摘要：在我国工业不断迈进现代化工业的过程中，对实际的工业机器人的使用频率越来越高，重要。做好机器人的最优时间轨迹规划是实现机器人最优控制能够最大程度提高机器人的操作速度，降低实际的操作运行时间，进而达到提高机器人的工作效率的目的。本篇文章主要分析了工业机器人的时间最优轨迹规划问题，并且根据其提出了相应的规划内容。
关键词：工业机器人；最优时间；最优能量轨迹规划
最优轨迹规划是工业机器人最优控制问题之一，所谓的规划任务即是依据给定路径点加以规划，并且通过这些点并满足边界约束条件的光滑的最优运动轨迹。轨迹规划的目的主要是为了最大化操作速度从而最小化机器人总的动作时间，而能量最优也是工业应用中极为重要的性能指标，对工业的发展起到了不可或缺的作用。
一、机器人基本内容简析
（一）涵义分析
对于机器人的涵义而言，其是不固定的，在科学技术的不断进步下，机器人的涵义也在产生改变，其内容也就变得更加丰富。当今情况下，代表性比较强的便是：机器人是一种智能性、移动性、自动性、智能通用性特征的机器，在此基础上，森政弘提出了机器人又是具有作业性、信息性、有限性、半人半机械性的机器。而还有另一种的机器人定义为：机器人应具备平衡觉和固有觉的传感器；机器人应具备接触传感器和非接触传感器同时机器人是一个具备手、脚和脑三个要素的个体。
（二）机器人规划的产生
对于机器人轨迹规划的产生最早则是在20世纪60年代。所谓的机器人规划为机器人根据系统发布的任务，找到能够解决这一任务方案的实际过程。系统任务属于广义上概念，既能够表示机器人的某个具体动作，例如：脚、膝关节的动作，还能够表示机器人需要解决的实际具体任务。而实施轨迹规划则是为了让机器人能够更好的完成相应的预定动作，详细的讲为：轨迹规划就是根据机器人需要完成的任务，对完成这个任务时机器人的每个关节需要移动的速度、加速度、位移及这些数据与时间的关系进行设定。
通常情况下，进行轨迹规划的内容为笛卡尔空间以及关节空间，而末端执行器则是代表着机座坐标系的姿态、位置，使用笛卡尔坐标进行描述，用矢量 p 来确定位置，姿态则可用［n,s,a］进行表示， n 代表的是法线矢量，s 代表的是指向矢量，a 代表的是接近矢量，它们的坐标在三个坐标轴上的分量表示三个单位向量，因此便可以将次坐标、变换矩阵加以表示笛卡尔坐标；而机器人的关节运动则是使用关节坐标表示，在关节坐标系中，机器人的所有关节可以同时运动，也可以每个关节按顺序逐次运动。研究规划时主要的研究内容有机器人本身的组成、机器人所处的环境以及机器人作业模型以及其操作规划、作业规划、轨迹规划等。
二、工业机器人的最优时间与最优能量轨迹规划研究
动作时间最优和消耗能量最优通常结合在一起考虑，采用样条函数以产生加速度连续的光滑轨迹，在优化过程中，还必须考虑以速度、加速度、二次加速度和输入力或力矩形式表示的边界约束条件。但是这些算法中也存在缺陷：即寻优算法，其结构过于简单，没有完全体现原有优化问题的本质特征，所得解的效果往往不是很理想，不能适应更复杂的工业应用场合；在解决这类问题时，通常采用罚函数的方法，其实际效果也不明显。
期刊文章分类查询,尽在期刊图书馆
（一）运动学和动力学模型
考虑一个 L 关节的串联机器人操作臂，通过拉格朗日方程求导能够到动力学方程，通过这一方程能够得到工业机器人的运动惯性积。
（二）约束条件分析
约束条件主要的表示是机器人身上的运动学以及动力学性能所能产生的物理极限。利用求关节速度值找到相应的约束条件。具体为运动便会产生速度，但是也会有一定的限度，而能量资源也同样有限，因此必须在机器人的动态行为借助正确控制加以合理利用。当提出二次加速度约束条件的时候随着二次加速度值的增加，关节位置也会有所增加，而为了有效避免机器人的损耗从而增加机器人的使用寿命。
（三）目标函数的提出
规划出的轨迹的好坏很大程度上依赖于所采用的目标函数的形式。利用这样加权系数法对系统的动作时间和消耗能量进行平衡，从而通过调整使机器人总的动作时间以及消耗的能量在某种程度上均能够达到最优，提升其实际的工作效率。
对目标函数进行优化，主要便是采用遗传算法对其进行处理，而处理对象不是参数,而是指针对那些参数集进行编码的基因个体。通过编码让遗传算法能够直接对结构加以操作,存在较好的全局搜索能力,同时便于并行处理。除此之外遗传算法是不需要求导的，同时也不用任何数据辅助只是需要影响搜索方向的目标函数和响应的适应度函数。而约束条件优化,通常的求解方法都是将其变为无约束问题，使用较多的便是拒绝方法，修补方法以及惩罚方法，这里着重的分析下惩罚方法,借助惩罚能够无约束问题,将约束条件带入到目标函数中,使用遗传算法求解，提高了求解的速度。
（四）仿真结果分析
借助斯坦福机器人的仿真试验可以有效说明本文的算法性能。其算法优化结果均有效优于IEP算法的结果。与之相对应的各个关节速度、加速度、二次加速度的优化不同，通过计算得知所有的最优解均完全满足给定的约束条件。在本文中将关节空间中的关键点两两之间通过三次多项式曲线相连产生了机器人的运动轨迹。当进行运动轨迹优化的时候，可以使用加权系数法对目标函数进行定义，并且综合考虑了整个运动过程中动作时间和消耗能量，以此满足运动学和动力学边界约束条件。在约束优化问题提出之前便提出了基因环境双演化免疫克隆算法。尤其是惩罚函数这一设计，同时也表示了新颖的排序策略来解决约束问题，对提高搜索效率，寻找全局最优解均起到重要的作用。
结束语：
在我国20世纪70年代以来，机器人的实际应用便已经逐渐广泛起来，特别是在汽车制造行业，在其生产过程中已经离不开工业机器人的操作，因此不断的提升工业机器人工作效率无论是对汽车制造业还是其他工业行业均具有重要的作用和意义。通过对机器人的时间最优轨迹进行规划能够有效提高机器人的操作速度，减少实际的运行时间，提高工作效率。
参考文献：
[1]徐海黎, 解祥荣, 庄健,等. 工业机器人的最优时间与最优能量轨迹规划[J]. 机械工程学报, 2010, 46(9):19-25.
[2]高功臣. 工业机器人的最优时间与最优能量轨迹规划问题分析[J]. 同行, 2016(11).
[3]张文军, 王伟. 工业机器人的时间最优轨迹规划[J]. 南方农机, 2016, 47(6):80-80.
[4]郭清达, 万传恒, 史步海. 基于遗传算法的工业机器人时间最优轨迹规划及仿真研究[J]. 计算机测量与控制, 2014, 22(4):1240-1242.
[5]罗正平. 基于能量最优的工业机器人运动轨迹规划方法研究[D]. 湖南大学, 2015.
论文作者:王珂军
论文发表刊物:《基层建设》2017年第7期
论文发表时间:2017/7/10
标签：机器人论文; 最优论文; 轨迹论文; 工业论文; 时间论文; 关节论文; 算法论文; 《基层建设》2017年第7期论文;