一种基于数字孪生的最优轨迹生成方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113687659A(43)申请公布日2021.11.23(21)申请号202111245408.1(22)申请日2021.10.26(71)申请人武汉鼎元同立科技有限公司地址430000湖北省武汉市东湖新技术开发区高新大道788号中建科技产业园G1南6楼(72)发明人周冲史世杰张良(74)专利代理机构武汉知产时代知识产权代理有限公司42238代理人张毅(51)Int.Cl.G05D1/02(2020.01)权利要求书1页说明书7页附图3页(54)发明名称一种基于数字孪生的最优轨迹生成方法及系统(57)摘要本发明公开了一种基于数字孪生的最优轨迹生成方法及系统，系统包括：数据传输接口、数据交互接口、轨迹规划模块和数字映射模块；所述轨迹规划模块包括：规划器组件和机器人物理模型组件；所述数字映射模块包括：环境模型和代理模型；轨迹规划模块的主要功能是根据规划任务生成对应的最优控制问题，并通过数值算法求解该问题；数字映射模块的主要功能之一是快速生成无碰撞且满足机器人动力学约束的控制量轨迹和状态量轨迹；功能之二是快速实现目标轨迹的偏差评估与碰撞检测。有益效果是：能够在提高工作精度、效率的同时兼顾能耗；能够应用于运动速度更高、控制精度要求更严苛的工作场景；能够应付控制实时性要求较高的工况，且具有持续优化性。CN113687659ACN113687659A权利要求书1/1页1.一种基于数字孪生的最优轨迹生成系统，其特征在于：包括：数据传输接口、数据交互接口、轨迹规划模块和数字映射模块；所述轨迹规划模块包括：规划器组件和机器人物理模型组件；所述数字映射模块包括：环境模型和代理模型；所述规划器组件将轨迹规划任务转换为最优控制问题，并集成最优控制器求解该最优控制问题；所述机器人物理模型组件具体指通过物理建模手段获得的机器人动力学方程，且该动力学方程兼容所述最优控制器；所述环境模型具体指机器人真实工作环境的数字化映射；所述代理模型，由深度神经网络表示，且所述深度神经网络通过强化学习算法离线训练，将机器人状态映射为动作。2.一种基于数字孪生的最优轨迹生成方法，应用于如权利要求1所述的一种基于数字孪生的最优轨迹生成系统，其特征在于：所述一种基于数字孪生的最优轨迹生成方法采用敏捷轨迹优化，其实现原理具体为：S101：外围设备通过所述数据交互接口向所述轨迹规划模块下发轨迹规划任务；S102：轨迹规划模块根据所述轨迹规划任务生成最优控制问题，并进一步将所述轨迹规划任务下发至所述数字映射模块；S103：在指定规划周期T内，所述数字映射模块根据所述轨迹规划任务生成机器人第一控制量轨迹和第一状态量轨迹；所述第一控制量轨迹和所述第一状态量轨迹构成初始无碰撞轨迹；S104：所述轨迹规划模块基于所述初始无碰撞轨迹设置所述最优控制问题中机器人控制变量和状态变量的初始值，并求解所述最优控制问题，生成第二控制量轨迹和第二状态量轨迹；S105：所述轨迹规划模块将第二控制量轨迹和第二状态量轨迹下发至所述数字映射模块；S106：所述数字映射模块对第二控制量轨迹和第二状态量轨迹进行误差评估以及碰撞检测；若第二控制量轨迹和第二状态量轨迹同时通过误差评估及碰撞检测，则将第二控制量轨迹和第二状态量轨迹作为第一可接收轨迹；S107：若规划周期T未结束，则将第一可接收轨迹作为最优控制问题中机器人控制变量和状态变量新的初始值，重新配置新的最优控制问题，重复步骤S104~S106，生成第二、第三、...、第N可接收轨迹，直至规划周期T结束，或外界请求到达时，最后的一条可接收轨迹，即为最终机器人规划轨迹；S108：所述轨迹规划模块将所述最终机器人规划轨迹通过所述数据传输接口下发至机器人本体，机器人本体根据所述最终机器人规划轨迹执行动作。2CN113687659A说明书1/7页一种基于数字孪生的最优轨迹生成方法及系统技术领域[0001]本发明涉及最优控制与数字孪生领域，尤其涉及一种基于数字孪生的最优轨迹生成方法及系统。背景技术[0002]运动规划可以分为路径规划和轨迹规划，其中路径规划是指计算出从初始状态运动到目标状态的整个无碰撞的状态转移过程；而轨迹规划则是在路径规划的基础上为每个中间状态添加了到达时间信息，即计算出所有状态变化的时间历程。路径规划的结果需要由控制器的路径跟踪方法实现，而轨迹规划通常可以直接或间接计算出控制律。[0003]目前比较热门的路径规划方法包括以A*、D*及其变种为代表的启发式搜索算法，该算法是基于网格的搜索方法，适用于低维度场景如二维无人车规划任务；以及以随机路线图（PRM）、快速拓展随机树算法(RRT)及其变种为代表的随机采样法，该算法是基于采样的方法，适用于高维场景的规划任务如多自由度工业机器人