本發(fā)明涉及自動(dòng)化控制，具體為一種基于光學(xué)傳感器的動(dòng)態(tài)觀測(cè)能力定量評(píng)價(jià)方法。

背景技術(shù)：

1、自動(dòng)化技術(shù)與先進(jìn)傳感器技術(shù)的結(jié)合，推動(dòng)了生產(chǎn)線的自動(dòng)化、智能化轉(zhuǎn)型，尤其是在工業(yè)機(jī)器人與機(jī)器視覺(jué)技術(shù)的協(xié)同應(yīng)用中，光學(xué)傳感器發(fā)揮著至關(guān)重要的作用。光學(xué)傳感器是現(xiàn)代智能制造中常用的感知設(shè)備，能夠快速、精準(zhǔn)地獲取環(huán)境和物體的狀態(tài)信息。在工業(yè)自動(dòng)化中，工業(yè)機(jī)器人需要執(zhí)行復(fù)雜的任務(wù)，如抓取、搬運(yùn)、裝配等操作。

2、在生產(chǎn)線的動(dòng)態(tài)環(huán)境下，光學(xué)傳感器實(shí)時(shí)監(jiān)測(cè)工件的位置、速度和軌跡，是保證機(jī)器人精準(zhǔn)操作的核心技術(shù)。然而，目前的傳感器系統(tǒng)在面對(duì)高速移動(dòng)的工件時(shí)，存在著一些性能上的瓶頸。主要問(wèn)題體現(xiàn)在傳感器的實(shí)時(shí)捕捉能力不足和預(yù)測(cè)模型精度不高，特別是在處理復(fù)雜運(yùn)動(dòng)軌跡時(shí)，傳感器捕捉到的數(shù)據(jù)經(jīng)常出現(xiàn)時(shí)延或模糊，導(dǎo)致對(duì)工件未來(lái)位置的預(yù)測(cè)不夠準(zhǔn)確。此外，現(xiàn)有的動(dòng)態(tài)觀測(cè)方法多為定性分析，缺少對(duì)傳感器能力的定量化評(píng)估與優(yōu)化，無(wú)法系統(tǒng)地反映傳感器在實(shí)際場(chǎng)景中的表現(xiàn)。這種現(xiàn)狀影響了機(jī)器人對(duì)動(dòng)態(tài)工件的抓取效率，也限制了生產(chǎn)線的整體智能化水平。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于光學(xué)傳感器的動(dòng)態(tài)觀測(cè)能力定量評(píng)價(jià)方法，解決了背景技術(shù)中提到的問(wèn)題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：一種基于光學(xué)傳感器的動(dòng)態(tài)觀測(cè)能力定量評(píng)價(jià)方法，包括以下步驟：

3、s1、通過(guò)光學(xué)傳感器對(duì)生產(chǎn)線上的工件進(jìn)行實(shí)時(shí)數(shù)據(jù)采集，收集工件的動(dòng)態(tài)信息，包括位置p、速度v、加速度a和環(huán)境光強(qiáng)度l，并進(jìn)行匯總獲取特征向量d1；

4、s2、根據(jù)特征向量d1構(gòu)建軌跡預(yù)測(cè)模型，通過(guò)軌跡預(yù)測(cè)模型對(duì)當(dāng)前工件的狀態(tài)和歷史軌跡進(jìn)行預(yù)測(cè)固定周期內(nèi)的運(yùn)動(dòng)路徑信息，獲取預(yù)測(cè)位置pf，并對(duì)預(yù)測(cè)位置pf進(jìn)行整合，組成特征向量d2；

5、s3、通過(guò)光學(xué)傳感器實(shí)時(shí)測(cè)量工件實(shí)際的位置pm并與特征向量d2進(jìn)行對(duì)比，獲取預(yù)測(cè)誤差e，并將預(yù)測(cè)誤差e進(jìn)行二次整合，組成特征向量d3，并對(duì)特征向量d3進(jìn)行反饋調(diào)控軌跡預(yù)測(cè)模型；

6、s4、根據(jù)特征向量d3結(jié)合光學(xué)傳感器的信噪比snr、視野范圍fov和特征向量d1進(jìn)行計(jì)算，獲取光學(xué)傳感器的動(dòng)態(tài)觀測(cè)能力系數(shù)cd；

7、s5、根據(jù)預(yù)測(cè)位置pf、預(yù)測(cè)誤差e和動(dòng)態(tài)觀測(cè)能力系數(shù)cd構(gòu)建綜合優(yōu)化模型，并進(jìn)行動(dòng)態(tài)調(diào)整機(jī)器工作動(dòng)作，獲取綜合優(yōu)化評(píng)估結(jié)果o；

8、s6、根據(jù)綜合優(yōu)化評(píng)估結(jié)果o與預(yù)設(shè)的機(jī)器抓取效果閾值othr進(jìn)行匹配，獲取機(jī)器工作動(dòng)作評(píng)估策略方案，并根據(jù)機(jī)器工作動(dòng)作評(píng)估策略方案判定機(jī)器繼續(xù)工作和迭代優(yōu)化。

9、優(yōu)選的，所述s1包括s11和s12；

10、s11、通過(guò)光學(xué)傳感器對(duì)生產(chǎn)線上的工件進(jìn)行實(shí)時(shí)數(shù)據(jù)采集，收集工件的動(dòng)態(tài)信息，包括對(duì)工件的空間位置進(jìn)行圖像處理測(cè)量，獲得位置坐標(biāo)x軸、y軸和z軸，提取出位置p，通過(guò)連續(xù)對(duì)位置p采集數(shù)據(jù)，利用時(shí)間間隔計(jì)算工件的瞬時(shí)速度，獲取速度v，通過(guò)連續(xù)的速度v數(shù)據(jù)進(jìn)行計(jì)算工件的瞬速信息，獲取加速度a；

11、其中，光學(xué)傳感器是用于捕捉、檢測(cè)并分析物體和環(huán)境中的光學(xué)信息的設(shè)備，并且光學(xué)傳感器通過(guò)采集光的反射、折射和散射特性，生成相關(guān)的物理數(shù)據(jù)，用于計(jì)算和動(dòng)態(tài)觀測(cè)，進(jìn)而獲取位置p、速度v、加速度a和環(huán)境光強(qiáng)度l。

12、優(yōu)選的，s12、通過(guò)光學(xué)傳感器同時(shí)測(cè)量生產(chǎn)線環(huán)境的光強(qiáng)信息，標(biāo)記為環(huán)境光強(qiáng)度l，同步將位置p、速度v、加速度a和環(huán)境光強(qiáng)度l進(jìn)行匯總，獲取特征向量d1，所述特征向量d1具體為d1={p，v，a，l}。

13、優(yōu)選的，所述s2包括s21和s22；

14、s21、根據(jù)特征向量d1構(gòu)建軌跡預(yù)測(cè)模型，通過(guò)軌跡預(yù)測(cè)模型對(duì)當(dāng)前工件的狀態(tài)和歷史軌跡進(jìn)行預(yù)測(cè)固定周期內(nèi)的運(yùn)動(dòng)路徑信息，獲取預(yù)測(cè)位置pf；

15、所述預(yù)測(cè)位置pf通過(guò)以下計(jì)算公式獲取：；

16、式中，pf（t）表示在時(shí)間t處的預(yù)測(cè)位置，p（t0）表示工件在時(shí)間t0時(shí)的位置，v（t0）表示工件在時(shí)間t0時(shí)的速度，a（t0）表示工件在時(shí)間t0時(shí)的加速度，△t預(yù)測(cè)的時(shí)間步長(zhǎng)，具體表示從當(dāng)前時(shí)間t0開始的時(shí)間變化量。

17、s22、通過(guò)對(duì)計(jì)算獲取的預(yù)測(cè)位置pf進(jìn)行整合，構(gòu)成新的特征向量d2，所述特征向量d2具體為d2={pf（t1），pf（t2），……，pf（tn）}。

18、優(yōu)選的，所述s3包括s31和s32；

19、s31、通過(guò)光學(xué)傳感器測(cè)量工件在時(shí)間ti的位置pm，并將位置pm與軌跡預(yù)測(cè)模型中預(yù)測(cè)的預(yù)測(cè)位置pf進(jìn)行對(duì)比，獲取時(shí)間ti的誤差e，突出反映了實(shí)際和預(yù)測(cè)位置之間的偏差狀態(tài)；

20、所述誤差e通過(guò)使用歐幾里得距離公式計(jì)算獲取：；

21、式中，pf，x（ti）、pf，y（ti）和pf，z（ti）分別表示時(shí)間ti的預(yù)測(cè)位置pf的x、y和z軸坐標(biāo)值，pm，x（ti）、pm，y（ti）和pm，z（ti）分別表示時(shí)間ti的位置pm的x、y和z軸坐標(biāo)值。

22、優(yōu)選的，s32、將不同時(shí)間ti的誤差e進(jìn)行整合，生成特征向量d3，并將特征向量d3反饋給軌跡預(yù)測(cè)模型進(jìn)行調(diào)控，并通過(guò)特征向量d3不斷修正未來(lái)的預(yù)測(cè)位置pf，所述特征向量d3具體為d3={e（t1），e（t2），……，e（tn）}；

23、其中，修正未來(lái)的預(yù)測(cè)位置pf具體通過(guò)以下計(jì)算公式進(jìn)行調(diào)控：；

24、式中，pf，new（ti+1）表示調(diào)整后新的預(yù)測(cè)位置pf，用于下一個(gè)時(shí)間ti+1，pf（ti+1）表示時(shí)間ti+1的預(yù)測(cè)位置，表示反饋調(diào)節(jié)系數(shù)，具體用于修正誤差修正對(duì)預(yù)測(cè)位置的影響。

25、優(yōu)選的，所述s4包括s41和s42；

26、s41、通過(guò)從光學(xué)傳感器中提取用于評(píng)價(jià)其動(dòng)態(tài)觀測(cè)能力的參數(shù)，包括信噪比snr和視野范圍fov，其中，信噪比snr通過(guò)光學(xué)傳感器檢測(cè)到的信號(hào)強(qiáng)度ssig和噪聲強(qiáng)度snoise進(jìn)行比例計(jì)算獲取，具體通過(guò)比例計(jì)算公式獲??；視野范圍fov具體通過(guò)提取光學(xué)傳感器能夠觀測(cè)到的空間范圍獲取，具體表示光學(xué)傳感器可監(jiān)測(cè)的范圍角度。

27、優(yōu)選的，s42、通過(guò)將特征向量d1中的光照強(qiáng)度l，以及特征向量d3中的誤差e與信噪比snr和視野范圍fov進(jìn)行擬合計(jì)算，動(dòng)態(tài)獲取光學(xué)傳感器的在動(dòng)態(tài)環(huán)境下觀測(cè)能力，獲取動(dòng)態(tài)觀測(cè)能力系數(shù)cd；

28、所述動(dòng)態(tài)觀測(cè)能力系數(shù)cd通過(guò)計(jì)算公式獲取，式中，n表示時(shí)間點(diǎn)的數(shù)量，i表示時(shí)間t的索引，具體表示時(shí)間ti。

29、優(yōu)選的，其中，根據(jù)預(yù)測(cè)位置pf、預(yù)測(cè)誤差e和動(dòng)態(tài)觀測(cè)能力系數(shù)cd構(gòu)建綜合優(yōu)化模型，通過(guò)結(jié)合預(yù)測(cè)位置pf、預(yù)測(cè)誤差e和動(dòng)態(tài)觀測(cè)能力系數(shù)cd的輸入信息，獲取綜合優(yōu)化評(píng)估結(jié)果o，來(lái)動(dòng)態(tài)調(diào)整機(jī)器人工作動(dòng)作；

30、所述綜合優(yōu)化評(píng)估結(jié)果o通過(guò)以下計(jì)算公式獲取：；

31、式中，o1、o2和o3分別表示預(yù)測(cè)位置pf、預(yù)測(cè)誤差e和動(dòng)態(tài)觀測(cè)能力系數(shù)cd的預(yù)設(shè)權(quán)重值，且，具體數(shù)值由用戶設(shè)定。

32、優(yōu)選的，根據(jù)綜合優(yōu)化評(píng)估結(jié)果o與預(yù)設(shè)的機(jī)器抓取效果閾值othr進(jìn)行匹配，判斷當(dāng)前機(jī)器工作動(dòng)作是否符合要求，獲取機(jī)器工作動(dòng)作評(píng)估策略方案，并根據(jù)機(jī)器工作動(dòng)作評(píng)估策略方案判定機(jī)器繼續(xù)工作和迭代優(yōu)化；

33、所述機(jī)器工作動(dòng)作評(píng)估策略方案通過(guò)以下匹配方式獲?。?/p>

34、當(dāng)綜合優(yōu)化評(píng)估結(jié)果o≥機(jī)器抓取效果閾值othr時(shí)，獲取機(jī)器工作動(dòng)作評(píng)估策略方案內(nèi)容為合格，機(jī)器人繼續(xù)執(zhí)行當(dāng)前的抓取動(dòng)作，不做任何調(diào)整，執(zhí)行預(yù)設(shè)工作流程；

35、當(dāng)綜合優(yōu)化評(píng)估結(jié)果o＜機(jī)器抓取效果閾值othr時(shí)，獲取機(jī)器工作動(dòng)作評(píng)估策略方案內(nèi)容為不合格，觸發(fā)迭代優(yōu)化流程，調(diào)整機(jī)器動(dòng)作，包括調(diào)整誤差e、動(dòng)態(tài)觀測(cè)能力cd和預(yù)測(cè)位置pf。

36、本發(fā)明提供了一種基于光學(xué)傳感器的動(dòng)態(tài)觀測(cè)能力定量評(píng)價(jià)方法，具備以下有益效果：

37、（1）通過(guò)s1至s6的步驟來(lái)有效提升生產(chǎn)線中機(jī)器人的抓取精度和效率。首先，系統(tǒng)通過(guò)光學(xué)傳感器實(shí)時(shí)采集工件的動(dòng)態(tài)信息，包括位置p、速度v、加速度a和環(huán)境光強(qiáng)度l，并將這些數(shù)據(jù)匯總為特征向量d1，構(gòu)建了完整的軌跡預(yù)測(cè)模型。在此基礎(chǔ)上，通過(guò)對(duì)比預(yù)測(cè)位置pf和實(shí)際位置pm，計(jì)算預(yù)測(cè)誤差e，并利用這些誤差反饋來(lái)動(dòng)態(tài)調(diào)整軌跡模型。這一系列反饋機(jī)制不僅增強(qiáng)了模型對(duì)工件運(yùn)動(dòng)軌跡的預(yù)測(cè)能力，還有效減小了抓取誤差。通過(guò)結(jié)合光學(xué)傳感器的信噪比snr和視野范圍fov因素，計(jì)算得出了光學(xué)傳感器的動(dòng)態(tài)觀測(cè)能力系數(shù)cd，進(jìn)一步優(yōu)化了機(jī)器人的工作動(dòng)作，能夠有效解決動(dòng)態(tài)環(huán)境下光學(xué)傳感器觀測(cè)能力不足的問(wèn)題，特別是在高速工件的軌跡預(yù)測(cè)、誤差反饋以及系統(tǒng)響應(yīng)的實(shí)時(shí)性方面。通過(guò)對(duì)動(dòng)態(tài)觀測(cè)能力的定量評(píng)價(jià)，系統(tǒng)可以大幅提升機(jī)器人的抓取成功率，減少誤操作，提高整個(gè)生產(chǎn)線的智能化水平，同時(shí)克服了以往手段在預(yù)測(cè)精度、系統(tǒng)魯棒性和誤差控制上的不足。

38、（2）通過(guò)連續(xù)采集位置p數(shù)據(jù)，計(jì)算出工件的速度v和加速度a，并結(jié)合環(huán)境光強(qiáng)度l進(jìn)行綜合分析，生成特征向量d1，確保對(duì)工件的動(dòng)態(tài)狀態(tài)進(jìn)行全面捕捉。隨后，再通過(guò)對(duì)特征向量d1構(gòu)建的軌跡預(yù)測(cè)模型，能夠精準(zhǔn)預(yù)測(cè)工件在未來(lái)不同時(shí)刻的運(yùn)動(dòng)路徑，生成預(yù)測(cè)位置pf。通過(guò)預(yù)測(cè)位置pf的整合，形成新的特征向量d2，為后續(xù)的動(dòng)作優(yōu)化提供了可靠的數(shù)據(jù)基礎(chǔ)，有效提升了系統(tǒng)的預(yù)測(cè)準(zhǔn)確性和響應(yīng)速度，特別是在復(fù)雜環(huán)境下，光學(xué)傳感器不僅能捕捉工件的精細(xì)運(yùn)動(dòng)狀態(tài)，還能通過(guò)動(dòng)態(tài)分析其未來(lái)軌跡，確保機(jī)器人能更快、更精準(zhǔn)地調(diào)整動(dòng)作，從而提升生產(chǎn)線的效率和穩(wěn)定性。這種結(jié)合環(huán)境光強(qiáng)度l的方法，進(jìn)一步增強(qiáng)了系統(tǒng)在光照變化等外部條件下的適應(yīng)能力，確保了動(dòng)態(tài)監(jiān)測(cè)和預(yù)測(cè)在多變環(huán)境中的可靠性。

39、（3）通過(guò)結(jié)合實(shí)際與預(yù)測(cè)位置pf的誤差反饋與光學(xué)傳感器性能評(píng)估，顯著增強(qiáng)了系統(tǒng)在動(dòng)態(tài)環(huán)境下的自動(dòng)調(diào)整與自適應(yīng)能力，通過(guò)對(duì)實(shí)際位置pm和預(yù)測(cè)位置pf的對(duì)比，利用歐幾里得距離公式精確計(jì)算出誤差e，并通過(guò)特征向量d3將不同時(shí)刻的誤差反饋至軌跡預(yù)測(cè)模型，動(dòng)態(tài)修正未來(lái)的預(yù)測(cè)位置。這種基于誤差反饋的調(diào)整機(jī)制，能夠有效減少預(yù)測(cè)偏差，確保工件運(yùn)動(dòng)軌跡預(yù)測(cè)的連續(xù)性和準(zhǔn)確性。其次，通過(guò)提取光學(xué)傳感器的信噪比snr和視野范圍fov等關(guān)鍵參數(shù)，并結(jié)合環(huán)境光強(qiáng)度l和誤差e，動(dòng)態(tài)計(jì)算了光學(xué)傳感器的動(dòng)態(tài)觀測(cè)能力系數(shù)cd。能夠全面評(píng)估光學(xué)傳感器在不同光照和噪聲條件下的性能，使系統(tǒng)能夠自適應(yīng)調(diào)整觀測(cè)策略，提升觀測(cè)精度，有效地解決了傳統(tǒng)系統(tǒng)在光學(xué)傳感器性能波動(dòng)和外部環(huán)境變化下，觀測(cè)能力不穩(wěn)定的缺陷，提升了傳感器在復(fù)雜生產(chǎn)環(huán)境中的可靠性和精度，確保機(jī)器人的工作動(dòng)作能夠在多變的環(huán)境下保持高效執(zhí)行。

40、（4）通過(guò)構(gòu)建綜合優(yōu)化模型，結(jié)合預(yù)測(cè)位置pf、預(yù)測(cè)誤差e和動(dòng)態(tài)觀測(cè)能力系數(shù)cd的多維輸入信息，確保了機(jī)器人工作動(dòng)作的精準(zhǔn)調(diào)整與實(shí)時(shí)優(yōu)化。在這一過(guò)程中，系統(tǒng)通過(guò)計(jì)算綜合優(yōu)化評(píng)估結(jié)果o，根據(jù)預(yù)設(shè)的機(jī)器抓取效果閾值othr進(jìn)行匹配，自動(dòng)生成機(jī)器工作動(dòng)作評(píng)估策略方案。并自動(dòng)化觸發(fā)迭代優(yōu)化，動(dòng)態(tài)調(diào)整預(yù)測(cè)位置pf、預(yù)測(cè)誤差e和動(dòng)態(tài)觀測(cè)能力系數(shù)cd，從而提高機(jī)器人的抓取精度和執(zhí)行效率，提升了生產(chǎn)線的整體運(yùn)行效率和抓取成功率。尤其是在機(jī)器工作條件發(fā)生變化時(shí)，該方法能夠主動(dòng)優(yōu)化機(jī)器人的動(dòng)作控制，確保系統(tǒng)在動(dòng)態(tài)條件下的穩(wěn)定性，減少由于誤差過(guò)大或傳感器性能波動(dòng)導(dǎo)致的操作失誤，提升了系統(tǒng)的自適應(yīng)能力和智能化水平。