CN115519542A - 基于哈里斯鹰化算法的多机协作焊接轨迹规划方法及装置 - Google Patents
基于哈里斯鹰化算法的多机协作焊接轨迹规划方法及装置 Download PDFInfo
- Publication number
- CN115519542A CN115519542A CN202211162434.2A CN202211162434A CN115519542A CN 115519542 A CN115519542 A CN 115519542A CN 202211162434 A CN202211162434 A CN 202211162434A CN 115519542 A CN115519542 A CN 115519542A
- Authority
- CN
- China
- Prior art keywords
- robot
- determining
- welding
- information
- eagle
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 52
- 238000009434 installation Methods 0.000 claims abstract description 29
- 230000003044 adaptive effect Effects 0.000 claims abstract description 26
- 230000006978 adaptation Effects 0.000 claims abstract description 19
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 238000012546 transfer Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000007723 transport mechanism Effects 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明提供了一种基于哈里斯鹰化算法的多机协作焊接轨迹规划方法及装置,方法包括:根据每台机器人的安装位置信息,根据安装位置信息和蒙特卡罗法确定焊接***的协作空间信息;根据关节可操作度和全局关节运动量确定机器人的初始适应值;确定鹰群机器人和猎物机器人;基于预设的哈里斯鹰算法、协作空间信息和预设的迭代次数,对鹰群机器人和猎物机器人的进行位置迭代;确定位置迭代完成后的猎物机器人的目标适应值,当目标适应值大于预设阈值,将位置迭代完后的鹰群机器人和猎物机器人的位姿信息确定为焊接起点信息。根据本实施例的技术方案,基于哈里斯鹰算法确定每个机器人的焊接起点信,提高焊接路径规划的效率,得到能耗更优的焊接路径。
Description
技术领域
本发明属于智能控制技术领域,尤其涉及一种基于哈里斯鹰化算法的多机协作焊接轨迹规划方法及装置。
背景技术
在智能制造中,多机协作是一门重要的技术,其具有许多单机***无法比拟的优势,不仅有着更佳的容错性和更高的效率,还有着很好的可扩展性以及易于研究和开发的特点。在制造过程中,多机协调不仅能够克服单机力矩不足的问题,还能利用多机协调运动转换工件位姿等使适应复杂焊缝焊接的问题。基于目前的发展现状,多机协作在焊接领域得到广泛的应用。
目前已经存在很多成熟的焊接轨迹规划方法,而每个机器人处于不同的起始位置,规划出的轨迹在能耗和效率上不同,因此起始位置的优化对焊接效率有重要影响。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种基于哈里斯鹰化算法的多机协作焊接轨迹规划方法及装置,能够优化多个机器人的焊接起始位置,提高焊接效率。
第一方面,本发明实施例提供了一种基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,应用于焊接***的控制设备,所述焊接***还包括多台机器人,所述方法包括:
获取每台所述机器人的安装位置信息,根据所述安装位置信息和蒙特卡罗法确定所述焊接***的协作空间信息,所述协作空间信息用于表征所述机器人的运作范围;
获取每台所述机器人的关节可操作度和全局关节运动量,根据所述关节可操作度和所述全局关节运动量确定所述机器人的初始适应值;
基于预设的分配规则和所述初始适应值,从多台所述机器人中确定鹰群机器人和猎物机器人;
基于预设的哈里斯鹰算法、所述协作空间信息和预设的迭代次数,对所述鹰群机器人和所述猎物机器人的进行位置迭代;
确定位置迭代完成后的所述猎物机器人的目标适应值,当所述目标适应值大于预设阈值,将位置迭代完后的所述鹰群机器人和所述猎物机器人的位姿信息确定为焊接起点信息。
在一些实施例中,在所述获取每台所述机器人的安装位置信息之后,所述方法还包括:
建立世界坐标系;
根据所述安装位置信息建立每台所述机器人所对应的基坐标系;
根据所述基坐标系确定所述机器人相对于所述世界坐标系的欧拉角,根据所述欧拉角和所述安装位置信息确定所述机器人的起始位姿信息。
在一些实施例中,在所述获取每台所述机器人的关节可操作度和全局关节运动量之前,所述方法还包括:
获取预设的灵活度系数;
根据所述灵活度系数和所述起始位姿信息确定所述关节可操作度。
在一些实施例中,在所述获取每台所述机器人的关节可操作度和全局关节运动量之前,所述方法还包括:
确定所述基坐标系中每个坐标轴的运动量权重;
根据所述运动量权重和所述起始位姿信息确定所述全局关节运动量。
在一些实施例中,所述对所述鹰群机器人和所述猎物机器人的进行位置迭代,包括:
确定目标焊接路径;
根据预设的路径点数在所述目标焊接路径中确定多个路径点;
基于所述哈里斯鹰算法和所述协作空间信息,确定所述鹰群机器人和所述猎物机器人针对每个所述路径点的末端位姿;
将所述末端位姿确定为位置迭代后的目标位姿信息。
在一些实施例中,所述将所述末端位姿确定为位置迭代后的目标位姿信息,包括:
针对所述末端位姿进行位姿逆解,得到位姿序列;
将所述位姿序列确定为所述目标位姿信息。
在一些实施例中,在所述将位置迭代完后的所述鹰群机器人和所述猎物机器人的位姿信息确定为焊接起点信息之后,所述方法还包括:
基于预设的焊接路径规划算法和所述焊接起点信息,规划出对应的所述机器人的焊接路径信息;
将所述焊接路径信息发送至对应的所述机器人进行焊接。
第二方面,本发明实施例提供了一种基于哈里斯鹰化算法的多机协作焊接轨迹规划装置,包括:
协作空间确定单元,用于获取每台所述机器人的安装位置信息,根据所述安装位置信息和蒙特卡罗法确定所述焊接***的协作空间信息,所述协作空间信息用于表征所述机器人的运作范围;
适应值确定单元,用于获取每台所述机器人的关节可操作度和全局关节运动量,根据所述关节可操作度和所述全局关节运动量确定所述机器人的初始适应值;
对象分配单元,用于基于预设的分配规则和所述初始适应值,从多台所述机器人中确定鹰群机器人和猎物机器人;
迭代单元,用于基于预设的哈里斯鹰算法、所述协作空间信息和预设的迭代次数,对所述鹰群机器人和所述猎物机器人的进行位置迭代;
位姿确定单元,用于确定位置迭代完成后的所述猎物机器人的目标适应值,当所述目标适应值大于预设阈值,将位置迭代完后的所述鹰群机器人和所述猎物机器人的位姿信息确定为焊接起点信息。
第三方面,本发明实施例提供了一种焊接***,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序用于执行如第一方面所述的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法。
本发明实施例包括:获取每台所述机器人的安装位置信息,根据所述安装位置信息和蒙特卡罗法确定所述焊接***的协作空间信息,所述协作空间信息用于表征所述机器人的运作范围;获取每台所述机器人的关节可操作度和全局关节运动量,根据所述关节可操作度和所述全局关节运动量确定所述机器人的初始适应值;基于预设的分配规则和所述初始适应值,从多台所述机器人中确定鹰群机器人和猎物机器人;基于预设的哈里斯鹰算法、所述协作空间信息和预设的迭代次数,对所述鹰群机器人和所述猎物机器人的进行位置迭代;确定位置迭代完成后的所述猎物机器人的目标适应值,当所述目标适应值大于预设阈值,将位置迭代完后的所述鹰群机器人和所述猎物机器人的位姿信息确定为焊接起点信息。根据本实施例的技术方案,基于哈里斯鹰算法确定每个机器人的焊接起点信,提高焊接路径规划的效率,得到能耗更优的焊接路径。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明一个实施例提供的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法的流程图;
图2是本发明另一个实施例提供的建立坐标系的流程图;
图3是本发明另一个实施例提供的确定关节可操作度的流程图;
图4是本发明另一个实施例提供的确定全局关节运动量的流程图;
图5是本发明另一个实施例提供的确定目标位姿信息的流程图;
图6是本发明另一个实施例提供的通过位姿逆解确定目标位姿信息的流程图;
图7是本发明另一个实施例提供的规划焊接路径的流程图;
图8是本发明另一个实施例提供的基于哈里斯鹰化算法的多机协作焊接轨迹规划装置的结构图;
图9是本发明另一个实施例提供的焊接***的装置图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本发明提供了一种基于哈里斯鹰化算法的多机协作焊接轨迹规划方法及装置,方法包括:获取每台所述机器人的安装位置信息,根据所述安装位置信息和蒙特卡罗法确定所述焊接***的协作空间信息,所述协作空间信息用于表征所述机器人的运作范围;获取每台所述机器人的关节可操作度和全局关节运动量,根据所述关节可操作度和所述全局关节运动量确定所述机器人的初始适应值;基于预设的分配规则和所述初始适应值,从多台所述机器人中确定鹰群机器人和猎物机器人;基于预设的哈里斯鹰算法、所述协作空间信息和预设的迭代次数,对所述鹰群机器人和所述猎物机器人的进行位置迭代;确定位置迭代完成后的所述猎物机器人的目标适应值,当所述目标适应值大于预设阈值,将位置迭代完后的所述鹰群机器人和所述猎物机器人的位姿信息确定为焊接起点信息。根据本实施例的技术方案,基于哈里斯鹰算法确定每个机器人的焊接起点信,提高焊接路径规划的效率,得到能耗更优的焊接路径。
如图1所示,图1是本发明一个实施例提供的一种基于哈里斯鹰化算法的多机协作焊接轨迹规划方法的流程图,该基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,应用于焊接***的控制设备,所述焊接***还包括多台机器人,包括但不限于有以下步骤:
步骤S110,获取每台机器人的安装位置信息,根据安装位置信息和蒙特卡罗法确定焊接***的协作空间信息,协作空间信息用于表征机器人的运作范围;
步骤S120,获取每台机器人的关节可操作度和全局关节运动量,根据关节可操作度和全局关节运动量确定机器人的初始适应值;
步骤S130,基于预设的分配规则和初始适应值,从多台机器人中确定鹰群机器人和猎物机器人;
步骤S140,基于预设的哈里斯鹰算法、协作空间信息和预设的迭代次数,对鹰群机器人和猎物机器人的进行位置迭代;
步骤S150,确定位置迭代完成后的猎物机器人的目标适应值,当目标适应值大于预设阈值,将位置迭代完后的鹰群机器人和猎物机器人的位姿信息确定为焊接起点信息。
需要说明的是,机器人可以是搬运机器人和焊接机器人,为了便于叙述,本实施例以焊接***配置有2台搬运机器人和1台焊接机器人为例,焊接***的控制设备可以是PC电脑,还可以包括焊枪以及其他与焊接相关的设备,在此不多作限定。
需要说明的是,安装位置信息可以在机器人安装好之后通过在PC电脑中输入获取,安装位置信息可以是现实中各个机器人的位置
需要说明的是,蒙特卡罗算法为本领域技术人员熟知的技术,在此不多作赘述,通过蒙特卡罗算法和安装位置信息,能够确定多台机器人的协作空间信息,协作空间信息所形成的协作空间为多台机器人的可运作范围,以协作空间信息作为后续计算的范围约束条件,提高焊接轨迹规划的准确性。
需要说明的是,关节可操作度和全局关节运动量可以作为哈里斯鹰优化算法中的适应值,在多机协作焊接中,关节可操作度影响产品焊接质量,全局关节运动量影响能耗,以关节可操作度和全局关节运动量作为适应值,由于焊接物的最终形态是可知的,即三个机器人的末端轨迹形状已确定,只是不同的初始焊接位置,导致各个机器人末端所走的具体轨迹路线不同,从而各个机器人运动不同,使得计算得到的焊接起点能够兼顾焊接质量和能耗,使得后续规划的焊接路径具有更好的能耗表现,也能够提高焊接质量。
需要说明的是,为了根据哈里斯鹰算法进行计算,可以通过分配规则预先设置鹰的数目N和猎物的最大运动次数T,例如本实施例设置2个鹰和1个猎物,也通过设置分配规则,在3台机器人中随机确定鹰和猎物,也可以将初始适应值最小的确定为猎物,根据实际需求调整规则即可,猎物的最大运动次数T即进行位置迭代的次数,后续不重复赘述。
需要说明的是,在位置迭代过程中,可以每迭代一次就更新一次鹰群和猎物的适应值,并根据更新的适应值判断是否需要更新猎物的位置。在迭代完成后,判断猎物的适应值是否大于阈值,若满足,则结束迭代并且输出各个机器人的位置信息作为焊接起点信息。
在一实施例中,参照图2,在执行完图1所示的步骤S110之后,还包括但不限于有以下步骤:
步骤S210,建立世界坐标系;
步骤S220,根据安装位置信息建立每台机器人所对应的基坐标系;
步骤S230,根据基坐标系确定机器人相对于世界坐标系的欧拉角,根据欧拉角和安装位置信息确定机器人的起始位姿信息。
需要说明的是,世界坐标系可以是以焊接***的中心点作为原点建立的三维坐标系,基坐标系可以是以安装位置中心点作为原点建立的三维坐标系,为了叙述简便,后续实施例中以W为世界坐标系,B1、B2为两个搬运机器人的基座标系,B3为焊接机器人的基坐标系为例进行举例说明。
需要说明的是,在确定基坐标系之后,可以获取机器人当前的末端位姿,在安装位置信息和末端位姿确定的情况下,可以计算出机器人相对于世界坐标系的欧拉角,从而确定其起始位姿信息。
需要说明的是,除了针对机器人建立坐标系,还可以根据目标焊接物进行坐标系的建立,例如目标焊接物包括主管和从管,主管和从管之间进行马鞍形焊接,则可以以主管和从管各自的中心点建立坐标系,例如建立主管坐标系U和从管坐标系V,并且确定V相对于U的偏距d和偏角β。
在一实施例中,参照图3,在执行完图1所示的步骤S120之前,还包括但不限于有以下步骤:
步骤S310,获取预设的灵活度系数;
步骤S320,根据灵活度系数和起始位姿信息确定关节可操作度。
,其中,W为世界坐标系,U为主管坐标系,P路径点,β1为搬运机器人的灵活度系数,β2为焊接机器人的灵活度系数,β1和β2的具体数值可以根据实际需求制定,J表征坐标轴,例如上述三维坐标系的X,Y,Z轴,det表征求方阵的行列式,1q(k)为第一搬运机器人的起始位姿信息,2q(k)为第二搬运机器人的起始位姿信息,3q(k)为焊接搬运机器人的起始位姿信息。
在一实施例中,参照图4,在执行图1所示的步骤S120之前,还包括但不限于有以下步骤:
步骤S410,确定基坐标系中每个坐标轴的运动量权重;
步骤S420,根据运动量权重和起始位姿信息确定全局关节运动量。
需要说明的是,全局关节运动量可以通过以下公式计算得到:
在一实施例中,参照图5,图1所示的步骤S140,还包括但不限于有以下步骤:
步骤S510,确定目标焊接路径;
步骤S520,根据预设的路径点数在目标焊接路径中确定多个路径点;
步骤S530,基于哈里斯鹰算法和协作空间信息,确定鹰群机器人和猎物机器人针对每个路径点的末端位姿;
步骤S540,将末端位姿确定为位置迭代后的目标位姿信息。
然后,当搬运机器人对目标焊接物进行搬运的过程中,姿态通常保持不变,因此目标焊接物的初始位姿为:
需要说明的是,为了鹰群机器人和猎物机器人在每个路径点的末端位姿,可以根据预设的路径点数将目标焊接路径分成N个线段,第k个路径点的表达式为:其中, 在此基础上,可以得到主管坐标系关于世界坐标系的N+1个位姿序列为:其中,为目标焊接物的第k个位姿。基于此,在具备第一搬运机器人、第二搬运机器人和焊接机器人的情况下,可以确定第一搬运机器人末端E1关于其基坐标系B1的表达式为:第二搬运机器人末端E2关于其基坐标系B2的表达式为:焊接机器人末端E3关于其基坐标系B2的表达式为:
在一实施例中,参照图6,图5所示的步骤S540,还包括但不限于有以下步骤:
步骤S610,针对末端位姿进行位姿逆解,得到位姿序列;
步骤S620,将位姿序列确定为目标位姿信息。
需要说明的是,在得到末端位姿的序列之后,可以对末端位姿进行位姿逆解,位姿逆解为本领域技术人员熟知的计算方式,在此不多做赘述。将位姿逆解得到的位姿序列确定为对应的机器人的目标位姿信息即可。
例如,对第一搬运机器人的末端位姿的序列进行位姿逆解,得到的位姿序列为{1q(k)}0≤k≤N,1q(k)=(1q1(k)1q2(k)1q3(k)1q4(k)1q5(k)1q6(k))T,又如,对第二搬运机器人的末端位姿的序列进行位姿你接,得到的位姿序列为{2q(k)}0≤k≤N,2q(k)=(2q1(k)2q2(k)2q3(k)2q4(k)2q5(k)2q6(k))T,又如,对焊接机器人的末端位姿的序列进行位姿你接,得到的位姿序列为{3q(k)}0≤k≤N,3q(k)=(3q1(k)3q2(k)3q3(k)3q4(k)3q5(k)3q6(k))T。
在一实施例中,参照图7,在执行图1所示的步骤S150之后,还包括但不限于有以下步骤:
步骤S710,基于预设的焊接路径规划算法和焊接起点信息,规划出对应的机器人的焊接路径信息;
步骤S720,将焊接路径信息发送至对应的机器人进行焊接。
需要说明的是,在确定每个机器人的焊接起点位姿信息后,由于焊接结束的目标位姿信息可以根据图6所示实施例的位姿序列得到,,因此在起点和终点确定的情况下,可以通过预设的焊接路径规划算法进行规划,路径规划为本领域技术人员熟知的技术,在此不多做赘述。
另外,参照图8,本发明实施例提供了一种基于哈里斯鹰化算法的多机协作焊接轨迹规划装置,该基于哈里斯鹰化算法的多机协作焊接轨迹规划装置800包括
协作空间确定单元810,用于获取每台机器人的安装位置信息,根据安装位置信息和蒙特卡罗法确定焊接***的协作空间信息,协作空间信息用于表征机器人的运作范围;
适应值确定单元820,用于获取每台机器人的关节可操作度和全局关节运动量,根据关节可操作度和全局关节运动量确定机器人的初始适应值;
对象分配单元830,用于基于预设的分配规则和初始适应值,从多台机器人中确定鹰群机器人和猎物机器人;
迭代单元840,用于基于预设的哈里斯鹰算法、协作空间信息和预设的迭代次数,对鹰群机器人和猎物机器人的进行位置迭代;
位姿确定单元850,用于确定位置迭代完成后的猎物机器人的目标适应值,当目标适应值大于预设阈值,将位置迭代完后的鹰群机器人和猎物机器人的位姿信息确定为焊接起点信息。
另外,参照图9,本发明的一个实施例还提供了一种焊接***,该焊接***900包括:存储器910、处理器920及存储在存储器910上并可在处理器920上运行的计算机程序。
处理器920和存储器910可以通过总线或者其他方式连接。
实现上述实施例的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法所需的非暂态软件程序以及指令存储在存储器910中,当被处理器920执行时,执行上述实施例中的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,例如,执行以上描述的图1中的方法步骤S110至步骤S150、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至步骤S320、图4中的方法步骤S410至步骤S420、图5中的方法步骤S510至步骤S540、图6中的方法步骤S610至步骤S620、图7中的方法步骤S710至步骤S720。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
此外,本发明的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被一个处理器或控制器执行,例如,被上述焊接***实施例中的一个处理器执行,可使得上述处理器执行上述实施例中的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,例如,执行以上描述的图1中的方法步骤S110至步骤S150、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至步骤S320、图4中的方法步骤S410至步骤S420、图5中的方法步骤S510至步骤S540、图6中的方法步骤S610至步骤S620、图7中的方法步骤S710至步骤S720。本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、装置可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读存储介质上,计算机可读存储介质可以包括计算机存储介质(或非暂时性存储介质)和通信存储介质(或暂时性存储介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除存储介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的存储介质。此外,本领域普通技术人员公知的是,通信存储介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送存储介质。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
Claims (10)
1.一种基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,其特征在于,应用于焊接***的控制设备,所述焊接***还包括多台机器人,所述方法包括:
获取每台所述机器人的安装位置信息,根据所述安装位置信息和蒙特卡罗法确定所述焊接***的协作空间信息,所述协作空间信息用于表征所述机器人的运作范围;
获取每台所述机器人的关节可操作度和全局关节运动量,根据所述关节可操作度和所述全局关节运动量确定所述机器人的初始适应值;
基于预设的分配规则和所述初始适应值,从多台所述机器人中确定鹰群机器人和猎物机器人;
基于预设的哈里斯鹰算法、所述协作空间信息和预设的迭代次数,对所述鹰群机器人和所述猎物机器人的进行位置迭代;
确定位置迭代完成后的所述猎物机器人的目标适应值,当所述目标适应值大于预设阈值,将位置迭代完后的所述鹰群机器人和所述猎物机器人的位姿信息确定为焊接起点信息。
2.根据权利要求1所述的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,其特征在于,在所述获取每台所述机器人的安装位置信息之后,所述方法还包括:
建立世界坐标系;
根据所述安装位置信息建立每台所述机器人所对应的基坐标系;
根据所述基坐标系确定所述机器人相对于所述世界坐标系的欧拉角,根据所述欧拉角和所述安装位置信息确定所述机器人的起始位姿信息。
3.根据权利要求2所述的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,其特征在于,在所述获取每台所述机器人的关节可操作度和全局关节运动量之前,所述方法还包括:
获取预设的灵活度系数;
根据所述灵活度系数和所述起始位姿信息确定所述关节可操作度。
4.根据权利要求2所述的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,其特征在于,在所述获取每台所述机器人的关节可操作度和全局关节运动量之前,所述方法还包括:
确定所述基坐标系中每个坐标轴的运动量权重;
根据所述运动量权重和所述起始位姿信息确定所述全局关节运动量。
5.根据权利要求1所述的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,其特征在于,所述对所述鹰群机器人和所述猎物机器人的进行位置迭代,包括:
确定目标焊接路径;
根据预设的路径点数在所述目标焊接路径中确定多个路径点;
基于所述哈里斯鹰算法和所述协作空间信息,确定所述鹰群机器人和所述猎物机器人针对每个所述路径点的末端位姿;
将所述末端位姿确定为位置迭代后的目标位姿信息。
6.根据权利要求5所述的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,其特征在于,所述将所述末端位姿确定为位置迭代后的目标位姿信息,包括:
针对所述末端位姿进行位姿逆解,得到位姿序列;
将所述位姿序列确定为所述目标位姿信息。
7.根据权利要求1所述的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法,其特征在于,在所述将位置迭代完后的所述鹰群机器人和所述猎物机器人的位姿信息确定为焊接起点信息之后,所述方法还包括:
基于预设的焊接路径规划算法和所述焊接起点信息,规划出对应的所述机器人的焊接路径信息;
将所述焊接路径信息发送至对应的所述机器人进行焊接。
8.一种基于哈里斯鹰化算法的多机协作焊接轨迹规划装置,其特征在于,包括:
协作空间确定单元,用于获取每台所述机器人的安装位置信息,根据所述安装位置信息和蒙特卡罗法确定所述焊接***的协作空间信息,所述协作空间信息用于表征所述机器人的运作范围;
适应值确定单元,用于获取每台所述机器人的关节可操作度和全局关节运动量,根据所述关节可操作度和所述全局关节运动量确定所述机器人的初始适应值;
对象分配单元,用于基于预设的分配规则和所述初始适应值,从多台所述机器人中确定鹰群机器人和猎物机器人;
迭代单元,用于基于预设的哈里斯鹰算法、所述协作空间信息和预设的迭代次数,对所述鹰群机器人和所述猎物机器人的进行位置迭代;
位姿确定单元,用于确定位置迭代完成后的所述猎物机器人的目标适应值,当所述目标适应值大于预设阈值,将位置迭代完后的所述鹰群机器人和所述猎物机器人的位姿信息确定为焊接起点信息。
9.一种焊接***,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序用于执行如权利要求1至7中任意一项所述的基于哈里斯鹰化算法的多机协作焊接轨迹规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211162434.2A CN115519542B (zh) | 2022-09-23 | 2022-09-23 | 基于哈里斯鹰化算法的多机协作焊接轨迹规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211162434.2A CN115519542B (zh) | 2022-09-23 | 2022-09-23 | 基于哈里斯鹰化算法的多机协作焊接轨迹规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115519542A true CN115519542A (zh) | 2022-12-27 |
CN115519542B CN115519542B (zh) | 2024-07-12 |
Family
ID=84699538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211162434.2A Active CN115519542B (zh) | 2022-09-23 | 2022-09-23 | 基于哈里斯鹰化算法的多机协作焊接轨迹规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115519542B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116242383A (zh) * | 2023-03-15 | 2023-06-09 | 皖西学院 | 一种基于增强哈里斯鹰算法的无人车路径规划方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120072019A1 (en) * | 2010-09-22 | 2012-03-22 | Gm Global Technology Operations, Inc. | Concurrent path planning with one or more humanoid robots |
KR20140034996A (ko) * | 2012-09-11 | 2014-03-21 | 재단법인 포항산업과학연구원 | 이동로봇 및 상기 이동로봇에 대한 경로학습방법 |
CN112476434A (zh) * | 2020-11-24 | 2021-03-12 | 新拓三维技术(深圳)有限公司 | 一种基于协作机器人的视觉3d取放方法及*** |
US20210103293A1 (en) * | 2018-07-20 | 2021-04-08 | SZ DJI Technology Co., Ltd. | Control methods and apparatuses for mobile robots, devices, and storage media |
CN113361777A (zh) * | 2021-06-08 | 2021-09-07 | 淮阴工学院 | 基于vmd分解和ihho优化lstm的径流预测方法及*** |
AU2021106075A4 (en) * | 2021-08-20 | 2021-11-25 | Kumar, Mohan | A Method for A Fraud Detection in A Bank Transaction with A Wrapper Model and A Harris Water Optimization-Based Deep Recurrent Neural Network |
CN115070768A (zh) * | 2022-07-08 | 2022-09-20 | 江西省智能产业技术创新研究院 | 机器人恒定力控及负载自辨识方法、***、介质及计算机 |
-
2022
- 2022-09-23 CN CN202211162434.2A patent/CN115519542B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120072019A1 (en) * | 2010-09-22 | 2012-03-22 | Gm Global Technology Operations, Inc. | Concurrent path planning with one or more humanoid robots |
KR20140034996A (ko) * | 2012-09-11 | 2014-03-21 | 재단법인 포항산업과학연구원 | 이동로봇 및 상기 이동로봇에 대한 경로학습방법 |
US20210103293A1 (en) * | 2018-07-20 | 2021-04-08 | SZ DJI Technology Co., Ltd. | Control methods and apparatuses for mobile robots, devices, and storage media |
CN112476434A (zh) * | 2020-11-24 | 2021-03-12 | 新拓三维技术(深圳)有限公司 | 一种基于协作机器人的视觉3d取放方法及*** |
CN113361777A (zh) * | 2021-06-08 | 2021-09-07 | 淮阴工学院 | 基于vmd分解和ihho优化lstm的径流预测方法及*** |
AU2021106075A4 (en) * | 2021-08-20 | 2021-11-25 | Kumar, Mohan | A Method for A Fraud Detection in A Bank Transaction with A Wrapper Model and A Harris Water Optimization-Based Deep Recurrent Neural Network |
CN115070768A (zh) * | 2022-07-08 | 2022-09-20 | 江西省智能产业技术创新研究院 | 机器人恒定力控及负载自辨识方法、***、介质及计算机 |
Non-Patent Citations (1)
Title |
---|
王威;许勇;吕叶萍;孙峰磊;: "双机器人协调点焊路径优化算法研究", 组合机床与自动化加工技术, no. 06, 20 June 2020 (2020-06-20) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116242383A (zh) * | 2023-03-15 | 2023-06-09 | 皖西学院 | 一种基于增强哈里斯鹰算法的无人车路径规划方法 |
CN116242383B (zh) * | 2023-03-15 | 2023-09-15 | 皖西学院 | 一种基于增强哈里斯鹰算法的无人车路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115519542B (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111595343B (zh) | 一种基于定位误差校正的无人机航迹规划方法 | |
CN110645991B (zh) | 一种基于节点调节的路径规划方法、装置及服务器 | |
CN109434831A (zh) | 机器人运行方法、装置、机器人、电子设备及可读介质 | |
CN111444205B (zh) | 一种配网自动化主站gis单线图模自动核对更新的方法 | |
CN109931942A (zh) | 机器人路径生成方法、装置、机器人和存储介质 | |
CN112650214B (zh) | 一种集群***动态编队的队形控制方法 | |
CN113110601B (zh) | 一种无人机电力线路巡检路径优化方法及装置 | |
CN115519542A (zh) | 基于哈里斯鹰化算法的多机协作焊接轨迹规划方法及装置 | |
CN111580561A (zh) | 基于粒子群算法优化的无人机调度方法、***和可读存储介质 | |
CN111844007A (zh) | 授粉机器人机械臂避障路径规划方法、装置 | |
CN106774393B (zh) | 一种任务进度计算方法、装置及无人机 | |
CN116105742B (zh) | 复合场景巡检导航方法、***及相关设备 | |
CN109857134A (zh) | 基于A*/minimum_snap算法的无人机轨迹控制***和方法 | |
CN111798097B (zh) | 一种基于市场机制的自主移动机器人任务分配处理方法 | |
JP2017142738A (ja) | 行動制御システム、その方法及びプログラム | |
CN113814988B (zh) | 7自由度srs型机械臂逆解的解析方法、装置及电子设备 | |
CN112148035B (zh) | 多无人机轨迹优化方法、装置、存储介质及计算机设备 | |
CN111966111A (zh) | 基于自动配电的移动充电设备编队控制方法、***、装置 | |
CN113608496B (zh) | 空间路径g2转接光顺方法、设备及计算机可读存储介质 | |
CN115639817A (zh) | 一种路径的轨迹修正方法、装置、设备和介质 | |
CN113627646A (zh) | 一种基于神经网络的路径规划方法、装置、设备及介质 | |
CN113296497A (zh) | 实时分布式多机器人编队控制方法及*** | |
CN111984031A (zh) | 一种无人机路径规划方法、无人机及存储介质 | |
CN112129298A (zh) | 无人机航线的确定方法、装置、设备及存储介质 | |
CN116652956B (zh) | 一种用于外观检测的拍照路径自适应规划方法及装置 |
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 |