本發(fā)明屬于人-機動作映射控制領(lǐng)域，具體來說，特別涉及一種基于混合lm-ga算法的人-機動作映射控制系統(tǒng)及方法。

背景技術(shù)：

1、人-機動作映射是一種先進的交互技術(shù)，它通過捕捉和解析人體動作，將這些動作轉(zhuǎn)化為機器的指令或控制信號，實現(xiàn)人與機器之間的無縫溝通；這項技術(shù)廣泛應(yīng)用于虛擬現(xiàn)實、機器人控制、游戲互動和運動康復(fù)等領(lǐng)域；

2、近年來，人-機動作映射技術(shù)在精密裝配領(lǐng)域，尤其是3c(計算機、通信和消費電子)裝配環(huán)節(jié)中備受關(guān)注，要求高精度和高效；研究人員將人-機動作映射技術(shù)應(yīng)用到精密裝配領(lǐng)域，并在精密裝配系統(tǒng)的研究方面取得了切實有效的成就；

3、上述的高精度裝配系統(tǒng)在微裝配領(lǐng)域展現(xiàn)出卓越的性能和精度，但系統(tǒng)的設(shè)計復(fù)雜性可能導(dǎo)致較高的成本和維護要求，需要定期的校準以確保持續(xù)的高精度表現(xiàn)，而且系統(tǒng)對于特定零件的適配可能需要特定的夾持器和調(diào)整，這在一定程度上限制了其通用性；隨著組裝技術(shù)和工藝標準化程度的提高，機器人在3c行業(yè)應(yīng)用高速增長，自動化改造需求強烈；盡管現(xiàn)代機械臂具備較高的重復(fù)定位精度，但對于3c行業(yè)某些精度要求較高的裝配任務(wù)，機械臂的精確度還不夠。同時當前的視覺系統(tǒng)和傳感器技術(shù)在處理復(fù)雜場景和微小物體時仍有限，同時還存在延遲和軌跡混亂的問題。

技術(shù)實現(xiàn)思路

1、針對相關(guān)技術(shù)中的問題，本發(fā)明提出一種基于混合lm-ga算法的人-機動作映射控制系統(tǒng)及方法，以克服現(xiàn)有相關(guān)技術(shù)所存在的上述技術(shù)問題。

2、為解決上述技術(shù)問題，本發(fā)明是通過以下技術(shù)方案實現(xiàn)的：

3、本發(fā)明為一種基于混合lm-ga算法的人-機動作映射控制方法，包括以下步驟：

4、s1、對光學動作捕捉系統(tǒng)的多個攝像頭的位置和角度進行調(diào)整；調(diào)整完成后，采用光學動作捕捉系統(tǒng)對實驗員的手臂關(guān)節(jié)位置信息數(shù)據(jù)進行采集，得到原始手臂關(guān)節(jié)位置信息；

5、s2、對所述原始手臂關(guān)節(jié)位置信息進行預(yù)處理，得到處理后的手臂關(guān)節(jié)位置信息；

6、s3、采用逆運動學中的幾何解法獲取所述處理后的手臂關(guān)節(jié)位置信息對應(yīng)的手臂關(guān)節(jié)轉(zhuǎn)角數(shù)據(jù)；

7、s4、采用逆運動學迭代算法對所述手臂關(guān)節(jié)轉(zhuǎn)角數(shù)據(jù)進行計算得到機械臂的關(guān)節(jié)角度數(shù)據(jù)；

8、s5、將所述機械臂的關(guān)節(jié)角度數(shù)據(jù)在虛擬環(huán)境中進行驗證；在驗證過程中采用光學動作捕捉系統(tǒng)獲取機械臂末端的軌跡數(shù)據(jù)；將所述機械臂末端的軌跡數(shù)據(jù)與人臂末端的軌跡數(shù)據(jù)進行對比，得到機械臂運動的復(fù)現(xiàn)精度評估結(jié)果；

9、為了確保光學動作捕捉設(shè)備能夠提供精確和可靠的三維空間數(shù)據(jù)，在進行光學動作捕捉系統(tǒng)的數(shù)據(jù)采集之前，首先需要調(diào)整各個攝像頭的位置和角度，以確保它們都能覆蓋到一個共同的捕捉區(qū)域，然后進行系統(tǒng)的標定；在采集人體運動數(shù)據(jù)時，需要實驗員在手臂的關(guān)節(jié)位置上粘貼反光標記點，并通過光學動作捕捉系統(tǒng)獲取所有反光點的坐標數(shù)據(jù)；系統(tǒng)獲取的原始數(shù)據(jù)可能會受到多種因素的影響，例如操作者的不自覺抖動、標記點的遮擋，甚至是環(huán)境光線的變化等；這些問題都可能導(dǎo)致數(shù)據(jù)的誤差、噪音甚至數(shù)據(jù)的不完整性；因此，對這些原始數(shù)據(jù)進行有效的預(yù)處理變得尤為關(guān)鍵，同時預(yù)處理的不同效果會影響軌跡復(fù)現(xiàn)的精度；數(shù)據(jù)預(yù)處理的另一作用是計算手臂各關(guān)節(jié)的關(guān)節(jié)轉(zhuǎn)角；首先根據(jù)光學動作捕捉系統(tǒng)獲取的手臂關(guān)節(jié)位置信息，利用逆運動學中的幾何解法得到相應(yīng)的手臂關(guān)節(jié)轉(zhuǎn)角，其次利用逆運動學迭代算法得到機械臂的關(guān)節(jié)角度數(shù)據(jù)并將其首先在虛擬環(huán)境中進行驗證；然后利用光學動作捕捉系統(tǒng)獲取機械臂末端的軌跡數(shù)據(jù)，通過比較人臂末端和機械臂末端的軌跡數(shù)據(jù)，可以評估機械臂運動的復(fù)現(xiàn)精度，確保人-機動作映射系統(tǒng)的準確性和可靠性。

10、優(yōu)選地，s1中所述原始手臂關(guān)節(jié)位置信息包括世界坐標系中的位移、速度和加速度數(shù)據(jù)。

11、優(yōu)選地，所述s2包括以下步驟：

12、s21、根據(jù)所述原始手臂關(guān)節(jié)位置信息中可見點與丟失點之間的位置關(guān)系采用三次插值的方式進行數(shù)據(jù)填補，得到填補后數(shù)據(jù)；

13、s22、采用savitzky-golay五點三次濾波的方法去除所述填補后數(shù)據(jù)中運動軌跡中的噪聲，得到處理后的手臂關(guān)節(jié)位置信息；

14、為了進一步提高動作復(fù)現(xiàn)的精度，消除原始數(shù)據(jù)可能存在噪音、誤差和不完整等問題，先利用可見點與丟失點之間的位置關(guān)系，采用三次插值的方式進行數(shù)據(jù)填補；為了求解三次樣條插值，通常需要構(gòu)建一個線性方程組，這個方程組的系數(shù)由數(shù)據(jù)點的值和端點條件決定，然后，可以使用高斯消元法求解這個方程組，得到每個分段三次多項式的系數(shù)，在保持數(shù)據(jù)點的插值精度的同時，提供了平滑的曲線；為了消除原始數(shù)據(jù)中由于操作者手部運動過程中的抖動引起的噪聲，采用savitzky-golay五點三次濾波的方法去除運動軌跡中的噪聲，在時域內(nèi)基于2階多項式，通過移動窗口利用最小二乘法進行最佳擬合，滿足了sg濾波使軌跡平滑但又不偏離原始數(shù)據(jù)的目的。

15、優(yōu)選地，所述s4包括以下步驟：

16、s41、采用改進的d-h參數(shù)法對機械臂各關(guān)節(jié)之間的幾何關(guān)系以及末端執(zhí)行器的位置和姿態(tài)進行建模，得到機械臂模型以及末端執(zhí)行器模型；

17、優(yōu)選地，所述s41包括以下步驟：

18、s411、設(shè)定機械臂關(guān)節(jié)集a＝{a1,a2,a3,a4,a5,a6}，a1、a2、a3、a4、a5、a6分別表示機械臂的第一個關(guān)節(jié)、第二個關(guān)節(jié)、第三個關(guān)節(jié)、第四個關(guān)節(jié)、第五個關(guān)節(jié)以及第六個關(guān)節(jié)；對所述機械臂關(guān)節(jié)集中每個機械臂關(guān)節(jié)定義參數(shù)，得到機械臂關(guān)節(jié)參數(shù)矩陣a′；如下，

19、

20、其中，ai′1、ai′2、ai′3、ai′4、ai′5分別表示所述機械臂關(guān)節(jié)集中第i個機械臂關(guān)節(jié)的關(guān)節(jié)角度參數(shù)、沿前一個關(guān)節(jié)軸的平移距離參數(shù)、沿當前關(guān)節(jié)軸的平移距離參數(shù)、當前關(guān)節(jié)軸與前一個關(guān)節(jié)軸之間的夾角參數(shù)以及關(guān)節(jié)角范圍參數(shù)；

21、s412、根據(jù)所述機械臂關(guān)節(jié)參數(shù)矩陣a′計算機械臂關(guān)節(jié)集中第i-1個機械臂關(guān)節(jié)坐標系到第i個機械臂關(guān)節(jié)坐標系的變換的轉(zhuǎn)換矩陣如下，

22、

23、所述末端執(zhí)行器相對于基坐標系的位姿變換矩陣的計算公式如下，

24、

25、優(yōu)選地，所述s5包括以下步驟：

26、s51、根據(jù)所述機械臂模型以及末端執(zhí)行器模型并采用混合lm-ga的迭代數(shù)值解法進行人-機運動模型轉(zhuǎn)換操作；

27、s52、在進行人-機運動模型轉(zhuǎn)換操作過程中采用光學動作捕捉系統(tǒng)獲取機械臂末端的軌跡數(shù)據(jù)；將所述機械臂末端的軌跡數(shù)據(jù)與人臂末端的軌跡數(shù)據(jù)進行對比，得到機械臂運動的復(fù)現(xiàn)精度評估結(jié)果；

28、使用光學動作捕捉設(shè)備來捕捉人體手臂末端的坐標位置；這些坐標數(shù)據(jù)不僅為機械臂提供了精確的末端執(zhí)行器軌跡，而且通過空間幾何分析，可以進一步計算出手臂腕關(guān)節(jié)的角度實時值；將腕關(guān)節(jié)角度值作為機械臂關(guān)節(jié)運動的約束條件，確保機械臂的運動符合擬人化軌跡，同時保持高效和精確；為了實現(xiàn)人-機映射的目標，采用了一種改進的迭代算法，用于完成機械臂的逆運動學分析逆運動學是確定機械臂各關(guān)節(jié)角度以實現(xiàn)期望末端位置和姿態(tài)的過程，而迭代算法在此過程中提供了一種有效的解決方案；通過不斷地逼近最優(yōu)解，迭代算法能夠逐步調(diào)整機械臂關(guān)節(jié)的角度，直至達到預(yù)定的末端執(zhí)行器位置。

29、優(yōu)選地，所述s51包括以下步驟：

30、s511、對關(guān)節(jié)角度進行編碼，得到關(guān)節(jié)角度編碼；構(gòu)建染色體種群并對根據(jù)關(guān)節(jié)角度編碼所述染色體種群進行初始化；

31、s512、采用適應(yīng)度函數(shù)對染色體種群中各個染色體的適應(yīng)度進行計算，得到適應(yīng)度值集；根據(jù)所述適應(yīng)度值集對染色體種群進行個體選擇，得到選擇的個體；當所述選擇的個體滿足要求時，將所述選擇的個體作為lm算法的初始值；

32、否則，對染色體種群進行個體交叉以及個體變異操作，并重復(fù)s512，直到所述選擇的個體滿足要求時為止；所述適應(yīng)度函數(shù)如下：

33、

34、其中：θ表示關(guān)節(jié)角度；fitness(θ)表示θ的適應(yīng)度函數(shù)；d(θ)表示末端執(zhí)行器在關(guān)節(jié)角度θ下的位置與目標位置之間的歐氏距離；σ表示一個常數(shù)，用于控制距離項的影響范圍；jointlimit(θ)表示懲罰函數(shù)，當關(guān)節(jié)角度超出限制時取正值，否則為零；ω1和ω2均表示權(quán)重系數(shù)，用于平衡距離精度和關(guān)節(jié)限制的重要性；

35、s513、構(gòu)建目標函數(shù)；對lm算法的參數(shù)進行初始化并計算所述目標函數(shù)的誤差；當所述目標函數(shù)的誤差滿足要求時，算法結(jié)束；否則，重新對lm算法的參數(shù)進行初始化并重復(fù)s513，直到所述目標函數(shù)的誤差滿足要求時為止；

36、優(yōu)選地，所述s513包括以下步驟：

37、s5131、設(shè)定人體手臂末端的位姿矩陣；將機械臂當前關(guān)節(jié)角代入所述末端執(zhí)行器相對于基坐標系的位姿變換矩陣中得到機械臂末端執(zhí)行器當前的位姿矩陣；

38、s5132、根據(jù)所述人體手臂末端的位姿矩陣以及機械臂末端執(zhí)行器當前的位姿矩陣計算機械臂末端的位置誤差；

39、該算法通過引入阻尼因子參數(shù)的調(diào)整實現(xiàn)了可動態(tài)調(diào)整迭代的步長實現(xiàn)收斂，迭代求解過程中，lm算法通過調(diào)整參數(shù)來平衡計算精度和誤差的減小，使幾何參數(shù)誤差不斷接近準確值；當參數(shù)設(shè)置較大時，lm算法類似于梯度下降法，這有助于算法在整個解空間中進行全局搜索，從而確保算法能夠找到全局最優(yōu)解或者至少是全局范圍內(nèi)的穩(wěn)定解；當參數(shù)設(shè)置較小時，lm算法更接近高斯-牛頓法，此時算法在局部區(qū)域內(nèi)的收斂速度會加快，有助于快速接近解的精確位置。

40、一種基于混合lm-ga算法的人-機動作映射控制系統(tǒng)，包括手臂關(guān)節(jié)位置信息數(shù)據(jù)采集模塊、預(yù)處理模塊、手臂關(guān)節(jié)轉(zhuǎn)角數(shù)據(jù)獲取模塊、機械臂關(guān)節(jié)角度數(shù)據(jù)計算模塊、機械臂末端軌跡數(shù)據(jù)采集模塊和機械臂運動精度評估模塊；

41、所述手臂關(guān)節(jié)位置信息數(shù)據(jù)采集模塊用于對光學動作捕捉系統(tǒng)的多個攝像頭的位置和角度進行調(diào)整；調(diào)整完成后，采用光學動作捕捉系統(tǒng)對實驗員運動時的手臂關(guān)節(jié)位置信息數(shù)據(jù)進行采集，得到原始手臂關(guān)節(jié)位置信息；

42、所述預(yù)處理模塊用于對所述原始手臂關(guān)節(jié)位置信息進行預(yù)處理，得到處理后的手臂關(guān)節(jié)位置信息；

43、所述手臂關(guān)節(jié)轉(zhuǎn)角數(shù)據(jù)獲取模塊用于采用逆運動學中的幾何解法獲取所述處理后的手臂關(guān)節(jié)位置信息對應(yīng)的手臂關(guān)節(jié)轉(zhuǎn)角數(shù)據(jù)；

44、所述機械臂關(guān)節(jié)角度數(shù)據(jù)計算模塊用于采用逆運動學迭代算法對所述手臂關(guān)節(jié)轉(zhuǎn)角數(shù)據(jù)進行計算得到機械臂的關(guān)節(jié)角度數(shù)據(jù)；

45、所述機械臂末端軌跡數(shù)據(jù)采集模塊用于將所述機械臂的關(guān)節(jié)角度數(shù)據(jù)在虛擬環(huán)境中進行驗證；在驗證過程中采用光學動作捕捉系統(tǒng)獲取機械臂末端的軌跡數(shù)據(jù)；

46、所述機械臂運動精度評估模塊用于將所述機械臂末端的軌跡數(shù)據(jù)與人臂末端的軌跡數(shù)據(jù)進行對比，得到機械臂運動的復(fù)現(xiàn)精度評估結(jié)果。

47、本發(fā)明具有以下有益效果：

48、1.本發(fā)明中通過根據(jù)光學動作捕捉系統(tǒng)獲取的手臂關(guān)節(jié)位置信息，利用逆運動學中的幾何解法得到相應(yīng)的手臂關(guān)節(jié)轉(zhuǎn)角，其次利用逆運動學迭代算法得到機械臂的關(guān)節(jié)角度數(shù)據(jù)并將其首先在虛擬環(huán)境中進行驗證；然后利用光學動作捕捉系統(tǒng)獲取機械臂末端的軌跡數(shù)據(jù)，通過比較人臂末端和機械臂末端的軌跡數(shù)據(jù)，可以評估機械臂運動的復(fù)現(xiàn)精度，確保人-機動作映射系統(tǒng)的準確性和可靠性。

49、2.本發(fā)明中通過利用可見點與丟失點之間的位置關(guān)系，采用三次插值的方式進行數(shù)據(jù)填補，得到每個分段三次多項式的系數(shù)，在保持數(shù)據(jù)點的插值精度的同時，提供了平滑的曲線；采用savitzky-golay五點三次濾波的方法去除運動軌跡中的噪聲，在時域內(nèi)基于2階多項式，通過移動窗口利用最小二乘法進行最佳擬合，滿足了sg濾波使軌跡平滑但又不偏離原始數(shù)據(jù)的目的。

50、3.本發(fā)明中通過采用了一種改進的迭代算法，用于完成機械臂的逆運動學分析逆運動學是確定機械臂各關(guān)節(jié)角度以實現(xiàn)期望末端位置和姿態(tài)的過程，而迭代算法在此過程中提供了一種有效的解決方案；通過不斷地逼近最優(yōu)解，迭代算法能夠逐步調(diào)整機械臂關(guān)節(jié)的角度，直至達到預(yù)定的末端執(zhí)行器位置。

51、當然，實施本發(fā)明的任一產(chǎn)品并不一定需要同時達到以上所述的所有優(yōu)點。