本公开涉及协作机器人运动轨迹规划领域，更具体地说，涉及一种协作机器人的关节轨迹优化方法及装置。
背景技术：
1、协作机器人指可以与人类在生产线上协同工作的机器人，与传统的工业机器人相比，协作机器人具有更高的灵活性和安全性，能够与人类在同一工作空间内协同工作，而无需额外的安全设施。这种特性使得协作机器人在一些需要灵活生产和人机协同作业的场景中具有明显的优势。轨迹规划作为机器人抓取控制的核心，从根本上决定了机器人的作业性能。优异的轨迹规划能够在确保完成作业任务的基础上，提高机器人工作效率，降低能量消耗，减少振动与冲击造成的关节磨损，从而提高工业机器人的使用寿命。
技术实现思路
1、为了解决上述问题，本公开提出一种协作机器人的关节轨迹优化方法及装置、计算系统及计算机可读存储介质，能够解决非支配排序遗传(nsga-ii)算法在目标优化过程中收敛速度慢、容易陷入局部最优解的问题。
2、根据本公开的一方面，提供一种协作机器人的关节轨迹优化方法，所述协作机器人的关节轨迹优化方法包括：利用七次b样条曲线函数对协作机器人的机械臂终端机构的空间路径点进行插值，以得到各个关节的b样条轨迹曲线；以各个关节的b样条轨迹曲线的控制顶点的数值为优化变量，利用非支配排序遗传算法确定各个关节的b样条轨迹曲线的控制顶点的数值的帕累托最优解集；基于所述帕累托最优解集，确定协作机器人的关节轨迹的规划方案，其中，所述非支配排序遗传算法包括：基于初始的交叉概率、预定增益因子、子代种群的适应度的标准差和子代种群的平均适应度，确定调整后的交叉概率；基于初始的变异概率、预定增益因子、子代种群的适应度的标准差和子代种群的平均适应度，确定调整后的变异概率；基于调整后的交叉概率和变异概率对子代种群执行交叉和变异操作，以产生新的子代种群。
3、可选地，所述非支配排序遗传算法还包括：设置非支配排序遗传算法的初始化相关参数，并且生成种群的初始种子以确定初始种群，其中，所述初始化相关参数包括种群规模、变异概率、交叉概率、最大迭代次数、关节轨迹的运动约束和机械臂自身运动特性约束；基于作为协作机器人的关节轨迹优化的目标函数的适应度函数，确定初始种群中的优势种群；确定优势种群中的每个个体的拥挤度；基于每个个体的拥挤度，从处于支配地位的个体集合中选择与所述种群规模相等的数量的个体作为子代种群。
4、可选地，所述非支配排序遗传算法还包括：在产生新的子代种群之后，将迭代次数加1；将子代种群和新的子代种群合并，确定合并的种群中的每个个体的拥挤度；基于合并的种群中的每个个体的拥挤度，从处于支配地位的个体集合中选择与所述种群规模相等的数量的个体作为新的种群；针对所述新的种群确定调整后的变异概率和变异概率并对其执行交叉和变异操作，以产生所述新的种群的子代种群，并将迭代次数加1；重复种群合并、确定新的种群以及产生所述新的种群的子代种群的步骤，直到所述迭代次数达到所述最大迭代次数，以得到所述目标函数对应的帕累托最优解集。
5、可选地，基于目标函数的数量以及每个个体在目标函数上的值来确定每个个体的拥挤度。
6、可选地，生成种群的初始种子的步骤包括：利用logistic混沌映射生成种群的初始种子。
7、可选地，所述目标函数包括表征机械臂终端机构从初始位姿到终止位姿的时间的函数、表征关节的平均加速度的函数、表征关节消耗的能量的函数以及表征关节脉动的函数。
8、可选地，关节轨迹的运动约束包括相应关节的b样条速度、加速度、加加速度轨迹曲线的控制顶点的最大值，机械臂自身运动特性约束包括关节力矩、关节速度、关节加速度、关节加加速度和关节位移的最大值。
9、根据本公开的另一方面，提供一种协作机器人的关节轨迹优化装置，所述协作机器人的关节轨迹优化装置包括：插值单元，被配置为利用七次b样条曲线函数对协作机器人的机械臂终端机构的空间路径点进行插值，以得到各个关节的b样条轨迹曲线；求解单元，被配置为以各个关节的b样条轨迹曲线的控制顶点的数值为优化变量，利用非支配排序遗传算法确定各个关节的b样条轨迹曲线的控制顶点的数值的帕累托最优解集；规划单元，被配置为基于所述帕累托最优解集，确定协作机器人的关节轨迹的规划方案，其中，所述非支配排序遗传算法包括：基于初始的交叉概率、预定增益因子、子代种群的适应度的标准差和子代种群的平均适应度，确定调整后的交叉概率；基于初始的变异概率、预定增益因子、子代种群的适应度的标准差和子代种群的平均适应度，确定调整后的变异概率；基于调整后的交叉概率和变异概率对子代种群执行交叉和变异操作，以产生新的子代种群。
10、可选地，所述非支配排序遗传算法还包括：设置非支配排序遗传算法的初始化相关参数，并且生成种群的初始种子以确定初始种群，其中，所述初始化相关参数包括种群规模、变异概率、交叉概率、最大迭代次数、关节轨迹的运动约束和机械臂自身运动特性约束；基于作为协作机器人的关节轨迹优化的目标函数的适应度函数，确定初始种群中的优势种群；确定优势种群中的每个个体的拥挤度；基于每个个体的拥挤度，从处于支配地位的个体集合中选择与所述种群规模相等的数量的个体作为子代种群。
11、可选地，所述非支配排序遗传算法还包括：在产生新的子代种群之后，将迭代次数加1；将子代种群和新的子代种群合并，确定合并的种群中的每个个体的拥挤度；基于合并的种群中的每个个体的拥挤度，从处于支配地位的个体集合中选择与所述种群规模相等的数量的个体作为新的种群；针对所述新的种群确定调整后的变异概率和变异概率并对其执行交叉和变异操作，以产生所述新的种群的子代种群，并将迭代次数加1；重复种群合并、确定新的种群以及产生所述新的种群的子代种群的步骤，直到所述迭代次数达到所述最大迭代次数，以得到所述目标函数对应的帕累托最优解集。
12、可选地，基于目标函数的数量以及每个个体在目标函数上的值来确定每个个体的拥挤度。
13、可选地，生成种群的初始种子的步骤包括：利用logistic混沌映射生成种群的初始种子。
14、可选地，所述目标函数包括表征机械臂终端机构从初始位姿到终止位姿的时间的函数、表征关节的平均加速度的函数、表征关节消耗的能量的函数以及表征关节脉动的函数。
15、可选地，关节轨迹的运动约束包括相应关节的b样条速度、加速度、加加速度轨迹曲线的控制顶点的最大值，机械臂自身运动特性约束包括关节力矩、关节速度、关节加速度、关节加加速度和关节位移的最大值。
16、根据本公开的另一方面，提供一种包括至少一个计算装置和至少一个存储指令的存储装置的计算系统，其中，所述指令在被所述至少一个计算装置运行时，促使所述至少一个计算装置执行如上所述的协作机器人的关节轨迹优化方法。
17、根据本公开的再一方面，提供一种存储指令的计算机可读存储介质，其中，当所述指令被至少一个计算装置运行时，促使所述至少一个计算装置执行如上所述的协作机器人的关节轨迹优化方法。
18、通过采用本公开，能够避免非支配排序遗传算法在协作机器人多目标轨迹优化模型的求解过程中过早陷入局部最优解的问题，优化后的机器人关节轨迹运行时间较短，能量消耗较低，运动冲击较小，平滑性较优，从而能够确保机器人的运动稳定性。
1.一种协作机器人的关节轨迹优化方法，其特征在于，所述协作机器人的关节轨迹优化方法包括：
2.根据权利要求1所述的协作机器人的关节轨迹优化方法，其特征在于，所述非支配排序遗传算法还包括：
3.根据权利要求2所述的协作机器人的关节轨迹优化方法，其特征在于，所述非支配排序遗传算法还包括：
4.根据权利要求2所述的协作机器人的关节轨迹优化方法，其特征在于，基于目标函数的数量以及每个个体在目标函数上的值来确定每个个体的拥挤度。
5.根据权利要求2所述的协作机器人的关节轨迹优化方法，其特征在于，生成种群的初始种子的步骤包括：利用logistic混沌映射生成种群的初始种子。
6.根据权利要求2所述的协作机器人的关节轨迹优化方法，其特征在于，所述目标函数包括表征机械臂终端机构从初始位姿到终止位姿的时间的函数、表征关节的平均加速度的函数、表征关节消耗的能量的函数以及表征关节脉动的函数。
7.根据权利要求2所述的协作机器人的关节轨迹优化方法，其特征在于，关节轨迹的运动约束包括相应关节的b样条速度、加速度、加加速度轨迹曲线的控制顶点的最大值，机械臂自身运动特性约束包括关节力矩、关节速度、关节加速度、关节加加速度和关节位移的最大值。
8.一种协作机器人的关节轨迹优化装置，其特征在于，所述协作机器人的关节轨迹优化装置包括：
9.一种包括至少一个计算装置和至少一个存储指令的存储装置的计算系统，其特征在于，所述指令在被所述至少一个计算装置运行时，促使所述至少一个计算装置执行根据权利要求1-7中任一项所述的协作机器人的关节轨迹优化方法。
10.一种存储指令的计算机可读存储介质，其特征在于，当所述指令被至少一个计算装置运行时，促使所述至少一个计算装置执行根据权利要求1-7中任一项所述的协作机器人的关节轨迹优化方法。
