CN111300414B - 一种双准则的冗余机械臂自运动规划方法 - Google Patents
一种双准则的冗余机械臂自运动规划方法 Download PDFInfo
- Publication number
- CN111300414B CN111300414B CN202010149862.6A CN202010149862A CN111300414B CN 111300414 B CN111300414 B CN 111300414B CN 202010149862 A CN202010149862 A CN 202010149862A CN 111300414 B CN111300414 B CN 111300414B
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- quadratic programming
- joint
- self
- steps
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 230000000306 recurrent effect Effects 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 13
- 239000000126 substance Substances 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 6
- 239000012636 effector Substances 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1615—Programme controls characterised by special kind of manipulator, e.g. planar, scara, gantry, cantilever, space, closed chain, passive/active joints and tendon driven manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Feedback Control In General (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种双准则的冗余机械臂自运动规划方法,包括以下步骤:S1.基于冗余机械臂自运动问题,通过上位机采用二次规划型方案在速度层对冗余机械臂的逆运动学进行解析,并设计基于最小速度二范数优化指标、最小速度无穷范数优化指标的双准则的二次规划方案;S2.将双准则的二次规划方案转化为一个标准的二次规划问题;S3.利用变参递归神经网络转化得到的二次规划问题进行求解;S4.将二次规划问题求解的结果传递给下位机控制机械臂完成自运动。本发明同时考虑了最小速度二范数优化、最小速度无穷范数优化指标,具相比于现有的规划方法,具有更好的应用前景和适用范围。
Description
技术领域
本发明属于冗余度机械臂的自运动规划领域,特别是涉及一种双准则的冗余机械臂自运动规划方法。
背景技术
冗余机械臂是一种机械臂拥有的自由度大于完成末端执行器主任务所需最少自由度的机械装置。冗余机械臂的优点是在完成末端执行器主任务的同时还可以完成一系列的次级任务,比如躲避障碍物,避免关节物理极限,优化其他性能指标等。
冗余机械臂一个最大的特点在于其可以完成自运动,即在保持末端执行器位置不发生变化的情况下,机械臂各关节状态可以从初始状态运动到某一期望的状态。通过自运动可以完成躲避障碍物,解决重复运动角度漂移问题等。冗余机械臂因为其优点被广泛运用在物流运输,产品加工,装备制造等经济生产活动中。但由于其拥有较多自由度的特点,其冗余度解析通常很困难,传统的冗余度解析的方法是基于伪逆的方法,而近几年,计算量小,实时性高的基于二次规划的冗余解析方案不断被提出与应用。目前的二次规划方法通常仅考虑单个指标优化,但考虑单个指标不能满足某些特殊情况下的要求。
发明内容
本发明的目的在于克服现有技术的不足,提供一种同时考虑最小速度二范数优化、最小速度无穷范数优化指标的双准则的冗余机械臂自运动规划方法。
本发明的目的是通过以下技术方案来实现的:一种双准则的冗余机械臂自运动规划方法,包括以下步骤:
S1.基于冗余机械臂自运动问题,通过上位机采用二次规划型方案在速度层对冗余机械臂的逆运动学进行解析,并设计双准则的二次规划方案;
所述步骤S1包括以下子步骤:
S101.采用二次规划型方案将冗余机械臂的逆运动学方程在速度层进行解析:
将机械臂逆运动学方程表示为:
f(θ)=r(t);
其中,θ为关节角度向量,f(·)为一个有机械臂的结构和参数决定的可微的非线性映射函数;r(t)表示末端执行器的位置向量,在自运动问题中,为一个零向量;
将逆运动学方程在速度层进行解析,得到:
S102.设计最小速度二范数优化指标:
其中c表示自运动准则;
S103.设计最小速度无穷范数优化指标:
S104.通过加权因子将最小速度二范数指标和最小速度无穷范数指标结合,表示为:
S105.设计双准则二次型优化方案,优化方案受约束于机械臂的逆运动学方程、关节角度极限和关节速度极限,所述二次型优化方案表示为:
S2.将双准则的二次规划方案转化为一个标准的二次规划问题;
所述步骤S2包括以下子步骤:
S201.将关节角度极限转化到速度层,表示为:
Min.1/2xTQx+ηTx;
s.t.C·x=ε;
Kx≤d;
x-≤x≤x+;
其中,
η=[c,0]T,C=[J(θ),0];
ε为末端位置反馈:
ε=k(r(t)-f(θ));
S202.通过惩罚函数理论,将二次规划问题进一步表示为:
Min.1/2xTQx+ηTx+P(x);
s.t.C·x=ε;
其中,
G=[K,I,-I]T,d1=[d,x+,ω,x-,0]T;
式中,p=0.01,δ=50,I为单位矩阵,ω为一个趋于无穷的数。
S3.利用变参递归神经网络转化得到的二次规划问题进行求解;
所述步骤S3包括以下子步骤:
S301.构建拉格朗日函数:L=1/2xTQx+ηTx+P(x)+λ(C·x-ε);
S302.根据拉格朗日乘子法对拉格朗日函数进行求导
将求导所得的函数转化为以下矩阵方程形式:
Ay=b;
其中,
S303.构造误差函数μ=Ay-b;
根据神经动力学设计方法,设计误差以如下方式收敛于0:
将误差函数带入步骤S302得到的矩阵方程,得到变参递归神经网络求解器:
S304.通过变参递归神经网络求解器进行求解,得到结果y*。
S4.将二次规划问题求解的结果传递给下位机控制机械臂完成自运动。
所述步骤S4包括以下子步骤:
S401.根据步骤S3的求解结果y*,取其前n项作为二次规划问题的最优解,即机械臂的各个关节角速度;
S402.将机械臂的各个关节角速度传递给下位机,控制机械臂完成自运动。
本发明的有益效果是:本发明同时考虑了最小速度二范数优化、最小速度无穷范数优化指标,使得机械臂运动速度的二范数最小,同时避免出现单个关节速度较大的情况,增加了惩罚函数,限制了关节角度和角速度的物理极限,使得该方案更具有实用性和可操作性,相比于现有的规划方法,具有更好的应用前景和适用范围。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种双准则的冗余机械臂自运动规划方法,包括以下步骤:
S1.基于冗余机械臂自运动问题,通过上位机采用二次规划型方案在速度层对冗余机械臂的逆运动学进行解析,并设计双准则的二次规划方案;
所述步骤S1包括以下子步骤:
S101.采用二次规划型方案将冗余机械臂的逆运动学方程在速度层进行解析:
将机械臂逆运动学方程表示为:
f(θ)=r(t);
其中,θ为关节角度向量,f(·)为一个有机械臂的结构和参数决定的可微的非线性映射函数;r(t)表示末端执行器的位置向量,在自运动问题中,为一个零向量;
将逆运动学方程在速度层进行解析,得到:
S102.设计最小速度二范数优化指标:
其中c表示自运动准则;
S103.设计最小速度无穷范数优化指标:
S104.通过加权因子将最小速度二范数指标和最小速度无穷范数指标结合,表示为:
S105.设计双准则二次型优化方案,优化方案受约束于机械臂的逆运动学方程、关节角度极限和关节速度极限,所述二次型优化方案表示为:
S2.将双准则的二次规划方案转化为一个标准的二次规划问题;
所述步骤S2包括以下子步骤:
S201.将关节角度极限转化到速度层,表示为:
Min.1/2xTQx+ηTx;
s.t.C·x=ε;
Kx≤d;
x-≤x≤x+;
其中,
η=[c,0]T,C=[J(θ),0];
ε为末端位置反馈:
ε=k(r(t)-f(θ));
S202.通过惩罚函数理论,将二次规划问题进一步表示为:
Min.1/2xTQx+ηTx+P(x);
s.t.C·x=ε;
其中,
G=[K,I,-I]T,d1=[d,x+,ω,x-,0]T;
式中,p=0.01,δ=50,I为单位矩阵,ω为一个趋于无穷的数。
S3.利用变参递归神经网络转化得到的二次规划问题进行求解;
所述步骤S3包括以下子步骤:
S301.构建拉格朗日函数:L=1/2xTQx+ηTx+P(x)+λ(C·x-ε);
S302.根据拉格朗日乘子法对拉格朗日函数进行求导
将求导所得的函数转化为以下矩阵方程形式:
Ay=b;
其中,
S303.构造误差函数μ=Ay-b;
根据神经动力学设计方法,设计误差以如下方式收敛于0:
将误差函数带入步骤S302得到的矩阵方程,得到变参递归神经网络求解器:
S304.通过变参递归神经网络求解器进行求解,得到结果y*。
S4.将二次规划问题求解的结果传递给下位机控制机械臂完成自运动。
所述步骤S4包括以下子步骤:
S401.根据步骤S3的求解结果y*,取其前n项作为二次规划问题的最优解,即机械臂的各个关节角速度;
S402.将机械臂的各个关节角速度传递给下位机,控制机械臂完成自运动。
本发明同时考虑了最小速度二范数优化、最小速度无穷范数优化指标,使得机械臂运动速度的二范数最小,同时避免出现单个关节速度较大的情况,增加了惩罚函数,限制了关节角度和角速度的物理极限,使得该方案更具有实用性和可操作性,相比于现有的规划方法,具有更好的应用前景和适用范围。
以上所述是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应该看作是对其他实施例的排除,而可用于其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (3)
1.一种双准则的冗余机械臂自运动规划方法,其特征在于:包括以下步骤:
S1.基于冗余机械臂自运动问题,通过上位机采用二次规划型方案在速度层对冗余机械臂的逆运动学进行解析,并设计双准则的二次规划方案;
S2.将双准则的二次规划方案转化为一个标准的二次规划问题;
S3.利用变参递归神经网络转化得到的二次规划问题进行求解;
S4.将二次规划问题求解的结果传递给下位机控制机械臂完成自运动;
所述步骤S1包括以下子步骤:
S101.采用二次规划型方案将冗余机械臂的逆运动学方程在速度层进行解析:
将机械臂逆运动学方程表示为:
f(θ)=r(t);
其中,θ为关节角度向量,f(·)为一个有机械臂的结构和参数决定的可微的非线性映射函数;r(t)表示末端执行器的位置向量,在自运动问题中,为一个零向量;
将逆运动学方程在速度层进行解析,得到:
S102.设计最小速度二范数优化指标:
其中c表示自运动准则;
S103.设计最小速度无穷范数优化指标:
S104.通过加权因子将最小速度二范数指标和最小速度无穷范数指标结合,表示为:
S105.设计双准则二次型优化方案,优化方案受约束于机械臂的逆运动学方程、关节角度极限和关节速度极限,所述二次型优化方案表示为:
所述步骤S2包括以下子步骤:
S201.将关节角度极限转化到速度层,表示为:
Min.1/2xTQx+ηTx;
s.t.C·x=ε;
Kx≤d;
x-≤x≤x+;
其中,
η=[c,0]T,C=[J(θ),0];
ε为末端位置反馈:
ε=k(r(t)-f(θ));
S202.通过惩罚函数理论,将二次规划问题进一步表示为:
Min.1/2xTQx+ηTx+P(x);
s.t.C·x=ε;
其中,
G=[K,I,-I]T,d1=[d,x+,ω,x-,0]T;
式中,p=0.01,δ=50,I为单位矩阵,ω为一个趋于无穷的数。
3.根据权利要求1所述的一种双准则的冗余机械臂自运动规划方法,其特征在于:所述步骤S4包括以下子步骤:
S401.根据步骤S3的求解结果y*,取其前n项作为二次规划问题的最优解,即机械臂的各个关节角速度;
S402.将机械臂的各个关节角速度传递给下位机,控制机械臂完成自运动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010149862.6A CN111300414B (zh) | 2020-03-06 | 2020-03-06 | 一种双准则的冗余机械臂自运动规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010149862.6A CN111300414B (zh) | 2020-03-06 | 2020-03-06 | 一种双准则的冗余机械臂自运动规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111300414A CN111300414A (zh) | 2020-06-19 |
CN111300414B true CN111300414B (zh) | 2022-07-15 |
Family
ID=71154910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010149862.6A Active CN111300414B (zh) | 2020-03-06 | 2020-03-06 | 一种双准则的冗余机械臂自运动规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111300414B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111975768B (zh) * | 2020-07-08 | 2022-03-25 | 华南理工大学 | 一种基于固参神经网络的机械臂运动规划方法 |
CN113618741B (zh) * | 2021-08-24 | 2022-07-29 | 深圳市优必选科技股份有限公司 | 机器人关节位姿优化方法、机器人控制方法和机器人 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013222456A1 (de) * | 2013-11-05 | 2015-05-07 | Kuka Laboratories Gmbh | Verfahren zum Programmieren von Bewegungsabläufen eines redundanten Industrieroboters und zugehöriger Industrieroboter |
CN106426164A (zh) * | 2016-09-27 | 2017-02-22 | 华南理工大学 | 一种冗余度双机械臂的多指标协调运动规划方法 |
CN106945041A (zh) * | 2017-03-27 | 2017-07-14 | 华南理工大学 | 一种冗余度机械臂重复运动规划方法 |
CN107972031A (zh) * | 2017-11-10 | 2018-05-01 | 浙江科技学院 | 一种冗余机械臂可重复运动的初始位置定位方法 |
CN107984472A (zh) * | 2017-11-13 | 2018-05-04 | 华南理工大学 | 一种用于冗余度机械臂运动规划的变参神经求解器设计方法 |
WO2018107851A1 (zh) * | 2016-12-16 | 2018-06-21 | 广州视源电子科技股份有限公司 | 冗余机械臂的控制方法及装置 |
CN110076770A (zh) * | 2019-03-28 | 2019-08-02 | 陕西理工大学 | 一种用于冗余机械臂的自运动方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4735795B2 (ja) * | 2003-12-26 | 2011-07-27 | 独立行政法人 宇宙航空研究開発機構 | 冗長マニピュレータの制御方法 |
-
2020
- 2020-03-06 CN CN202010149862.6A patent/CN111300414B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013222456A1 (de) * | 2013-11-05 | 2015-05-07 | Kuka Laboratories Gmbh | Verfahren zum Programmieren von Bewegungsabläufen eines redundanten Industrieroboters und zugehöriger Industrieroboter |
CN106426164A (zh) * | 2016-09-27 | 2017-02-22 | 华南理工大学 | 一种冗余度双机械臂的多指标协调运动规划方法 |
WO2018107851A1 (zh) * | 2016-12-16 | 2018-06-21 | 广州视源电子科技股份有限公司 | 冗余机械臂的控制方法及装置 |
CN106945041A (zh) * | 2017-03-27 | 2017-07-14 | 华南理工大学 | 一种冗余度机械臂重复运动规划方法 |
CN107972031A (zh) * | 2017-11-10 | 2018-05-01 | 浙江科技学院 | 一种冗余机械臂可重复运动的初始位置定位方法 |
CN107984472A (zh) * | 2017-11-13 | 2018-05-04 | 华南理工大学 | 一种用于冗余度机械臂运动规划的变参神经求解器设计方法 |
CN110076770A (zh) * | 2019-03-28 | 2019-08-02 | 陕西理工大学 | 一种用于冗余机械臂的自运动方法 |
Non-Patent Citations (1)
Title |
---|
基于二次型规划的平面冗余机械臂的自运动;张雨浓等;《机器人》;20081130;第30卷(第6期);第1-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111300414A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111975768B (zh) | 一种基于固参神经网络的机械臂运动规划方法 | |
US20220009096A1 (en) | Inverse kinematics solving method for redundant robot and redundant robot and computer readable storage medium using the same | |
CN109828600B (zh) | 时间最优快速三维避障路径规划方法 | |
WO2018176854A1 (zh) | 一种冗余度机械臂重复运动规划方法 | |
Zhang et al. | Velocity-level control with compliance to acceleration-level constraints: A novel scheme for manipulator redundancy resolution | |
CN106426164B (zh) | 一种冗余度双机械臂的多指标协调运动规划方法 | |
CN107962566B (zh) | 一种移动机械臂重复运动规划方法 | |
CN109807902B (zh) | 一种基于反步法的双机械臂力/位模糊混合控制方法 | |
CN111300414B (zh) | 一种双准则的冗余机械臂自运动规划方法 | |
CN108015766B (zh) | 一种非线性约束的原对偶神经网络机器人动作规划方法 | |
CN107160401B (zh) | 一种解决冗余度机械臂关节角偏移问题的方法 | |
CN101927495A (zh) | 一种冗余度机械臂重复运动规划方法 | |
CN110703692B (zh) | 一种基于虚拟结构法的多移动机器人分布式预测控制方法 | |
CN110076770B (zh) | 一种用于冗余机械臂的自运动方法 | |
CN110561440A (zh) | 一种冗余度机械臂加速度层多目标规划方法 | |
CN108098777B (zh) | 一种冗余度机械臂力矩层重复运动控制方法 | |
CN104908040A (zh) | 一种冗余度机械臂加速度层的容错规划方法 | |
CN107263466A (zh) | 空间机器人基于二次规划问题的基座无扰控制方法 | |
CN113043286B (zh) | 一种多自由度机械臂实时避障路径规划***及方法 | |
CN109739249B (zh) | 一种速度状态缺失条件下的多uuv编队协调控制方法 | |
Shen et al. | Pose synchronization of multiple networked manipulators using nonsingular terminal sliding mode control | |
CN110658811B (zh) | 基于神经网络的受限移动机器人协同路径跟踪控制方法 | |
CN109159124B (zh) | 采用快速双幂次终态神经网络的冗余机器人重复运动规划方法 | |
Jin et al. | A data-driven sparse motion planning scheme for redundant manipulators | |
CN109159121B (zh) | 采用抛物线型终态神经网络的冗余机器人重复运动规划方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240411 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Country or region after: China Address before: No.1, East 1st ring road, Hantai District, Hanzhong City, Shaanxi Province Patentee before: Shaanxi University of Technology Country or region before: China |
|
TR01 | Transfer of patent right |