掌桥专利:专业的专利平台
掌桥专利
首页

一种多目标优化的三自由度喷涂机器人轨迹规划方法

文献发布时间:2023-06-19 13:46:35


一种多目标优化的三自由度喷涂机器人轨迹规划方法

技术领域

本发明涉及喷涂机器人技术领域,更具体为一种多目标优化的三自由度喷涂机器人轨迹规划方法。

背景技术

喷涂机器人又叫喷漆机器人(spray painting robot),是可进行自动喷漆或喷涂其他涂料的工业机器人,1969年由挪威Trallfa公司(后并入ABB集团)发明。喷漆机器人主要由机器人本体、计算机和相应的控制系统组成,液压驱动的喷漆机器人还包括液压油源,如油泵、油箱和电机等。多采用5或6自由度关节式结构,手臂有较大的运动空间,并可做复杂的轨迹运动,其腕部一般有2~3个自由度,可灵活运动。较先进的喷漆机器人腕部采用柔性手腕,既可向各个方向弯曲,又可转动,其动作类似人的手腕,能方便地通过较小的孔伸入工件内部,喷涂其内表面。喷漆机器人一般采用液压驱动,具有动作速度快、防爆性能好等特点,可通过手把手示教或点位示数来实现示教。喷漆机器人广泛用于汽车、仪表、电器、搪瓷等工艺生产部门。

针对汽车配件、家具等含有复杂曲面的喷涂物件在喷涂过程中会产生喷涂不均匀、喷涂材料浪费等问题。因此,需要提供一种新的技术方案给予解决。

发明内容

本发明的目的在于提供一种多目标优化的三自由度喷涂机器人轨迹规划方法,解决了针对汽车配件、家具等含有复杂曲面的喷涂物件在喷涂过程中会产生喷涂不均匀、喷涂材料浪费的问题。

为实现上述目的,本发明提供如下技术方案:一种多目标优化的三自由度喷涂机器人轨迹规划方法,包括:支撑架,所述支撑架的上部设置有第一滑轨且第一滑轨的侧面设置有第一动力机构,所述第一动力机构的侧面设置有联动箱且联动箱设置有两组,两组所述联动箱之间设置有联动杆且联动箱的侧面设置有丝杆结构,所述丝杆结构延伸至第一滑轨内部且丝杆的表面设置有第一滑动块,所述第一滑动块的上部设置有第二滑轨且第二滑轨的侧面设置有第二动力机构,所述第二动力结构的动力输出端同样设置有丝杆结构且丝杆结构延伸至第二滑轨内部,所述第二滑轨内部的丝杆表面设置有第二滑动块且第二滑动块的侧面设置有第三动力机构,所述第三动力机构的侧面设置有第三滑轨且第三滑轨的内部也设置有丝杆结构。

作为本发明的一种优选实施方式,所述多目标轨迹规划方法包括运动学建模、运动学分析、轨迹目标函数和约束条件。

作为本发明的一种优选实施方式,所述多目标轨迹规划方法通过用混合插值算法进行轨迹参数化、利用关节空间的多目标轨迹进行优化建模、用精英非支配排序遗传算法计算数学模型、目标函数的优化参数和pareto最优前沿、定义权重值的方法、机构末端执行器的最优轨迹。

作为本发明的一种优选实施方式,所述关节空间的多目标轨迹进行优化建模采用5次均匀B样条曲线构造速度和加速度都连续的空间机械臂关节轨迹。然后分别以机械臂运动的时间消耗、能量消耗和轨迹冲击性作为3个相互独立的优化目标,以机械臂的关节位移、速度、加速度和关节力矩的限制作为约束条件,建立空间机械臂多目标综合轨迹规划问题的数学模型。最后使用带精英策略的非支配排序遗传算法进行模型求解。

作为本发明的一种优选实施方式,所述带精英策略的非支配排序遗传算法流程包括确定待优化参数、编码,建立规模为N的初始种群,计算种群中每个个体的目标函数值,进行快速非支配排序分层和拥挤度距离计算,在进行遗传操作,遗传操作包括选择、交叉和变异,产生规模为N的新种群,确认是否满足终止条件,如果是的话则保存优化个体,如果不是的话则进行精英策略。

作为本发明的一种优选实施方式,所述精英策略包括合并父代子代种群,产生规模为2N的新种群,计算新种群中每个个体的目标函数,进行快速非支配排序分层和拥挤度距离计算,选择其中排名靠前的N个个体组成新种群,并重新进行计算。

作为本发明的一种优选实施方式,所述pareto最优前沿是对于组成pareto最优解集的所有pareto最优解,其对应的目标空间中的目标函数向量所构成的曲面称作pareto最优前沿。

与现有技术相比,本发明的有益效果如下:

本发明采用“七阶多项式+五次均匀B样条曲线+七阶多项式”的混合插值算法对关节空间机械臂进行轨迹规划,针对喷涂轨迹工作效率、轨迹平滑度、能量消耗三方面的优化目标,将快速非支配排序遗传算法与混合插值算法结合,利用快速非支配排序遗传算法简单易算,参数可调等特点,实现时间最优、能耗最低、冲击最小的多目标轨迹优化。

附图说明

图1为本发明整体结构示意图;

图2为本发明多目标轨迹优化方法的框架示意图;

图3为本发明精英非支配排序遗传算法流程示意图。

图中:1、支撑架;2、第一滑轨;3、第一动力机构;4、联动杆;5、联动箱;6、滑动块;7、第二滑轨;8、第二动力机构;9、第二滑动块;10、第三动力机构;11、第三滑轨。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

请参阅图1-图3,本发明提供一种技术方案:一种多目标优化的三自由度喷涂机器人轨迹规划方法,包括:支撑架1,所述支撑架1的上部设置有第一滑轨2且第一滑轨2的侧面设置有第一动力机构3,所述第一动力机构3的侧面设置有联动箱5且联动箱5设置有两组,两组所述联动箱5之间设置有联动杆4且联动箱5的侧面设置有丝杆结构,所述丝杆结构延伸至第一滑轨2内部且丝杆的表面设置有第一滑动块6,所述第一滑动块6的上部设置有第二滑轨7且第二滑轨7的侧面设置有第二动力机构8,所述第二动力结构的动力输出端同样设置有丝杆结构且丝杆结构延伸至第二滑轨7内部,所述第二滑轨7内部的丝杆表面设置有第二滑动块9且第二滑动块9的侧面设置有第三动力机构10,所述第三动力机构10的侧面设置有第三滑轨11且第三滑轨11的内部也设置有丝杆结构,本发明设计了一款三自由度笛卡尔机器人来代替现在较为普遍的升降机喷涂机器。可以有效的保证涂层厚度的均匀性,在保证最小涂层厚度的情况下,均匀的涂层厚度可以减少每个工件表面的涂料量,有效地减少涂料浪费,降低喷涂成本,采用“七阶多项式+五次均匀B样条曲线+七阶多项式”的混合插值算法对关节空间机械臂进行轨迹规划,针对喷涂轨迹工作效率、轨迹平滑度、能量消耗三方面的优化目标,将快速非支配排序遗传算法与混合插值算法结合,利用快速非支配排序遗传算法简单易算,参数可调等特点,实现时间最优、能耗最低、冲击最小的多目标轨迹优化。

进一步改进的,如图所示:所述多目标轨迹规划方法包括运动学建模、运动学分析、轨迹目标函数和约束条件。

进一步改进的,如图2所示:,所述多目标轨迹规划方法通过用混合插值算法进行轨迹参数化、利用关节空间的多目标轨迹进行优化建模、用精英非支配排序遗传算法计算数学模型、目标函数的优化参数和pareto最优前沿、定义权重值的方法、机构末端执行器的最优轨迹。

进一步改进的,所述关节空间的多目标轨迹进行优化建模采用5次均匀B样条曲线构造速度和加速度都连续的空间机械臂关节轨迹。然后分别以机械臂运动的时间消耗、能量消耗和轨迹冲击性作为3个相互独立的优化目标,以机械臂的关节位移、速度、加速度和关节力矩的限制作为约束条件,建立空间机械臂多目标综合轨迹规划问题的数学模型。最后使用带精英策略的非支配排序遗传算法进行模型求解。

进一步改进的,如图3所示:所述带精英策略的非支配排序遗传算法流程包括确定待优化参数、编码,建立规模为N的初始种群,计算种群中每个个体的目标函数值,进行快速非支配排序分层和拥挤度距离计算,在进行遗传操作,遗传操作包括选择、交叉和变异,产生规模为N的新种群,确认是否满足终止条件,如果是的话则保存优化个体,如果不是的话则进行精英策略。

进一步改进的,如图3所示:所述精英策略包括合并父代子代种群,产生规模为2N的新种群,计算新种群中每个个体的目标函数,进行快速非支配排序分层和拥挤度距离计算,选择其中排名靠前的N个个体组成新种群,并重新进行计算。

进一步改进的,所述pareto最优前沿是对于组成pareto最优解集的所有pareto最优解,其对应的目标空间中的目标函数向量所构成的曲面称作pareto最优前沿。

本发明采用“七阶多项式+五次均匀B样条曲线+七阶多项式”的混合插值算法对关节空间机械臂进行轨迹规划,针对喷涂轨迹工作效率、轨迹平滑度、能量消耗三方面的优化目标,将快速非支配排序遗传算法与混合插值算法结合,利用快速非支配排序遗传算法简单易算,参数可调等特点,实现时间最优、能耗最低、冲击最小的多目标轨迹优化。

最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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。

技术分类

06120113801055