轨迹规划是机械臂轨迹控制的基础,决定机械臂的运动方式和作业性能,其目的是找到机械臂在运动过程中时间和空间两者之间的关系来规划机械臂的运动轨迹。目前,学者们对关节空间的轨迹规划算法进行了大量研究,较常用的有三次多项式和五次多项式插值法,计算量小且速度连续。马睿等在满足机器人速度和加速度等约束条件下,利用三次多项式函数对机器人各个运动轨迹点进行插值,在一定程度上实现了最优的规划目标,但是由于三次多项式函数的特性导致机器人关节角速度曲线发生突变,可能会导致机器人运动时的振动。在实际运用中,需要考虑工业机器人各个关节的始末位置、速度及加速度等因素,因为三次多项式得不到光滑的加速度曲线,因而五次多项式被广泛应用。董辉等采用B样条插值法对机械手关节轨迹进行规划,将机器人的运动约束转化为B样条的控制顶点问题,从而优化出所需轨迹;刘松国等采用七次B样条曲线构造关节臂各关节的运动曲线,实现了关节臂运行的速度、加速度和冲击等参数的连续平滑,并到达了时间最短的优化目标。
随着计算机的发展,智能优化算法也被应用于轨迹规划的优化,石忠等采用粒子群算法优化用于机器人轨迹规划的多项式系数。遗传算法因为具有全局优化的特点,而广泛应用于机器人的轨迹规划,郭清达等采用遗传算法优化机器人轨迹曲线的时间参数,证明其可靠性和实用性;Florian Shkurti等以时间和冲击作为约束条件,通过改变加权值得到不同的规划轨迹;Sebastian Starke等将遗传算法和粒子群算法相结合,优化了逆运动学解,获得了更精确的轨迹规划;A.Gasparetto等给出了基于能量最优的轨迹规划算法。
关节式坐标测量机因具有体积小、重量轻、便于携带和测量灵活性好等优点,广泛应用于航空航天、汽车制造、模具检测和逆向工程等领域。为实现自动测量,提出自驱动关节臂坐标测量机(简称自驱动关节臂),自驱动关节臂同样面临轨迹规划问题。对于轨迹规划而言,已知目标点位置的角度、工业机械臂的目标点,但自驱动关节臂末端测头的精确空间位置未知。根据待测物的模型可以大致估算某位置,到达该点后,测量机仍需沿运动方向运动直至接触到被测物恒力触发测量。
为了保障测量精度,测量机平稳运动,抑制振动是轨迹规划首要关注的问题。为此,本文采用关节空间和笛卡尔空间相结合的方法进行轨迹规划,在关节空间采用五次多项式插值算法,速度平稳连续且不发生突变,在笛卡尔空间采用直线插值算法,可使测