工业机器人控制轨迹规划及编程
wei简单的介绍了工业机器人控制轨迹规划和编程课程，可以参考下，开拓思路山东建筑大学备课纸第七章工业机器人的轨迹规划及编程轨迹规划轨迹规划是指根据作业任务要求,确定轨迹参数并实时计算和生成运动轨迹。它是工业机器人控制的依据,所有控制的目的都在于精确实现所规划的运动。机器人语言机器人具有可編程功能,因此需要用户和机器人之间的接口。为了提高编程效率,岀现了机器人编程话言,它以一种暹用的方式解决了人一机通信问题。机器人离线编程机器人离线编程系统是利用计算机图形学,建立机器人编程环境,从而可以脱离机器人工作现场进行编程的系统。由于不占用机动时间,提高了设备利用率。而且由于离线编程本身就是 CAD/CAM一体化的组成部分,有时可以直接利用CAD数据库的信息,大大减少了编程时间,提高了编程水平。7.1工业机器人的轨迹规划引言指定工业机器人执行某政接作作[加些约束条住轨迹的划和协关节坐标空间斗标空间轨迹规划涉及卜面三个问题◇要对机器人的任务进行描述,即对机器人的运动轨迹进行描述。◇根据所确定的轨迹参欻,如何在计算机内部描述所要求的轨迹。这主要是选择习惯规定以及合理的软件数据结构问题。◇对内部描述的轨迹进行实际计算。通常是在运行时间内按一定的速率计算出位置、速度和加速度,生成运动轨迹。二、轨迹规划的一般性问题工业机器人的作业可以描述成工具坐标系{相对于工作坐标系{S的一系列运动:图7-1作业的措述工具坐标系相对于工作坐标系的运动来描述作业路经把作业路径的描述与具体的机器人、手爪或工具分离开来,形成了模型化的作业描述方法。从而使这种描述既适用于不同的机器人,也适用于同一机器人上装吏不同规格的工具:2凯器具的症置程上置机器人从初始状态运动到终止状态的作业,看成是工具巫标系从初始位置T0}变化到终止位置Tf}的坐标变换变换包含了工具坐标系的位置和姿态的变化。在轨迹规划中,也常用“点”这个词来表示机器人的状态,或用它来表示工具坐标系的位姿。当需要更详细地描述运动时,不仅要规定机器人的起始点和终止点,而且要给出介于起始点和终止点之间的中间点,也称路径点运动轨迹除了位姿约束外,还存在着各路径点之间的时间分配问题。例如,在规定路径的同时,必须给出两个路径点之间的运动时间机器人的运动应当平稳,不平稳的运动将加剧机械部件的磨损,并导致机器人的振动和冲击。钪迹规划既可在关节■空间中进行,也可在直角坐标空间中进行。在关节空间中进行轨·迹规划是指将所有关节变量表示为时间的函数,用这些关节函数及其阶、三阶导数描述机器人预期的运动。在直角坐标空间中进行轨迹规划,是指将手爪位姿、速度和加速度表示为时间的函数,而相应的关节位置、速度和加速度由手爪信息导出三、关节空间的轨迹规划机器人作业路径点通常由工具坐标系(}相对于工作坐标系{S)的位姿来表示,因此,在关节空间中进行轨迹规划4≯首先需要将毎个作业路径点向关节空间变换,即用逆运动学方法把路径点转换成关节角度值,或称关节路径点;然后,为毎个关节相应的关节路径点拟合光滑函数;这些关节函数分別描述了机器人各关节从起始点开始,依次通过路径点,最后到达某目标点的运动轨迹。由于毎个关节在相应路径段运行的时间相同,这样就保证了所有关节都将冋时到达路径点和目标点,从而也保证了工具坐标系在各路径点县有预期的位姿;关节空间的轨迹规划:关节空间中进行轨迹规划,不需考虑直角坐标空间中两个路径点之间的轨迹形状,仅以关节角度的函数来描述机器人的轨迹,计算简单、省时;关节空阃与直角坐标空间并不是连续的对应关系,关节空间内不会发生机构的奇异现象,从而避免了在直角坐标空间规划时所出现的关节速度失控问题;在关节空间进行轨迹规划,规划路径不是唯一的。只要满足路径点上的约束条件,可以选取不同类型的关节角度函数,生成不同的轨迹。1.三次多项式插值当己知末端操作器的起始位姿和终止位姿时,庄逆向运动学,即可求出对应于两位姿的各个关节角度。因此,末端操作器实现两位姿运动轨迹描述,可在关节空间中用通过起始点关节角和终止点关节角的一个平滑轨迹函数0(t)来表示;为了实现关节的平稳动,每个关节的轨迹函数(t至少需要满足四个约束条件:两端点位置约束和两端点速度约束端点位置约束是指起始位姿和终止位姿分别所对应的关节角度00=已为满足关节运动速度的连续性要求,在起始点和终止点的关节速度简单地设定为零,即(0=06()=0上述给出的四个约東条件可以唯一地确定一个三次多项a(t)=a0+a!t+a22+a3t3运动过程中的关节速度和加速度则为:9()=a1+2a2!+3agt2(t)=2a2+6at为了求得三次多项式的系数,代以给定的约束条件,有方稈组分=a+at+a+aD-dt 2u r t ja rl求解上述方程组,可得3所以,对于初速及终速为零的关节运动,满足连续平稳运动要求的三次多项式插值函数为a(r=6+(-2--)其关节角速度和角加速度表达式为()-是2(明,-一吾(,-8F6()=是(4-)-;-r三次多项式插值的运动轨迹曲线!图7三践康式插值毛动轨遗)位瞎时刺雙:{)急澧时繭线:C)鱼加速度间曲线2.过路径点的三次多项式插值机器人作业除在A、B点有位姿要求外,在路径点C、D…也有位姿要求。对于这种情況,假如终端执行器在路径点停留,即各路径点上速度为0,则轨迹规划可连续直接使用前面介绍的三次多项式插值方法;但如果只是经过,并不停留航需要将前述方法推广。AB仨某段路径上,“起始点”为θ0和ω0,"终止点"为f和ωf。这时,确定三次多项式系数的方法与前面所述的完全一致,只不过是速度约束条件变为e(0)=me(r)=a利用约束条件确定三次多项式系数,有下列方程组:9=0+ax+口+aa,=a1+2a+3求解方程组3+出)=02)+七《+路径点上的关节速度,可出以下任一规则确定如果机器人末端操作器在经过路径点时冇速度要求,则可以利用此路径点上的逆雅可比矩阵,把该路径点的直角坐标速度转换成关节坐标速度。轨迹规划时则以此作为速度约来条件。如果某个路径点是机器人的奇异点,即此点的逆雅可比不可求,这时就无法求关节速度了;此外,在求各点关节速度时,要逐点计算逆雅可比矩阵,并依此计算关节速度,耗时较多。路径点上的关节速度,可由以下任一规则确定由控制系统采用某种启发式方法自动地选取合适的路径点速度。用三次多项式插值前,先假设各路径点之间关节运动速度是均匀的,即图中所示用直线段将这些路径点依次连接起来。规则选定:如果桾邻线段的斜率在路径点处改变符号,则速度选为零;如杲相邻线段斜率不改变符号,则选取路径点两侧的线段斜率的平均值作为该点的速度。因此,只要给定路径点,系统就能依此规则自动生成相应的路径点速度路径点上的关节速度,可由以下任一规则确定斗按照保证毎个路铚点的加速度连续的原则,由控制系统自动地选择路径点的速度。为此,可以设法用丙条三次曲线在路径点处按一定规则连接起来,拼凑成所要求的轨迹。拼凑的约束条件是:连接处速度连续,而且加速度也连续。7.2工业机器人的编程机器人编程方式机器人编程,是针对机器人为完某瓊作亚进拉程序投复的人的吧4国和力与编国性定环境中作诀上式有大关作业能方微计算机近自然路司匿人与机器实现各种机器人揉作机器人编程方法三种形式1、示教编程操作者必须把机器人终端移动至目标位置,并把此位置对应的机器人关节角度信息记录进内存储器,这是示教过程。当要求复现这些运动吋,顺序控制器从内存读岀相应位置,机器人就可重复示教时的轨迹和各科操作,这是再现过程。手把手示教」示教盒示教于把手示教要求用户使用安装在机器人于臂内的操纵杆,按给定运动顺序示教动作内容。示教盒示教则是利用装在控制盒上的按钮驱动机器人按需要的顺序进行操作示教编程优点:只需要简单的设备和控制装置即可进行。操作简单,易于掌握。示教再现过程很快,示教之后马上即可应用。示教编程缺点:编程占用机器人的作业时间艮难规划复杂的运动轨迹以及准确的直线运动;难以与传感信息相配合难以与其他操作同步;2、机器人语言编程实现了计算机编程,并可以引人传感信息,从而提供一个更通用的方法来解决人一机器人通信接口问题。目前应用于工业中的是动作级和对象级机器人语3、离线编程用通用语言或专门语言预先进行程序设计,在离线的情况下进行轨迹规划的编程方法。离线编程系统是基于CAD数据的图形编程系统。由于CAD技术的发展,机器人可以利用CAD数据生成机器人路径,这是集机器人于CIMS系统的必由之路、机器人语言编程早期的工业机器人,由于完成的作业比较简单,作业内客改变不频繁,采用鬥定程序控制或示教再现方法即可满足要求,不存在语言问题。机器人木身的发展,计算机系统功能日益完善以及要求机器人作业内容愈加复杂化,利用程序来控制机器人显得越来越困难编程过程过于复杂,使得在作业现场对付复杂作业十分困难。述北一一用机器人语言→[控制机器人动作(一)机器人语言的发展概况1973年,斯坦福大学人工智能研究室美国IBM公司1979年,美国 Unimation公司80,美国 Automatrix公司80,美国麦道公司(二)机器人语言的分类1、根据作业描述水平的高低分(1)动作级机器人语言VAL◆以机器人手爪的运动作为作业描述的中心◇用该级语言编写的作业程序,通常由使机器人手爪从一个位置到另一个位置的一系列运动语句组成。◆动作级机器人语言的每一条语句对应于一个机器人动作。2)对象级机器人语言- AUTOPASS今以近似自然语言的方式,按照作业对象的状态变化来进行程序设计以描述操作物体之间关系为中心的语言。今它不需要去描述机器人手爪如何动作,只要由操作者给出作业本身的顺序过程的描述及环境模型的描述,机器人即可自行决定如何动作。(3)任务级机器人语言◇最理想的机器人高级语言,是用被操作物体,而不是机器人的动作来描述作业任务◇使用者只要按某种原则给岀作业起始状态和作业目标状态,机器人语言系统即可利用口有的环境信息和知识库、数据库自动进行推呷、计算,最后白动生成机器人详细的动作、顺序和相应数据。◇须具冇判断环境、描述环境的能力;同时,也必须冇自动完成许多规划任务的能力。2、按表面形式分汇编型,如VAL语编译型,如AI、LM语言;自然语言型,如 AUTOPASS语言等;(三)机器人语言的特征机器人语言则包含语言本身、语言处理系统和机器人的工作环境模型三部分9盐理系恒外部乱音工件1.具有作业环境和作业对象的描述性。1)环境输入:视机器人语言水平不同,输入方法也不相同。目前的输入方法一般是由操作者与计算机的人机对话来进行的。将来随着视觉技术的发展,可能由机器人视觉的方法自动生成。〔2)环境建模:进行机器人编程时,需要描述物体三维空间的几何关系的语言,对操作物体的位置和姿态,操作物体之间的关系进行描述,并使之模型化。2)环境模型的修改、更新:在作业过程屮,操作物体的位置、姿态以及它们之间的关系一般随着作业而发生改变,语言系统要根据操作情况的变化来改变环境模型的内容。2.具有作业内容的描述性3.具有良好的编程环境4.具有人机接口和传感器接口功能机器人离线编程、离线编程的概念第一代工业机器人采用示教编程方式,无论是采用手把手示教或控制盒示教,都需要机器人停止原来的工作。而再现时若不能满足要求,还需反复进行示教进行一项任务之前,在现场编程过程要花费很多时间,这对于大批量生产的简单作业,基本还能满足要求。但是,随着机器人应用到中小批量生产,以及要求完成任务的复杂程度的增加,用示教编程方式就很难适应了。二、机器人离线编程随着计算机技术和机器人技术的不断发展,机器人与 CAD/CAM技术结合,已形成生产效率很髙的柔性制造系统(FMS)和计算机集成制造系统(CIMS)。这些系统中大量采用工业机器人,具有很高的适用性和灵活性一)离线编程的概念杋器人离线编程就是利用计算机图形学的成果,建立机器人及作业环境的三维几何模型,然后对机器人所婓完成的任务进行离线规划和编程,并对编程结果进行动态图形仿真,最后将满足要求的编程结果传到机器人控制柜,使机器人完成指定的作业任务。(二)离线编程系统的一般要求工业杋器人离线编程系统的一个重要特点是能够和CAD!CM建立联系,能够利用CAD数据库的资料。对于一个简单的机器人作业,几乎可以直接利用CAD对零件的描述来实现编程。三)离线编程系统的基本组成10
- 2020-12-02下载
- 积分：1
基于LMS 算法的多麦克风降噪
武汉理工大学 信息处理课设 基于LMS 算法的多麦克风降噪 给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声，实现语音增强的目标，得到清晰的语音信号。2007控制科学与工程全国博士生学术论坛2007年8月其中日为语音信号与麦克风阵列所在平面的夹角,d为麦克风间距,c为声音传播速度,f为信号采样率。固定波束形成器通过延时求和单元产生参考语音信号y(n),y(n)与y(m)分别代表期望语音信号与噪声信号。y,(n)4x(m)=y(m)+y/(m(3)信号通过阻塞矩阵产生噪声参考信号用来估计波束形成输出信号中的噪声成分。选取B使其中任意行向量之和为零,即任意行向量线性无关。为了进一步降低噪声参考信号中的语音泄漏,参考文献“提出了用自适应阻塞矩阵替代固定阻塞矩阵的方法。ynly2nMM-[nJ]=BLun], u2n],umn自适应噪声抵消器ANC通过对输入噪声参考信号进行自适应滤波处理抵消了参考信号y,(m)中的噪声成分,得到增强的语音信号。em]=y[m-∑nnl3LMS自适应算法及改进31LMS自适应算法GSC架构中的自适应噪声抵消器ANC需要用增强的语音信号作为反馈对滤波器权值进行自适应更新。很多自适应算法基于LMS及其改进形式, Clark提出的块LMS算法使得滤波器的自适应逐块更新而非传统LMS滤波器逐点更新4, HOSHUYAMA、 Kellermann分别提出的基于范数约束自适应算法的权值更新,以及频域无约束实现。这些算法基本结构如图2所示y(n-1)(n-L+1)wo(ne(ny/(n)图2自适应横向滤波器结构图图2为图1中的M-1路L阶多通道自适应噪声对消器中某一路的展开形式,其抽头输入向量为[ym]yn-]yn-L+1],对应的抽头权向量为wmwn]w-]。LMS算法的梯度向量通过G2007控制科学与工程全国博士生学术论坛2007年8月计算抽头输入相关矩阵R和抽头输入与期望响应间互相关向量p得到VJ(n)=-2p+2Rv(m),将R和p的瞬态估计R(n)=y(m)y"(n),p(n)=y(n)y/(m)代入,得出梯度向量的瞬态估计:VJ(n)=-2y(n)y, (n+2y(n)y"(n)w(n)进而推出LMS算法权值更新公式为w(n+1)=w(n)+uy(n)Ly(n)-y"(n)w(n)32基于稳态噪声的自适应算法改进考查图2中具有L个抽头权值的LMS算法,抽头权值与抽头输入一一对应。在传统的逐点更新LMS算法中,每计算一个输出需要L次乘法,而更新一次抽头权值也需要L次乘法,故每次迭代需要2L次乘法。对于L个输出样值,所需要的乘法次数为2次。针对传统LMS算法复杂度高的缺点,Ca利用离散傅立叶变换在频域完成滤波器系数的自适应提出了快速块LMS箅法, Ann Spriet在此基础上通过改进LMS算法中的步长矩阵进一步降低了算法复杂度以上LMS算法改进均在图2的横向滤波器架构下进行,即抽头权值与抽头输入一一对应。考虑到稳态噪声的特点,本文提出了“一对多”的滤波器抽头权值更新算法,即L个输入样值共享一个滤波器权值。如此M路多麦克风语音增强系统中的ANC滤波器权值便由(M-1)×L维矩阵W[n=[w[η],n2[rl…wM-[r],其中H[n]=[won],w1[nw-r]退化为(M-1)×1维向量n]=[wryw2n],M-m]j。改进算法权值更新公式为w(n+D)=w(n)+uBu(nu"(n)[A-Bw(n)其中B为阻塞矩阵,A为固定波束形成器,为步长,U(n)为LxM维输入信号。与传统的“一对一”LMS滤波器相比,“一对多”结构在降低算法复杂度的同时,牺牲了前者具有的时间域严格对齐的特性。为降低这一缺点对系统降噪性能的影响,应在频域进行噪声对消,改进算法的多麦克风语音增强系统结构如图3所示。e(n)(n)B Yn图3改进的噪声消除算法结构图3中用虚线框表示可选滤波器权值w。由于实际应用中语音泄漏的存在,在参考语音信号中加入v能有效补偿由语音泄漏引起的语音崎变⑩。实际应用中由于阻塞矩阵输出不可避免的存在语音泄4642007控制科学与工程全国博士生学术论坛2007年8月漏,为了避免期望信号的消除,箅法中加入语音活动检测单元89,当前帧为噪声时更新滤波器系数,当前帧为语音信号时,滤波器系数不变33算法复杂度比较表1列出了本文算法与其他几种噪声消除算法之间算法复杂度的比较。我们采用实数乘法运算次数作为衡量算法复杂度的标准,每个N点傅立叶变换或其反变换需要Mlog2N次实数乘法运算。传统逐点LMS算法在时间域逐点更新滤波器权值。快速块LMS算法与多通道 Wiener算法通过FFT快速循环卷积特性实现LMS中的线性卷积运算,从而降低算法复杂度。本文算法在此基础上通过改进滤波器抽头权值更新算法进一步降低运算复杂度。由表1可见,当麦克风数目M4,L=32时,本文算法与多通道 Wiener滤波算法相比,R(3M+2)FT+8ML+2M63M+2)+4M2+6M_172(M+2)FFT+2ML6(M+2)+M40°文算法运算量降低了4倍左右。表1算法复杂度比较算法名称算法复杂度传统逐点LMS算法2ML快速块LMS算法(41(3M+2)FFT+16ML多通道 Wiener滤波算法53M+2)FFT+8M2+12M本文提出的算法(M+2)FF+2M…图4a)麦克风采集到的原始信号b)采用快速块LMS算法处理后的信号[4]c)采用多通道 Wiener滤波算法[10处理后的信号d采用本文算法处理后的信号4实验结果与分析实验采用线性排列的4个间距为4厘米的麦克风组成的语音采集系统,采样率为44KHZ,说话人位于阵列的正前方,噪声为稳态噪声,其与麦克风阵列法线所夹角度为50度。图4比较了麦克风采集到的信号、采用本文算法处理后的语音信号以及采用其他主流语音增强算法处理后的语音信号的时域波形。由4652007控制科学与工程全国博士生学术论坛2007年8月图4可见采用本文算法处理的语音信号背景噪声有明显降低。为进一步分析各种语音增强算法消噪能力,分别按照公式9计算各算法输出信号的信噪比,其中k代表帧序列号,N代表噪声,Y代表输出语音信号,L为帧长。∑(Y(k,2)2-|N(k,)SNRou(E)=10 log,o∑1MV6)图5釆用各箅法输出信号信噪比与输入信号信噪比之差来衡量噪声降低程度。由图5看出,在本文算法基础上在参考通道中加入可选滤波器权值能够进一步消除背景噪声,提高输出信噪比。苯文鲜法(使用权值w)木文好法未使用权值y块LMS算法Frame Number图5信噪比增强对比5结论本文在稳态噪声的前提下,提出了一种基于广义旁瓣消除器架构具有低算法复杂度的噪声消除算法,该算法通过改进LMS滤波器权值更新算法来达到降低算法复杂度的目的。实验结果证明,在稳态噪声环境下,该方法降噪性能优于传统LMS算法,同时有效降低了传统算法的算法复杂度。在现实生活中一些存在稳态噪声的场合,如发动机舱、厂房等该算法具有很强的实用价值。参考文献[U]LJ. Griffiths and C. W. Jim []. "An altemative approach to linearly constrained adaptive beamforming, IEEE Trans. AntennasProcess., voL. AP-30, no. I, pp 27-34, Jan. 1982.[2]0. Hoshuyama, A Sugiyama, and A Hirano [J]. "A robust adaptive beamformer for microphone arrays with a blocking matrixusing constrained adaptive filters, "IEEE Trans. Signal Process. vol 47, pp. 2677-2683, Oct. 1999[3]W. Herbordt and W Kellermann [J]. " Frequency-domain integration of acoustic echo cancellation and a generalized sidelobecanceller with improved robustness, "Eur. Trans. Telecommun., voL. 13, no 2, pp 123-132, Mar. -Apr. 2002.[4]Clark. G.A., S K Mitra, and S.R. Parker [J]. Block implementation of adaptive digital filters, "IEEE Trans. Circuits Syst,voL. CAS-28,PP584-592.1981.[5]Ann Spriet, Jan Wouters, Simon Doclo, Marc Moonen, "Frequency-Domain Criterion for the Speech Distortion WeightedMultichannel Wiener Filter for Robust Noise Reduction", Ap: //ftp. esat kuleuven. ac, be/pub/SISTA/doclo/reports/04-240 pdf[6JH. Buchner, J. Benesty, W. Kellermann J]. Generalized multichannel frequencydomain adaptive filtering: efficient realizationand application to hands free speech communication", Signal Processing 85(3), PP 549-570. 2005[7]W.Herbordt and W. Kellermann [A]. " Efficient Frequency-domain realization of robust generalized sidelobe cancellers", IEEE4662007控制科学与工程全国博士生学术论坛2007年8月Fourth workshop, multimedia signal Processing, PP. 377-382 2001[8]S. Van Gerven, F. Xie [J. "A Comparative Study of Speech Detection Methods", Proc. EUROSPEECH, VoL 3, Rhodos, Greecepp.1095-1098.1997[9]J Sohn, N.S.Kim, W Sung [] A Statistical Model-Based Voice Activity Detection", IEEE Signal Processing Lett. 6(1)1-31999[10]A Spriet, M. Moonen, J Wouters[]. Robustness Analysis of Multi-channel wiener Filtering and generalized sidelobeCancellation for Multi-microphone Noise Reduction in Hearing Aid Applications", IEEE Trans. Speech and Audio Processing, 13(4)PP.487-503.2005[IlJFerrara, E R r [] Fast implementation of LMS adaptive filters", IEEE Trans. Acoust. Speech Signal Process,voL.ASSP-28pp474-475.1980[12]S. Doclo and M. Moonen[J]. " Multi-microphone noise reduction using recursive GSVD-based optimal filtering with ANCpostprocessing stage, "IEEE Trans. Speech Audio Process., vol. 13, no. 1,Pp 53-69, Jan. 2005[13]Philipos C Loizou [J]. "Speech Enhancement Based on Perceptually Motivated Bayesian Estimators of the MagnitudeSpectrum" IEEE TRANSACTIONS ON SPEECH AND AUDIO PROCESSING, VOL 13, NO 5, Pp.857-869, 2005种新的基于稳态噪声的噪声消除算法旧WANFANG DATA文献链接作者:董鹏宇,朱子元,林涛作者单位:同济大学超大规模集成电路研究所,上海20009本文链接http://d.g.wanfangdata.comcn/confereNce6584700.aspx
- 2020-11-28下载
- 积分：1
