雷學(xué)鵬

(廣西理工職業(yè)技術(shù)學(xué)院，廣西 崇左 532200)

0 引言

碼垛機(jī)器人可以進(jìn)行多生產(chǎn)線作業(yè)，且作業(yè)占地面積較小、作業(yè)涉及范圍較大，能夠有效提高生產(chǎn)效率，減少人力物力成本。但是碼垛機(jī)器人在作業(yè)過程中，受場地環(huán)境中各種障礙物的影響，不能實現(xiàn)運動軌跡最短化，影響了操作效果。要對碼垛機(jī)器人進(jìn)行運動軌跡規(guī)劃，使其有效躲避障礙物，從而實現(xiàn)作業(yè)效率與效果的最優(yōu)化。

目前，已有大量研究人員對碼垛機(jī)器人軌跡規(guī)劃問題進(jìn)行了研究。文獻(xiàn)[2]提出一種基于Matlab與DMC的工業(yè)機(jī)器人軌跡規(guī)劃方法，該方法運用Matlab建立了一個6自由度的仿真界面，通過該界面上設(shè)計機(jī)器人運動的矩形軌跡，得到機(jī)器人多關(guān)節(jié)的運動曲線。采用軌跡插補(bǔ)算法得出矩形軌跡的具體實現(xiàn)方式，從而完成機(jī)器人的軌跡規(guī)劃。分析實驗結(jié)果可知，該方法能預(yù)測機(jī)器人的運動軌跡，但是不能有效躲避路徑中的障礙物。文獻(xiàn)[3]提出一種基于Bezier曲線的移動機(jī)器人軌跡規(guī)劃方法，該方法依據(jù)Bezier曲線進(jìn)行路徑規(guī)劃，以達(dá)到縮短路徑長度的目的，仿真結(jié)果雖然證明了該方法的有效性，但是該方法存在規(guī)劃用時較長的問題。

為解決上述方法存在的問題，提出一種基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法。

1 基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法

1.1 目標(biāo)路段障礙物識別

由于碼垛機(jī)器人會在各種環(huán)境中進(jìn)行作業(yè)，環(huán)境中的障礙物會對機(jī)器人的運動軌跡造成較大的影響，所以需要對目標(biāo)路段中的障礙物進(jìn)行識別?；诠饫w傳感原理識別目標(biāo)路段中的障礙物，光纖傳感器在工作過程中會發(fā)射出窄線寬光徑光束，該光束被分成兩束光，兩束光在光路中通過相反的方向進(jìn)行傳播，在順時針方向中，在經(jīng)過環(huán)形器到達(dá)耦合器后又會被分成兩路，接著兩路光會出現(xiàn)互相干涉現(xiàn)象，而干涉信號則會被光電探測器接收，因此順著逆時針方向進(jìn)行光束傳輸，即可得到目標(biāo)路段中障礙物的具體位置，從而實現(xiàn)障礙物的有效識別。

根據(jù)光纖傳感原理，識別目標(biāo)路段的障礙物具體流程主要分為三步，描述如下所示：

第一，將多個障礙區(qū)樣本信息進(jìn)行傅里葉轉(zhuǎn)換，可以得到工作環(huán)境中的障礙物的出現(xiàn)頻率f，則可以采用障礙物出現(xiàn)頻率f來檢測出障礙物所對應(yīng)的端點位置[5]。

第二，將得到的障礙物端點位置信息傳輸至全相位濾波器中，計算出濾波輸出ug(n)的歸一結(jié)果，然后對整體障礙物數(shù)量進(jìn)行計算，把該數(shù)值和f做綜合即可以提取出障礙物的多方位信息。

第三，將提取到的障礙物多方位信息反饋至耦合器中，通過計算即可對目標(biāo)路段中的障礙物進(jìn)行識別。

1.2 構(gòu)建目標(biāo)路段軌跡規(guī)劃模型

根據(jù)得到的目標(biāo)路段障礙物識別結(jié)果，基于蟻群算法對碼垛機(jī)器人的軌跡進(jìn)行規(guī)劃，構(gòu)建碼垛機(jī)器人軌跡規(guī)劃模型。在模型中，通過蟻群算法尋找碼垛機(jī)器人運動軌跡的最優(yōu)匹配序列。在最優(yōu)匹配序列的尋找中需要將原碼垛機(jī)器人運動路段與碼垛機(jī)器人目標(biāo)運動路段之間的形狀相似度視為蟻群信息單位，然后讓蟻群在兩個路段上行走。蟻群在行走過程中會在目標(biāo)路段中不斷積累信息素，目標(biāo)路段上積累的信息素越多，且該路段與原碼垛機(jī)器人運動路段的形狀相似度越高，則具備越高的匹配概率。

構(gòu)建的碼垛機(jī)器人軌跡規(guī)劃模型的數(shù)學(xué)表達(dá)式如下所示：

(1)

式(1)中，F(xiàn)i代表原碼垛機(jī)器人運動路段；Fj代表碼垛機(jī)器人目標(biāo)運動路段；τ1代表螞蟻k在目標(biāo)運動路段Fj上遺留的信息素，其可以通過公式(2)進(jìn)行計算；τ2代表螞蟻k在原運動路段Fi上遺留的信息素，其可以通過公式(3)進(jìn)行計算；S(Fi,Fj)代表原碼垛機(jī)器人運動路段與碼垛機(jī)器人目標(biāo)運動路段之間的形狀相似度，即蟻群信息單位；m代表正常數(shù)；β代表原碼垛機(jī)器人運動路段與碼垛機(jī)器人目標(biāo)運動路段之間的形狀相似度影響轉(zhuǎn)移概率的具體數(shù)值。

(2)

(3)

上式中，p代表蟻群中的螞蟻數(shù)量；χ代表蟻群信息素的實際揮發(fā)系數(shù)；ΔτFi代表螞蟻k選擇原碼垛機(jī)器人運動路段Fi時產(chǎn)生的實際信息素增量；ΔτFj代表螞蟻k選擇碼垛機(jī)器人目標(biāo)運動路段Fj時產(chǎn)生的實際信息素增量，其可以通過公式(4)進(jìn)行計算：

(4)

通過公式(4)的計算結(jié)果得出蟻群在目標(biāo)路段中的運動軌跡，從而實現(xiàn)碼垛機(jī)器人運動軌跡的規(guī)劃。

2 仿真實驗驗證

2.1 實驗環(huán)境與參數(shù)設(shè)置

為驗證所提基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法的有效性展開實驗。選取某實際操作場景作為實驗區(qū)域，在該區(qū)域中設(shè)置不同類型、不同大小的障礙物共30個。本次測試在CloudSim云計算環(huán)境中進(jìn)行，網(wǎng)絡(luò)帶寬為80 MI·S-1、內(nèi)存為8 GB，并采用MATLAB軟件進(jìn)行數(shù)據(jù)處理。

在上述實驗條件下，利用基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法在實驗區(qū)域內(nèi)對碼垛機(jī)器人的運動軌跡進(jìn)行規(guī)劃。在軌跡規(guī)劃實驗過程中獲取該方法的實際性能，具體包括軌跡規(guī)劃速度、軌跡規(guī)劃結(jié)果與最優(yōu)軌跡之間的相似度以及目標(biāo)路段中障礙物的識別準(zhǔn)確率。軌跡規(guī)劃速度越快，軌跡規(guī)劃結(jié)果與最優(yōu)軌跡之間的匹配度越高，目標(biāo)路段中障礙物識別準(zhǔn)確率越高，說明該方法的軌跡規(guī)劃性能越好。

2.2 實驗結(jié)果分析

在多次實驗下，得出基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法的軌跡規(guī)劃速度與文獻(xiàn)[2]方法和文獻(xiàn)[3]方法的對比結(jié)果，具體如圖1所示。

圖1 不同方法規(guī)劃速度對比結(jié)果Fig.1 Comparative result of planning speed of different methods

根據(jù)圖1所示的軌跡規(guī)劃速度實驗結(jié)果可知，基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法在230.04 s時完成了路徑匹配，而文獻(xiàn)[2]方法在261.20 s時完成軌跡規(guī)劃，文獻(xiàn)[3]方法在335.17 s時完成軌跡規(guī)劃。上述數(shù)據(jù)說明本研究方法用時較短，能夠滿足實際工程需求，這是由于本方法依據(jù)光纖傳感器工作原理對目標(biāo)路段中的障礙物進(jìn)行了識別，從而降低了軌跡規(guī)劃用時，提升了軌跡規(guī)劃效率。

將運用基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法得到的軌跡與文獻(xiàn)[2]方法和文獻(xiàn)[3]得到的軌跡與最優(yōu)軌跡進(jìn)行對比，結(jié)果具體如圖2所示。

圖2 路徑匹配度實驗結(jié)果Fig.2 Experimental results of path matched degree

根據(jù)圖2的路徑匹配度實驗結(jié)果可知，基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法得出的規(guī)劃路徑與最優(yōu)路徑的匹配度較高，甚至在部分路段中能夠?qū)崿F(xiàn)完全擬合，說明運用本方法進(jìn)行軌跡規(guī)劃得出的結(jié)果可靠性較高。

運用基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法與文獻(xiàn)[2]方法和文獻(xiàn)[3]方法進(jìn)行目標(biāo)路段中障礙物識別準(zhǔn)確率對比，結(jié)果如圖3所示。

根據(jù)圖3所示的目標(biāo)路段障礙物識別準(zhǔn)確率測試結(jié)果可知，基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法的障礙物識別準(zhǔn)確率明顯高于文獻(xiàn)[2]方法和文獻(xiàn)[3]方法，進(jìn)一步驗證了該方法的可靠性，該方法實現(xiàn)了對碼垛機(jī)器人運動軌跡的準(zhǔn)確規(guī)劃。

圖3 不同方法障礙物識別準(zhǔn)確率對比結(jié)果Fig.3 Comparative results of barriers identification accuracy rate of different methods

綜上實驗結(jié)果可知，基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法的軌跡規(guī)劃速度、與最優(yōu)路徑的實際匹配度、障礙物識別準(zhǔn)確率均具有較高水平，即基于蟻群算法的碼垛機(jī)器人軌跡規(guī)劃方法的軌跡規(guī)劃性能較優(yōu)。

3 結(jié)語

隨著碼垛機(jī)器人應(yīng)用范圍越來越廣，需要研究一種方法對其運動軌跡進(jìn)行合理規(guī)劃，從而進(jìn)一步提升其應(yīng)用價值?；谙伻核惴ń⒘四繕?biāo)路段軌跡規(guī)劃模型，通過該模型實現(xiàn)碼垛機(jī)器人運動軌跡的優(yōu)化。實驗結(jié)果表明，該方法的規(guī)劃結(jié)果優(yōu)于現(xiàn)有方法，具有更高的規(guī)劃效率與準(zhǔn)確性，充分驗證了該方法具有較高的應(yīng)用價值。