CN117021101B - 一种用于带式输送机拆卸机器人的多臂路径规划方法 - Google Patents

Abstract

本发明公开了一种用于带式输送机拆卸机器人的多臂路径规划方法：用于解决带式输送机拆卸机器人的手臂在拆卸任务中的路径规划问题，包括对带式输送机拆卸任务进行运动学模型建立；对传统RRT算法进行改进，在传统RRT算法的节点更新过程中引入节点权重函数来引导探索过程中新节点的生成，改善路径规划过程中的避障能力和探索无方向性，有效减少无效采样点；本方法使用关节空间内的机械臂关节角度组来表示机械臂位置信息，将其应用于引入改进后的RRT算法中，避免了逆运动学求解的繁琐运算，提高了规划效率；最后提出主被动双树拓展方法，主机械臂使用路径规划算法进行主动探索，从机械臂来被动验证，探索过程和验证过程同时进行，实现了多臂协同运动。

Description

一种用于带式输送机拆卸机器人的多臂路径规划方法

技术领域

本发明涉及一种用于带式输送机拆卸任务的多臂路径规划算法，主要应用于多机械臂的路径规划，属于机器人技术领域。

背景技术

带式输送机是井工煤矿重要运输设备，需要随着采掘面推进、工作面回撤及自身磨损程度而随时进行拆卸。现有拆卸主要依靠人工作业，存在难度大、效率低、易发生危险等问题，研究并开发带式输送机智能化拆卸设备对提高井下生产安全和效率均具有重要意义；目前一些起重机械设备、多自由度的机械臂等均可实现拆卸作业，但是对于带式输送机这种体积较大、质量较重的物体，双机械臂作业比单机械臂更具有优势，但随之而来的是由于任务复杂、运动耦合和多机械臂避障等带来的机械臂路径规划困难。因此，多机械臂的路径规划问题成为学者们的重要研究问题。因此针对多机械臂进行路径规划研究具有重要意义。

路径规划是保障机械臂安全作业的关键技术，目前国内外学者已提出许多路径规划算法如人工势场法、蚁群算法、A*算法、遗传算法和RRT算法等。其中，RRT算法是一种高效、灵活且适用于各种场景的路径规划算法，由于具有快速探索、简单实现、自适应性强、适用于复杂环境和可扩展性强等优势，便于机械臂在高维空间和复杂约束下进行路径规划，近年来被广泛应用于机器人路径规划领域。但传统RRT算法也存在固有缺陷，其全局随机采样会导致计算资源浪费，算法收敛慢，且生成路径不平滑，难以被机器人直接执行，因此对传统RRT算法进行改进对机器人路径规划研究具有重要意义。

发明内容

本发明针对带式输送机拆卸机器人的手臂在拆卸任务中的路径规划问题，提出了一种多臂路径规划算法，针对传统RRT算法进行了改进，在传统RRT算法的节点更新过程中引入节点权重函数来引导探索过程中新节点的生成，能够改善路径规划过程中的避障能力和探索无方向性，有效减少无效采样点；本发明使用关节空间内的机械臂关节角度组来表示机械臂位置信息，将其应用于引入改进后的RRT算法中，避免了逆运动学求解的繁琐运算，提高了规划效率；最后提出主被动双树拓展方法，主机械臂使用路径规划算法进行主动探索，从机械臂来被动验证，探索过程和验证过程同时进行，实现了多臂协同运动。详见下文描述：

一种用于带式输送机拆卸机器人的多臂路径规划方法，包括以下步骤：

步骤1、针对带式输送机拆卸任务进行运动学模型建立；

步骤2、初始化机械臂初始位姿和目标位姿，确定环境中障碍物基本信息；

步骤3、在传统RRT算法基础上，使用Sobol序列来进行采样点生成，并引入节点权重函数来拓展新节点；

步骤4、引入主被动拓展，通过主机械臂采样和从机械臂验证的方式，实现多机械臂的协调规划；

步骤5、采用基于最小二乘法的多项式拟合方法来对路径进行优化处理，使机械臂运动更加平滑。

进一步的，步骤2具体包括如下内容：

提出一种主被动拓展RRT算法来进行双机械臂的路径规划探索，其中主机械臂R使用主动生长随机树T_R，从机械臂L使用被动生长随机树T_L，并在关节空间内对随机树进行扩展，定义主机械臂的初始关节角度为x_start，目标位置为x_goal，从机械臂的初始关节角度为x′_start，目标位置为x′_goal，并将其作为起始点和目标点分别加入随机树T_R和T_L中。

进一步的，步骤3具体包括如下内容：

多臂关节空间路径规划通常涉及到较高的维度，由于维度过高，计算的复杂度增加，这使得机械臂难以在规定时间内完成路径规划；虽然在各自关节空间中进行RRT采样可以完成路径规划，但无法实现机械臂间的协调；步骤3的具体操作步骤包括：

S31、相对于伪随机序列，Sobol序列能够在保证随机性的前提下，使采样点分布更加均匀，在关节空间内定义采样点x_sample，由机械臂各关节角度组成，皆由Sobol序列生成，将随机树中与采样点欧氏距离最小的节点作为最近点，将该点记为x_nearest；

S32、引入节点权重函数，通过该函数来自适应调整在随机采样点方向和目标点方向的拓展权重；在无障碍物的情况下，赋予目标点更高的权重，以引导随机树朝着目标点方向扩展，而在有障碍物的情况下，赋予随机采样点更高的权重，

以引导随机树绕过障碍物；新采样点的拓展公式为：

其中，为采样点方向的权重，由下式决定，

m初始值设为0，n初始值设为1，k₁∈(0,1)反映采样点方向权重的变化，k₂∈(0,1)表示目标点方向的权重，当环境复杂障碍物较多时，k₂应取值较小，反之较大。

进一步的，步骤4具体包括如下内容：

S41、将关节空间内随机树的更新节点x_new代入到主机械臂R正运动学求解得到笛卡尔坐标系的节点信息；

S42、拆卸机械臂在工作空间中遇到的障碍物主要是连杆支架和碎煤料，分别使用长方形包络盒法和球形包络盒法进行碰撞检测；

S43、判断机械臂各关节是否与障碍物发生碰撞，若否，将x_new加入到主动生长随机树中，并定义x_nearest为x_new的父节点；若是，则剔除该节点并返回重新选择节点；

S44、将主动生长随机树中的更新节点x_new对应的被动生长随机树中的x′_new代入到从机械臂L正运动学求解；

S45、通过包络盒法来进行碰撞检测，判断机械臂各关节是否与障碍物发生碰撞，若否，则将x′_new加入到随机树T_L中，并定义x′_nearest为x′_new的父节点；若是，将x_new从T_R中剔除，并将x′_new从T_L中剔除，返回重新选择节点。

本发明提供的技术方案的有益效果是：

1)针对传统RRT算法进行了改进，在传统RRT算法的节点更新过程中引入节点权重函数来引导探索过程中新节点的生成，能够改善路径规划过程中的避障能力和探索无方向性，有效减少无效采样点；

2)本发明使用关节空间内的机械臂关节角度组来表示机械臂位置信息，将其应用于引入改进后的RRT算法中，避免了逆运动学求解的繁琐运算，提高了规划效率；

3)提出主被动双树拓展方法，主机械臂使用路径规划算法进行主动探索，从机械臂来被动验证，探索过程和验证过程同时进行，实现了多机械臂臂协同运动。

附图说明

图1是本发明中用于带式输送机拆卸机器人的多臂路径规划方法框架图；

图2是本发明提供的新节点生成过程示意图；

图3是本发明提供的主被动双树拓展采样过程示意图；

图4是本发明使用的带式输送机拆卸机器人模型示意图；

图5是实施例中纵梁工序机械臂末端路径结果示意图；

图6是实施例中纵梁工序机械臂R各关节角度变化曲线图；

图7是实施例中纵梁工序机械臂L各关节角度变化曲线图；

图8是实施例中纵梁工序机械臂R末端位移变化结果图；

图9是实施例中纵梁工序机械臂L末端位移变化结果图；

图10是实施例中H架工序机械臂末端路径结果示意图；

图11是实施例中H架工序机械臂R各关节角度变化曲线图；

图12是实施例中H架工序机械臂L各关节角度变化曲线图；

图13是实施例中H架工序机械臂R末端位移变化结果图；

图14是实施例中H架工序机械臂L末端位移变化结果图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作详细说明。

一种用于带式输送机拆卸机器人的多臂路径规划方法，其算法框架如图1，具体方法包括：

步骤1、针对如图4所示的带式输送机拆卸机器人进行运动学模型建立；

步骤2、初始化机械臂初始位姿和目标位姿，确定环境中障碍物基本信息；

步骤3、在传统RRT算法基础上，使用Sobol序列来进行采样点生成，并引入节点权重函数来拓展新节点，新节点生成过程如图2所示；

步骤4、引入主被动拓展，通过主机械臂采样和从机械臂验证的方式，实现多机械臂的协调规划，主被动双树拓展采样过程如图3所示；

步骤5、采用基于最小二乘法的多项式拟合方法来对路径进行优化处理，使机械臂运动更加平滑。

步骤2具体包括如下内容：

提出一种主被动拓展RRT算法来进行双机械臂的路径规划探索，其中主机械臂R使用主动生长随机树T_R，从机械臂L使用被动生长随机树T_L，并在关节空间内对随机树进行扩展，定义主机械臂的初始关节角度为x_start，目标位置为x_goal，从机械臂的初始关节角度为x′_start，目标位置为x′_goal，并将其作为起始点和目标点分别加入随机树T_R和T_L中。

步骤3具体包括如下内容：

多臂关节空间路径规划通常涉及到较高的维度，由于维度过高，计算的复杂度增加，这使得机械臂难以在规定时间内完成路径规划；虽然在各自关节空间中进行RRT采样可以完成路径规划，但无法实现机械臂间的协调；步骤3的具体操作步骤包括：

S31、相对于伪随机序列，Sobol序列能够在保证随机性的前提下，使采样点分布更加均匀，在关节空间内定义采样点x_sample，由机械臂各关节角度组成，皆由Sobol序列生成，将随机树中与采样点欧氏距离最小的节点作为最近点，将该点记为x_nearest；

S32、引入节点权重函数，通过该函数来自适应调整在随机采样点方向和目标点方向的拓展权重；在无障碍物的情况下，赋予目标点更高的权重，以引导随机树朝着目标点方向扩展，而在有障碍物的情况下，赋予随机采样点更高的权重，以引导随机树绕过障碍物；新采样点的拓展公式为：

其中，为采样点方向的权重，由下式决定，

m初始值设为0，n初始值设为1，k₁∈(0,1)反映采样点方向权重的变化，k₂∈(0,1)表示目标点方向的权重，当环境复杂障碍物较多时，k₂应取值较小，反之较大。

步骤4具体包括如下内容：

S41、将关节空间内随机树的更新节点x_new代入到主机械臂R正运动学求解得到笛卡尔坐标系的节点信息；

S42、拆卸机械臂在工作空间中遇到的障碍物主要是连杆支架和碎煤料，分别使用长方形包络盒法和球形包络盒法进行碰撞检测；

S43、判断机械臂各关节是否与障碍物发生碰撞，若否，将x_new加入到主动生长随机树中，并定义x_nearest为x_new的父节点；若是，则剔除该节点并返回重新选择节点；

S44、将主动生长随机树中的更新节点x_new对应的被动生长随机树中的x′_new代入到从机械臂L正运动学求解；

S45、通过包络盒法来进行碰撞检测，判断机械臂各关节是否与障碍物发生碰撞，若否，则将x′_new加入到随机树T_L中，并定义x′_nearest为x′_new的父节点；若是，将x_new从T_R中剔除，并将x′_new从T_L中剔除，返回重新选择节点。

本发明方法针对带式输送机拆卸任务，属于机器人领域。为使本领域技术人员更好的理解本发明，下面结合具体实施例，对带式输送机拆卸机器人的多臂路径规划算法进行详细说明。

以纵梁拆卸任务为例，纵梁拆卸工序由同侧的两个机械臂完成，以图4中机械臂①和机械臂②为例进行仿真，定义机械臂②为主臂，记作R，定义机械臂①为从臂，记作L。采用主被动拓展RRT算法对纵梁工序进行仿真，得到机械臂末端路径如图5所示，机械臂关节角度如图6、图7所示，两机械臂在x，y，z方向的位移如图8、图9所示,两机械臂各关节角度变化相同，得到的机械臂末端路径在x和z方向相同，在y方向上保持1.4m的距离,机械臂可以完成纵梁的拆卸-放置工作,验证了本发明的可行性。

H架拆卸工序由对侧的两个机械臂完成，本节以机械臂②和机械臂④为例进行仿真，定义机械臂②为主臂，记作R，定义机械臂④为从臂，记作L。采用主被动拓展RRT算法对H架工序进行仿真，得到机械臂末端路径如图10所示，机械臂关节角度如图11、图12所示，两机械臂在x，y，z方向的位移如图13、图14所示，两机械臂关节角度变化相反，得到的机械臂末端路径在y和z方向相同，在x方向上关于x＝0对称，机械臂可以完成H架的推倒工作,验证了本发明的可行性。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种用于带式输送机拆卸机器人的多臂路径规划方法，其特征在于，包括如下步骤：

步骤1、针对带式输送机拆卸任务进行运动学模型建立；

步骤2、初始化机械臂初始位姿和目标位姿，确定环境中障碍物基本信息；

步骤3、在传统RRT算法基础上，使用Sobol序列来进行采样点生成，并引入节点权重函数来拓展新节点；具体包括：

S31、相对于伪随机序列，Sobol序列能够在保证随机性的前提下，使采样点分布更加均匀，在关节空间内定义采样点x_sample，由机械臂各关节角度组成，皆由Sobol序列生成，将随机树中与采样点欧氏距离最小的节点作为最近点，将该点记为x_nearest；

S32、引入节点权重函数，通过该函数来自适应调整在随机采样点方向和目标点方向的拓展权重；在无障碍物的情况下，赋予目标点更高的权重，以引导随机树朝着目标点方向扩展，而在有障碍物的情况下，赋予随机采样点更高的权重，以引导随机树绕过障碍物；新采样点的拓展公式为：

其中，为采样点方向的权重，由下式决定，

m初始值设为0，n初始值设为1，k₁∈(0,1)反映采样点方向权重的变化，k₂∈(0,1)表示目标点方向的权重，当环境复杂障碍物较多时，k₂应取值较小，反之较大；

步骤4、引入主被动拓展，通过主机械臂采样和从机械臂验证的方式，实现多机械臂的协调规划；具体包括：

S41、将关节空间内随机树的更新节点x_new代入到主机械臂R正运动学求解得到笛卡尔坐标系的节点信息；

S42、拆卸机械臂在工作空间中遇到的障碍物主要是连杆支架和碎煤料，分别使用长方形包络盒法和球形包络盒法进行碰撞检测；

S43、判断机械臂各关节是否与障碍物发生碰撞，若否，将x_new加入到主动生长随机树中，并定义x_nearest为x_new的父节点；若是，则剔除该节点并返回重新选择节点；

S44、将主动生长随机树中的更新节点x_new对应的被动生长随机树中的x_n′_ew代入到从机械臂L正运动学求解；

S45、通过包络盒法来进行碰撞检测，判断机械臂各关节是否与障碍物发生碰撞，若否，则将x_n′_ew加入到随机树T_L中，并定义x_n′_earest为x_n′_ew的父节点；若是，将x_new从T_R中剔除，并将x_n′_ew从T_L中剔除，返回重新选择节点；

步骤5、采用基于最小二乘法的多项式拟合方法来对路径进行优化处理，使机械臂运动更加平滑。

2.根据权利要求1所述的一种用于带式输送机拆卸机器人的多臂路径规划方法，其特征在于，步骤2具体包括：

提出一种主被动拓展RRT算法来进行双机械臂的路径规划探索，其中主机械臂R使用主动生长随机树T_R，从机械臂L使用被动生长随机树T_L，并在关节空间内对随机树进行扩展，定义主机械臂的初始关节角度为x_start，目标位置为x_goal，从机械臂的初始关节角度为x_s′_tart，目标位置为x_g′_oal，并将其作为起始点和目标点分别加入随机树T_R和T_L中。