《變電站應急操作機械臂路徑規(guī)劃與控制研究開題報告》5600字

變電站應急操作機械臂路徑規(guī)劃與控制研究開題報告目錄TOC\o"1-2"\h\u15423變電站應急操作機械臂路徑規(guī)劃與控制研究開題報告 111575一、研究背景及意義 16632二、國內外研究現(xiàn)狀 223990（一）移動機器人定位與路徑規(guī)劃 223196（二）機械臂視覺引導與運動規(guī)劃 36448三、本文主要研究內容 521263四、本文結構安排 517486五、進度安排 5217411選題2022年10月15日-2022年10月31日 6294806論文答辯2023年3月22日-2023年4月10日 628835六、參考文獻 6一、研究背景及意義近年來，隨著國家電網系統(tǒng)、高速鐵路系統(tǒng)的快速發(fā)展，我國電力和鐵路系統(tǒng)的自動化程度有了明顯提升。而變電站是電力傳輸的樞紐，其安全可靠的運行與國民經濟建設和電氣化鐵路交通系統(tǒng)的安全運行息息相關。2014年，川藏鐵路正式動工建設，規(guī)劃建設川藏鐵路是維護國家統(tǒng)一、鞏固邊疆穩(wěn)定及促進藏區(qū)經濟社會發(fā)展的需要。其總長約1700km，而全線隧道就長達1400km，由于地質條件復雜，線路將出現(xiàn)超過50km的超長隧道，而且，整條川藏鐵路處于高海拔、地勢復雜的山區(qū)。川藏鐵路沿線的牽引變電所將處在低溫、缺氧的戶外條件下或者超深埋超長隧道中，建設無人值守變電站勢在必行。而傳統(tǒng)變電站也面臨著人力成本上升和人力資源短缺等問題。針對此種情況，研究設計輪式移動操作機械臂代替人在緊急情況下完成諸如操作按鈕開關、倒閘等操作，從而保障牽引供電系統(tǒng)的安全是十分必要的。大力發(fā)展機器人技術是《中國制造2025》的一項重要內容。隨著機器人相關理論研究與硬件技術的發(fā)展，各種各樣的機器人廣泛地應用于工業(yè)生產、倉儲、安防巡檢和太空探索等領域，替代人們從事重復繁重的勞動或者具有危險性的工作，極大地提高了生產生活效率。但無論是移動機器人還是機械臂，它們的使用場景比較有限，功能較為單一，不能從事相對復雜、靈活的任務。移動操作機械臂作為一種新型機器人，在結構上將可自由移動的機器人和機械臂結合起來，既有移動機器人工作空間的廣闊性，又有機械臂操作空間的靈活性。而且，為移動操作機械臂配備激光雷達、相機等環(huán)境感知傳感器后，能夠很大程度上增強其環(huán)境信息獲取的能力，實現(xiàn)更加復雜的操作也成為可能。在應用環(huán)境方面，移動操作機械臂可以應用在對人類有危險的環(huán)境中如偵察排爆、生化核能排險和空間探測等。因此，從發(fā)展前景和應用領域的角度來看，移動操作機械臂的研究價值是非常高的。在針對移動操作機械臂的研究中，運動學分析與建模、移動平臺的運動控制、機械臂的視覺引導和運動規(guī)劃等是核心的研究內容。本課題的主要任務是:針對變電站的實際應用環(huán)境，利用實驗室現(xiàn)有的移動機器人和機械臂進行集成，根據使用需求設計移動操作機械臂的總體框架，隨后，研究移動機器人的環(huán)境建模和運動控制算法以實現(xiàn)移動機器人在室內環(huán)境下的運動，研究基于單目視覺的機械臂引導和機械臂的運動規(guī)劃從而實現(xiàn)對特定按鈕開關的定位和操作，最終實現(xiàn)移動操作機械臂在變電站室內實現(xiàn)按壓特定開關的操作。此外，本課題搭建的移動操作機械臂軟硬件平臺，也為其他應用場景下使用提供了擴展的可能。二、國內外研究現(xiàn)狀（一）移動機器人定位與路徑規(guī)劃移動機器人的運動控制問題主要包含自主定位、自主導航和路徑規(guī)劃問題。其中，自主定位解決的是對“WhereamI?"即移動機器人在環(huán)境中定位的問題，導航解決的是“WhereamIgoing?”即移動機器人怎樣到達目標位置的問題，而路徑規(guī)劃解決的是"HowdoIgetthere?”即移動機器人在給定目標點的前提下如何在復雜的環(huán)境中選取合適的行走路徑的問題。針對這些問題，國內外學者也進行了許多研究。自主定位是移動機器人運動控制要解決的首要問題，總體上可分為三類問題，即位置跟蹤問題、全局定位問題和綁架問題。1.位置跟蹤問題位置跟蹤問題是在移動機器人己知初始位姿的前提下，通過傳感器記錄機器人的運動信息，計算出機器人當前位姿相對于初始位姿的相對運動，從而完成定位。根據所用傳感器的不同，位置跟蹤問題又分為航跡推算和慣性導航。航跡推算即使用編碼器記錄機器人各個驅動電機角位移，從而計算出機器人的位移。此種方法雖原理簡單且短期內定位效果較好，但是它也受輪子之間不均勻、輪子打滑及地面平整度等諸多因素影響，此外，編碼器的累計誤差會隨著機器人運動而增大，長距離運行后定位精度也會下降。慣性導航是實現(xiàn)空間定位的主要方式，廣泛應用在軍工航天領域，這種方式主要依賴高精度慣導器件和慣性導航算法實現(xiàn)航空器和航天器諸如火箭、導彈等的三維空間定位。但是此種方式主要存在兩大缺點，一是慣性導航算法依賴于航跡推算法，存在累計誤差;二是傳感器件的精度也會影響到算法精度。因此，造價高昂的純慣性導航方式無法民用。2.全局定位問題全局定位問題認為機器人初始位姿是未知的，利用傳感器數據以確定機器人在當前環(huán)境中的位姿從而實現(xiàn)機器人的定位。目前使用較多的全局定位方法有基于路標的定位、基于GPS(GlobalPositioningSystem)的定位、基于概率地圖的定位和基于視覺的定位?；诼窐说亩ㄎ环椒ㄊ菣C器人根據環(huán)境中人為設置的標定點實現(xiàn)準確的定位，如依靠二維碼實現(xiàn)定位等，此種方法較為簡單可靠，但是需要對環(huán)境進行人工改造，一旦改變使用環(huán)境，就需要重新設置標定點?；贕PS的定位方法是一種典型的基于幾何原理的定位，此種定位方法的應用需要解決信號遮擋問題和精度問題。為了改善以上問題，組合導航方式通過對多種傳感器信息的融合，實現(xiàn)在成本降低的基礎上保證了定位精度，通過使用卡爾曼濾波融合方法實現(xiàn)對GPS、慣性測量單元和里程計的信息融合實現(xiàn)定位，從而保證了較低的累計誤差。3.綁架問題綁架問題是指機器人在運動過程中定位突變到其他錯誤位置而無法恢復到真實位置的現(xiàn)象。在此種情況下，機器人“相信”自己的定位盡管此定位并非是機器人的真實位置。針對于定位算法，解決機器人全局定位失效對于機器人的自主定位是至關重要的。移動機器人的路徑規(guī)劃問題解決的是“HowdoIgetthere?”的問題。路徑規(guī)劃問題總體上可描述為移動機器人在環(huán)境中規(guī)劃出一條從起點到達目標點并滿足某些約束的路徑問題，從規(guī)劃范圍上劃分，路徑規(guī)劃問題可分為全局與局部路徑規(guī)劃。全局路徑規(guī)劃是在全局地圖中搜索出從一條從起點到達目標點的并滿足約束的可行路徑，常見算法有Dijkstra算法[20]、A*算法等，這些算法一般采用基于圖論的方法，即在基于地圖信息構造出的拓補圖上使用圖搜索的方法搜索出路徑。局部路徑規(guī)劃指在移動機器人運動過程中依靠傳感器探測并避開環(huán)境中的障礙物，常見算法有人工勢場法、遺傳算法和蟻群算法等。（二）機械臂視覺引導與運動規(guī)劃1.視覺引導機械臂視覺引導的關鍵在于目標的識別與位姿估計，目標識別是指通過視覺傳感器識別環(huán)境中的物體，位姿估計是計算出目標物體自身坐標系在相機坐標系下的平移旋轉關系，包括3個平移量和3個旋轉量共6個位姿量。用于識別的視覺傳感器通常有單目相機、深度相機和雙目相機，視覺引導也分為基于位置的視覺引導和基于圖像的視覺引導。隨著人工智能、深度學習在圖像處理領域的廣泛應用，一些新的算法在目標識別與位姿估計方面也取得了很好的效果。基于位置的視覺引導是通過相機采集到的目標物體位姿進而獲得其在機械臂基坐標系下的位姿，最終確定目標位姿引導機械臂運動。誤差信號由機械臂當前位姿和目標位姿給定。此種方法的控制精度很大程度依賴標定精度，此外，還需要進行逆運動學求解，計算量有所增加。PiepmeierJA等人采用的單目視覺系統(tǒng)中利用目標物體上的特征點，通過迭代法計算目標物體位姿。ZengA等提出一種利用深度相機多視角獲取圖像并用CNN神經網絡識別與抓取的方法，該方法將二維圖像目標物體分割場景與掃描獲取的三維物體模型匹配，通過ICP配準最終得到目標位姿，此外，又引入監(jiān)督學習的方法訓練數據集，具有較高的自主性與靈活性?；趫D像的視覺引導則是利用圖像特征作為反饋信息，并計算位姿變化量和圖像信息的雅可比矩陣及其逆矩陣。此種方法無需進行相機標定從而可以避免標定參數的誤差，但關鍵需要減小圖像雅克比矩陣的計算量。PiepmeierJA等計算圖像雅可比矩陣時通過引入相機參數來降低計算量。ChaumetteF等引入部分基于位置的引導，將兩者進行結合，效率有所提高，但是計算較復雜。2.機械臂運動規(guī)劃機械臂的運動規(guī)劃是在三維立體空間中規(guī)劃出從初始位姿到達目標位姿的無碰撞路徑。此外，機械臂自身及周圍環(huán)境中的障礙物也構成了對運動規(guī)劃的約束，因此運動規(guī)劃需要在約束條件下搜索出滿足要求的路徑。在環(huán)境障礙物信息確定的條件下，能否快速規(guī)劃出最優(yōu)路徑是衡量機械臂智能程度的重要指標。高維空間路徑規(guī)劃算法主要有柵格法、構型空間法和基于隨機采樣的規(guī)劃方法等。柵格法將機械臂的工作空間分為一定分辨率的正方體柵格，在傳感器獲取工作空間中的障礙物外形與位置信息后，用不同顏色的柵格表示障礙物所在的空間和無障礙物空間，并用Dijkstra算法、A*等算法搜索路徑?；陔S機采樣的路徑規(guī)劃方法也是針對構型空間的路徑規(guī)劃，其主要方法是在機械臂的構型空間中隨機采樣，檢測是否與障礙物發(fā)生碰撞，并將這些目標點與附近其他目標點相連，最后使用圖搜索算法生成包含起始點和目標點的概率隨機地圖，以確定最終路徑。此種方法有較好的實時性，但往往不是最優(yōu)路徑，需要在工程上進行針對性的優(yōu)化。目前應用的比較廣泛的有隨機路圖法[34}(PRM，ProbabilisticRoadmapMethod)和快速拓展隨機樹法(RRT，Rapidly-ExploringRandomTree)。此外，KuffnerJJ等在RRT算法的基礎上提出的RRT-Connect算法大大提高了結點的拓展效率。GammellJD等提出的RRT*算法通過啟發(fā)式方法改進了收斂速度。三、本文主要研究內容通過對國內外機械臂運動規(guī)劃研究現(xiàn)狀分析，針對在靜態(tài)障礙物環(huán)境下和無靜態(tài)障礙物環(huán)境下采用傳統(tǒng)路徑規(guī)劃算法進行避障規(guī)劃時，存在規(guī)劃時間長、路徑冗長等問題，本課題采用DDPG算法進行研究。首先，依據機械臂的數學基礎，采用D-H參數法構建機械臂模型，并完成運動學分析與碰撞檢測；之后，對不同的串聯(lián)機械臂設置相應的獎勵函數模型、動作變量和狀態(tài)變量；隨后，采用DDPG算法對不同機械臂在不同環(huán)境下進行仿真試驗；最后，構建基于DobotMagician機械臂的實驗平臺并進行實驗，以驗證仿真訓練后所得DDPG算法模型的有效性與正確性。實驗結果表明，仿真訓練后的模型能夠使DobotMagician機械臂避開靜態(tài)障礙物到達目標。四、本文結構安排第一章為緒論部分。對本課題的研究背景與意義進行介紹。通過文獻查閱獲悉國內外關于串聯(lián)機械臂及其運動規(guī)劃算法以及基于深度強化學習的運動規(guī)劃的研究現(xiàn)狀，并對串聯(lián)機械臂避障運動規(guī)劃算法進行分析和總結。第二章為機械臂建模與運動學分析部分。通過D-H參數法并在MATLAB平臺中構建機械臂模型；然后，依據所建模型分析，對其進行正逆運動學分析；最后，分析了機械臂避障運動系統(tǒng)中的碰撞檢測模型。第三章為二連桿機械臂避障運動規(guī)劃研究部分。首先，介紹了深度強化學習理論并引出所要采用的DDPG算法；然后，根據二自由度機械臂的運動環(huán)境設置動作、狀態(tài)、獎勵函數以及DDPG算法中的參數；隨后，采用DDPG算法分別在有靜態(tài)障礙物環(huán)境下和無靜態(tài)障礙物環(huán)境下進行仿真試驗；最后，獲取兩種環(huán)境下的反饋獎勵值曲線并加以分析。第四章為DOBOT機械臂避障運動規(guī)劃研究部分。首先，根據DOBOT機械臂特點及所處環(huán)境完成動作、狀態(tài)、獎勵函數以及DDPG算法中參數的設置；然后，采用DDPG算法分別在有靜態(tài)障礙物環(huán)境下和無靜態(tài)障礙物環(huán)境下進行仿真試驗。隨后，在試驗結束后，得到兩種環(huán)境下機械臂在最終路徑下的各關節(jié)角度、角速度和角加速度隨時間變化曲線以及反饋獎勵值曲線，并進行分析；接著，在完成上述試驗基礎上研究DDPG算法對新環(huán)境的遷移能力，故改變環(huán)境中障礙物的狀態(tài)后再進行試驗；最后，搭建了基于DobotMagician機械臂的實驗平臺并進行實驗，以驗證本文所用方法的可行性。第五章為總結與展望部分。總結本課題采用算法在關于串聯(lián)機械臂的避障運動規(guī)劃研究過程中的優(yōu)點和缺陷，并提出未來研究方向。五、進度安排1選題2022年10月15日-2022年10月31日2撰寫論文開題報告并提交2022年11月1日-2022年11月25日3準備資料、撰寫修改并提交論文初稿2022年11月26日-2023年1月20日4準備資料、撰寫修改并提交論文二稿2023年1月21日-2023年2月20日5論文定稿、打印裝訂并提交論文終稿2023年2月20日-2023年3月21日6論文答辯2023年3月22日-2023年4月10日六、參考文獻[1] 王喜文.工業(yè)4.0帶來機器人的進化[J]物聯(lián)網技術[J].2015，5(10):2.[2] 戢磷.面向中國制造2025的先進制造技術課程教學研究——培養(yǎng)掌握新型工業(yè)機器人應用與維修技術的高職人才[J]民營科技[J].2015，(11):258.[3] 王新.基于球型腕的靈巧機器人零力控制研究[D];大連理工大學，2016.[4] 譚華，林克.物聯(lián)網熱點技術及應用發(fā)展分析[J]移動通信[J].2016，40(17):64-9.[5] 侯杰，曾軍妮，流行色歐J.基于智能云系統(tǒng)的兒童陪伴機器人設計研究[J].2019，4.[6] 曹曉曼.水果采摘機器人運動規(guī)劃研究[D];華南農業(yè)大學，2019.[7] 曹毅.顯微外科手術機器人工作空間分析與綜合[D];天津大學，2004.[8] 張亮.仿人機器人肩肘腕關節(jié)及臂的設計[D];燕山大學，2016.[9] 宗成星.空間多自由度串聯(lián)機械臂的避障運動規(guī)劃方法研究[D];合肥工業(yè)大學，2017.[10] BILLINGSG，JOHNSON-ROBERSONM.SilhoNet:AnRGBMethodfor6DObjectPoseEstimation[J].IeeeRoboticsandAutomationLetters，2019，4(4):3727-34.[11] 方爽.基于ROS的冗余機械臂路徑規(guī)劃研究[D];上海應用技術大學，2020.[12] 張亞賓.基于改進雙樹RRT算法的串聯(lián)操作臂避障運動規(guī)劃研究[D];河南工業(yè)大學，2020.[13] 陳啟愉，吳智恒.全球工業(yè)機器人產業(yè)發(fā)展戰(zhàn)略對比研究[J]自動化與信息工程[J].2017，38(02):1-6.[14] 沈平，畢太富.機器人產業(yè)與傳統(tǒng)制造業(yè)互動發(fā)展分析[J]中國管理信息化[J].2015，18(14):159.[15] 沈平，中國管理信息化畢J.機器人產業(yè)與傳統(tǒng)制造業(yè)互動發(fā)展分析[J].2015，18(14):159-.[16] 梁毓明，徐立鴻.移動機器人路徑規(guī)劃技術的研究現(xiàn)狀與發(fā)展趨勢[J]機電一體化[J].2009，15(03):35-8+68.[17] OKAMURAAM，SMABYN，CUTKOSKYMR.Anoverviewofdexterousmanipulation;proceedingsoftheProceedings2000ICRAMillenniumConferenceIEEEInternationalConferenceonRoboticsandAutomationSympo