本發(fā)明涉及碼垛機(jī)械臂裝箱與軌跡規(guī)劃，具體為一種面向碼垛機(jī)械臂的無(wú)序混合貨物智能裝箱與軌跡規(guī)劃方法。

背景技術(shù)：

1、在物流倉(cāng)儲(chǔ)領(lǐng)域，隨著電子商務(wù)的迅速崛起和物流業(yè)的高速發(fā)展，混合碼垛技術(shù)成為了提升配送效率、減輕人工操作需求的關(guān)鍵；

2、針對(duì)統(tǒng)一規(guī)格貨物的固定碼垛方案：

3、現(xiàn)有的大部分碼垛機(jī)械臂應(yīng)用場(chǎng)景均為統(tǒng)一規(guī)格尺寸的貨物碼垛。機(jī)械臂根據(jù)預(yù)先規(guī)劃的路徑執(zhí)行自動(dòng)碼垛操作。這種方案的優(yōu)點(diǎn)是系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，規(guī)劃路徑固定，便于控制；但其對(duì)貨物種類的適應(yīng)性差，一旦貨物規(guī)格或尺寸發(fā)生變化，系統(tǒng)就無(wú)法正常運(yùn)行，限制了其在物流倉(cāng)儲(chǔ)中的應(yīng)用。

4、基于離線規(guī)劃的裝箱與碼垛算法：

5、現(xiàn)有的物流碼垛系統(tǒng)中，通常采用離線規(guī)劃方式進(jìn)行裝箱和碼垛，即在全局已知貨物信息的情況下生成最優(yōu)的碼垛和裝箱方案。這種算法能夠在全局信息的條件下進(jìn)行綜合優(yōu)化，從而獲得較好的碼垛效果。然而，其計(jì)算過(guò)程復(fù)雜且耗時(shí)長(zhǎng)，難以實(shí)時(shí)適應(yīng)物流現(xiàn)場(chǎng)的貨物流動(dòng)，尤其在貨物隨機(jī)到達(dá)且多規(guī)格多尺寸混合的情境下，該方法無(wú)法滿足動(dòng)態(tài)響應(yīng)和實(shí)時(shí)碼垛的要求。

6、基于簡(jiǎn)單避障規(guī)劃的機(jī)械臂運(yùn)動(dòng)控制：

7、現(xiàn)有技術(shù)中，部分機(jī)械臂通過(guò)基本的避障算法在預(yù)設(shè)路徑上進(jìn)行簡(jiǎn)單的避障規(guī)劃。這類方案多采用基于雅可比矩陣偽逆求解的方法，實(shí)現(xiàn)機(jī)械臂在運(yùn)動(dòng)軌跡上對(duì)障礙物的躲避。雖然這種方法可以一定程度上解決機(jī)械臂避障的問(wèn)題，但實(shí)時(shí)性和復(fù)雜場(chǎng)景下的避障效率較低，尤其是在多自由度冗余機(jī)械臂的應(yīng)用中，其避障規(guī)劃需要實(shí)時(shí)計(jì)算雅可比矩陣的偽逆，導(dǎo)致計(jì)算時(shí)間較長(zhǎng)，系統(tǒng)性能受限。此外，傳統(tǒng)避障方案往往忽視了機(jī)械臂本身的物理約束條件，例如關(guān)節(jié)角度極限、速度和加速度等，可能會(huì)導(dǎo)致在實(shí)際操作中出現(xiàn)機(jī)械臂運(yùn)動(dòng)沖擊和安全問(wèn)題

8、然而，當(dāng)前的碼垛技術(shù)多針對(duì)規(guī)格統(tǒng)一的單一貨物，無(wú)法有效應(yīng)對(duì)無(wú)序、多尺寸混合貨物的實(shí)時(shí)碼垛需求。因此，如何使碼垛機(jī)械臂在混合貨物的動(dòng)態(tài)環(huán)境中快速適應(yīng)并高效完成碼垛，是目前需要解決的技術(shù)難題

技術(shù)實(shí)現(xiàn)思路

1、(一)解決的技術(shù)問(wèn)題

2、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種面向碼垛機(jī)械臂的無(wú)序混合貨物智能裝箱與軌跡規(guī)劃方法，具備裝箱與軌跡規(guī)劃避障等優(yōu)點(diǎn)，解決了上述技術(shù)問(wèn)題。

3、(二)技術(shù)方案

4、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種面向碼垛機(jī)械臂的無(wú)序混合貨物智能裝箱與軌跡規(guī)劃方法，包括以下步驟：

5、s1、建立裝箱問(wèn)題的約束模型，所述裝箱問(wèn)題的約束模型的具體表達(dá)式如下：

6、

7、s.t.

8、

9、

10、r≥d

11、g∈g

12、其中，n表示貨物總量，li、wi、hi分別表示第i個(gè)貨物的長(zhǎng)、寬、高，表示裝入貨物的總體積，表示裝入貨物的總體積的最大值，l、w、h分別表示容器的長(zhǎng)、寬、高，xij、yij、zij分別表示第i個(gè)貨物是否與第j個(gè)貨物在x、y、z方向重疊，r表示貨物的底面支撐率，d表示接觸面積閾值，其表達(dá)式如下：

13、

14、

15、

16、其中，xi、yi、zi分別表示第i個(gè)貨物放置的左后下點(diǎn)坐標(biāo)，xj、yj、zj分別表示第j個(gè)貨物放置的左后下點(diǎn)坐標(biāo)；

17、s2、采用貪心算法依據(jù)按層式碼垛策略，并結(jié)合貨物之間的高度差以及殘余空間選擇每一個(gè)貨物的放置點(diǎn)；

18、s3、基于機(jī)械臂的正運(yùn)動(dòng)學(xué)分析和雅可比矩陣建立機(jī)械臂軌跡跟蹤和避障的qp模型，并采用rnn進(jìn)行求解，完成軌跡跟蹤和避障，其中，機(jī)械臂的模型采用改進(jìn)的d-h參數(shù)法建立。

19、作為本發(fā)明的優(yōu)選技術(shù)方案，所述步驟s2的具體過(guò)程如下：

20、s2.1、排序放置點(diǎn)列表和初始解；

21、其中，排序放置點(diǎn)列表的過(guò)程為：比較果a、b兩個(gè)放置點(diǎn)z坐標(biāo)值，并輸出較小的，若z坐標(biāo)值相等y坐標(biāo)值不等，則輸出y坐標(biāo)較小的，若z坐標(biāo)值相等y坐標(biāo)值相等x坐標(biāo)值不等，則輸出x坐標(biāo)值較小的；

22、s2.2、判斷放置點(diǎn)坐標(biāo)x、y是否為0，若是則執(zhí)行步驟s2.3，若否則執(zhí)行步驟s2.5；

23、s2.3、選擇體積最大的貨物為待裝箱貨物；

24、s2.4、更新放置點(diǎn)列表，并停止，等待下一輪放置；

25、s2.5、判斷放置點(diǎn)是否處于x、y邊界，若是則執(zhí)行步驟s2.6，若否則執(zhí)行步驟s2.12；

26、s2.6、判斷貨物、位姿遍歷是否完成，若判斷完成，則執(zhí)行步驟s2.7，若判斷未完成則執(zhí)行步驟s2.8；

27、s2.7、判斷是否有新解，若有新解，則執(zhí)行步驟s2.4.若無(wú)新解，則更換放置點(diǎn)，并跳轉(zhuǎn)至步驟s2.2；

28、s2.8、選擇不同的貨物或位姿；

29、s2.9、判斷步驟s2.8中貨物是否能夠放置該放置點(diǎn)，若不能則跳轉(zhuǎn)至步驟s2.6，若能則執(zhí)行步驟s2.10；

30、s2.10、通過(guò)高度差計(jì)算新解；

31、s2.11、判斷是否接受新解，若接受則更新待裝箱貨物；

32、s2.12、判斷貨物、位姿遍歷是否完成，若判斷完成，則執(zhí)行步驟s2.13，若判斷未完成則執(zhí)行步驟s2.14；

33、s2.13、判斷是否有新解，若有新解，則更換放置點(diǎn)，并跳轉(zhuǎn)至步驟s2.2若無(wú)新解，則跳轉(zhuǎn)至步驟s2.4；

34、s2.14、選擇不同的貨物或位姿；

35、s2.15、判斷步驟s2.14中貨物是否能夠放置該放置點(diǎn)，若不能則跳轉(zhuǎn)至步驟s2.13，若能則執(zhí)行步驟s2.16；

36、s2.16、通過(guò)高度差和殘余空間計(jì)算新解，并跳轉(zhuǎn)至步驟s2.11。

37、作為本發(fā)明的優(yōu)選技術(shù)方案，所述步驟s3中建立的qp模型的具體表達(dá)式如下：

38、

39、s.t.

40、

41、其中，表示關(guān)節(jié)速度，η+和η-表示和的值，j(θ)表示雅可比矩陣，表示關(guān)節(jié)角度限制，表示關(guān)節(jié)速度限制，k、μ表示類函數(shù)。

42、作為本發(fā)明的優(yōu)選技術(shù)方案，所述殘余空間包括橫向的殘余空間和縱向的殘余空間，其對(duì)應(yīng)表達(dá)式如下：

43、

44、

45、其中，dx、dy分別表示判斷是否形成殘余空間的自定義參數(shù)，l、w分別表示容器的長(zhǎng)、寬。

46、與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種面向碼垛機(jī)械臂的無(wú)序混合貨物智能裝箱與軌跡規(guī)劃方法，具備以下有益效果：

47、1、本發(fā)明通過(guò)結(jié)合實(shí)際裝箱過(guò)程中貨物尺寸約束、貨物之間的相交約束、裝載順序約束以及穩(wěn)定性約束，提出一種殘余空間的適應(yīng)度指標(biāo)來(lái)評(píng)估緩存區(qū)內(nèi)貨物以及位姿的適應(yīng)值，以此尋求最優(yōu)在線裝箱方案，為驗(yàn)證算法的有效性，基于unity3d搭建了仿真實(shí)驗(yàn)平臺(tái)，實(shí)驗(yàn)結(jié)果表明該算法空間利用率方面平均達(dá)到64％左右，引入殘余空間這一適應(yīng)度指標(biāo)對(duì)裝箱的空間利用率提升了約10％。

48、2、本發(fā)明通過(guò)將機(jī)械臂和碼垛環(huán)境中障礙物分別抽象為臨界點(diǎn)集，以更簡(jiǎn)單的方式描述機(jī)械臂與障礙物之間的距離，然后利用一般k類函數(shù)建立不等式約束形式的避障策略，利用軌跡跟蹤誤差最小化方法，將控制問(wèn)題轉(zhuǎn)化為多約束條件下的二次規(guī)劃問(wèn)題，然后建立考慮系統(tǒng)模型的循環(huán)神經(jīng)網(wǎng)絡(luò)在線求解qp問(wèn)題，理論推導(dǎo)和數(shù)值仿真結(jié)果表明，該控制器能夠在物理約束條件下，避開障礙物，同時(shí)跟蹤預(yù)定義的軌跡，并通過(guò)franka機(jī)械臂對(duì)該方法進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，該算法在處理機(jī)械臂的運(yùn)動(dòng)軌跡規(guī)劃時(shí)效率高，適合解決機(jī)械臂在實(shí)現(xiàn)軌跡跟蹤的同時(shí)避障和避開關(guān)節(jié)轉(zhuǎn)角極限的問(wèn)題。