一种基于多目标优化与学习策略融合的多移动机械臂协同搬运控制方法

本发明涉及一种机器人控制领域，特别涉及一种基于多目标优化与学习策略的多移动机械臂协同搬运控制方法。

背景技术：

1、虽然移动机械臂种类众多，但无论哪一种移动机械臂在实际应用中都会受到参数不确定性、扰动、关节刚度不足导致关节柔性等问题的影响。其中参数不确定性主要表现在对于移动机械臂模型没有进行精确测量，在控制过程中需要对机械臂的精确模型进行估计。外界扰动在实际工作环境中尤为常见，需要机器人感知系统识别环境信息并反馈给系统。关节的柔性在机械臂中很难避免，当约束力较大或搬运质量较大物体时，由于机械臂关节传动装置刚度不足，会对机械臂的位置和力控制产生偏差，无法保证跟踪误差收敛为零，影响控制效果。单个移动机械臂由于受到载荷的限制，难以完成对大型物体的搬运任务，因此衍生出了多机械臂协同作业系统，并逐渐成为工业界与学术界的热点问题之一。多个移动机械臂之间通过相互协调合作，可以更好地处理单个移动机械臂无法完成的任务，而且系统整体的容错能力和鲁棒性会有所提升，但这些优势以大大增加系统建模和控制的复杂性为代价。因此研究多个移动机械臂的协同控制方法对于实现机器人高效且安全的执行任务具有重要意义。

技术实现思路

1、本发明解决的问题是多移动机械臂协同搬运时控制效率低下而且不能很好的应对在搬运任务过程中的各种突发情况，采用多目标优化和学习算法融合的方式，提高双移动机械臂在复杂环境下的协同搬运效率。

2、为了实现上述技术目的，本发明提供了一种基于多目标优化与学习策略的多移动机械臂协同搬运控制方法，具体包括以下步骤：

3、步骤1：将协同搬运系统视作多个模块子系统对应关联构成的多体系统，运用层级动力学解析建模的方法，建立一种考虑协同搬运时机械臂-负载-机械臂和机械臂-移动底盘紧耦合关系的多移动机械臂协同搬运无约束动力学模型。

4、步骤2：在步骤1无约束动力学模型的基础上，确保搬运过程中多移动机械臂系统稳定性与快速性，建立优化目标和约束条件，优化目标为最小运行时间、最小移动平台运动轨迹变化率与最小车轮能量消耗，约束条件为机器人相对距离范围、椭圆运动轨迹、负载质心与各机器人质心距离相等和系统内力平衡。针对所述优化目标和约束条件求解得到所述移动底盘的输出力矩，采用所述控制量对所述多移动机械臂进行控制。

5、步骤3：基于马尔科夫决策过程构建多移动机械臂协同搬运过程的马尔科夫决策过程模型，从动作空间中选择合适的决策值来控制机械臂的协同轨迹和关节力矩，然后基于深度确定性策略梯度和回放经验库算法，通过强化学习与环境进行交互训练，多机械臂的控制模块根据每一时刻的移动底盘运动状态和负载内力，输出协同搬运轨迹和力矩的决策值。

6、步骤4：定义自适应权重分配函数，将双车距离变化和力矩变化大小作为主要影响因素。当距离变化较大时，增加移动底盘多目标优化算法的权重；当力矩变化较大时，增加多机械臂强化学习规划控制算法的权重，确保协同搬运过程的精准性和灵活性。

7、本发明的技术效果在于控制环境与物体在约束方向上的接触力、物体在无约束方向上的运动以及被抓取物体内部产生的内力，以及机器人与环境之间存在的参数不确定性和外部扰动会扰乱交互，提出了在存在不确定性和扰动的情况下，协调双移动机械臂与刚性表面相互作用的自适应控制策略，提高多移动机械臂在复杂环境下的协同搬运效率。

技术特征：

1.一种基于多目标优化与学习策略融合的多移动机械臂协同搬运控制方法，其构建过程特征在于以下步骤：

2.根据权利要求1中所述的一种基于多目标优化与学习策略融合的双移动机械臂协同搬运控制方法，其特征在于，所述步骤1中考虑协同搬运时机械臂-负载-机械臂和机械臂-移动底盘紧耦合关系的多移动机械臂协同搬运无约束动力学模型如下：

3.根据权利要求1所述的一种基于优化与学习策略融合的双移动机械臂协同搬运控制方法，其特征在于，所述步骤2中最小运行时间、最小移动平台运动轨迹变化率与最小车轮能量消耗为优化目标，约束条件为机器人相对距离范围、椭圆运行轨迹、负载质心与各机器人质心距离相等和系统内力平衡以及最大速度、加速度、力矩的多目标优化方程如下：

4.根据权利要求1所述的一种基于优化与学习策略融合的双移动机械臂协同搬运控制方法，其特征在于，所述步骤3中基于马尔科夫决策过程构建多移动机械臂协同搬运过程的马尔科夫决策过程模型的方法为：

5.根据权利要求1所述的一种基于优化与学习策略融合的双移动机械臂协同搬运控制方法，其特征在于，定义的自适应权重分配函数为：

技术总结本发明公开一种基于多目标优化与学习策略融合的多移动机械臂协同搬运控制方法。其技术方案是：首先运用层级动力学解析建模的方法，建立一种考虑协同搬运时机械臂‑负载‑机械臂和机械臂‑移动底盘紧耦合关系的多移动机械臂协同搬运无约束动力学模型，在此的基础上，确保搬运过程中多移动机械臂系统稳定性与快速性，建立多目标优化方程。构建多移动机械臂协同搬运过程的马尔科夫决策过程模型，基于深度确定性策略梯度和回放经验库算法，通过强化学习与环境进行交互训练，得到协同搬运轨迹和力矩的决策值。最后根据多移动机械臂系统的实际需求和性能要求，定义自适应权重函数，合理分配多目标优化算法和学习算法的控制权重，实现智能协同搬运控制。技术研发人员：李佳钰,杨应哲,陈晨,程晨晨,尤波受保护的技术使用者：哈尔滨理工大学技术研发日：技术公布日：2024/10/10