一种多智能搬运机器人协同控制方法与流程

本发明涉及机器人协同控制的，尤其涉及一种多智能搬运机器人协同控制方法。

背景技术：

1、搬运机器人在现代工业生产中发挥着重要作用，能够实现自动化搬运、装配和物料处理等任务。随着工厂生产规模的不断扩大和生产线的复杂化，单一搬运机器人已经难以满足生产需求，多个搬运机器人之间的协同工作成为亟需解决的重要问题。鉴于此，本发明提出一种多智能搬运机器人协同控制方法，通过智能控制技术，实现多搬运机器人协同工作，提高生产线的整体效率，满足快速应对市场需求变化和生产任务调度的现实需求。

技术实现思路

1、有鉴于此，本发明提供一种多智能搬运机器人协同控制方法，目的在于：1)对工厂区域进行子区域划分，为搬运机器人设置自动探索方法，当搬运机器人按照所生成的移动方向以及移动步长进行移动时，若感知到障碍，则继续该段路线的随机生成移动，避免传统探索算法放弃该段路线的生成，得到区域点集合，结合不同搬运机器人的当前位置，采用搬运机器人协同控制探索的方式对各子区域的区域点集合进行进一步探索，提高探索效率，得到协同控制探索后的区域点集，将不同搬运机器人所在区域的局部环境地图发送到后台服务器进行整合，得到工厂区域的全局环境地图表示；2)以搬运机器人的运行速度和方向为控制参数，以搬运机器人制动参数为约束条件，以最小化搬运过程中全局偏航程度为目标构建全局搬运机器人系统控制模型，结合约束条件对目标函数进行无约束化处理，对目标函数进行求解，得到减少搬运机器人之间碰撞概率以及使得搬运机器人尽快到达目标搬运栅格坐标的协同搬运实时控制参数，实现多搬运机器人场景下的协同搬运。

2、实现上述目的，本发明提供的一种多智能搬运机器人协同控制方法，包括以下步骤：

3、s1：搬运机器人通过自身传感器获取区域点集合，并根据区域点集合构建局部环境地图，其中改进的快速增长随机树为所述获取区域点集合的主要实施方法；

4、s2：将不同搬运机器人所在区域的局部环境地图发送到后台服务器进行整合，构建全局搬运机器人系统控制模型，所述全局搬运机器人系统控制模型以搬运机器人的运行速度和方向为控制参数，以搬运机器人制动参数为约束条件，以最小化搬运过程中全局偏航程度为目标；

5、s3：对构建的全局搬运机器人系统控制模型进行实时求解，得到不同搬运机器人的实时控制参数，其中自适应罚参数为所述优化求解的主要实施方法；

6、s4：将求解得到的不同搬运机器人实时控制参数发送至对应搬运机器人，搬运机器人按照实时控制参数进行协同控制搬运。

7、作为本发明的进一步改进方法：

8、可选地，所述s1步骤中搬运机器人通过自身传感器获取区域点集合，包括：

9、将工厂区域划分为k个子区域，并在每个子区域布置搬运机器人，搬运机器人利用自身传感器获取每个子区域的区域点集合，其中第k个子区域的区域点集合获取流程为：

10、s11：搬运机器人将所在的初始位置加入到第k个子区域的区域点集合vk；

11、s12：从区域点集合vk中提取最新加入的位置随机生成搬运机器人的移动方向，搬运机器人按照所生成的移动方向以及移动步长α进行移动；

12、s13：若在移动过程中搬运机器人的传感器未感知到前方障碍，则将移动位置加入到区域点集合vk，并返回步骤s12；

13、若在移动过程中搬运机器人的传感器感知到前方障碍，则将感知到前方障碍的位置作为移动位置将移动位置加入到区域点集合vk，并返回步骤s12；

14、s14：重复步骤s12-s13，得到包含若干位置的区域点集合vk：

15、vk＝{vk(i)|i∈[1,numk]}

16、其中：

17、vk(i)表示区域点集合vk中的第i个位置，numk表示区域点集合vk中的位置总数；

18、s15：采用搬运机器人协同控制探索的方式对各子区域的区域点集合进行进一步探索，得到协同控制探索后的区域点集合，其中第k个子区域的协同控制探索后的区域点集合为v′k；

19、根据区域点集合构建局部环境地图，其中第k个子区域的局部环境地图构建流程为：

20、初始化生成局部环境地图，按照区域点集合v′k中位置的出现顺序，在局部环境地图中对相邻出现的位置进行连线，连线结果即为局部环境地图中的可通行位置序列，并将可通行位置序列中的位置标记为可通行；

21、将探索得到的位置以及位置标记结果在局部环境地图标记；

22、将局部环境地图中当前未被标记的位置标记为不可通行。

23、可选地，所述采用搬运机器人协同控制探索的方式对各子区域的区域点集合进行进一步探索，得到协同控制探索后的区域点集合，包括：

24、采用搬运机器人协同控制探索的方式对各子区域的区域点集合进行进一步探索，得到协同控制探索后的区域点集合，其中区域点集合vk的进一步探索流程为：

25、计算得到区域点集合vk中任意位置的漂移值，其中位置vk(i)的漂移值为：

26、

27、其中：

28、vk(i)表示位置vk(i)的漂移值；

29、ωk(i)表示以位置vk(i)为中心，半径为r的区域中存在于区域点集合vk的位置所构成的位置集合，v∈ωk(i)，v表示位置集合ωk(i)中的任意位置；

30、sumk(i)表示位置集合ωk(i)中的位置总数；

31、基于漂移值对区域点集合vk中任意位置进行漂移处理，其中位置vk(i)的漂移处理公式为：

32、vk(i)←vk(i)+vk(i)

33、将漂移处理后的位置构成集合，并进行漂移处理的迭代操作，直到集合中的位置不发生变化，将此时集合中位置作为第k个子区域的关键位置，并将集合中的jk个关键位置构成第k个子区域的关键位置集合：

34、

35、其中：

36、表示第k个子区域的第j个关键位置；

37、获取所有搬运机器人当前位置，计算得到每个机器人当前位置到达关键位置集合中任意关键位置的收益函数值，命令收益函数最高的机器人当前位置所处的机器人对关键位置进行探索，得到该关键位置的位置以及位置标记结果，其中位置标记结果为该关键位置是否可通行，其中机器人当前位置loc对关键位置的收益函数值为：

38、

39、其中：

40、表示机器人当前位置loc对关键位置的收益函数值；

41、表示以位置为中心，半径为r的区域中存在于区域点集合vk的位置数目；

42、表示机器人当前位置loc与关键位置之间的欧式距离；

43、λ表示探索代价权重。

44、可选地，所述s2步骤中将不同搬运机器人所在区域的局部环境地图发送到后台服务器进行整合，包括：

45、将不同搬运机器人所在区域的局部环境地图发送到后台服务器进行整合，得到工厂区域的全局环境地图，并对全局环境地图进行栅格划分，划分后每个栅格的面积大小等同于搬运机器人的占地面积，并对划分后的栅格进行栅格标记，若栅格中存在可通行的位置，则将该栅格标记为可通行，否则标记为不可通行，其中全局环境地图的表示形式为：

46、map＝(map(a,b))a×b

47、inf＝{infab＝((xa,yb),βab)|a∈[1,a],b∈[1,b]}

48、其中：

49、map为全局环境地图的矩阵表示形式，map(a,b)表示全局环境地图中第a行第b列栅格，a表示全局环境地图中栅格的行数，b表示全局环境地图中栅格的列数；

50、infab表示全局环境地图中第a行第b列栅格map(a,b)的地图信息，(xa,yb)表示全局环境地图中第a行第b列栅格map(a,b)的栅格坐标，βab表示全局环境地图中第a行第b列栅格map(a,b)的栅格标记结果，βab＝1则表示全局环境地图中第a行第b列栅格map(a,b)可通行，βab＝0则表示全局环境地图中第a行第b列栅格map(a,b)不可通行；

51、基于工厂区域的全局环境地图构建全局搬运机器人系统控制模型。

52、可选地，所述基于工厂区域的全局环境地图构建全局搬运机器人系统控制模型，包括：

53、基于工厂区域的全局环境地图构建全局搬运机器人系统控制模型，所述全局搬运机器人系统控制模型以搬运机器人的运行速度和方向为控制参数，以搬运机器人制动参数为约束条件，以最小化搬运过程中全局偏航程度为目标；

54、其中全局搬运机器人系统控制模型的构建流程为：

55、s21：获取搬运机器人在当前时刻t的栅格坐标以及目标搬运栅格坐标，其中第d个搬运机器人在当前时刻t的栅格坐标为目标搬运栅格坐标为d表示搬运机器人的总数；

56、s22：初始化生成搬运机器人在当前时刻t的运行速度以及方向，其中第d个搬运机器人在当前时刻t的运行速度以及方向为其中为第d个搬运机器人在当前时刻t的线速度，为第d个搬运机器人在当前时刻t的角速度，表示第d个搬运机器人在当前时刻t的运动方向角；

57、s23：构建搬运机器人制动参数的约束条件，其中第d个搬运机器人制动参数的约束条件为：

58、

59、其中：

60、vmin(1)为预设的线速度最小值，vmax(1)为预设的线速度最大值；

61、vmin(2)为预设的角速度最小值，vmax(2)为预设的角速度最大值；

62、s24：以最小化搬运过程中搬运机器人的全局偏航程度为目标，构建全局搬运机器人系统控制模型的目标函数：

63、

64、

65、θ(t)＝(θ1(t),θ2(t),...,θd(t),...,θd(t))

66、

67、

68、

69、

70、其中：

71、f(θ(t))表示全局搬运机器人系统控制模型的目标函数，θ(t)表示t时刻d个搬运机器人的控制参数向量，θd(t)表示t时刻第d个搬运机器人的控制参数；在本发明实施例中，搬运机器人的运动方位角为角速度的计算结果；

72、exp(·)表示以自然常数为底的指数函数；

73、表示栅格坐标之间的欧式距离；

74、表示第d个搬运机器人按照控制参数θd(t)进行运行后，在时刻t+1所到达的栅格坐标；

75、δ表示对搬运机器人进行协同控制的相邻时刻之间的时间间隔；在本发明实施例中，

76、当前时刻t与t+1之间的时间间隔为δ；

77、sumd(θd(t))表示在时刻t+1以为中心，预设距离dis为半径的圆形区域中，所存在搬运机器人的数目；

78、ε表示预设的调节系数；在本发明实施例中，将ε设置为0.1；

79、对目标函数f(θ(t))进行求解，得到减少搬运机器人之间碰撞概率以及使得搬运机器人尽快到达目标搬运栅格坐标的协同搬运实时控制参数，其中目标函数的求解结果即为全局搬运机器人系统控制模型的求解结果。

80、可选地，所述s3步骤中对构建的全局搬运机器人系统控制模型进行实时求解，得到不同搬运机器人的实时控制参数，包括：

81、对构建的全局搬运机器人系统控制模型进行实时求解，得到不同搬运机器人在当前时刻t的实时控制参数，其中全局搬运机器人系统控制模型的实时求解流程为：

82、s31：初始化生成u组粒子向量，其中每组粒子向量均为d个搬运机器人的控制参数向量，所初始化生成的第u组粒子向量为

83、s32：设置粒子向量的当前迭代次数为z，最大迭代次数为z，则第u组粒子向量的第z次迭代结果为z的初始值为0，其中表示粒子向量在第d个区间的向量值，对应第d个搬运机器人的控制参数；

84、s33：对全局搬运机器人系统控制模型的目标函数进行无约束化处理，构成对粒子向量评价的评价函数：

85、

86、其中：

87、value(l)表示对粒子向量l的评价函数，l(d)表示粒子向量在第d个区间的向量值，

88、对应第d个搬运机器人的控制参数；

89、σp表示第p个约束条件的罚因子，δp(l(d))表示向量值l(d)中控制参数超出第p个约束条件范围的超出值；其中第1个约束条件为线速度约束，第2个约束条件为角速度约束；

90、s34：将粒子向量的迭代结果代入评价函数，得到粒子向量的评价函数值，其中粒子向量的评价函数值为

91、s35：采用遗传算法对粒子向量进行迭代变异处理，直到达到最大迭代次数，并选取此时评价函数最低的粒子向量作为d个搬运机器人在当前时刻t的实时控制参数向量，对所选取粒子向量进行分解，得到每个搬运机器人在当前时刻t的实时控制参数。

92、可选地，所述s4步骤中将求解得到的不同搬运机器人实时控制参数发送至对应搬运机器人，包括：

93、将求解得到的不同搬运机器人实时控制参数发送至对应搬运机器人，搬运机器人在当前时刻t按照实时控制参数调整自身运行的线速度以及角速度，并进行运行；当搬运机器人到达目标搬运栅格坐标，则进行货物搬运，直到搬运完成所有货物，则更新目标搬运栅格坐标。

94、为了解决上述问题，本发明提供一种电子设备，所述电子设备包括：

95、存储器，存储至少一个指令；

96、通信接口，实现电子设备通信；及

97、处理器，执行所述存储器中存储的指令以实现上述所述的多智能搬运机器人协同控制方法。

98、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的多智能搬运机器人协同控制方法。

99、相对于现有技术，本发明提出一种多智能搬运机器人协同控制方法，该技术具有以下优势：

100、首先，本方案提出一种工厂区域协同探索方法，将工厂区域划分为k个子区域，并在每个子区域布置搬运机器人，搬运机器人利用自身传感器获取每个子区域的区域点集合，其中第k个子区域的区域点集合获取流程为：搬运机器人将所在的初始位置加入到第k个子区域的区域点集合vk；从区域点集合vk中提取最新加入的位置随机生成搬运机器人的移动方向，搬运机器人按照所生成的移动方向以及移动步长α进行移动；若在移动过程中搬运机器人的传感器未感知到前方障碍，则将移动位置加入到区域点集合vk；若在移动过程中搬运机器人的传感器感知到前方障碍，则将感知到前方障碍的位置作为移动位置将移动位置加入到区域点集合vk。采用搬运机器人协同控制探索的方式对各子区域的区域点集合进行进一步探索，得到协同控制探索后的区域点集合，其中区域点集合vk的进一步探索流程为：计算得到区域点集合vk中任意位置的漂移值，其中位置vk(i)的漂移值为：

101、

102、其中：vk(i)表示位置vk(i)的漂移值；ωk(i)表示以位置vk(i)为中心，半径为r的区域中存在于区域点集合vk的位置所构成的位置集合，v∈ωk(i)，v表示位置集合ωk(i)中的任意位置；sumk(i)表示位置集合ωk(i)中的位置总数；基于漂移值对区域点集合vk中任意位置进行漂移处理，其中位置vk(i)的漂移处理公式为：

103、vk(i)←vk(i)+vk(i)

104、将漂移处理后的位置构成集合，并进行漂移处理的迭代操作，直到集合中的位置不发生变化，将此时集合中位置作为第k个子区域的关键位置，并将集合中的jk个关键位置构成第k个子区域的关键位置集合：

105、

106、其中：表示第k个子区域的第j个关键位置；获取所有搬运机器人当前位置，计算得到每个机器人当前位置到达关键位置集合中任意关键位置的收益函数值，命令收益函数最高的机器人当前位置所处的机器人对关键位置进行探索，得到该关键位置的位置以及位置标记结果，其中位置标记结果为该关键位置是否可通行，其中机器人当前位置loc对关键位置的收益函数值为：

107、

108、其中：表示机器人当前位置loc对关键位置的收益函数值；表示以位置为中心，半径为r的区域中存在于区域点集合vk的位置数目；表示机器人当前位置loc与关键位置之间的欧式距离；λ表示探索代价权重。本方案对工厂区域进行子区域划分，为搬运机器人设置自动探索方法，当搬运机器人按照所生成的移动方向以及移动步长进行移动时，若感知到障碍，则继续该段路线的随机生成移动，避免传统探索算法放弃该段路线的生成，得到区域点集合，结合不同搬运机器人的当前位置，采用搬运机器人协同控制探索的方式对各子区域的区域点集合进行进一步探索，提高探索效率，得到协同控制探索后的区域点集，将不同搬运机器人所在区域的局部环境地图发送到后台服务器进行整合，得到工厂区域的全局环境地图表示。

109、同时，本方案提出一种全局搬运机器人系统控制方法，基于工厂区域的全局环境地图构建全局搬运机器人系统控制模型，所述全局搬运机器人系统控制模型以搬运机器人的运行速度和方向为控制参数，以搬运机器人制动参数为约束条件，以最小化搬运过程中全局偏航程度为目标；其中全局搬运机器人系统控制模型的构建流程为：获取搬运机器人在当前时刻t的栅格坐标以及目标搬运栅格坐标，其中第d个搬运机器人在当前时刻t的栅格坐标为目标搬运栅格坐标为d表示搬运机器人的总数；初始化生成搬运机器人在当前时刻t的运行速度以及方向，其中第d个搬运机器人在当前时刻t的运行速度以及方向为其中为第d个搬运机器人在当前时刻t的线速度，为第d个搬运机器人在当前时刻t的角速度，表示第d个搬运机器人在当前时刻t的运动方向角；构建搬运机器人制动参数的约束条件，其中第d个搬运机器人制动参数的约束条件为：

110、

111、其中：vmin(1)为预设的线速度最小值，vmax(1)为预设的线速度最大值；vmin(2)为预设的角速度最小值，vmax(2)为预设的角速度最大值；以最小化搬运过程中搬运机器人的全局偏航程度为目标，构建全局搬运机器人系统控制模型的目标函数：

112、

113、

114、θ(t)＝(θ1(t),θ2(t),...,θd(t),...,θd(t))

115、

116、

117、

118、

119、其中：f(θ(t))表示全局搬运机器人系统控制模型的目标函数，θ(t)表示t时刻d个搬运机器人的控制参数向量，θd(t)表示t时刻第d个搬运机器人的控制参数；exp(·)表示以自然常数为底的指数函数；表示栅格坐标之间的欧式距离；表示第d个搬运机器人按照控制参数θd(t)进行运行后，在时刻t+1所到达的栅格坐标；δ表示对搬运机器人进行协同控制的相邻时刻之间的时间间隔；sumd(θd(t))表示在时刻t+1以为中心，预设距离dis为半径的圆形区域中，所存在搬运机器人的数目；ε表示预设的调节系数；对目标函数f(θ(t))进行求解，得到减少搬运机器人之间碰撞概率以及使得搬运机器人尽快到达目标搬运栅格坐标的协同搬运实时控制参数，其中目标函数的求解结果即为全局搬运机器人系统控制模型的求解结果。本方案以搬运机器人的运行速度和方向为控制参数，以搬运机器人制动参数为约束条件，以最小化搬运过程中全局偏航程度为目标构建全局搬运机器人系统控制模型，结合约束条件对目标函数进行无约束化处理，对目标函数进行求解，得到减少搬运机器人之间碰撞概率以及使得搬运机器人尽快到达目标搬运栅格坐标的协同搬运实时控制参数，实现多搬运机器人场景下的协同搬运。