基于自学习的机器人时间最优轨迹规划研究.pdfVIP

２０２５年５月Ｍａｙ２０２５

第５３卷第９期Ｖｏｌ５３Ｎｏ９

－

ＤＯＩ：１０．３９６９／ｊｉｓｓｎ１００１３８８１２０２５０９００９

－

文献引用：蔺文刚，户文刚，南文虎．基于自学习的机器人时间最优轨迹规划研究［Ｊ］．机床与液压，２０２５，５３（９）：６０６６．

－－

Ｃｉｔｅａｓ：ＬＩＮＷｅｎｇａｎｇ，ＨＵＷｅｎｇａｎｇ，ＮＡＮＷｅｎｈｕ．Ｓｔｕｄｙｏｎｔｉｍｅｏｐｔｉｍａｌｔｒａｊｅｃｔｏｒｙｐｌａｎｎｉｎｇｏｆｒｏｂｏｔｗｉｔｈｓｅｌｆｌｅａｒｎｉｎｇ［Ｊ］．Ｍａｃｈｉｎｅ

－

Ｔｏｏｌ＆Ｈｙｄｒａｕｌｉｃｓ，２０２５，５３（９）：６０６６．

基于自学习的机器人时间最优轨迹规划研究

１１２

蔺文刚，户文刚，南文虎

（１．甘肃交通职业技术学院，甘肃兰州７３０２０７；２．兰州理工大学，机械工业重载柔性机器人

重点实验室，甘肃兰州７３００５０）

摘要：针对工业搬运机器人在进行时间最优轨迹规划时面临的系统动力学模型不确定性问题，提出一种在线自学习的

无模型时间最优轨迹规划方法。该方法的核心思想是结合离线和在线学习策略，以适应动态环境和实际操作条件。利用离

线运动学约束条件和Ｈｅｒｍｉｔｅ插值算法，生成运动学约束下的最优样条速度曲线。这一过程确保生成的速度曲线在满足运

动学限制的同时，尽可能接近时间最优。在机器人实际运行中，在线采集轨迹数据。通过自学习策略，采用循环修正的方

式对初始轨迹进行调整，以适应实际的动力学约束。这一在线学习过程使得机器人能够根据实时反馈不断优化其轨迹，从

而获得实际操作条件下的时间最优轨迹。最后，以ＵＲ５ｅ型协作机器人为实验平台，针对搬运负载为２３Ｎ的场景，通过

１４次交互学习成功获得了运动学及实际关节扭矩约束下的时间最优速度轨迹。实验结果验证了所提方法的有效性，表明该

在线自学习无模型轨迹规划方法能够显著提高工业搬运机器人的工作效率和适应性。

关键词：工业搬运机器人；在线自学习；轨迹规划；时间最优；Ｈｅｒｍｉｔｅ插值

中图分类号：ＴＰ２７３

－－

ＳｔｕｄｙｏｎＴｉｍｅＯｐｔｉｍａｌＴｒａｊｅｃｔｏｒｙＰｌａｎｎｉｎｇｏｆＲｏｂｏｔｗｉｔｈＳｅｌｆＬｅａｒｎｉｎｇ

１１２

ＬＩＮＷｅｎｇａｎｇ，ＨＵＷｅｎｇａｎｇ，ＮＡＮＷｅｎｈｕ

（１．ＧａｎｓｕＶｏｃａｔｉｏｎａｌＣｏｌｌｅｇｅｏｆＣｏｍｍｕｎｉｃａｔｉｏｎｓ，ＬａｎｚｈｏｕＧａｎｓｕ７３０２０７，Ｃｈｉｎａ；２．ＫｅｙＬａｂｏｒａｔｏ