加油机器人设计

XXXX学院XX设计说明书（XX）XX设计说明书（XX）中文摘要本论文针对加油服务机器人，通过六自由度机器人三维建模，给出相应D-H坐标，利用Matlab等软件进一步建立加油机器人的运动学建模，采用变换矩阵，并求解正、逆运动学方程。对六自由度机器人进行传感器的采用及配置。研究已知环境下六自由度机器人的避障轨迹规划。关键词加油机器人D-H坐标运动学方程避障轨迹规划Xxxx学院XX设计说明书（XX）TitleRV-320EHeavyrobotjointdevelopmentplanetarygeartransmissionAbstractInthispaper,fortherefuelingservicerobot,thecorrespondingD-Hcoordinatesaregiventhroughthethree-dimensionalmodelingofthesix-degree-of-freedomrobot.Thekinematicsmodeloftherefuelingrobotisfurtherestablishedbyusingthesoftwareofmatlab,andtheforwardandinversekinematicsequationsaresolved.Thesensorof6-DOFrobotisadoptedanddisposed.TheObstacleAvoidanceTrajectoryPlanningof6-DOFrobotsinknownenvironmentsisstudied.KeywordsRefuelingrobotD-HcoordinatekinematicsequationObstacleAvoidanceTrajectoryPlanningXX设计说明书（XX）外文摘要目录TOC\o"1-3"\u前言 页前言 采用加油机器为汽车进行油料的补给，从而实现运输的连续性，是我国交通运输产业的重要一环。目前，汽车加油有两种方式，第一种是人力加油，即利用专门的加油职工，通过询问加油型号和用量，手动使用加油机来完成加油，这在我国加油行业十分普遍，但这种加油方式的人力成本较大，油料具有毒性，对员工工作环境会造成一定的污染，且工作场所易受外界环境影响，较为恶劣。第二种加油方式是自助加油，即机械取代人工，利用智能机器人取代传统的人工加油，加油站只需利用传感器和智能机器人即可进行加油操作。该方法快捷方便，具有广阔前景。在机器人技术不断发展的今天，由于传感器、控制、材料、电子、驱动等技术的产生以及不断发展完善，智能机器人应运而生，开辟了制造业之外的崭新领域，服务机器人开始出现，并逐渐深入到人们的生活之中，服务机器人是指一种可编程的移动装置，有多个轴组成，可以部分或全部地完成服务工作的机器人，从而方便人们的衣食住行，汽车加油机器人，即采用智能机器来取代传统的人力加油方式，已经逐渐崭露头角，通过加油机器人，可以减少汽油等所造成的污染和对人体的伤害，节省人力，保护环境。本文采用六自由度机器人作为加油机器人，由于加油过程较为复杂，存在很大的随机性，故采用六自由度的机器人，可以保证较大的工作空间，使末端执行器可以更好的覆盖目标空间。采用Matlab对六自由度机器人进行运动学分析，从而了解六自由度机器人的运动学特性，采用多项式插值，拟合轨迹规划曲线，从而达到更好的运动效果，顺利完成任务。采用RRT避障算法，对六自由度机器人进行避障研究。第一章绪论1.1研究背景和意义随着机器人技术的不断发展，服务机器人开始进入人们的视线，汽车加油机器人所代表的智能加油模式开始出现，并将在未来取代人工。与传统的人工加油相比，人工加油需要手动操作，汽油蒸发及有害物质溢出，会污染环境，对人体造成伤害，人工加油受环境因素影响，加油时间较长。而加油机器人则没有这个问题，智能操作，可实现24小时连续工作，加油机器人可精准加油，从而避免汽油和杂质溢出污染环境，严格操纵油量，快捷方便。1.2国内研究现状就目前而言，国内对于加油机器人的研究依然处于一个较为尴尬的局面，国内暂且没有多少相关的研究成果，也尚未研制出具有自主知识产权的相关加油机器人。佳木斯大学刘玉芝等提出了4自由度加油机器人操作臂并建立了运动学模型，后勤工程学院祝冉等对4自由度操作臂进行了运动学仿真分析。1.3国内外研究现状1.3.1国内研究现状就目前而言，国内对于加油机器人的研究依然处于一个较为尴尬的局面，国内暂且没有多少相关的研究成果，也尚未研制出具有自主知识产权的相关加油机器人。佳木斯大学刘玉芝等提出了4自由度加油机器人操作臂并建立了运动学模型，后勤工程学院祝冉等对4自由度操作臂进行了运动学仿真分析。1.3.2国外研究现状 机器人作为可执行一定功能的机器装置，可在一定程度和范围内取代人工，减少人力，机器人技术可最早追溯到上世纪30年代，机器人技术用于汽车加油，可追溯到上世纪60年代，美欧各国先后进行了加油机器人的研发工作。1963年，有Darwin设计制作了世界上最早的汽车加油机器人系统，将汽车前轮停靠在地面指定凹槽处，定位板在导轨上移动，当触碰到汽车前轮时，专用加油枪和汽车上的专用油箱口刚好对齐，即可完成加油作业。（图1-1）1968—1970年，Amoco公司的Ginsbeugh等获得了7项加油机器人专利。其机构形式采用大型龙门架专用装置引导汽车到达固定位置（图1-2（a）），驾驶员在控制台上输入汽车型号及各类信息，加油机构按既定程序完成加油任务。在1972年获得的专利中，他们改变机构构型，设计了一种安装于地面的机器人（图1-2（b））。图1-1最早的汽车加油系统图1-2Amoco公司设计的加油机器人20世纪90年代初期，法国Robosoft公司推出了专门为大客车或货车加油的OSCAR机器人（图3（a）[4]），常用的型号为OSCARMk4和OSCARMk5。它是利用射频识别技术（RFID）识别汽车信息，加油机构按既定程序将加油管插入专用油箱口（图3（b）[4]）完成加油[7-8]。图1-3Robosoft设计的加油机器人图1-4FraunhoferIPA设计的加油机器人1995—1996年，德国制造工程和自动化研究所（FraunhoferIPA）等研制了一种加油机器人[7,9]（图4[4]）。加油通道的右侧安装了2个激光传感器用于探测汽车的位置和监控加油进程；系统读写器读取汽车上应答器的信息，以识别车型、油箱口位置、油品类型等信息；机构各关节按规划轨迹运动，其末端吸盘用于打开油箱门，末端手抓旋开油箱盖，再把加油枪插入油箱口；机构运动时，3个红外传感器用于检测末端执行器的位置。1997年，壳牌、ISE和Gilbarco公司等在美国加州首府萨克拉曼多共同建立了一个机器人加油站。其加油机构是大型龙门式，在高架上运行，汽车挡风板上装有信息发射器，用于机器人系统读取汽车相关信息。2008年，在荷兰中部城镇艾默洛尔德的一个加油站，RotecEngineering公司开发的Tankpit⁃stop加油机器人开始运行。机器人安装于传统加油机旁，末端执行器上设有汽车油箱门打开装置、油箱盖旋开装置和加油枪抓取手爪。该机器人能完成人工加油动作：打开油箱门和油箱盖，抓取加油枪并将其插入油箱口完成加油。2013年在美国石油装备学会展会上，Husky与Fuelmatics两家公司推出了共同研制的加油机器人（图1-5），其人机接口友好，机构造型简单，燃油注入时间比人工作业时间缩短30%。加油时，机器人末端吸盘将油箱门打开，3根专用加油管中的1根会自动插入专用无盖油箱口；加满油后，加油管会自动收回。图1-5Husky与Fuelmatics设计的加油机器人第二章机器人三维建模和设计2.1引言为保证加油机器人可以完成加油任务，需要保证机器人末端所能达到的工作空间尽可能的覆盖目标周围，并要求机器人具有较高的自由度，从而实现机械臂灵活避障，达到更为圆滑的运动轨迹。因此，本文中采用安川MPX2600机器人作为加油机器人的基本模型，并进行相关传感器的选用与关节内部结构设计，从而达到更好的预期效果。2.2机器人三维建模针对目前加油机器人所面对的工作对象和环境特点，机器人的加油机构，识别定位方向是当今的研究人员主要进行深入研究的对象，这也为加油机器人的发展提供了技术基础和理论基础。其中，加油机构作为类似手臂，实现末端执行器运动和定位的机构，可以确定末端的位姿和角度，根据加油机构的不同，可将加油机器人分为2种：直角坐标型和关节型。直角坐标型前三个关节相互垂直，与直角坐标系的三个坐标轴相似，代表有龙门式和导轨式。关节型由多个关节组成，分立式和悬挂两种。图如下所示。由加油机器人所处空间环境来看，最终决定采用立式机器人。（a）龙门式加油机器人（b）地面导轨式加油机器人(c)立式关节型加油机构（d）非正交姿态机构图2-1加油机器人机构分类本文采用安川MPX2600机器人作为设计的基本模型，该机器人为立式非正交姿态六自由度机器人，结构灵活，操作方便，工作空间较大，可进行较为复杂的操作，模型如下：图2-2MPX2600机器人三维模型2.3关节减速器设计与建模RV减速器是在传统的行星针摆传动的基础上发展而来的主要由渐开线圆柱齿传输线行星减速机构和摆线针轮行星减速机构两部分构成。从传动机构上看，属于曲柄式封闭差动轮系，其克服了一般的行星传动和针摆传动的缺点，而且具有体积小，重量轻，传动比范围大，寿命长，精度高，效率高，传动平稳等一系列优点。因其振动小，抗冲击强度高，精度高等优点，RV减速器被广泛应用于机器人等工业制造行业，与机器人中较为常用的传统谐波减速器相比，RV减速器拥有更高的疲劳强度，更长的寿命以及稳定的回差精度，其精度不易受时间因素影响，不会像谐波减速器一样随作业时长增加而导致精度的明显下降，因此，RV减速器在先进智能机器人领域已经有了逐步替代谐波减速器的趋势。根据加油机器人的三维建模及关节臂尺寸，本文设计的RV减速器型号采用RV-320E减速器，其技术参数如下：图2-3RV-320E减速器技术参数本文采用的RV-320E系列输入齿轮与行星轮的齿数和为84，齿轮模数为1.5，中心距为63cm。RV轮齿数为39，而销针数为四十，所以该摆线传动为一齿差传动，所以，RV-320E传动的速比值为：，R=80，输出扭矩为600N·m。效率测试值为=88.4%，RV-320E渐开线圆柱齿传输线行星减速机构的中心距大致为63cm，渐开线圆柱齿传输线行星减速机构的主要参数基本确定。在此基础上，利用solidworks对RV减速器进行了三维建模，如图示：图2-4RV减速器三维建模如图，RV减速器工作原理为：1.伺服电机的旋转是从输入齿轮向直齿轮传动，输入齿轮和直齿轮的齿数比为减速比。2.曲柄轴直连连接在直齿轮上，与直齿轮的旋转数一样。3.曲柄轴的偏心轴中，通过滚针轴承安装了2个RV齿轮（2个RV齿轮可取的力的平行）4.随着曲柄轴的旋转，偏心轴中安装的2个RV齿轮也跟着做偏心运动。（曲柄运动）5.一方面，在壳体内测的针齿槽里，比RV齿轮的齿数多一个的针齿槽等距排列。6.曲柄轴旋转一次，RV齿轮与针齿槽接触的同时作一次偏心运动（曲柄运动）。在此结果上，RV齿轮沿着与曲柄轴的旋转方向相反的方向旋转一个齿轮距离。7.借助曲柄轴在输出轴上取得旋转，曲柄轴的旋转速是根据针齿槽的数量来区分的。8.总减速比是第1级减速的减速比和第2级减速的减速比的乘积。2.4L臂建模设计本文着重对L臂进行建模设计，关节处采用RV减速器，使L臂更为灵活。建模如下：图2-5L臂三维建模2.5本章小结本章中，介绍了加油机器人的设计及三维建模，并着重对其中关键部件RV减速器进行了设计和建模，利用solidworks对模型进行了一定的优化，并绘制出相关图纸。第三章传感器布置安排3.1传感器介绍传感器作为一种检测装置，可以检测到相关的信息，并且可以把检测到的信息按照一定的规律转化成其所需要的信号输出，其中最常见的即电信号，从而达到实现信号的传输、处理、储存、显示、记录和控制。如今，传感器在工业领域的应用极其广泛，其微型化、智能化、数字化、系统化的诸多优点使其在基础学科研究占据了一席之地。随着新技术革命的到来，如今的世界步入信息时代，传感器作为一种检测获取信息的装置，如同人类手臂的延申，成为了工业生产中获取信息的主要途径，可以说，利用传感器来监视生产过程，尤其是自动生产过程中的各类参数，从而保证正常生产，已经成为了现代工业的基础。传感器种类众多，分类方式众多，按照其用途，传感器可分类为：压力敏和力敏传感器，位置传感器，液面传感器，能耗传感器，速度传感器，热敏传感器，加速度传感器，射线辐射传感器，振动传感器，敏传感器，磁敏传感器，敏传感器，真空度传感器，物传感器等。按照传感器工作原理分类，可分为电阻、电容、电感、电压、霍尔、光电、光栅、热电偶等传感器。按传感器的物理量分类，可分为位移、力、速度、温度、流量、气体成份等传感器。图3-1传感器在本章中着重进行介绍视觉传感器和转速传感器。视觉传感器是为机器人系统提供视觉信息的装置，其主要组成是图像传感器，必要时可以通过例如光投射器的诸类辅助器材进行处理，视觉传感器的主要功能是检测并得到充足的原始图像信息以供机器视觉系统处理。其主要的工作原理是利用其数以千计的像素对整篇画面进行光线的捕获分析，并用像素单位来表示图像分辨率，即图像的细腻和清晰程度，以保证可以在无论是近距离还是远距离范围都可以看到足够清晰的图像。得到图像后，视觉传感器利用系统内部储存的基准图像与所得图像进行分析比对处理，得出处理的结果，从而作出判断。因此，在工业领域，尤其是机器人方面，视觉传感器解决了许多难解的测量问题，如在线测量，现场测量等，其在汽车车身测量，三维形貌视觉测量等领域都起到了重要的作用。转速传感器是将物体旋转的角速度转化为电信号输出的装置，可分为模拟式和数字式两种，以最新型的磁敏传感器为例，利用磁敏电阻做传感器的检测元件，利用信号处理电路进行降噪处理，具有较低的误差和良好的线性特性。其原理是利用磁敏电阻感应相应的磁性材料或导磁材料从而使传感器输出与被测体旋转频率相关的脉冲信号，达到检测位移或旋转速度的目的。在本章，将进行传感器的选用和布置安排。3.2传感器采用和布置根据设计要求和最终想要达到的目的，本文主要采用视觉传感器和转速传感器以及角度传感器。利用视觉传感器获取相关图像，并通过一定的算法进行分析，得到目标的位姿信息，从而达到机器人的轨迹控制。利用视觉识别技术控制加油机器人更为灵活，但计算量较大，智能化仍待进一步提高。其传感器和加油机器人主要布置如下图所示：图3-2传感器布置如图，在加油站场地内设置摄像头，从而掌握全局动态，得到可能出现的障碍物信息，并传递给机器人PC端，从而给机器人相应的位置信息。并在加油机器人的末端执行器上安置视觉传感器，进一步确定障碍物位置，以便于进行加油机器人的避障轨迹规划，同时，视觉传感器最主要的功能在于识别汽车车身的加油口，以便于进行加油过程，保证加油过程的顺利完成。在加油机器人的关节处安配转速传感器和角度传感器，检测各关节处机械臂的角速度和转动角度。3.3本章小结加油机器人的首要任务是通过识别和定位确定汽车的位置和油箱口的位姿，因此，识别定位对于加油机器人起到了重要的作用。在本章中，拟对加油机器人采用视觉识别系统，利用视觉传感器进行识别定位，并给出视觉传感器的介绍及布置。第四章加油机器人运动学建模与验证4.1引言在工业现代化的今天，机器人在制造业领域起到的作用越来越大，其在提高劳动效率和减少人力成本、解放劳动力等方面起到重要作用，随着社会的进步与相关制造技术的发展，制造行业对机器人控制的精密程度有了越来越高的要求，机器人的运动学分析至关重要。机器人的运动学分析是机器人控制的重要基础，能够保证机器人的控制程度。进行加油机器人的轨迹规划，需要进行加油机器人的运动学分析，机器人运动学包括正向运动学和逆向运动学，正向运动学即通过得知机器人各关节变量，从而计算出末端执行器的位置姿态；逆向运动学则相反，即已知末端的位置执行器的位姿，逆推得出机器人相应的各关节处的变量。通常来说，正向运动学的解是唯一的，而且过程相较逆运动学比较简单。而逆向运动学则通常存在多个解并且计算过程更为复杂，并且根据实际情况，逆运动学的多个解并非一定符合要求。机器人的逆运动学是机器人轨迹规划的重要问题，其解析算法实际上是一个非线性的超越方程组，其解具有存在性，唯一性等问题。进行机器人运动学分析，机器人的运动学建模十分重要，机器人的运动学建模和运动学分析可以保证机器人作业时的位姿的准确性，在研究机器人运动学的关节速度，加速度，位移等方面具有很强的针对性。图4-1机器人正逆运动学关系图路径规划属于机械臂的底层研究之一，是研究在关节空间或者笛卡尔空间中如何生成和优化机械臂末端运动路径的方法，它的基础是机械臂运动学，因此研究机械臂运动学是非常有必要的。4.2加油机器人运动学描述加油机器人可看作串联机械臂，由多个连杆组成，各相连连杆之间由关节连接，以第一个连杆为基座建立基础坐标系，以末端连杆作为末端执行器。根据关节间的转换关系，可推导出机器人末端相对于基座的位姿。对此，加油机器人运动学研究的方法主要有D-H法，回转变换张量法和矩阵法，D-H法是1955年由Denavit和Hartenberg提出的一种方法，是给每一个机器人连杆上添加相应的固定坐标系，随后将相邻连杆的空间关系利用4x4的齐次变换矩阵来加以描述，利用依次变换矩阵推导处机器人末端相对于基础坐标系的位姿，从而建立机器人的运动学方程。通过D_H方法建立起来的齐次变换矩阵（位姿矩阵），是进行机械臂运动学正解和逆解的基本矩阵。在本文中，采用D-H法对加油机器人进行运动学建模，该方法通过用四个参数来表达两对关节连杆之间位置角度关系的机械臂数学模型和坐标系确定系统，该方法限制了原点的位置和x轴的方向，人为的减少了两个自由度，因此它只需要用四个参数即可表达关节之间原本是六个自由度的坐标变换。图4-2转动连杆参数示意表4-1D-H参数的物理含义a连杆长度沿xi轴，从zi轴移动到α连杆扭转角沿xi轴，从zi轴旋转到zd连杆偏移沿zi轴，从xi-θ关节角沿zi轴，从xi-1轴旋转采用D-H法对加油机器人建立连杆坐标系，如图所示。基于上述的连杆坐标系，得出连杆转角αi-1，连杆长度ai-1，关节偏置di以及关节转角θi等参数，。并计算出相邻连杆坐标系的位姿变换矩阵。由这四个参数，可列出加油机器人D-H参数如下表所示表4-2加油机器人D-H参数参数θdaα关节10000关节200.60-π/2关节3-π/2-0.2070π关节4-π/20.03260π/2关节5π/2-0.91150-π/4关节600.1480-π/4则关节坐标系i-1到坐标系i的坐标变换矩阵i展开得：A4.3加油机器人正运动学分析机器人的正运动学是根据各关节的参数变量的情况下计算出末端执行器的位姿，利用D-H法根据坐标系平移旋转的规律可以得出相应的变换矩阵Ai。如上所示，将参数带入A根据得出的各关节坐标变换矩阵，可以得出加油机器人的正运动学方程：60T=其中60R表示为末端坐标系相对于基座坐标系的旋转矩阵，60P表示加油机器人末端执行器的坐标系原点相对于基座坐标系的位置。其中，n=[nx,ny,nzox=caxoy=c1(oz=-sp式中，ci、si、cij、sij分别代表cosθi、为验证所计算的式中的加油机器人的正运动学的解的正确性，故采用Matlab中的机器人工具箱，将各个参数变量带入，验证结果。代入关节变量q=[00000]p=1000应用Matlab计算，得出结果：P=robot.fkinetheta=对比算式于Matlab计算可得出的结果，从而验证了加油机器人的正运动学的建立的正确性。4.4加油机器人逆运动学分析机器人的逆运动学是指在已知机器人末端执行器在笛卡尔空间下的位姿参数的情况下，通过逆推，从而解算出机器人各个关节的角度，坐标等参数，与机器人的正运动学相比，机器人的逆运动学的计算更为复杂，且解不具有唯一性，可能存在拥有多个解或者零解的情况，其逆运动学方程为非线性超越方程。考虑到现实情况，对于机器人逆运动学的多个解可能存在必要的剔除和选用。在逆运动学求解的方法较多，在这些方法中，几何法和代数法较为常用，在本文中，采用封闭解法进行加油机器人逆运动学求解，与传统方法相比，该方法灵活高效，较为实用，同时兼顾到了六自由度机器人的奇异性。对式（4-2）进行左乘A2-1A2-1A其中：AA可求得右侧方程式为：A左侧方程为：A其中：noapnoapnoap令式（4-8）两侧元素等同，根据其组成的规律，从而可进一步推断出各个关节的相关参数。其推导如下：、θ1式（4-8）两侧的（3，4）相等，可得：-在上式中仅有唯一的变量，即θ1θ1=atan2(-或θ由上式结果可知，θ1θ2使式（4-8）的两侧的（1，4）和（3，4）分别相等，经过一定的变换可得：sc对上式进行简化，令t1=pys2t将上式两式进行平方计算，然后相加得：2a2设常数w=(-c2t解上式：θ2=其中：β(3)θ3由于θ1、θ2已经解出，故根据式（4-10），可以对该式进行求解，从而得出s3sc通过上式可以解得：θ3=atan2(4)θ令（4-8）两侧的（1，3）（2，3）相等，可得：c1c对该式求解，可得：θ5=atan2(5)θ将式（4-15）中两式分别乘以s3和cc4=令上式两侧（3，3）相等，可得：θ4其中：s(6)θ令式（4-15）两侧（3，1）和（3，2）相等，可得：c化简可得：cc可有：θ6在以上求解加油机器人逆运动学的过程中，可以发现，解析解中θ1、θ2以及θ5都存在两个解，其中θ5存在奇异点0，在后续的研究过程中需要为验证以上逆运动学问题解的正确性，现将正运动学的验证结果反代入逆运动学中，得出计算结果：q=利用Matlab进行逆运动学计算，加以验证：q=robot以上的逆运动学求解和Matlab计算结果加以对比，验证了本文逆运动学解析的正确性。4.5本章小结本章针对加油机器人的六自由度机械臂进行了运动学建模分析，针对该问题，本章采用D-H参数法建立了正运动学模型，然后采用封闭算法进行了加油机器人的逆运动学分析，并考虑了加油机器人逆运动学的奇异性以及存在多解的情况。最后，通过利用Matlab对正逆运动学结果进行验证对比，确定了正逆运动学的正确性。第五章轨迹规划方法研究现状5.1引言机器人的运动规划由路径规划(空间)和轨迹规划(时间)组成，连接起点位置和终点位置的序列点或曲线称之为路径，构成路径的策略称之为路径规划。路径规划（一般指位置规划）是找到一系列要经过的路径点，路径点是空间中的位置或关节角度，而轨迹规划是赋予路径时间信息。轨迹规划在路径规划的基础上加入时间序列信息，对机器人执行任务时的速度与加速度进行规划，以满足光滑性和速度可控性等要求。本章将对国内外的机器人的轨迹规划研究进行分析总结。5.2轨迹规划研究现状机械臂的轨迹规划是指从起始点到目标点规划出一条符合要求的路径，并施加诸如速度、角度等一系列的约束。机器人的运动避障轨迹规划方法可分为以下几种。 （1）基于人工势场的方法。人工势场法是进行机器人路径规划的一种简单而有效的方法，因其简单明了，计算效率高，故得到了广泛的应用。势场法的思想是在机器人的工作环境中建立引导机器人运动的斥力极和吸引极，其中吸引极是指吸引机器人进入的场所，斥力极则相反，是指排斥（不希望）机器人进入的场所或障碍物，从而在两极的相互作用下引导机器人到达目标点。但其容易陷入局部极小点，使得机器人在该点时所受合力为零，从而导致机器人无法到达目标点。在此基础上，科学家尝试引入虚拟目标或随机移动以脱离局部极小点。（2）基于图搜索的方法。该方法在平面规划领域应用广泛，因此，在机器人的工作空间可当作平面时可以加以采用，其方法主要包括单元分解法、可视图法和位形空间法。单元分解法是无网格方法的一种，近年来应用越来越多，其方法是将环境进行划分，分割出的每一个子域分别对应着一个基点，当基点被检索到，则代表整个子域也被搜索到，通过机器人利用交错网络检索基点来遍历整个环境，从而将环境遍历问题转换为寻找遍历基点的路径问题。与其他无网格方法相比，该方法具有较大的灵活性，但其算式复杂，运算量大，因此，在维度增加的情况下，其效率会显著下降。可视图法是指将机器人视作一点，然后将环境地图内的起始点、目标点、障碍物顶点用直线组合连接，从而是这些直线段形成一张可视图，然后利用某些搜索方法在该图中进行检索，形成路径。基于此，将路径规划问题转变为图搜索问题。该方法不易找到最优解，且环境复杂性会导致建图的困难。位形空间法是以位形空间的一点来代表机器人，将环境的障碍视为位形空间的障碍禁区，从而将运动规划问题转变为位形空间路径搜索问题，该方法对位形空间的建模要求较高，在环境复杂的情况下，位形空间障碍禁区建模会较为困难。（3）智能优化方法。所谓智能优化方法，是指通过对于自然中生命的观察进行拟化学习得出的搜索算法，然后将其引用到机器人避障规划中。其运算效率较低，但可进行优化求解以满足有要求，在全局或者多目标状况下性能优异。（4）基于随机采样的方法。随机采样是指在机器人的位形空间内进行随机采样，然后相连，通过图搜索得到相应的路径，其主要的方法有概率路图法和快速随机扩展随机树法。概率路图法（PRM）是一种基于图搜索的方法，它的基本思想是把连续空间转换为离散空间，再对无障碍的场所的点进行随机采样，利用某些搜索算法寻找路径。该方法分为两大步骤：地图构建，路径搜索。地图构建是指在随机采样过程中将未与障碍碰撞的随机点与相邻节点连线，加入到构建的地图中，路径搜索则是将起始点与目标点添加到地图中，并与其他节点相连，再利用A*等搜索算法在路线图上规划路径，该方法可以利用相对少的随机采样点来实现路径的规划，从而实现算法效率的提升。对于大部分问题，少量样本即可找到路径，但当采样点分布不尽合理或点的数量过少时，该算法并不完备，此时可通过增加采样点进行弥补，可知，PRM方法概率完备且并非最优。快速随机扩展随机树法（RRT）是一种多维空间中有效率的规划方法。它以一个初始点作为根节点，利用随机采样，通过增加叶子节点的方式扩展为树状结构，从而生成一个随机扩展树，当随机采样的新节点满足无碰撞条件时，即可将其与最近的节点连接加入随机树，当随机树中的叶子节点抵达了目标点或进入了目标区域，一条起始于初始点结束于目标点的路径便在随机树中产生了。该方法与PRM方法类似，均是概率完备且并非最优的。同时，该方法并未进行空间的全面采样，故而它的效率要高于PRM，但也因此无法有效地控制搜索的路径的质量，路径并不一定是最优解。该方法建模方式与机器人空间的维数没有太大的关联性，也不会出现传统路径规划方法中因为维数和机器人自由度增加而导致的计算量急剧增大的现象，其搜索效率较高，适合在多目标、多自由度、动态环境和复杂环境下的路径规划。5.3本章小结综上所述，以上的各种方法都各具优劣，且都难以实现最优解，针对本文中关于六自由度加油机器人的规划，鉴于其所要求的维度较高，自由度数较多，为避免计算量的大幅增长，实现高效的搜索，故采用RRT算法进行加油机器人的轨迹规划。第六章加油机器人的轨迹规划6.1.引言加油机器人运动学分析之后，本章将对机器人的轨迹规划进行讨论分析，对加油机器人进行工作空间描述和RRT算法的轨迹实现。6.2加油机器人工作空间描述机器人的工作空间是指机器人的末端执行器所能够到达的空间点的集合，为实现加油机器人的运动轨迹，得到机器人的工作空间是必要的，根据工作空间的大小和形状，可以了解到机器人所能够到达的区域和工作死角，根据机器人的正运动学，通过蒙特卡洛仿真，对关节参数给定相应的范围，可以得到加油机器人的工作空间，如下图所示：如上图，取关节角度限制为±1806.3加油机器人的一般路径规划加油机器人的轨迹规划，可以说是其末端执行器从起始点到达加油口的过程，在这个过程中，一般来说，机器人的前方是没有障碍的，因此，可以采用一般的轨迹规划即可，本章首先对加油机器人进行一般路径规划，从而模拟在无障碍情况下加油机器人从起始点到达目标点的轨迹，如图示，由图可知，图中的曲线即机器人的末端执行器的轨迹。可知加油机器人在无障碍情况下的运动轨迹。6.4加油机器人的一般路径规划优化机器人从起始点到达终止点的过程，实际上是一个包括加减速的连续变化的运动过程，一般的轨迹规划三次多项式插值，该方法较为简单，但存在角速度不平滑的缺点，且该方法的加速度易出现跳变现象，为此，相比较普通的三次多项式，本章采用五次多项式插值进行优化，从而解决该问题。五次多项式插值其角位移，角速度，角加速度函数式如下：θ然后，对其施加约束，与三次多项式插值相比，五次项插值增加了其对于起止点角速度的约束。θθ对上式求解则有：利用Matlab，代入起止位置，指定起止时间、起止速度和起止加速度，从而绘制相关曲线。Matlab代入数据如下表：序号位移速度加速度时间10000250102033150203064100-10-10125500015利用Matlab进行代码实现。所得结果如下：由上图可知，在五次多项式插值的情况下，加速度为较为光滑的曲线，没有出现加速度跳变的情况，较为稳定，体现了五次多项式插值的稳定性和优越性。另外，需注意在多次项式中没有匀速阶段，其次，多项式的项数不宜过高，否则易影响机器人的效率。6.5加油机器人基本RRT算法规划RRT算法是以状态空间的一个初始点为根节点，利用随机采样来实现叶子节点的增长，进而扩展成一个随机树。通过此种叶子节点的扩展，进而抵达目标点或目标区域，由此，一条由树节点连接组成的，从初始点到终止点的路径便随之产生了。RRT算法的规划是从一初始点通过随机采样得到路径，其基本步骤如下：（1）初始化个可变常量，包括地图world，开始节点坐标start-cord，目标节点坐标goal_cord,步长segmentlength，半径radius。（2）随机节点的生成，在地图中进行随机采样。（3）向所采取的点方向扩展步长stepsize以得到新的节点。（4）检测节点是否冲突，当新的节点不超出世界地图范围并且也不在障碍物范围之内，同时其与上一级点的连线不与障碍物相撞，则新的节点可用，否则不可用，返回继续采样。（5）进行树的扩展更新，将新节点nearpoint加入扩展树路径中，并计算各个节点之间的欧式距离（矩阵中向量的二范数），用树所有节点到另一节点坐标的范数值作为节点间的代价值，进行比较，从而寻找到所有树节点到目标点的最短路径。可以看出，基本RRT算法利用随机采样使树节点遍布的方式是具有盲目性的，且其每次采样均以固定的步长扩展节点，也因此降低了它的计算效率。6.6加油机器人RRT-Connect算法规划针对RRT算法在复杂环境下盲目进行采样和计算效率低下的问题，由Kuffner等人提出了一种采用贪婪启发式搜索的双向RRT算法，即RRT-Connect算法，该算法与基本的RRT算法相比，是采用从起始点和目标点两处进行构筑两棵随机扩展树路径，其在无障碍空间内随机取一点，然后利用函数在其方向上扩展新的分支，其中会出现三个结果，一种是分支到达障碍区域，则返回，该节点不可行。另一种是没有遇到障碍，符合要求，则该节点可行，第三种是抵达扩展方向上的目标点。而只要该分支可行，没有触及障碍区域，算法便会函数进行迭代尝试寻找将其与另一条随机扩展树分支相连的路径，直至找到。RRT-Connect算法从两头出发构建路径树，并让其向着对方贪婪式扩展的方式使得该算法减少了其对于整个空间领域的探索，降低了计算所需要的时间，可以迅速找到可行的路径，从而提高了整个算法的效率。由于采样的随机性，故每次实验进行规划得出的路径都不一定相同，路径长度和规划时间的差别也都较大。按照上述步骤，设计进行了两次仿真实验，设定起始点为[0.05,0.05,0.05]，终止点为[0.95,0.95,0.95]，扩展步长为0.1，半径0.1，最终得出规划结果如下图所示，规划时间分别为3.27s和2.93s。上图的曲线即加油机器人所得的路径。与RRT算法一样，RRT-Connect算法同样是概率完备且并非最优的。其算法无法保