基于透镜成像反向学习的多目标喷涂机器人轨迹规划方法与流程

本发明涉及机器人轨迹规划领域，具体是一种基于透镜成像反向学习的多目标喷涂机器人轨迹规划方法。

背景技术：

1、在目前的工业机器人喷涂轨迹优化研究中，最为主流的方案是基于固定拓扑路径的参数优化。研究人员通常预先设定好喷枪的几何走刀路线，然后利用元启发式算法优化工艺或运动学参数。例如，有研究采用改进粒子群算法在固定路径下来优化冗余机器人的关节运动轨迹，或者采用改进麻雀搜索算法优化“弓”字形路径的行间距和喷涂距离；另有研究也探索了基于混合算法的多目标工艺参数联合寻优。此类方法的本质是在预设的固定路线上进行参数寻优。

2、尽管上述研究取得了一定进展，但在针对大型多面体的喷涂任务时，现有技术仍存在部分缺陷。首先，现有优化算法易陷入局部最优且在高维复杂约束下求解精度不足。现有技术多采用传统的粒子群、遗传或麻雀算法，在处理包含工业机器人关节限位、最大速度及加速度约束的高维多目标优化问题时，种群多样性在迭代中后期极易急剧下降，难以找到分布均匀的真实pareto前沿解。其次，无论是针对复杂曲面采用切片投影生成的轨迹，还是常规的喷涂轨迹，现有技术往往采用一种优化参数。由于大型复杂工件不同面的几何面积、法向量以及所需的空间姿态差异较大，这种固定参数策略，会使得喷涂总耗时、涂层厚度和机械臂末端运动平滑性之间产生严重的相互制约。例如，若全局重叠率固定过低会导致喷涂区域边缘过薄，而固定过高则会成倍增加无效的路径拐点并加剧机器人的关节冲击；同理，单一的运行速度也无法兼顾大面积直行段的效率与拐角过渡段的平稳。

技术实现思路

1、为了实现对大型复杂多面体工件高效、精准、平滑的协同喷涂，本技术提供了基于透镜成像反向学习的多目标喷涂机器人轨迹规划方法。

2、本发明解决上述问题所采用的技术方案是：

3、基于透镜成像反向学习的多目标喷涂机器人轨迹规划方法，包括：

4、步骤1、喷涂作业环境与双工位多面体参数初始化：建立目标喷涂工件的几何三维模型并进行网格划分，设定喷涂机器人的物理约束，包括末端执行器的最大允许速度与最大允许加速度；设定工位一与工位二的基座变换矩阵；

5、步骤2、基于双变量动态编码的轨迹拓扑生成：设定优化算法的决策变量为二维向量，其中代表喷枪的目标移动速度，代表相邻喷涂路径的重叠率；根据当前的重叠率，动态计算相邻扫描路径的实际间距d，基于间距d生成覆盖工件表面的连续空间路点；

6、步骤3、末端执行器执行参数生成与多目标评价函数构建：基于空间路点和目标移动速度生成末端执行器的位置、速度与加速度时间序列，并构建用于衡量轨迹优劣的三维多目标评价函数，包括喷涂总耗时、涂层厚度寻优指标及机械臂运动平滑性评价指标；

7、步骤4、基于透镜反向学习进行多目标寻优以确定最优前沿解集；

8、步骤5、根据实际生产车间对喷涂总耗时、涂层厚度寻优指标及机械臂运动平滑性评价指标的偏好，对各目标函数值进行归一化处理后加权求和，根据加权评分筛选出最佳双变量组合方案，利用所选方案生成带有时间戳的空间轨迹序列和法向量序列。

9、进一步地，，其中为喷枪的有效喷幅宽度。

10、进一步地，目标喷涂工件为五面箱体；步骤2在生成空间路点时，采用双工位阶段分离策略：第一阶段由工位一的机器人负责生成工件前面、左面及顶面前半部分的路径；第二阶段控制滑轨切换至工位二，由工位二负责生成工件后面、右面及顶面后半部分的路径。

11、进一步地，步骤2在生成空间路点时，校正路点对应的法向量，使其垂直于目标加工面且始终指向工件外部。

12、进一步地，基于空间路点和目标移动速度生成末端执行器的位置、速度与加速度时间序列具体包括：确定喷涂段与跨面过渡段，对于喷涂段，根据相邻两路点的欧氏距离与速度分配运动时间间隔；对于跨面过渡段，分配固定的安全过渡时间；利用五次多项式对路径进行平滑插值，生成末端执行器的位置、速度与加速度时间序列。

13、进一步地，喷涂总耗时，其中为机器人执行喷涂与过渡轨迹的运行总时间，为滑轨在双工位间切换的固定耗时；

14、涂层厚度寻优指标，其中，为表面涂层厚度大于零的有效网格点总数， 为第个有效网格点的最终漆膜厚度；

15、机械臂运动平滑性评价指标，其中，为轨迹时间序列的离散采样点总数，为第个时间步末端执行器的三维冲击度向量。

16、进一步地，基于平顶高斯分布模型计算漆膜厚度：，表示距离喷幅中心半径为处的涂层累积厚度，表示喷枪的中心最大涂层厚度，为目标点到喷枪轴心投影点的欧氏距离，为表征喷幅宽度的方差参数，为平顶指数。

17、进一步地，步骤4具体为：

18、步骤41、采用拉丁超立方采样生成初始种群，代入评价函数计算目标适应度向量，执行快速非支配排序与拥挤度距离计算，提取初始非劣解集存入pareto档案库；

19、步骤42、进入主循环迭代，对每个个体，基于轮盘赌从档案库中选取引导猎物，结合动态密度因子和欧氏距离计算嗅觉强度，并根据随机概率执行挖掘阶段或采蜜阶段的位置更新，再进行共生变异；

20、步骤43、在每代迭代末尾，以概率触发动态透镜成像反向学习变异，其中动态缩放因子 ，对档案库中的第个解按如下公式生成反向实像：，将生成的反向精英解与常规种群合并，经非支配排序后剔除劣解，更新pareto档案库；式中，t为当前迭代次数，为最大迭代次数，分别为决策变量的上下限；

21、步骤44、进行早停检测，当满足早停条件时终止循环，输出pareto最优前沿解集。

22、进一步地，步骤44中，早停检测采用基于归一化范数的双重标准，具体包括：

23、计算相邻两代档案集平均适应度向量的归一化相对变化率；

24、若当前代未触发透镜反向学习机制，则当归一化相对变化率大于常规进步阈值时，清零停滞计数器；

25、若当前代触发了透镜反向学习机制，则当归一化相对变化率大于严苛进步阈值时，清零停滞计数器；

26、否则，递增停滞计数器；

27、当停滞计数器超过预设上限或迭代次数达到最大设定值时，终止循环；其中，严苛进步阈值大于常规进步阈值。

28、进一步地，还包括步骤6、调用所选喷涂机器人的运动学模型进行逆运动学验证。

29、本发明相比于现有技术具有的有益效果是：

30、将喷枪移动速度与相邻路径重叠率作为多目标优化算法的核心决策变量进行同步求解，并依据动态生成的重叠率自适应计算真实的扫描路径间距，从而实现对运行节拍和喷涂路径拓扑的联合协同控制，从而提升了多重核心工艺指标的综合优化水平。

31、在迭代寻优过程中，提取外部pareto档案库中的非支配精英解作为基准，通过动态非线性光学映射原理，在搜索空间的对称侧生成高质量的反向候选解并补充至种群中，强制算法跳出局部极值陷阱并扩大对潜在可行域的挖掘；显著增强了算法在高维复杂物理约束下跳出局部最优陷阱的能力，还保证了获取到的真实pareto前沿解集具有更高的质量和更均匀的分布。

32、通过双变量动态寻优与透镜反向学习相融合的闭环寻优机制，系统能够完美适应真实机器人的物理限位约束，在不发生流挂的前提下实现漆膜厚度最大化与运动冲击度最小化，具备极高的工程可行性，最终实现了在大型复杂多面体工件中高效、精准、平滑的自动化协同喷涂效果。