冗余机械臂逆运动学分析与迷彩喷涂路径规划_訾斌.pdf

第39卷第1期2023年2月Electro-Mechanical Engineering专家论坛DOI:10.19659/j.issn.10085300.2023.01.001冗余机械臂逆运动学分析与迷彩喷涂路径规划*訾斌，王宜藩，徐锋，赵嘉浩（合肥工业大学机械工程学院，安徽 合肥 230009）摘要：文中基于改进智能算法开展冗余机械臂逆运动学分析与三维数码迷彩喷涂路径规划。首先，基于冗余机械臂的初始和极限角度获得测试数据集，同时在网络模型中添加嵌套循环，通过新的遗传算法逆向传播（Genetic Algorithm-Back Propagation,GA-BP）神经网络模型得到各关节角的最大绝对值误差，完成逆运动学分析；其次，在上述逆运动学求解的基础上，开展迷彩喷涂路径规划，建立迷彩图案模型，并进行Harris角点检测，实现迷彩图案局部分块，利用四邻域搜索完成分块图案的局部路径规划；然后，搭建旅行商模型，改进遗传算法的种群初始化和变异方式，进而获得二维空间的最优路径；最后，结合快速搜索随机树（Rapidly-exploring RandomTrees,RRT）算法，生成三维空间数码迷彩的喷涂路径。仿真和数码迷彩喷涂实验结果验证了该方法的可行性和有效性。关键词：冗余机械臂；三维数码迷彩；遗传算法；神经网络；路径规划中图分类号：TH161+.7文献标识码：A文章编号：10085300(2023)01000111Inverse Kinematics Analysis of Redundant Manipulator and PathPlanning for Camouflage PaintingZI Bin,WANG Yifan,XU Feng,ZHAO Jiahao(School of Mechanical Engineering,Hefei University of Technology,Hefei 230009,China)Abstract:Inverse kinematics analysis of redundant manipulator and path planning of 3D digital camouflagepainting are carried out based on improved intelligent algorithm in this paper.Firstly,the test data set isobtained based on the initial and limit angles of the redundant manipulator.And the genetic algorithm-backpropagation(GA-BP)neural network model is improved to obtain the maximum error absolute of the angles ofeach joint and complete the inverse kinematics analysis by adding nested loops to the network model.Secondly,the path planning of camouflage painting is carried out on the basis of the above inverse kinematics solution.The camouflage pattern model and Harris corner detection are carried out to realize the local segmentation ofthe camouflage pattern.The local path planning of the segmentation pattern is completed by the neighborhoodsearch.Thirdly,the genetic algorithm is applied to obtain the optimal path of two-dimensional camouflagespraying robot by building a traveling salesman model and improving the population initialization and mutationmode of the genetic algorithm.Finally,the planned path of digital camouflage painting in the 3D space isgenerated combined with the rapidly-exploring random trees(RRT）algorithm.The feasibility and effectivenessof the proposed method is verified by simulation and digital camouflage spraying experiments.Key words:redundant manipulator;3D digital camouflage;genetic algorithm;neural network;path planning引言数码迷彩是用于军事伪装的一种纹理图案，经过不同颜色的数码点阵重叠、排列组合而成，具有隐蔽、伪装的功能，是在传统迷彩的基础上进行的一种优化1。数码迷彩伪装技术在军事伪装中发挥着重要的作用，可很好地帮助士兵和军用装备隐蔽作战位置，提高军队的战斗力，还能迷惑敌人的军事侦察，保护军事装备，保障军事行动的隐蔽和安全25。目前，我国单色喷涂技术广泛应用在车辆、飞机涂装行业，向成熟化、智能化发展，但在定制化、个性化图案喷涂领域，其发展基础、能力较为薄弱，有很大的发展空间，尤其是在数码迷彩喷涂方面，目前以人工手动*收稿日期：20230115基金项目：国家自然科学基金资助项目（51925502）；装备预研教育部联合基金资助项目（6141A02022134）1专家论坛2023年2月喷涂和单色喷涂设备为主，把不同颜色的像素块进行糅合，形成目标环境需要的定制化图案。手动喷涂时，首先对未喷涂色块进行遮挡，然后对目标色块进行机械性的涂装。手动喷涂过程中产生的有害气体会对技术人员的健康产生不利影响，喷涂的质量和生产能力也受到了限制68。随着自动化喷涂装置的快速发展，国内外学者对喷涂机器人的运动控制和路径规划进行了大量的研究912。冗余机械臂具有冗余特性、灵活性和不错的柔顺性，能应用于复杂的作业环境，可通过任意姿态到达工作空间的目标点，针对喷涂任务具有一定的优势。杜尔、ABB等机器人公司推出了多自由度喷涂机器人产品，他们通过增加机器人本体的自由度，来增强关节的灵活性，使六自由度、七自由度喷涂机器人机构得到了许多应用1314。但冗余的自由度也给机械臂的控制和轨迹规划增加了一定的难度。在控制和轨迹规划方面，冗余机器人与传统机器人有较大的区别。逆运动学分析是喷涂轨迹规划的核心问题，如今多采用几何法15、数值解法1617、智能算法1821等方法对逆运动学进行求解，但几何法和数值法求解过程太繁琐复杂，因此国内外学者对喷涂机器人逆运动学的智能算法求解进行了大量的研究。国外学者提出一种基于人工神经网络的方法来学习机器人系统的特征，对分析机械臂的逆运动学有一定帮助。国内学者在并行的逆向传播（Back Propagation,BP）神经网络模型基础上，融合列文伯格马夸尔特（Levenberg-Marquard,LM）算法，学习训练各关节数据，得到了机器人运动学的逆解2223。此外，有国内学者通过选取恰当的激励函数、神经元数量等模型参数找到了一种可以用于冗余机械臂逆运动学分析的计算方法2425。因为BP神经网络算法在收敛速度、网络训练精度等方面存在不足，所以一些学者对BP神经网络进行了研究，提出了一种遗传算法逆向传播（Genetic Algorithm-Back Propagation,GA-BP）算法，将网络模型与遗传算法结合起来，对样本进行训练，针对初始的权值、阈值等参数，选取最佳的数值，使网络模型的训练和学习能力得到加强，收敛速度得到提升，精度得到提高2627。由于训练模型数据具有随机性，要使网络模型处于最优状态，逆运动学求解效率较高，就需要减少训练数据的随机程度，并对数据精度、网络优化进行深入研究。机械臂的逆运动学分析为机器人喷涂路径规划提供了运动控制的基础。目前国内外学者对单一色彩的喷涂机器人路径规划开展了大量的研究2829。国内学者基于点云切片技术，建立点云模型，提出了面向复杂曲面的自动路径规划方法3031。此外，有学者利用贝塞尔曲线和非均匀B样条曲线拟合喷涂曲面，实现了对曲面的单色喷涂路径规划32。由于数码迷彩图案颜色的多样性，机器人末端喷枪需要进行换色、清洗和烘干，多次换色会延缓喷涂进度，对色彩的纯度产生不利效果，同时不同色块排列复杂，单一颜色的路径规划方法无法实现。为此，结合自动编程和离线仿真技术，国内学者通过分析迷彩图案、分割区域和生成指令，通过离线编程提出了一种针对简单迷彩图案的路径规划方法33，但对不同色块间的过渡路径仍需进一步优化。近年来，有学者基于遗传算法3435完成了迷彩图案二维平面中的局部路径规划，提高了路径效率3637，但数码迷彩路径规划仍需考虑三维空间中路径的优化以及同种色块不同平面间的过渡路径问题。为实现冗余机械臂逆运动学求解与三维空间数码迷彩喷涂路径规划，本文基于改进的GA-BP神经网络模型对Franka七轴机器人进行逆运动学分析，提出了一种融合改进遗传算法与快速搜索随机树（Rapidly-exploring Random Trees,RRT）算法的三维数码迷彩喷涂路径规划方法。首先训练数据得到7个关节角的初始绝对值误差，然后添加一个嵌套循环，通过比较获得新的神经网络模型，保存较优的数据，完成逆运动学分析。其次，基于逆运动学数据进行迷彩路径规划。设计迷彩图案并建立迷彩图案的模型，对局部色块进行Harris角点检测，实现迷彩图案分块，并基于四邻域搜索，完成分块图案的局部路径规划；然后搭建旅行商模型38，改进遗传算法的种群初始化和变异方式，将其应用于迷彩色块各个局部路径起点和终点之间的连接，进而获得一个二维空间的迷彩喷涂最优路径；最后，结合RRT算法，对三维空间中分布不均的相同颜色迷彩色块进行搜索与避障规划，生成三维空间中数码迷彩的喷涂路径。该方法实现了三维空间中数码迷彩图案喷涂路径规划，避免了机械臂末端喷枪在喷涂过程中与工件发生碰撞，其总体规划原理如图1所示。2第39卷第1期訾斌，等：冗余机械臂逆运动学分析与迷彩喷涂路径规划专家论坛改进遗传算法变异操作种群初始化约束二维平面最优路径迷彩图案分块局部路径二维路径规划改进GA-BP神经网络算法各关节初始化循环网络训练最大的误差绝对值误差比较逆运动学分析Franka机械臂神经网络训练集结合RRT算法指定起点和终点碰撞检测随机采样扩展随机树三维路径规划局部路径三维规划整体三维路径规划图 1三维数码迷彩喷涂路径规划原理框架1基于改进GA-BP神经网络算法的七自由度（7-DoF）冗余机械臂逆运动学分析本文针对基于智能算法的冗余机械臂的逆运动学分析耗时长、神经网络数据随机性高的问题，提出了一种改进的GA-BP神经网络方法。1.1基本GA-BP神经网络搭建GA-BP神经网络模型的思想是39：构建网络模型，利用遗传算法对网络训练中的权值和阈值进行优化，经过种群初始化、选择、交叉和变异，最终在最优状态下获取初始权值和阈值，然后将其赋予到原来网络模型下的初始权值和阈值中，减小各关节的输出误差，增强搜索全局的能力。目前BP神经网络应用到了多个领域，其结构如图2所示。整个网络包含输入层