[发明专利]速度规划方法、系统、控制系统、机器人、及存储介质在审
申请号: | 201810343643.4 | 申请日: | 2018-04-17 |
公开(公告)号: | CN108748138A | 公开(公告)日: | 2018-11-06 |
发明(设计)人: | 黄纪强;孙宇豪;夏银龙;周昱明;朱浩;李运东;刘勇;崔会东;吴小平;郭林鑫;王晨 | 申请(专利权)人: | 上海达野智能科技有限公司 |
主分类号: | B25J9/16 | 分类号: | B25J9/16 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 高彦 |
地址: | 201807 上海*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 速度规划 轨迹模型 最优运动参数 存储介质 控制系统 末端轨迹 曲线模型 约束条件 路径段 机器人 分支路径 工作效率 时间顺序 运动参数 加减速 求解 非零 建模 受限 覆盖 应用 帮助 | ||
1.一种速度规划方法,其特征在于,包括:
按照时间顺序建立轨迹模型并设置约束条件;所述轨迹模型包括末端轨迹,所述末端轨迹对应的最终运动参数中至少包括一种为非零;
根据所述轨迹模型,建立速度规划曲线模型;
基于所述速度规划曲线模型并根据所述约束条件,以时间最优为目标求解得到最优运动参数;
根据所述最优运动参数生成目标速度规划曲线。
2.根据权利要求1所述的方法,其特征在于,所述最终运动参数包括加速度和速度,所述轨迹模型斜坡加速段、匀速段、以及斜坡减速段,其中:
所述斜坡加速段按照时间顺序可包括如下轨迹:
1)t∈[t0,t1],匀加加速段,加速度从初始值a0加加速至实际允许的最大加速度值A′max,速度从初始值v0持续增加,该段轨迹预计用时为ta1;
2)t∈[t1,t2],匀加速段,加速度保持为所述实际允许的最大加速度值A′max,速度持续加速,该段轨迹预计用时为tca;
3)t∈[t2,t3],匀减加速段,加速度从所述实际允许的最大加速度值A′max减加速至0,速度持续增加至实际允许的最大速度值V′max,该段轨迹预计用时为ta2;令所述斜坡加速段轨迹的预计用时为tramp_up,tramp_up=ta1+tca+ta2;
所述匀速段包括如下轨迹:
4)t∈[t3,t4],匀速段,加速度保持为0,速度保持为所述实际允许的最大速度值V′max,该段轨迹预计用时为tcv;
所述斜坡减速段按照时间顺序可包括如下轨迹:
5)t∈[t4,t5],匀减加速段,加速度从0减加速至实际允许的最大减速度值—D’max,速度从所述实际允许的最大速度值V′max持续减速,该段轨迹预计用时为td1;
6)t∈[t5,t6],匀减速段,加速度保持为所述实际允许的最大减速度值—D’max,速度持续减速,该段轨迹预计用时为tcd;
7)t∈[t6,t7],匀加加速段,加速度从所述实际允许的最大减速度值—D’max匀加速至a1,速度减速至v1,该段轨迹预计用时为td2;令所述斜坡减速段轨迹的预计用时为tramp_down,tramp_down=td1+tcd+td2;
其中,所述末端轨迹对应的最终运动参数为所述轨迹7)中的加速度值a1和速度值v1,所述加速度值a1≠0,速度值v1≠0。
3.根据权利要求2所述的方法,其特征在于,所述约束条件包括起止约束条件、预设约束条件、以及实际约束条件,其包括:
所述起止约束条件包括:
其中,to为所述轨迹模型的起始时刻,所述s(t0),分别表示所述起始时刻对应的轨迹长度值,速度值,加速度值;tf为所述轨迹模型的终止时刻,所述s(tf),分别表示所述终止时刻对应的轨迹长度值,速度值,加速度值,S为全轨迹的长度;
所述预设约束条件包括:
其中,所述Vmax,Amax,Dmax,Jmax分别为预设的最大速度值,最大加速度值,最大减速度值,以及最大加加速度值;
所述实际约束条件包括:且ta1,tca,ta2,tcv,td1,tcd,td2≥0;
其中,所述V′max,A′max,D′max分别为所述轨迹模型的模型对象在实际运动中能够达到的最大速度值,最大加速度值,以及最大减速度值;所述ta1,tca,ta2,tcv,td1,tcd,td2分别为各段轨迹的预计用时。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海达野智能科技有限公司,未经上海达野智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810343643.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种实物扫描建模方法及其应用
- 下一篇:基于体感式的机器人控制方法及装置