[发明专利]一种双臂机器人抓取位姿选择方法、系统和存储介质

说明书

本发明涉及一种双臂机器人抓取位姿选择方法、系统和存储介质，包括设置适应度取值范围、迭代次数阈值以及适应度函数；计算种群基因适应度，判断种群是否在取值范围范围内，如果在范围内，则迭代结束，否则继续判断迭代次数是否达到迭代次数阈值，如果达到，则迭代结束，否则进行交叉、变异操作，根据迭代深度和适应度大小，动态选择基因保留策略，对基因进行保留；更新代表抓取位置的基因种群，返回进行判断循环；迭代结束后得到双臂对应的最优目标。本发明综合考虑双臂抓取对称性、双臂关节的最大转角、双臂最大关节转角之差三个方面，通过动态调整适应度函数的计算，引导算法沿全局最优的方向进行收敛，最终可以得出多目标综合最优的结果。

技术领域

本发明属于机器人技术领域，具体涉及一种双臂机器人抓取位姿选择方法。

背景技术

随着现代工业的发展和科学技术的进步，人们对工业、医疗、服务水平的要求不断提高，对于许多任务而言，单臂机器人的操作明显不能满足要求，为了适应任务的复杂性、智能性、柔顺性要求，双臂机器人应运而生。双臂机器人像人类一样拥有两只手臂，并且双臂在一定范围内可进行协调工作，双臂机器人并不是两只机械臂的简单组合，他们除了各自要实现的控制目标外，还需要满足相互间的协调控制以及对环境的适应性。目前双臂机器人在采用传统遗传算法进行抓取位姿的选择时，往往出现如初始化的盲目性、容易陷入局部最优，算法的计算效率低，得到的目标点质量也难以保证等问题，执行同步抓取物体等协作任务时，未能发挥其多自由度的灵活性与协调性的优势。

因此，针对这一现状，迫切需要一种双臂机器人能实现最佳抓取位姿的选择方法，以克服当前实际应用中的不足。

发明内容

因此，本发明的目的在于克服现有技术存在的不足，而提供一种能够避免初始化的盲目性、避免局部最优、提高计算效率，能发挥双臂机器人多自由度的灵活性与协调性的优势的基于改进遗传算法的双臂机器人最优抓取位姿选择方法。

本发明的目的是通过如下技术方案来完成的，一种双臂机器人抓取位姿选择方法，所述方法为基于改进遗传算法的双臂机器人最优抓取位姿选择方法，包括：

S1：以双臂末端位姿变化最小为目标，确定适应度函数的取值范围和迭代次数阈值，根据双臂与待抓取杆件的位置关系以及双臂的运动规律设计适应度函数，并设定初始交叉与变异比例；

S2：将双臂的初始位姿和待抓取杆件位置作为初始种群生成的约束条件，生成代表抓取位置的初始种群；

S3：依据所述S1中设计的所述适应度函数，计算种群每组基因适应度；

S4：判断所述S3中的所述种群每组基因适应度是否在所述S1中设定的所述适应度函数的取值范围内，如果在范围内，则进入S9，否则进入S5；

S5：判断迭代次数是否达到所述S1中设定的所述迭代次数阈值，如果达到，则进入S9，否则进入S6；

S6：通过交叉、变异操作，获得新一代种群基因；

S7：未参与所述S6的种群基因，根据其在迭代次数中的迭代深度和适应度大小、抓取位置和双臂末端姿态动态选择基因保留策略，对基因进行保留；

S8：依据所述S6中新一代种群基因和所述S7中保留的基因，更新代表抓取位置的种群基因，返回S3循环；

S9：得到双臂对应的最优目标。

优选地，所述S2中所述将双臂的初始位姿和待抓取杆件位置作为初始种群生成的约束条件的具体内容为：目标抓取点是在所述待抓取杆件的轴线上生成，且初始种群每组基因包含的两个表示双臂目标位置的点分布于杆件形心两侧。

优选地，所述S1中所述适应度函数具体内容为对称性子适应度函数、双臂的协同性子适应度函数、双臂同步性子适应度函数；三者进行加权来计算，且根据其在迭代次数中的迭代深度调整各子适应度函数的权重值。