基于机器学习的工业机器人混合路径规划方法

李俊佳

哈尔滨信息工程学院  黑龙江省哈尔滨市  150431

摘要：随着时代科技的飞速进步，人类的生产方式已经发生了根本性的转变，机械逐渐取代了人力，越来越多的机械设备被广泛应用于工业制造领域。随着工业机器人的问世，工业机械制造迈入了全新的境界，其广泛应用极大地提升了生产效率，同时也推动了工业生产向自动化方向迈进，因此，在工业制造业快速发展的今天，加强对工业机器人的安装和调试显得尤为重要。

关键词：工业机器人；路径规划；学习

引言

随着应用领域的不断拓展和任务的日益复杂化，若仅依赖于单一机器人完成某些任务，其效率将大幅降低，甚至可能面临无法胜任的风险。如果采用多台机器人协同工作的话，则可以极大地提高工作效率。因此，越来越多的人开始考虑采用多个机器人协同合作，以应对单个机器人难以胜任的任务。由于具有相同结构、功能及行为特征的多机器人系统能够更好地协作，所以被认为是提高工作效率的有效途径之一。对于多机器人系统（MRS）而言，路径规划问题是其最基本的挑战之一，与单一机器人系统同样如此。如果能够解决好这个问题，就可以使整个多机器人系统都具有较高的工作效率。然而，多机器人系统与单机器人系统不同，在共享的工作空间中，不仅存在静态障碍物，还存在其他运动机器人，这些机器人在系统中发挥着重要作用。

1.机器人路径规划方法

1.1单机器人路径规划方法

在家庭服务、农业助力、工业环境、军事救助等多个领域，单一机器人系统都得到了广泛的运用。随着科学技术的发展，许多应用领域对单机器人系统提出了新要求。在这些应用中，规划出一条路径，以确保机器人能够安全、无障碍地到达目标状态，是完成任务的首要前提条件之一。针对这一问题，提出一种基于机器视觉与深度学习技术的单目视觉多机器人路径规划算法。单一机器人系统的路径规划是指，在其工作环境中寻找一条路径，该路径能够避开所有障碍物，从而实现从起始状态到目标状态的转换。为了提高计算效率，通常采用基于图论知识的表示方法对环境地图进行描述。当前的表达方式可归纳为三种主要类型：基于栅格的表达、几何信息的表达以及基于拓扑图的呈现。其中，几何图形表示方法具有直观形象、易于实现等优点。采用栅格表示法，将工作环境按照相同的尺寸分割成多个小方格，每个方格均需详细说明是否存在障碍物。

1.2实现多机器人路径规划的技术手段

随着机器人技术的不断进步和生产实践的不断拓展，多机器人系统的研究已成为当前备受关注的研究领域，然而，多机器人系统的引入也将进一步增加系统的复杂性。由于不同的环境和任务需要选择合适的工作方式，因此对多机器人路径规划提出了更高的要求。对于不同类型的多机器人来说，其自身具有一定程度的相似性和互补性。由于多个机器人在同一工作空间内同时作业，导致资源竞争不可避免，因此协调多个机器人之间的关系成为了一个至关重要的挑战。对于多机器人系统的路径规划而言，单一机器人路径规划路线的简单叠加是不够的，必须将其视为一个不可分割的整体来考虑。

2工业机器人的特性

2.1具备高度的可塑性

工业机器人的基础技术指标之一是其灵活度，它直接反映了机器人动作的连贯性和灵活性，可以通过测量直线运动、摆动或转动的轴线数量来描述。通过分析和比较不同类型的机械手臂之间的差异及各自特点，提出一种基于机器视觉的多轴驱动式工业机器人的结构模型及其运动学建模方法。DOF缩略语所描述的是机械臂能够自主运动的关节数量，也就是其自由度。它与机器人其他性能指标有着密切的关系，如速度特性、精度等指标均由该参数决定。目前，工业机器人所采用的控制方式是将每个关节视为独立的伺服装置，每个主轴都配置有一台服务器，这些服务器通过母线进行控制，并在控制器的协同作用下进行协同工作。

2.2高效的生产是我们所追求的

作为一种高科技的机械装置，工业机器人具备取代传统手工制造的能力，并且作为智能制造中使用的机器人，其速度、精度和稳定性是其独特的特征。目前，工业机器人已经广泛应用于各个行业之中，并且随着自动化程度的不断提升，工业生产对工业机器人提出了更高的要求。对于工业机器人而言，高效率的生产也意味着其精度较高。通常情况下，工业机器人需要进行10-20次的重复操作，这表明其主要特点是高生产率，而误差的平均值则是重复定位精度。

2.3工业机器人的优越性

工业制造机器人作为一种多关节机械或自由度较高的机器装置，具有卓越的编程性能、高度自动化水平以及出色的柔性表现。随着工业技术与人工智能等相关科学技术的不断发展进步，工业制造机器人将成为未来制造业发展的趋势。在我国的工业发展进程中，工业制造机器人的广泛应用将对产业转型带来深远的影响。在制造业高速发展背景下，工业制造机器人得到了快速普及与推广。在智能制造和智能化数字化转型的浪潮中，这类机器人的卓越性能也得到了充分的彰显。目前，工业机器人已经开始逐步向智能化方向转变。

探究其作用机理，是本文的重点

2实验测试

2.1测试

通过对底层硬件进行设计，完成机器人驱动系统的软硬件调试工作。采用基于视觉检测技术的路径规划算法来进行机器人轨迹跟踪控制，并通过仿真分析验证控制算法的有效性。在一座宽敞的工厂内，我们设置了一系列障碍物，以改变障碍物的数量和位置，从而得到了一个简单而复杂的场景。

2.2测试结果

对于简单环境和复杂环境两种场景，我们采用的设计方法规划的避障路径与理论上的最优路径高度契合。为了进一步比较三种避障路径的规划时间、路径长度和成功率，我们在简单环境和复杂环境下进行了200次实验。当bobac机器人成功抵达目标点且未与任何障碍物发生碰撞时，其避障路径规划的成功与否将决定其是否失败。在简单场景移动时，相较于另外两种方法，该机器人的设计方向分别缩短了7.516s和10.809s，路径长度也分别减少了1.712m和1.809m，规划成功率分别提高了3.5%和6.0%；针对复杂场景，采用设计方法进行避障路径规划，可显著缩短规划时间10.114s、14.015s，同时路径长度分别减少了1.444m、1.721m，规划成功率分别提高了4.3%、5.8%。这种方法特别适用于工业机器人的执行，具有极大的优势。

结束语

考虑到实际环境中各种动态因素的不可避免影响以及复杂机器人系统自身瞬时信息的存在，工业机器人路径规划的稳定性受到了影响。因此如何提高路径规划算法的可靠性和精确性成为亟待解决的问题。将传统支持向量机和模型融合，将两个论域结构扩展为多个论域，从而构建了一种全新的工业机器人路径规划运动模型，实现了对信息的统一处理机制，这对于环境信息的可靠分析和处理至关重要，同时需要在实时性、准确性和鲁棒性三个方面取得更进一步的突破。为了更好地适应工业机器人实际应用场景中不确定性较大且动态变化的特点，还须结合人工智能领域最新成果——强化学习技术。

参考文献

[1]徐淑琼,陈升平,潘文炜.基于概率核模糊聚类剪枝的工业机器人在线控制研究[J].数字技术与应用,2019,37(09):1-3.

[2]徐淑琼,模糊支持向量机及其在场景图像中的应用研究[D].广州:广东工业大学,2013.

[3]丛志文,王好臣,高茂源,等.KR16-2机器人运动学分析及路径规划[J].机床与液压,2020,48(15):50-55.