董 航，杜廣勝，劉 冬，叢 明,2

(1.大連理工大學 機械工程學院，遼寧 大連 116024；2.大連理工大學(鞍山)研究院，遼寧 鞍山 114051)

基于遺傳算法的碼垛機器人關(guān)節(jié)路徑規(guī)劃*

董 航1，杜廣勝1，劉 冬1，叢 明1,2

(1.大連理工大學 機械工程學院，遼寧 大連 116024；2.大連理工大學(鞍山)研究院，遼寧 鞍山 114051)

針對碼垛機器人高速工作時末端易產(chǎn)生抖動現(xiàn)象的問題，文章提出了一種機器人軌跡規(guī)劃的數(shù)學方法。文章分析了機器人軌跡對抖動現(xiàn)象的影響，應用最優(yōu)化方法建立了機器人關(guān)節(jié)軌跡問題的數(shù)學模型，確定了機器人優(yōu)化目標，使用遺傳算法求解了該優(yōu)化問題，運用Matlab進行了實驗計算，求得了機器人各個關(guān)節(jié)的近似全局最優(yōu)軌跡。文中提出的研究方法可以用于確定控制碼垛機器人平穩(wěn)運行的上層算法。

碼垛機器人；遺傳算法；軌跡規(guī)劃

0 引言

目前，碼垛機器人已經(jīng)廣泛應用于各類裝卸工作中，不僅可以節(jié)省人力，還可以提高裝卸效率，降低成本。然而，機器人在工作中必須保證運動盡量平滑、平穩(wěn)，避免產(chǎn)生位置、速度和加速度的突變，如果運動發(fā)生波動，就會加劇機械部件的磨損，并導致機器人系統(tǒng)的振動和沖擊。同時，產(chǎn)生的突變需要無窮大的動力實現(xiàn)，電動機受物理的限制也無法提供足夠的動力。因此，我們必須對機器人的運動軌跡進行規(guī)劃，以保證機器人系統(tǒng)長期、高效、平穩(wěn)運行[1]。

時間最優(yōu)軌跡規(guī)劃是最早研究的機器人軌跡規(guī)劃問題。為了避免機械手的振動，提高工作精度，最小沖擊連續(xù)的軌跡規(guī)劃受到關(guān)注[2]。孫亮[3]采用基本樣條插值方法對機械臂軌跡進行規(guī)劃，未采用算法對軌跡進行優(yōu)化。王學林[4]等研究了機械臂在多個路徑點的約束下連續(xù)軌跡的插補算法。朱世強、居鶴華[2, 5]等采用3-5-3樣條函數(shù)對機器人軌跡進行規(guī)劃，以機器人運行時間最優(yōu)為目標，生成的軌跡加速度不連續(xù)，易導致機械手振動。Lin[6]采用粒子群算法以最小沖擊為目標進行軌跡優(yōu)化。Guo[7]采用粒子群算法對空間機器人進行動力學約束下的時間最優(yōu)軌跡規(guī)劃。Alessandro[8]采用三次樣條規(guī)劃，以最小沖擊為目標，用遺傳算法搜索，但他們沒有考慮到實際情況，機械臂之間會發(fā)生碰撞的問題。王魯平[9]等利用Matlab對碼垛機器人進行了運動學逆解并對其軌跡進行規(guī)劃。苗建偉[10]比較了蟻群算法、模擬退火算法和禁忌算法，分析了三種算法的特點和優(yōu)劣性。樂英[11]等人采用了非均勻B樣條對六自由度機器人運動軌跡進行了規(guī)劃，得到了較好的效果。遺傳算法可以解決領域的任何復雜系統(tǒng)優(yōu)化問題，有較強的魯棒性。遺傳算法的本質(zhì)特征在于群體搜索策略和簡單遺傳算法，使得其可以突破領域搜索的限制，可以實現(xiàn)整個解空間上的分布式信息采集和探索，而遺傳算子僅利用適應度函數(shù)作為運算指標，降低了一般啟發(fā)式算法在搜索過程中對人的依賴[12]。

本文以DT-1型碼垛機器人為研究對象，提出了一種基于GA的最小沖擊三次樣條插值碼垛機器人軌跡規(guī)劃方法。在考慮運動學約束以及避免機械臂本體之間碰撞的情況下，實現(xiàn)四自由度機械臂的軌跡規(guī)劃。在眾多研究成果的基礎上，改進遺傳算法的適應度函數(shù)，增加關(guān)節(jié)空間的約束，得到更加合理優(yōu)化的運行軌跡。

1 三次樣條插值函數(shù)的構(gòu)造

圖1為大連某公司開發(fā)DT-1型碼垛機器人的實物圖，圖2是該碼垛機器人的機構(gòu)簡圖，有四個自由度，分別對這個四個關(guān)節(jié)進行軌跡規(guī)劃。

圖1 DT-1型碼垛機器人實物圖

圖2 碼垛機器人機構(gòu)簡圖

假設機器人需要連續(xù)通過四個位置點，為了保證關(guān)節(jié)軌跡的起始和終止加速度為零，需要在序列的第二個和倒數(shù)第二個的位置，加入兩個額外點。因此，對于每個關(guān)節(jié)的6個位置點，相鄰位置點之間，共包括5個時間間隔。為表述簡便，使用hj表示第j段時間段時長，其中(j=1,…,5)，將第i個關(guān)節(jié)預設點的位移表示為{qi1,qi2,qi3,…,qi6}，其中，i=1,…,4。

使用三次樣條插值，用三次曲線連接兩個相鄰點，代表運動軌跡，并保證相鄰軌跡之間平滑過渡。因此，第i個關(guān)節(jié)的第j個時間段之間的軌跡可以描述為：

Qij(t) =0xij+1xijt+2xijt2+3xijt3

(1)

其中，t是時間變量，t∈hj。每次時間段的起始和結(jié)束的位移和速度作為0x，1x，2x，和3x的系數(shù)。根據(jù)相鄰點位置和速度連續(xù)的條件，系數(shù)可表示為：

0xij=qij

(2)

1xij=vij

(3)

(4)

(5)

其中，vij代表第i個關(guān)節(jié)在第j個關(guān)鍵點的速度。各參數(shù)如表1所示。

表1 軌跡規(guī)劃參數(shù)說明

對于第i個關(guān)節(jié)，第一個預設點的位置qi1，速度vi1和加速度ai1已知。最后一個預設點的qi6，vi6和ai6已知，中間預設點qi3、qi4的位置已知。而第二個額外增加點qi2和倒數(shù)額外增加點qi5的位置未知。

為求得6個未知參數(shù)，需要6個方程，利用加速連續(xù)條件，以及初始和終止加速度為零的條件，可以得到以下方程：

AX=B

(6)

其中，

X=[qi2,vi2,vi3,…,vi4,qi5,vi5]T

2 沖擊最小問題求解

針對碼垛機器人，其始末點軌跡要求嚴格，而對于運動過程中機器人的軌跡并沒有嚴格要求，只要不發(fā)生碰撞現(xiàn)象即可。因此將以關(guān)節(jié)坐標系下的軌跡規(guī)劃為目標。

圖3 遺傳算法流程圖

求解X得到6個參數(shù)后，就可以根據(jù)下式求得第i個關(guān)節(jié)第j段軌跡的沖擊：

(7)

將每個關(guān)節(jié)中，每一段曲線的沖擊求出后，將其平方積分求出，積分值越小，沖擊之和越小，越利于機械臂的減振。優(yōu)化問題可以表述為：

搜尋：

(8)

約束條件：

其中，T為機器人單元節(jié)拍時間。遺傳算法流程圖如圖3所示。

3 仿真結(jié)果

仿真的目的是給每個關(guān)節(jié)規(guī)劃一個光滑的運動曲線，遺傳算法的搜索空間為五段軌跡的時間，輸入的預設點為5個，因此M=5，由等式(3)得X=[qi2,vi2,vi3,vi4,qi5,vi5]T。使用的遺傳算法的參數(shù)為：種群數(shù)目500，迭代代數(shù)30，交叉變異參數(shù)0.8，變量的二進制位數(shù)為22，求得結(jié)果h=[0.7867,2.5221,2.6514,2.3880,0.7518]T，關(guān)節(jié)的預設點為逆運動學解出的各關(guān)節(jié)必須經(jīng)過的點，在表2給出，各個關(guān)節(jié)的運動學限制在表3中給出。關(guān)節(jié)軌跡圖見圖4。

表2 各個關(guān)節(jié)輸入軌跡

表3 各個關(guān)節(jié)運動學限制

優(yōu)化目標函數(shù)值如式(8)所示，當?shù)贸龅能壽E不能滿足約束條件時，目標函數(shù)值記為5×106，即最大值；滿足約束條件，目標函數(shù)值為公式(8)計算得出的值。遺傳算法迭代得出的每一代最小目標函數(shù)值在表4中列出，目標函數(shù)值由5×106降低到3.7968×104，使得整個軌跡的目標函數(shù)值大大降低，達到了預期的仿真效果。

圖4 各個關(guān)節(jié)軌跡

代數(shù)值代數(shù)值150000001638278.48242270.981738273.52342270.981838016.6442270.981937979.22542270.982037979.22642270.982137976.66741217.012237975.85841217.012337975.85939437.482437975.851039437.482537975.851138597.372637975.721238330.172737975.631338330.172837975.381438330.172937975.311538292.733037975.22

4 結(jié)束語

碼垛機器人在工作時，合理的運行軌跡至關(guān)重要，既要保證目標的完成，運行時間最短，又要保證各關(guān)節(jié)速度，加速度和沖擊等指標不超限，防止出現(xiàn)抖動現(xiàn)象。本文針對某碼垛機器人單元，最短運行時間，提出了一種基于三次樣條插值的軌跡優(yōu)化方法，從理論上搭建了規(guī)劃問題的數(shù)學模型，應用遺傳算法，在滿足角度、角速度、角加速度和沖擊的約束下，應用MATLAB通過迭代運算求解，求得了機器人的運動軌跡方案。結(jié)果表明，機器人的軌跡經(jīng)優(yōu)化后，在保證搬運效率的同時，能保證機器人運行平穩(wěn)可靠，避免了振動現(xiàn)象的產(chǎn)生，同時提高了機器人系統(tǒng)的穩(wěn)定性。

[1] 田西勇. 機器人軌跡規(guī)劃方法研究[D]. 北京:北京郵電大學, 2008.

[2] 朱世強, 劉松國, 王宣銀, 等. 機械手時間最優(yōu)脈動連續(xù)軌跡規(guī)劃算法[J]. 機械工程學報, 2010,46(3):47-52.

[3] 孫亮, 馬江, 阮曉鋼. 六自由度機械臂軌跡規(guī)劃與仿真研究[J]. 控制工程, 2010,17(3):388-392.

[4] 王學林, 邢仁鵬, 肖永飛, 等. 機械臂途經(jīng)N路徑點的連續(xù)軌跡插補算法研究[J]. 組合機床與自動化加工技術(shù), 2014(11):92-96.

[5] 居鶴華, 付榮. 基于GA的時間最優(yōu)機械臂軌跡規(guī)劃算法[J]. 控制工程, 2012,19(3):472-477.

[6] Hsien-I L. A fast and unified method to find a minimum-jerk robot joint trajectory using particle swarm optimization[J]. Journal of Intelligent & Robotic Systems, 2014,75(3-4):379-392.

[7] Tongying G, Feng L, Kuan H, et al. Application of Optimal Algorithm on Trajectory Planning of Mechanical Arm Based on B-Spline Curve[J]. Applied Mechanics and Materials, 2013,376:253-256.

[8] Gasparetto A, Zanotto V. A technique for time-jerk optimal planning of robot trajectories[J]. Robotics and Computer-Integrated Manufacturing, 2008,24(3):415-426.

[9] 王魯平, 朱華炳, 秦磊. 基于MATLAB的工業(yè)機器人碼垛單元軌跡規(guī)劃[J]. 組合機床與自動化加工技術(shù), 2014(11):128-132.

[10] 苗建偉, 楊鐵寶, 曾林森. 一種六自由度機械手的智能軌跡規(guī)劃[J]. 組合機床與自動化加工技術(shù), 2014(9):73-76.

[11] 樂英, 岳艷波. 六自由度機器人運動學仿真及軌跡規(guī)劃[J]. 組合機床與自動化加工技術(shù), 2016(4):89-92.

[12] 馬永杰, 云文霞. 遺傳算法研究進展[J]. 計算機應用研究, 2012,29(4):1201-1206.

(編輯 李秀敏)

Joint-space Trajectory Planning for Palletizer Robot Based on the Genetic Algorithm

DONG Hang1, DU Guang-sheng1, LIU Dong1, CONG Ming1,2

(1.School of Mechanical Engineering, Dalian University of Technology, Dalian Liaoning 116024, China;2.An Shan Institute of Dalian University of Technology,Anshan Liaoning 114051,China)

To resolve the problem of terminal′s shaking when the palletizer robot works at high speed, this paper put forward a mathematic method of trajectory planning for robot. Firstly, we analyze how trajectory effects the terminal′s shaking problem. Then, a mathematic model of robot′s join-space trajectory is established by optimization methods, and defines the optimizing target of the robot model. After that, we solve the optimizing problem with genetic algorithm (GA), and use the Matlab to calculate and test the result, based on the result, the approximate global optimal trajectories of all joints is obtained. Our result can be used to figure out the upper control algorithm of the palletizer robot and ensures the smoothness.

palletizer robot; genetic algorithm; trajectory planning

1001-2265(2017)05-0029-03

10.13462/j.cnki.mmtamt.2017.05.008

2016-08-30；

2016-10-13

大連市科技計劃項目(2014A11GX028)

董航(1989—)，男，蒙古族，遼寧大連人，大連理工大學博士研究生，研究方向為工業(yè)機器人， (E-mail)donghang1989@mail.dlut.edu.cn。

TH166;TG659

A