[發明專利]一種運載機器人手臂操控多層映射智能控制方法及系統

有效

• 申請號: 201710636699.4
• 申請日: 2017-07-31
• 公開（公告）號: CN107414830B
• 公開（公告）日: 2018-03-23
• 發明（設計）人: 劉輝;李燕飛;金楷榮
• 申請（專利權）人: 中南大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 長沙市融智專利事務所43114
• 代理人: 龔燕妮

1.一種機器人手臂操控多層映射智能控制方法，其特征在于，包括以下步驟：

步驟1：當運載機器人位于指定抓取距離區間內，利用遠程服務器控制運載機器人手臂進行抓取訓練，獲得抓取樣本集；

每個抓取樣本包括運載機器人基座與抓取臺底端邊緣之間的距離和在該距離區間中手臂關節控制值矩陣，所述手臂關節控制值矩陣大小為N*M，N表示運載機器人手臂關節個數，M表示抓取過程手臂動作次數；

步驟2：利用抓取樣本集訓練運載機器人手臂關節控制值預測模型；

將運載機器人基座到抓取臺底部邊緣的距離作為訓練模型的輸入數據，機器人手臂對應所有關節控制值矩陣作為訓練模型的輸出數據，構建各種初始手臂關節控制值預測模型；

所述訓練模型至少包括小波神經網絡模型和Elman神經網絡模型；

步驟3：從抓取樣本集中利用隨機選取不同的運載機器人基座到抓取臺底部邊緣的距離將抓取樣本集劃分為各類距離樣本測試集；

所述距離樣本測試集中所有樣本對應的距離形成的距離范圍覆蓋抓取距離區間；

距離樣本測試集中樣本對應的距離是指抓取樣本中運載機器人基座與抓取臺底端邊緣之間的距離；

將運載機器人基座到抓取臺底部邊緣的距離相同的抓取樣本劃分到同一類距離樣本測試集；

步驟4：構建最優手臂關節控制值預測模型；

依次利用每一類距離樣本測試集中的每個樣本測試各種手臂關節控制值預測模型，以距離樣本測試集中所有樣本手臂關節控制值的預測值和實際值之差的之間的均方差樣本均值最小為選取依據，獲得在不同運載機器人基座到抓取臺底部邊緣的距離下的最優手臂關節控制值預測模型；

步驟5：利用運載機器人基座與抓取臺底端邊緣之間的距離選取對應的最優手臂關節控制值預測模型，得到手臂關節的控制值，輸出運載機器人手臂所有關節的控制值至運載機器人，完成抓取任務；

當待控制的運載機器人基座與抓取臺底端邊緣之間的實時距離與步驟4中不同運載機器人基座到抓取臺底部邊緣的距離下的最優手臂關節控制值預測模型對應的距離均不匹配時，選取與實時距離最近的最優手臂關節控制值預測模型。

2.根據權利要求1所述的方法，其特征在于，采用小波神經網絡模型訓練構建的初始手臂關節控制值預測模型是以機器人基座超聲波傳感器測得的實時距離作為輸入數據，機器人手臂關節控制值矩陣作為輸出數據，對小波神經網絡模型進行訓練獲得：

其中，所使用的小波神經網絡模型輸入層節點個數為2，隱含層個數為4，輸出層節點個數為4；隱含層小波神經元采用Mexican Hat小波函數，輸出層神經元的傳遞函數采用Sigmoid函數；訓練過程中的最大迭代次數設置為100，訓練學習率為0.1，閾值為0.004；

所使用的小波神經網絡模型的權值、閾值和伸縮平移系數采用遺傳算法或思維進化算法進行優化選擇。

3.根據權利要求2所述的方法，其特征在于，所述小波神經網絡模型的權值、閾值和伸縮平移系數采用遺傳算法進化進行優化選擇的過程如下：

步驟3.1：種群個體的基因作為權值、閾值和伸縮平移系數，初始化種群；

種群規模的取值范圍為[50,200]，交叉概率的取值范圍為[0.3,0.5]，變異概率的取值范圍為[0.05,0.15]，最大迭代次數的取值范圍為[100,500]，最大搜索精度的取值范圍為[0.005,0.1]；

步驟3.2：設定適應度函數，并獲取種群中的最優個體；

將種群個體基因對應的權值、閾值和伸縮平移系數代入基于小波神經網絡的初始手臂關節控制值預測模型中，并利用種群個體基因確定的基于小波神經網絡的初始手臂關節控制值預測模型計算樣本集中每個關節樣本的關節控制預測值，將所有關節樣本的控制預測值和實際值的均方差MSE的倒數作為第一適應度函數f1(x)；

步驟3.3：計算每個個體的適應值，每個種群個體適應度最大者進去子種群；子種群中的個體不進行交叉變異操作，直接保留到下一代；

步驟3.4：采用輪盤賭法選擇交叉算子和變異算子；

步驟3.5：利用交叉算子和變異算子對種群中除子種群外的個體進行更新；

步驟3.6：計算更新后的所有個體的適應度值，判斷是否達到最大迭代次數或者最大搜索精度，若達到，則以適應度最大的個體作為最優個體，輸出最優個體對應的小波神經網絡的權值、閾值和伸縮平移系數，否則返回步驟3.4。