[发明专利]一种基于机器人轨迹优化的涂装生产线优化方法

说明书

本发明公开了一种基于机器人轨迹优化的涂装生产线优化方法，包括：构建生产线模型，对生产线模型进行仿真并确定瓶颈工位；对瓶颈工位的机器人进行运动学建模，得到机器人当前运动轨迹；采用卡尔曼滤波算法对机器人周围存在的潜在障碍的运动轨迹进行实时预测；将潜在障碍的预测运动轨迹与机器人当前运动轨迹进行比较，预测潜在障碍与机器人之间是否会发生碰撞；对预测发生碰撞的机器人当前运动轨迹进行优化，输出优化后的机器人运动轨迹与潜在障碍的预测运动轨迹循环比较，直至预测不发生碰撞，得到最优的机器人运动轨迹。本发明提升了瓶颈工位的工作效率，从而提升生产线节拍。

技术领域

本发明涉及生产线优化技术领域，尤其涉及一种基于机器人轨迹优化的涂装生产线优化方法。

背景技术

在汽车涂装工艺生产线中，往往存在有“瓶颈”工位，瓶颈指的是一个流程中生产节拍最慢的环节，流程中存在的瓶颈不仅限制了一个流程的产出速度，而且影响了其它环节生产能力的发挥。

目前，涂装生产线的核心喷涂工位上设置有多台工业机器人协同作业，为了防止机器人协同喷涂时发生碰撞，通常会设置有干涉区，导致某台或数台机器人在其他机器人作业时产生不必要的等待时间，这是导致单一工位节拍慢、产生瓶颈工位的重要因素。现有的生产线的节拍优化大多采用在瓶颈工位的前后设置缓冲区形成优化关键段，但对工厂面积和工人数量要求较高，并且增设缓冲区也会加大运输、管理与维护成本，难以满足现代化工厂高自动化、高效化等要求。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于机器人轨迹优化的涂装生产线优化方法，以解决现有技术中涂装生产线存在机器人为避免作业时碰撞而产生瓶颈工位、生产缓慢的问题。

为解决上述技术问题，本发明是采用下述方案实现的：

本发明提供了一种基于机器人轨迹优化的涂装生产线优化方法，包括：

构建生产线模型，对生产线模型进行仿真并确定瓶颈工位；

对瓶颈工位的机器人进行运动学建模，得到机器人当前运动轨迹；

采用卡尔曼滤波算法对机器人周围存在的潜在障碍的运动轨迹进行实时预测；

将潜在障碍的预测运动轨迹与机器人当前运动轨迹进行比较，预测潜在障碍与机器人之间是否会发生碰撞；

对预测发生碰撞的机器人当前运动轨迹进行优化，输出优化后的机器人运动轨迹与潜在障碍的预测运动轨迹循环比较，直至预测不发生碰撞，得到最优的机器人运动轨迹；

其中，所述对预测发生碰撞的机器人当前运动轨迹进行优化，包括：基于预先建立的运动轨迹优化目标函数，通过基于R2指标选择策略的多目标粒子群算法对机器人轨迹差值函数进行优化。

与现有技术相比，本发明所达到的有益效果：本发明通过机器人实时自适应运动规划的策略，使机器人在动态环境下同步进行轨迹碰撞预测与实时自适应轨迹规划，机器人的时间效率、能耗、关节剩余振动均有明显改善，在不影响工厂缓存区占地、人工投入和运输成本的情况下大大提升了瓶颈工位的工作效率，从而达到提升生产线节拍的目的。

附图说明

图1是本发明实施例提供的一种基于机器人轨迹优化的涂装生产线优化方法的流程图；

图2是本发明实施例提供的一种基于R2指标选择策略的多目标粒子群算法的轨迹规划流程图；

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本实施例提供了一种基于机器人轨迹优化的涂装生产线优化方法，如图1所示，包括如下步骤：

步骤一：构建生产线模型，对生产线模型进行仿真并确定瓶颈工位；