本发明属于机器人喷涂优化，尤其涉及基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法。
背景技术：
1、燃汽轮机一种作为高效率的热-功转换类发电设备，其核心部件燃气轮机叶片的表面喷涂质量直接影响着燃汽轮机气体压缩比以及运行效率，进而显著影响燃气轮机的输出功率，因此燃机叶片喷涂工艺的研究对于燃机轮机的使用性能具有重要意义。通过给燃机叶片表面涂覆不同漆料，可实现叶片耐高温、抗氧化和抗腐蚀性能的明显优化以及使用寿命与转换效率的显著提升。但是传统的手工喷涂式的燃机叶片喷涂作业模式存在加工时间长、产品信息无法追踪、质量不稳定等诸多问题。此外，手工喷涂作业现场的工作环境较为恶劣，且常用喷涂漆料中含三氧化铬(vi)等有害成分，极易对操作人员的职业健康造成风险。
2、因此机器人喷涂应运而生，而对于机器人喷涂，重点之一是对机器人喷涂过程中喷涂轨迹规划，现有技术中的机器人对燃气轮机叶片的复杂表面进行喷涂基本采用三次、五次多项式或三次五次多项式的组合形式进行规划作业，但是该种插值方式的轨迹平滑度和复杂形状的逼近能力有所欠缺。由于喷涂机器人非接触式的作业特点，而导致目前的喷涂机器人轨迹规划与轨迹优化较多的集中于时间优化与能量优化，而忽视的喷涂作业过程中的冲击优化。但是在实际喷涂过程中，机器人执行多道匀速喷涂作业时，由于喷涂机器人转向与换道喷涂导致喷涂空间位置的改变会带来对机器人本体较大的冲击振动与运动跳变现象，极易引起机体刚度与精度的变化，对漆膜的成膜质量造成影响。第三，对于目标轨迹进行传统多目标优化分析与求解的过程逻辑复杂且改进困难，无法满足燃机叶片个性化与小批量定制化喷涂加工作业需求。
3、因此，如何对现有的燃机叶片机器人喷涂轨迹规划过程进行优化，提高机器人喷涂作业的轨迹平滑性，保证燃机叶片机器人喷涂作业的高效与高精度，是目前亟需解决的技术问题。
技术实现思路
1、本发明的目的在于提供基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法，用以对现有的燃机叶片机器人喷涂轨迹规划过程进行优化，提高机器人喷涂作业的轨迹平滑性，保证燃机叶片机器人喷涂作业的高效与高精度。
2、为解决上述技术问题，本发明采用的技术方案如下：
3、基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法，包括以下步骤：
4、s1：通过数据采集模块获取待喷涂物体的待喷涂表面数据并构建待喷涂物体的三维模型，由over_distance函数基于拟合参数下的膜厚分布模型计算得到对应工艺下的膜厚分布图，并依据标准差值输出最佳搭接距离值；
5、s2：由所述最佳搭接距离值指定各关键插补点数值，得到传入generateqlist2函数的坐标表格中的待喷涂表面范围内的插补点位姿信息以及函数内部指定的过渡点坐标数值，并输出关键插补点的位姿时间序列数组；
6、s3：进行多目标优化建模，并基于鲸鱼优化算法计算最优鲸鱼个体位置对应的时间间隔组及适应度值，并传输至轨迹规划模块；
7、s4：基于七次非均匀b样条曲线进行喷涂轨迹插补，并输出插补后的喷涂轨径，并传输至机器人，机器人基于插补后的喷涂轨径对待喷涂物体的待喷涂表面进行喷涂。
8、优选的，步骤s3中的具体过程如下：
9、s3 1：进行多目标优化建模，设置鲸鱼种群数量以及优化搜索上限值和优化搜索下限值，并初始化鲸鱼种群的位置；
10、s32：随机初始化所有鲸鱼个体位置，每个位置代表一个时间间隔组，并对鲸鱼个体位置进行迭代更新；
11、s33：将时间组数据代入objfun2函数，计算鲸鱼个体针对喷涂优化函数适应度值，并判断迭代次数是否达到预设值，若否，更新鲸鱼种群个体位置，并对鲸鱼种群适应度值进行重新计算，若是，执行步骤s34：
12、s34：输出最优鲸鱼个体位置对应的时间间隔组以及适应度值，并传输至轨迹规划模块。
13、优选的，步骤s31中进行多目标优化建模的过程如下：
14、s311：创建多目标优化的表达式，具体为：
15、f(x)＝[min f1(x)，min f2(x)，min f3(x)，…，min fn(x)]；
16、s.t.gi(x)...0，i＝1，…，p；hj(x)＝0，j＝1，…，q；
17、其中，x表示决策变量，等于在由x1，x2，x3，...，xn的决策变量组成的决策空间中的任一值fi(x)表示优化子目标，gi(x)、fi(x)、hj(x)表示优化时需要满足的约束条件方程；
18、s312：基于时间值、能量消耗以及脉动冲击值的三个子优化目标的权重和总优化目标表达式，获取机械臂喷涂轨迹基于时间值、能量消耗以及脉动冲击值的最优解；时间值、能量消耗以及脉动冲击值的三个优化子目标以及总优化目标的表达式如下：
19、
20、
21、
22、e＝s1+m1*s2+m2*s3；
23、其中，s1表示机械臂在轨迹运行的总时间，ti、ti+1分别表示相邻段轨迹点的时间节点值，s2用于衡量机械臂在轨迹运行的能量消耗，ai表示第i个关节的角度加速度，s3用于衡量机械臂在轨迹运行时的脉动冲击值，ji表示第i个关节的角度加加速度，e为优化目标值，m1和m2为对应子优化目标对应权重系数，通过调整权重系数进而调整各项优化目标所占比值；
24、s313：基于机械臂在角度、速度、加速度、加加速度的运行约束对机械臂轨迹进行优化，具体表达式为：
25、|q(t)|≤qmax；|v(t)|≤vmax|；|a(t)|≤amax；|j(t)|≤jmax；
26、其中，q表示关节角度值，v表示关节角速度值，a表示关节角加速度值，j表示关节角加加速度值。
27、优选的，步骤s31中的初始化鲸鱼种群的位置的表达式为：
28、xi(0)＝[xi1(0)，xi2(0)，…，xid(0)]，i＝1，…n；
29、其中，xi(0)表示i个鲸鱼个体的位置，d表示搜索空间维度，
30、步骤s32的对鲸鱼个体位置进行迭代更新中，除最佳搜索代理外的其他搜索个体根据最佳个体的位置更新自己的位置，位置迭代更新表达式为：
31、
32、
33、其中，分别表示鲸鱼个体位置以及最佳鲸鱼个体的位置，为系数向量，t代表迭代次数，最优解刷新时的值会被更新；
34、的表达式为：
35、
36、
37、
38、其中，式中tmax为设定的最大迭代次数，为0到1之间的随机矢量。
39、优选的，所述鲸鱼种群数量设置为30，优化搜索上限值设置为1，优化搜索下限值设置为0.05，搜索空间维度设为20。
40、优选的，步骤s33中将时间组数据代入objfun2函数，计算鲸鱼个体针对喷涂优化函数适应度值的具体过程如下：
41、s331：传入时间间隔组至objfun2函数，由generateqlist2函数得到完整插补点坐标和时间节点；
42、s332：将插补点位置时间序列数组传入getspline7pvaj2函数，计算得到七次b样条插补后的空间轨迹位姿数据；
43、s333：将所述空间轨迹位姿数据传入inversesolution函数，计算得到各时刻的关节动态特性参数数据，所述关节动态特性参数数据包括角度、速度、加速度、加加速度数组；
44、s334：将加速度、加加速度以及对应的时间序列数组传入energyimpactvalue函数，计算得到喷涂优化函数适应度值。
45、优选的，步骤s4中的基于七次非均匀b样条曲线进行喷涂轨迹插补的具体过程如下：
46、s41：定义k阶b样条曲线的表达式为：
47、
48、其中，bj，k(u)表示第，个k阶b样条基函数，pj表示基函数所对应的第，个控制点，节点向量定义为：
49、u＝[u0，u1，…，uk，uk+1，…，un，un+1，…，un+k]，u为非递减节点序列，按照德布尔-考克斯递推式可得基函数表达式，式中规定0/0＝0；
50、s42：通过得到b样条曲线的系数矩阵反求经过目标位置点对应的控制点，使b样条曲线经过系列目标位置点；
51、s43：结合由累积弦长以及归一化处理的时间节点向量计算得出b样条曲线各个节点处关节的实际角度位置。
52、本发明的有益效果包括：
53、本发明提供的基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法，通过数据采集模块获取待喷涂物体的待喷涂表面数据，计算得到对应工艺下的膜厚分布图并输出最佳搭接距离值；由所述最佳搭接距离值指定各关键插补点数值，得到待喷涂表面范围内的插补点位姿信息以及函数内部指定的过渡点坐标数值，并输出关键插补点的位姿时间序列数组；基于鲸鱼优化算法计算最优鲸鱼个体位置对应的时间间隔组及适应度值，并传输至轨迹规划模块；基于七次非均匀b样条曲线进行喷涂轨迹插补，并输出插补后的喷涂轨径，机器人基于插补后的喷涂轨径对待喷涂物体的待喷涂表面进行喷涂。
54、首先，基于鲸鱼优化算法和七次非均匀b样条曲线的结合进行机器人喷涂轨迹优化，一方面可以实现机器人喷涂工艺对复杂形状的高度逼近与喷涂轨迹的高度平滑，另一方面还可以实现时间、能量和冲击的多目标混合轨迹优化，显著提高喷涂机器人的喷涂质量。
55、其次，七次非均匀b样条曲线作为轨迹规划时常用的路径点拟合方法，曲线通过控制点、节点向量和基函数来完成表达式的定义，其中节点向量决定了曲线参数空间的划分，而基函数决定了控制点如何影响曲线的局部区域。非均匀b样条节点向量不是均匀分布的，因此可以在参数空间的不同部分可以设置不同的节点向量密度，使得其可以通过调整节点向量的排布更为精细的控制曲线形状获得更好的拟合表达效果。
56、最后，通过进行多目标优化建模的过程将时间值、能量消耗以及脉动冲击值三者的权重和总优化目标表达式获取一组轨迹在三方面特性综合较优的权衡解，在提高机械臂在喷涂轨迹上的运行效率的同时降低机械臂能量消耗，保证机械臂运行平稳，减少受到的冲击脉动。
1.基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法，其特征在于，步骤s3中的具体过程如下：
3.根据权利要求2所述的基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法，其特征在于，步骤s31中进行多目标优化建模的过程如下：
4.根据权利要求2所述的基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法，其特征在于，步骤s31中的初始化鲸鱼种群的位置的表达式为：
5.根据权利要求4所述的基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法，其特征在于，所述鲸鱼种群数量设置为30，优化搜索上限值设置为1，优化搜索下限值设置为0.05，搜索空间维度设为20。
6.根据权利要求4所述的基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法，其特征在于，步骤s33中将时间组数据代入objfun2函数，计算鲸鱼个体针对喷涂优化函数适应度值的具体过程如下：
7.根据权利要求1所述的基于七次非均匀b样条曲线的机器人喷涂轨迹优化方法，其特征在于，步骤s4中的基于七次非均匀b样条曲线进行喷涂轨迹插补的具体过程如下：
