基于筛选最优目标构型的冗余机械臂路径规划方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115122317A(43)申请公布日2022.09.30(21)申请号202210202596.8(22)申请日2022.03.02(71)申请人山东大学地址250061山东省济南市历下区经十路17923号(72)发明人周乐来肖飞李贻斌宋锐田新诚(74)专利代理机构济南圣达知识产权代理有限公司37221专利代理师杨琪(51)Int.Cl.B25J9/16(2006.01)权利要求书2页说明书7页附图1页(54)发明名称基于筛选最优目标构型的冗余机械臂路径规划方法及系统(57)摘要本发明提供了一种基于筛选最优目标构型的冗余机械臂路径规划方法及系统，根据最短距离生长不同特征的采样点；随机扩展树向采样点方向生长出新生长点；新生长点向目标构型集合继续生长，更新当前最优路径和最短路径距离；筛选目标构型集合，剔除不满足预设条件的目标构型，以及添加满足预设条件的目标构型；通过在机械臂启发式关节子空间进行采样和路径持续优化，避免了对整个关节空间的盲目探索，提高了算法收敛速度；在优化路径的同时，不断筛选更优的目标构型，实现了目标状态自主在线选择，实现了规划路径的全局最优解。CN115122317ACN115122317A权利要求书1/2页1.基于筛选最优目标构型的冗余机械臂路径规划方法，其特征在于，包括：获取多自由度机械臂关节值和末端执行器目标位姿；以所述多自由度机械臂关节值为根节点，建立随机扩展树，并初始化所述随机扩展树中的最优路径和最短路径距离；根据末端执行器目标位姿建立目标构型集合；根据最短距离生长不同特征的采样点；随机扩展树向采样点方向生长出新生长点；新生长点向目标构型集合继续生长，更新当前最优路径和最短路径距离；筛选目标构型集合，剔除不满足预设条件的目标构型，以及添加满足预设条件的目标构型；循环生长不同特征的采样点到筛选目标构型集合过程；到达预设条件停止循环，得到全局最优路径。2.如权利要求1所示的基于筛选最优目标构型的冗余机械臂路径规划方法，其特征在于，根据末端执行器目标位姿建立的目标构型集合为候选最优目标构型集合，候选最优目标构型集合中元素形式为(x，flag)，x是机械臂末端执行器目标位姿的随机逆运动学解，flag逻辑位表示x目标构型是否已添加入随机扩展树的节点集合中。3.如权利要求1所示的基于筛选最优目标构型的冗余机械臂路径规划方法，其特征在于，根据最短距离生长不同特征的采样点过程为：当最短路径距离为无穷大时，通过配置空间均匀采样配合目标构型直接采样的方式获取采样点，具体为：生成随机数，当随机数小于设定阈值时，在机械臂关节空间内均匀采样获采样点，当随机数不小于设定阈值时，随机选择目标构型集合中某一目标构型直接作为采样点；当最短路径距离小于无穷大时，在叠加超椭球采样子空间中进行采样，具体为：以均匀概率方式在目标构型集合中随机选择某一元素(x_goal，flag)，再以多自由度机械臂关节值x_begin和x_goal为焦点，以最短路径距离为长轴长度的单一超椭球采样子空间按均匀分布采样；采样点为：x_sample＝CLxunit+xcenter，其中，C表示从超椭球坐标系到世界坐标系的旋转变换矩阵，L表示从单位超球体到超椭球的伸缩变换，xunit表示在一个多维单位超球体内均匀采样，xcenter表示平移变换。4.如权利要求1所示的基于筛选最优目标构型的冗余机械臂路径规划方法，其特征在于，随机扩展树向采样点方向生长出新生长点，并通过选择最优父节点和重连接方式优化新生长点领域内的节点。5.如权利要求1所示的基于筛选最优目标构型的冗余机械臂路径规划方法，其特征在于，新生长点向目标构型集合继续生长的方式为：遍历目标构型集合所有元素，如果元素(x，flag)满足flag为false、||x_new‑x||≤step以及x_new到x直接局部路径无碰撞，则将新节点x加入节点集合中，将边(x_new，x)加入节点之间的连接关系集合中；其中，step表示节点最大生长步长的常数，x_new表示新生长点设置为，false表示可行路径；更新当前最优路径和最短路径距离的方式为：遍历目标构型集合，如果元素(x，flag)中flag为true，由x在随机扩展树边集中通过回溯方式得到temp_path，由计算temp_path的路径长度temp_cbest，d2CN115122317A权利要求书2/2页表示temp_path序列的元素数量，比较出所有满足flag为true的元素对应的路径长度的最小值，并赋值给最短路径距离，并把该元素得到的路径赋值给最优路径。6.如权利要求5所示的基于筛选最优目标构型的冗余机械臂路径规划方法，其特征在于，筛选目标构型集合包括：当最短路径比上次循环时的值更小时，遍历目