工业机器人轨迹规划发展现状

时间：2017-12-22 来源：机器人在线阅读：15403

工业机器人轨迹规划发展现状

在工业机器人的设计和实现当中，其作业轨迹的规划是整个系统的重点之一。作业轨迹的合理规划，可以使得机器人获得避开作业空间中的障碍物和最短时间内完成作业轨迹等益处，从而大幅度的提高机器人整体的性能和效益。因此对于机器人的最优轨迹规划的研究成为了这一领域的热点。对此国内外的研究者在不同的方面展开了诸多的工作，可以分为基于单一最优目标的轨迹规划、基于多个最优目标的轨迹规划和基于二次规划的最优目标的轨迹规划等几个方面。同时这三个方向的实现方法也不同，亦可分为采用多条低次多项式曲线连接插值作业轨迹和采用B样条曲线插值作业轨迹。上述的最优目标主要可以分为以下的几个方向，时间最优、能量最优、危险程度最小、关节峰速值最小和轨迹最平滑。

在单一目标轨迹规划中，文献最早提出了基于时间最优的轨迹规划算法。其采用柔性多面体搜索(Flexible Polyhedron Search, FPS)算法来进行具体求解，并最终得到了较满意的作业轨迹。之后各个学者根据其基础做出了不同的贡献。主要为采用不同的智能算法求解问题，文献在文献的基础上，采用了智能遗传算法对于关节空间上各个关键点之间的时间间隔进行了优化，取得了良好的效果。文献同样采用了智能遗传算法，对于时间最优进行求解。所不同的是为了达到更好的效果，其对遗传算法进行了改进，加入了自适应参数调节和最优保存策略。文献首先对轨迹进行了分段，第一段轨迹采用3次多项式进行插值，第二段轨迹采用了5次多项式进行插值，第三段轨迹采用了3次多项式进行插值，而不是采用高次曲线连接，避免了大量的计算工作。为了避免差分进化算法收敛速度较慢的问题，文献中对其参数进行了优化和调整。对于求解算法的选择除了一般的智能进化算法之外，也有其他的工作者采用了不同的算法，文献其采用了信赖域方法求解时间最优轨迹规划问题。

除了时间最优之外，机器人在作业的过程中，能量的使用情况也成为了优化的重点。文献对于传统的遗传算法进行了改进，对于遗传算子、编码方式和计算流程进行设计，以期加速收敛速度和提升寻找全局最优解的能力。最后文献以最优能量为目标，进行轨迹规划。同样文献利用能量最优为目标进行轨迹规划，进而获得最平滑的轨迹和减少机械臂上的应力。文献同样采用能量最优为目标，不过其研究的对象为平面机器人且仅有两个关节，采用了高次多项式进行插值曲线，之后对于求解最优问题，采用了混合整数非线性方法进行求解。

上述的时间最优和能量最优是各个学者和研究机构常用的最优目标函数。除此之外，一些学者和机构也提出了针对于其特点场景的最优目标函数。

在高危作业的情况下，需要保证机器人作业轨迹对于系统和操作者最为安全。所以文献选择危险指数最小化为目标函数，根据人机之间的距离、机器人的惯量和人机相对运动的速度来评估危险程度，然后以危险程度最小作为目标进行轨迹规划。

文献希望在运动过程中，关节角空间曲线一阶导数峰值最小，并采用ISIGHT软件进行求解。文献希望在考虑到关节摩擦因素、加速度和速度等运动学因素的情况下，求取得整个工作轨迹的最为平滑状态。为此其利用五次样条曲线分段构建相平面下伪状态、伪速度和伪加速度的平滑运动轨迹曲线，从而保证了驱动力矩、关节速度和加速度的连续性，最后在通过其求取出最优化的工作轨迹。

在大部分的情况下，单一目标的最优轨迹规划能够满足实际需求。然而对于一些资源紧缺的作业场合，必须多个最优目标联合进行轨迹规划。因此上述单一目标的轨迹规划方法便显得不合适。为此不同的学者在机器人多目标轨迹规划领域做出了贡献。

将时间最优和能量最优作为组合，文献为了能够结合这两个目标函数采用了加权系数的方法，将两个目标函数转为一个函数之后采用免疫遗传算法进行求解，并且重新设计了其罚函数，应用于最优轨迹规划求解。文献考虑到关节能够提供的最大力矩、最大加速度、最大加加速和最大速度为约束条件，采用遗传算法得到空间最优轨迹。

将时间最优和工作路径最短作为组合，文献同样采用加权系数的方法将多个目标合并成一个目标，之后采用蚁群算法引入带方向信息的全局启发因子来提高最优路径的搜索效率，并且利用蚂蚁的死亡机制和惩罚函数来避免遇到陷阱时形成的路径死锁情况。

将时间最优和轨迹最平滑作为组合，文献同时采用3次B样条曲线和5次B样条曲线对作业轨迹进行插值。此外，对于多个目标的组合，文献没有考虑采用加权系数的方法，而是采用二次规划方法进行求解。

对于多个优化目标的问题，各个目标函数之间量纲不同，单纯使用加权系数的方法容易导致各个优化问题之间失衡。因此针对这个问题，不同的学者也做出了不同的探索。文献采用5次多项式插值轨迹，对作业轨进行第一次基于时间最小的规划，之后再在此基础上做基于冲击最优的规划。

针对焊接机器人轨迹问题，文献首先对轨迹采用了7次B样条曲线进行插值，同时对约束进行了转换。为了保证初始种群的均匀分布，采用一维logistics映射，之后采用了带有精英策略的非支配排序算法进行求解。文献针对于工业机器人，考虑了其避障和关节限制等约束，设计了6个目标函数，最终选择了两种进化算法即带精英策略的非支配排序遗传算法(NSGA-II)和多目标差分进化，求解出了Pareto解集。

然而对于上述的轨迹规划求解方法而言，无论是基于单一目标的还是多目标的轨迹规划，都没有在轨迹规划之时考虑码垛机器人的作业轨迹呈现的前后相关性，导致在求解最优轨迹之时不能利用己有的信息。