本發(fā)明涉及機械臂自動控制，具體為一種基于目標識別的機械臂自動控制方法及系統(tǒng)。

背景技術(shù)：

1、在工業(yè)自動化領(lǐng)域，機械臂的應(yīng)用愈發(fā)廣泛，從簡單的物料搬運到復(fù)雜的精密裝配，機械臂的自動化控制水平直接影響生產(chǎn)效率和質(zhì)量?，F(xiàn)有的機械臂控制方法通常依賴預(yù)設(shè)的軌跡或固定的程序，這種方式在面對動態(tài)變化的目標對象或復(fù)雜的工作環(huán)境時，往往表現(xiàn)出明顯的局限性。

2、隨著智能制造的發(fā)展，對機械臂的靈活性和適應(yīng)性提出了更高要求。在實際生產(chǎn)中，目標對象的位置、速度等參數(shù)可能會隨時發(fā)生變化，例如在物流分揀場景中，傳送帶上的物品位置和移動速度可能不穩(wěn)定；在裝配作業(yè)中，待裝配零件的位置可能存在偏差。傳統(tǒng)控制方法難以實時準確地跟蹤這些動態(tài)變化的目標，導(dǎo)致機械臂的動作精度下降，甚至可能出現(xiàn)操作失誤。

3、現(xiàn)有的一些基于目標識別的機械臂控制方法，雖然能夠通過傳感器獲取目標的部分信息，但在數(shù)據(jù)處理和軌跡預(yù)測方面存在不足。例如，僅簡單地利用單一類型傳感器的數(shù)據(jù)，無法全面準確地描述目標對象的狀態(tài)；或者在軌跡預(yù)測過程中，沒有充分考慮目標位置、機械臂關(guān)節(jié)角度以及目標速度之間的關(guān)聯(lián)關(guān)系，導(dǎo)致預(yù)測結(jié)果不夠精確。

4、現(xiàn)有方法在處理歷史數(shù)據(jù)時，往往沒有對數(shù)據(jù)進行有效的分類和分析，無法充分利用歷史數(shù)據(jù)中蘊含的信息，使得機械臂在面對類似工況時，不能快速準確地做出響應(yīng)。在復(fù)雜的工業(yè)環(huán)境中，機械臂需要處理大量的數(shù)據(jù)，并根據(jù)這些數(shù)據(jù)實時調(diào)整動作，這對數(shù)據(jù)處理的效率和準確性提出了很高的要求?，F(xiàn)有的控制方法在數(shù)據(jù)處理效率上難以滿足實際生產(chǎn)的需求，導(dǎo)致機械臂的響應(yīng)速度較慢，影響生產(chǎn)效率。

5、現(xiàn)有的機械臂控制方法在面對不同的工作場景時，缺乏自適應(yīng)性，需要人工對控制參數(shù)進行調(diào)整，增加了操作難度和人工成本。例如，當工作環(huán)境中的目標對象類型發(fā)生變化時，傳統(tǒng)方法需要重新編寫程序或調(diào)整參數(shù)，這不僅耗時費力，還容易出錯。

6、現(xiàn)有的機械臂自動控制方法在動態(tài)目標跟蹤、數(shù)據(jù)處理、軌跡預(yù)測以及自適應(yīng)性等方面存在諸多不足，無法滿足現(xiàn)代工業(yè)自動化發(fā)展的需求。因此，亟需一種能夠高效處理多源傳感器數(shù)據(jù)、準確預(yù)測機械臂軌跡并具有良好自適應(yīng)性的控制方法及系統(tǒng)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于目標識別的機械臂自動控制方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于目標識別的機械臂自動控制方法，所述方法包括：

3、通過不同類型感知設(shè)備采集目標對象的位置數(shù)據(jù)、速度數(shù)據(jù)以及機械臂的關(guān)節(jié)角度數(shù)據(jù)；

4、將當前時刻的下一時刻記為控制時刻，對于當前時刻前預(yù)設(shè)數(shù)量時刻，通過預(yù)測模型獲取目標位置數(shù)據(jù)、機械臂關(guān)節(jié)角度數(shù)據(jù)和目標速度數(shù)據(jù)在控制時刻的預(yù)測值；根據(jù)目標位置數(shù)據(jù)與機械臂關(guān)節(jié)角度數(shù)據(jù)的匹配度、目標位置數(shù)據(jù)與目標速度數(shù)據(jù)的匹配度和機械臂關(guān)節(jié)角度數(shù)據(jù)、目標位置數(shù)據(jù)在控制時刻的預(yù)測值獲取不同的機械臂軌跡預(yù)測值；

5、將目標位置數(shù)據(jù)與機械臂關(guān)節(jié)角度數(shù)據(jù)的關(guān)聯(lián)度、目標位置數(shù)據(jù)與目標速度數(shù)據(jù)的關(guān)聯(lián)度各自的占比結(jié)合不同的機械臂軌跡預(yù)測值對機械臂關(guān)節(jié)角度數(shù)據(jù)在控制時刻的預(yù)測值修正，獲取修正預(yù)測值；

6、通過不同類型感知設(shè)備采集目標對象每個時刻的位置數(shù)據(jù)、速度數(shù)據(jù)以及機械臂的關(guān)節(jié)角度數(shù)據(jù)，構(gòu)成三維數(shù)據(jù)集，將所有三維數(shù)據(jù)集聚類；

7、對于當前時刻所在的聚類組，將其中三維數(shù)據(jù)集根據(jù)目標位置、機械臂關(guān)節(jié)角度、目標速度構(gòu)成不同的序列，對不同長度序列進行分析獲取不同序列長度下三維數(shù)據(jù)集之間的相似性，再結(jié)合實際軌跡值構(gòu)成權(quán)重獲取機械臂關(guān)節(jié)角度數(shù)據(jù)的歷史預(yù)測值；

8、根據(jù)修正預(yù)測值和歷史預(yù)測值以及三維數(shù)據(jù)集之間的相似性獲取機械臂軌跡預(yù)測值；根據(jù)機械臂軌跡預(yù)測值進行運動規(guī)劃對機械臂進行控制。

9、優(yōu)選的，所述通過不同類型感知設(shè)備采集目標對象每個時刻的位置數(shù)據(jù)、速度數(shù)據(jù)以及機械臂的關(guān)節(jié)角度數(shù)據(jù)，據(jù)的方法為：

10、在目標對象活動區(qū)域設(shè)置視覺傳感器和速度傳感器，在機械臂本體設(shè)置角度傳感器，其中每個傳感器每經(jīng)過預(yù)設(shè)周期采集一次數(shù)據(jù)，采集若干數(shù)據(jù)；將采集的所有時刻的數(shù)據(jù)記為一個序列，分別獲取目標位置序列、機械臂角度序列和目標速度序列。

11、優(yōu)選的，所述根據(jù)目標位置數(shù)據(jù)與機械臂關(guān)節(jié)角度數(shù)據(jù)的匹配度、目標位置數(shù)據(jù)與目標速度數(shù)據(jù)的匹配度和機械臂關(guān)節(jié)角度數(shù)據(jù)、目標位置數(shù)據(jù)在控制時刻的預(yù)測值獲取不同的機械臂軌跡預(yù)測值的方法為：

12、計算目標位置序列與機械臂角度序列相同時刻的序列值的匹配度，將所有時刻的匹配度構(gòu)成一個序列記為位角匹配序列；計算目標位置序列與目標速度序列相同時刻的序列值的匹配度，將所有時刻的匹配度構(gòu)成一個序列記為位速匹配序列；

13、將位角匹配序列中所有序列值的平均值記為第一匹配度，將位速匹配序列中所有序列值的平均值記為第二匹配度；

14、根據(jù)第一匹配度、第二匹配度以及機械臂角度序列和目標速度序列在控制時刻的預(yù)測值獲取第二機械臂軌跡預(yù)測值和第三機械臂軌跡預(yù)測值。

15、優(yōu)選的，所述根據(jù)第一匹配度、第二匹配度以及機械臂角度序列和目標速度序列在控制時刻的預(yù)測值獲取第二機械臂軌跡預(yù)測值和第三機械臂軌跡預(yù)測值的方法為：

16、通過第一匹配度對機械臂角度序列在控制時刻的預(yù)測值進行比例映射得到第二機械臂軌跡預(yù)測值，通過第二匹配度對目標速度序列在控制時刻的預(yù)測值進行比例映射得到第三機械臂軌跡預(yù)測值。

17、優(yōu)選的，所述將目標位置數(shù)據(jù)與機械臂關(guān)節(jié)角度數(shù)據(jù)的關(guān)聯(lián)度、目標位置數(shù)據(jù)與目標速度數(shù)據(jù)的關(guān)聯(lián)度各自的占比結(jié)合不同的機械臂軌跡預(yù)測值對機械臂關(guān)節(jié)角度數(shù)據(jù)在控制時刻的預(yù)測值修正獲取修正預(yù)測值的方法為：

18、計算位角匹配序列中所有序列值的波動范圍，將波動范圍的倒數(shù)作為目標位置序列與機械臂角度序列的關(guān)聯(lián)度；

19、計算位速匹配序列中所有序列值的波動范圍，將波動范圍的倒數(shù)作為目標位置序列與目標速度序列的關(guān)聯(lián)度；

20、將通過預(yù)測模型獲取機械臂關(guān)節(jié)角度數(shù)據(jù)在控制時刻的預(yù)測值記為第一機械臂預(yù)測軌跡；

21、對于第一機械臂預(yù)測軌跡預(yù)設(shè)基礎(chǔ)權(quán)重，根據(jù)關(guān)聯(lián)度的比值獲取第二機械臂軌跡預(yù)測值和第三機械臂軌跡預(yù)測值的分配權(quán)重；

22、將第一機械臂預(yù)測軌跡、第二機械臂軌跡預(yù)測值、第三機械臂軌跡預(yù)測值以及各自對應(yīng)的分配權(quán)重加權(quán)相加后獲取修正預(yù)測值。

23、優(yōu)選的，所述對于當前時刻所在的聚類組，將其中三維數(shù)據(jù)集根據(jù)目標位置、機械臂關(guān)節(jié)角度、目標速度構(gòu)成不同的序列，對不同長度序列進行分析獲取不同序列長度下三維數(shù)據(jù)集之間的相似性，再結(jié)合實際軌跡值構(gòu)成權(quán)重獲取機械臂關(guān)節(jié)角度數(shù)據(jù)的歷史預(yù)測值的方法為：

24、將當前時刻對應(yīng)的三維數(shù)據(jù)集記為目標數(shù)據(jù)集，獲取目標數(shù)據(jù)集所在的聚類組，將此聚類組中的所有數(shù)據(jù)集記為組數(shù)據(jù)集；

25、組數(shù)據(jù)集選取預(yù)設(shè)周期的位置和速度獲取組數(shù)據(jù)集對應(yīng)的目標位置序列、機械臂角度序列和目標速度序列；

26、根據(jù)組數(shù)據(jù)集和目標數(shù)據(jù)集對應(yīng)序列的相似性獲取三維數(shù)據(jù)集之間的相似性，確定相似數(shù)據(jù)集；

27、根據(jù)不同序列長度下對應(yīng)的相似數(shù)據(jù)集在下一時刻的軌跡值獲取機械臂角度序列的歷史預(yù)測值。

28、優(yōu)選的，所述根據(jù)組數(shù)據(jù)集和目標數(shù)據(jù)集對應(yīng)序列的相似性獲取三維數(shù)據(jù)集之間的相似性，確定相似數(shù)據(jù)集的方法為：

29、對于每個組數(shù)據(jù)集，將其對應(yīng)的目標位置序列、機械臂角度序列和目標速度序列分別與當前時刻的目標位置序列、機械臂角度序列和目標速度序列計算相似性；

30、將組數(shù)據(jù)集分別與目標數(shù)據(jù)集的三個序列的相似性求均值后進行線性標準化作為組數(shù)據(jù)集和目標數(shù)據(jù)集的相似性；

31、獲取所有組數(shù)據(jù)集與目標數(shù)據(jù)集的相似性，對于所有組數(shù)據(jù)集和目標數(shù)據(jù)集的相似性通過閾值劃分算法對所有相似性進行分類，獲取分類后每一類的相似性均值，將相似性均值大的一類中的組數(shù)據(jù)集記為相似數(shù)據(jù)集。

32、優(yōu)選的，所述根據(jù)不同序列長度下對應(yīng)的相似數(shù)據(jù)集在下一時刻的軌跡值獲取機械臂角度序列的歷史預(yù)測值的方法為：

33、對于每個序列長度，將所有相似數(shù)據(jù)集相鄰下一時刻的軌跡值的均值作為控制時刻的預(yù)測參考值；在該序列長度下，計算其中所有相似數(shù)據(jù)集在下一時刻的軌跡值的離散度；將離散度的倒數(shù)作為可信度參數(shù)；將每個可信度參數(shù)與所有可信度參數(shù)之和的比值作為序列權(quán)重；

34、將所有序列長度下預(yù)測參考值通過序列權(quán)重加權(quán)求和獲取歷史預(yù)測值。

35、優(yōu)選的，所述根據(jù)修正預(yù)測值和歷史預(yù)測值以及三維數(shù)據(jù)集之間的相似性獲取機械臂軌跡預(yù)測值的方法為：

36、獲取當前序列長度下的所有相似數(shù)據(jù)集，獲取相似數(shù)據(jù)集的修正預(yù)測值和歷史預(yù)測值；

37、將每個相似數(shù)據(jù)集的修正預(yù)測值和歷史預(yù)測值分別與下一時刻實際的軌跡值作差，構(gòu)成修正偏差序列和歷史偏差序列；

38、對于每個偏差序列，將偏差序列的離散度和偏差序列中所有序列值的平均值的積作為權(quán)重因子；

39、將修正偏差序列對應(yīng)的權(quán)重因子與權(quán)重因子的和的比值作為修正預(yù)測值的權(quán)重系數(shù)，將歷史偏差序列對應(yīng)的權(quán)重因子與權(quán)重因子的和的比值作為歷史預(yù)測值的權(quán)重系數(shù)；

40、將修正預(yù)測值和歷史預(yù)測值通過各自的權(quán)重系數(shù)加權(quán)相加獲取機械臂軌跡預(yù)測值。

41、優(yōu)選的，本發(fā)明還包括一種基于目標識別的機械臂自動控制系統(tǒng)，所述系統(tǒng)包括存儲器、處理器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上述一種基于目標識別的機械臂自動控制方法的步驟。

42、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

43、本發(fā)明提供的基于目標識別的機械臂自動控制方法及系統(tǒng)，通過不同類型感知設(shè)備采集目標對象的位置數(shù)據(jù)、速度數(shù)據(jù)以及機械臂的關(guān)節(jié)角度數(shù)據(jù)，為機械臂的精準控制提供了全面、準確的數(shù)據(jù)支持。多類型傳感器的結(jié)合使用，能夠從多個維度獲取目標和機械臂的狀態(tài)信息，有效彌補了單一傳感器數(shù)據(jù)的局限性，使系統(tǒng)能夠更全面地了解工作環(huán)境和目標對象的動態(tài)變化。

44、在數(shù)據(jù)處理方面，通過預(yù)測模型對目標位置、機械臂關(guān)節(jié)角度和目標速度在控制時刻的預(yù)測值進行計算，并結(jié)合不同數(shù)據(jù)之間的匹配度和關(guān)聯(lián)度對預(yù)測值進行修正，提高了軌跡預(yù)測的準確性。這種方法充分考慮了目標位置與機械臂關(guān)節(jié)角度、目標位置與目標速度之間的內(nèi)在聯(lián)系，通過對匹配度和關(guān)聯(lián)度的分析，能夠更準確地把握數(shù)據(jù)之間的關(guān)系，從而使修正后的預(yù)測值更接近實際情況。

45、將三維數(shù)據(jù)集聚類并分析不同序列長度下的相似性，結(jié)合實際軌跡值構(gòu)成權(quán)重獲取歷史預(yù)測值，這一過程充分利用了歷史數(shù)據(jù)中的信息。通過聚類分析，將相似的工況數(shù)據(jù)歸為一類，在處理當前時刻的數(shù)據(jù)時，能夠快速找到相似的歷史數(shù)據(jù)，從而利用這些歷史數(shù)據(jù)中的經(jīng)驗來預(yù)測機械臂的軌跡。不同序列長度下的相似性分析，能夠從不同時間尺度上挖掘數(shù)據(jù)的特征，使歷史預(yù)測值更加準確和可靠。

46、根據(jù)修正預(yù)測值、歷史預(yù)測值以及三維數(shù)據(jù)集之間的相似性獲取機械臂軌跡預(yù)測值，并據(jù)此進行運動規(guī)劃和控制，使機械臂能夠更精準地跟蹤目標對象的運動。這種綜合考慮多種因素的軌跡預(yù)測方法，能夠有效提高機械臂的動作精度和響應(yīng)速度，使其在動態(tài)變化的工作環(huán)境中能夠準確地完成各種操作任務(wù)。

47、該方法及系統(tǒng)具有良好的自適應(yīng)性，能夠根據(jù)不同的工作場景和目標對象的變化自動調(diào)整控制策略。通過對數(shù)據(jù)的實時處理和分析，系統(tǒng)能夠不斷學(xué)習(xí)和優(yōu)化控制參數(shù)，提高機械臂在不同工況下的控制效果，減少人工干預(yù)，降低操作難度和成本。

48、此外，該方法在數(shù)據(jù)處理效率上也有顯著提升，能夠快速處理大量的傳感器數(shù)據(jù)，并實時生成準確的軌跡預(yù)測值，滿足工業(yè)生產(chǎn)中對機械臂快速響應(yīng)的要求，提高生產(chǎn)效率和質(zhì)量。綜上所述，本發(fā)明能夠有效解決傳統(tǒng)機械臂控制方法中存在的動態(tài)目標跟蹤不準確、數(shù)據(jù)處理效率低、自適應(yīng)性差等問題，具有廣泛的應(yīng)用前景和顯著的經(jīng)濟效益。