一种六自由度机器人工位布局与运动时间协同优化方法
【技术领域】
[0001] 本发明涉及机器人技术与生产线规划领域，尤其是涉及一种六自由度机器人工位 布局与运动时间协同优化方法。
【背景技术】
[0002] 在生产线规划完毕后，需要对工位进行设计。机器人工位设计作为工位设计之中 一类难度较高的设计，其除了要考虑到设备布局之外还要考虑到机器人轨迹规划。传统的 机器人工位设计步骤是:一、工位工艺确定与设备选定。二、设备及机器人布局三、机器人轨 迹规划。在企业中一般的机器人工位均可以采用上述方法进行机器人工位的设计，而且在 轨迹规划过程中仅靠现场示教编程就可以完成。但是，随着机器人工位的复杂化以及设备 布局与机器人轨迹之间的相互影响，高效的机器人工位设计越来越困难。所以，有必要将机 器人动作复杂，可能成为生产线中瓶颈的机器人工位做进一步优化。传统的串行设计方法 将设备布局与机器人运动规划独立考虑，实际现实中设备的布局与机器人的运动轨迹息息 相关，其影响着机器人的运动总时间。故本发明主要解决的问题就是如何通过同时优化设 备布局与机器人运动轨迹来尽量达到工位所花时间最少。
[0003] 涂胶机器人工位属于机器人工位中的一种，随着涂胶规划的复杂，或者有些企业 为了节约成本以及提高设备利用率将一台涂胶机器人共用于两个工位，这就会存在工位操 作总时间进一步优化的需要。
[0004] 中国专利CN204338390U公开了一种涂胶机器人工作站，主要讲述涂胶机器人工作 站的一类形式，具有结构简单，效率高，能完成曲面涂胶的优点。中国专利CN102513268A公 开了一种涂胶机器人及其涂胶方法，描述一类新的涂胶机器人构成，能够识别车型，进行自 动涂胶。中国专利CN203816833U公开了一种涂胶机器人，提出一种新颖的涂胶机器人结构， 能很好地保证出料的清洁度从而不会因为出料口的余胶而导致余胶胶型不合格影响装配 质量。中国专利CN201380143公开了小型智能涂胶机器人装置，介绍一种自动涂胶装置，利 用图像处理技术，得到各关节的运动轨迹，从而实现了自动涂胶。以上专利采用六自由度机 器人手臂实现涂胶，但未考虑工位布局与涂胶机器人运动轨迹的协同优化。
[0005] 中国专利CN101387888B公开了一种基于工进制量子粒子群算法的移动机器人路 径规划方法，特征是包含如下步骤:步骤一:把机器人简化成一个点，并在二维空间内运动， 通过视觉系统能感知自己目前的位姿和障碍物的位置:步骤二:将机器人视觉系统感知到 的所有障碍物处理成凸多边形:步骤三:将三维空间离散化为一系列的栅格，并对移动机器 人在每一个栅格处的八个可能运动方向进行二进制编码:步骤四：定义从起点到目标点的 路径的长短为该方法需要求解的目标函数:步骤五:针对机器人路径规划问题的离散特征， 利用工进制量子粒子群算法对步骤四中的目标函数进行全军局优化以得到最优的移动机 器人路径。该专利采用工进制量子粒子群算法对移动机器人的路径进行规划，不涉及机械 臂轨迹与工位布局的内容。
[0006] 中国专利CN102662399A公开了一种面向多目标的水果采摘机器人的路径优化方 法，包括以下步骤：（1)采用三点三步法对六自由度水果采摘机器人末端执行器的坐标系进 行标定；（2)通过六自由度水果采摘机器人的机械手末端执行器摄像头动态采集整个果树 树冠的图像，并得到多个水果中心位置的三维坐标；（3)将所述水果中心位置的三维坐标视 为树冠图像的顶点，并构造出一个无方向的连接图，采用哈密尔顿图形法实现六自由度水 果采摘机器人路径的优化；（4)快速搜索出哈密尔顿图中的一个关于所有所述顶点的排列。 该专利优化六自由度水果采摘机器人路径，使六自由度水果采摘机器人在最短的时间内， 采摘到最多的水果，但水果位置是不确定的，与工作站的工位可调整设计的情况不同，因此 该专利方法并不适用于工位布局优化。
【发明内容】
[0007] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种六自由度机器 人工位布局与运动时间协同优化方法，实现六自由度机器人工位的优化，大大提高了机器 人工作效率。
[0008] 本发明的目的可以通过以下技术方案来实现：
[0009] -种六自由度机器人工位布局与运动时间协同优化方法，用于控制六自由度机器 人的末端执行器从起点设备运动到目标设备，包括以下步骤：
[0010] S1:建立以六自由度机器人为原点的空间直角坐标系，同时对六自由度机器人进 行运动学建模，得到机器人运动学方程；
[0011] S2:根据六自由度机器人、起点设备和目标设备的物理场景建立工位布局与运动 时间的协同优化数学模型，所述协同优化数学模型包括目标函数和约束条件，所述目标函 数Z满足Z=mintz，tz表示六自由度机器人的末端执行器从起点设备运动到目标设备所用时 间，所述时间t z通过基于运动时间最短的轨迹规划和机器人运动学方程由起点设备和目标 设备的坐标获得，所述约束条件由物理场景决定；
[0012] S3:在空间直角坐标系内，以时间tz为PS0(Particle Swarm Optimization，粒子 群优化)算法的适应度，以起点设备和目标设备的工位布局为PS0算法的粒子，基于PS0算法 得到协同优化数学模型的最优解以及最优解对应的工位布局。
[0013] 所述步骤S1中采用D-Η参数法对六自由度机器人进行运动学建模。
[0014] 所述约束条件包括设备不重叠约束、可达性约束和工位约束；
[0015] 所述设备不重叠约束规定起点设备与目标设备不重叠，且起点设备与目标设备之 间保持设定的最小间距；
[0016] 所述可达性约束保证六自由度机器人能到达起点设备、目标设备以及从起点设备 到目标设备的整个轨迹；
[0017] 所述工位约束规定工位布局满足预设的工位设计规则。
[0018] 满足设备不重叠约束的公式如下：
[0019] Aij · Bij = 0
[0020]
[0021]
[0022]式中，下标i表示起点设备，下标j表示目标设备，dx, ^表示起点设备与目标设备在 X轴方向上的最小间距，dy^表示起点设备与目标设备在Y轴方向上的最小间距，^表示起点 设备在X轴方向上的长度，wi表示起点设备在Y轴方向上的长度，lj表示目标设备在X轴方向 上的长度，表示目标设备在Y轴方向上的长度， Xl表示起点设备的中心在空间直角坐标系 中的X轴坐标，71表示起点设备的中心在空间直角坐标系中的γ轴坐标， x谦示目标设备的中 心在空间直角坐标系中的X轴坐标，yj表示目标设备的中心在空间直角坐标系中的Y轴坐 标。
[0023]所述步骤S3具体为：
[0024] 31:随机生成N个粒子，并初始化个体极值pbestn、全局极值gbest和最大迭代次 数，生成的粒子满足以下公式：
[0025]
[0026]
[0027] 式中，下标η表示第η个粒子，下标i表示起点设备，下标j表示目标设备，if表示第k 次迭代中第η个粒子表示第k次迭代中第n个粒子对应起点设备的X轴坐标，表示第 k 次迭代中第η个粒子对应起点设备的Y轴坐标，*1.表示第k次迭代中第η个粒子对应目标设 备的X轴坐标，表示第k次迭代中第η个粒子对应目标设备的Υ轴坐标，??表示第k次迭代 中第η个粒子的速度， v表示第k次迭代中第η个粒子对应起点设备在X轴方向上的移动速 度，表示第k次迭代中第η个粒子对应起点设备在Υ轴方向上的移动速度，表示第k 次迭代中第η个粒子对应目标设备在X轴方向上的移动速度，表示第k次迭代中第η个粒 子对应目标设备在Υ轴方向上的移动速度；
[0028] 32:每个粒子以各自对应的六自由度机器人的末端执行器从起点设备运动到目标 设备所用时间t z为自身的适应度，通过迭代，每个粒子跟踪个体极值pbesU和全局极值 gbest来更新自身；
[0029] 33:输出全局极值gbest对应的粒子为最优工位布局，最优工位布局下的时间tz为 最短运动时间。
[0030] 所述步骤32具体为：
[0031] 321:在第k次迭代中，验证第η个粒子是否满足约束条件，若是，执行步骤322,若 否，执行步骤323;
[0032] 322:获取每个粒子对应六自由度机器人的末端执行器从起点设备运动到目标设 备所用时间tz，令tz, n = Sn，tz, η表示第η个粒子对应的时间tz，Sn表示第η个粒子的适应度，执 行步骤324，
[0033] 323:直接赋值第η个粒子有极大的适应度，8卩Sn= %，执行步骤324;
[0034] 324:判断Sn是否小于pbestn和gbest的数值，若是，则更新pbestn和gbest的数值， 执行步骤325，若否，直接执行步骤325;
[0035] 325:根据pbestn和gbest的数值更新第η个粒子的位置与速度；
[0036] 326:判断迭代次数k是否达到最大迭代数，若是，结束迭代，若否，跳转步骤321。
[0037] 所述步骤325中第η个粒子的位置与速度的更新满足以下公式：
[0038]
[0039]
[0040]
[0041]
[0042]
[0043]
[0044]
[0045]
[0046] A Τ，W731员?王仪里，ci、C273宇 >」囚卞，ri、背丁 UJ、1)，|日」的腿机数。
[0047] 基于运动时间最短的轨迹规划和机器人运动学方程由起点设备和目标设备的坐 标获得时间tz的方法包括以下步骤：
[0048] 1)以正弦函数拟合六自由度机器人的三角波运动控制模型和梯形波运动控制模 型，获取三角波运动控制模型和梯形波运动控制模型相互转换的临界关节运动角度9g〇,满 足以下公式：
[0049]
[0050]式中，ag,max表示第g个关节的最大加速度，c〇g, max表示第g个