司 | 一种钻杆装卸控制方法、装置及钻杆装卸设备 |
CN113062697B (zh) * | 2021-04-29 | 2023-10-31 | 北京三一智造科技有限公司 | 一种钻杆装卸控制方法、装置及钻杆装卸设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109636077B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636077A (zh) | 基于双重局部位姿变换的变节点装配路径规划方法 | |
CN106990792B (zh) | 混合引力搜索算法的多无人机协同时序耦合任务分配方法 | |
Zhang et al. | 3D shape synthesis for conceptual design and optimization using variational autoencoders | |
CN106423656A (zh) | 基于点云与图像匹配的自动喷涂***及方法 | |
CN105005301B (zh) | 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 | |
CN100543775C (zh) | 基于多目相机的三维人体运动跟踪的方法 | |
CN107256009B (zh) | 一种基于深度学习的产品数字模型智能装配*** | |
CN112669434B (zh) | 一种基于网格与包围盒的碰撞检测方法 | |
CN110473239A (zh) | 一种三维激光扫描的高精度点云配准方法 | |
CN109410321A (zh) | 基于卷积神经网络的三维重建方法 | |
CN104063894A (zh) | 点云三维模型重建方法及*** | |
CN109213147A (zh) | 一种基于深度学习的机器人避障轨迹规划方法及*** | |
Huang et al. | An effective hybrid graph and genetic algorithm approach to process planning optimization for prismatic parts | |
Wilson et al. | How to generate a thousand master plans: A framework for computational urban design | |
CN106846387A (zh) | 基于邻域旋转体积的点云配准方法 | |
CN101615305B (zh) | 碰撞检测的方法和装置 | |
CN106651894A (zh) | 基于点云和图像匹配的自动化喷涂***坐标变换方法 | |
CN104966320B (zh) | 一种基于三阶Bezier曲线的伪装迷彩自动生成方法 | |
CN104570736B (zh) | 一种星‑臂耦合***的动力学参数在轨辨识方法和装置 | |
CN108995220A (zh) | 基于强化学习的复杂薄壁结构物体3d打印路径规划方法 | |
CN112380616A (zh) | 高复杂易形变航天舱段高精度数字孪生对接装配方法 | |
EP3753683A1 (en) | Method and system for generating a robotic program for industrial coating | |
CN107481250A (zh) | 一种图像分割方法及其评价方法和图像融合方法 | |
CN114996658B (zh) | 一种基于投影的高超声速飞行器气动热预测方法 | |
CN109344477A (zh) | 一种6自由度机械臂逆运动学求解方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |