本技術涉及工程機械領域，尤其涉及一種運行軌跡的控制方法、裝置、設備及存儲介質(zhì)。

背景技術：

1、在例如塔式起重機、汽車起重機、高空作業(yè)機械等作業(yè)機械中，通常有對作業(yè)裝置進行運行軌跡控制的需求。例如，在無人駕駛的塔式起重機上裝作業(yè)場景中，通過塔式起重機的動力系統(tǒng)精準控制塔式起重機的吊鉤的運行軌跡，使吊鉤在準確的時間到達目的位置是實現(xiàn)自動化吊裝作業(yè)的關鍵技術之一。目前吊鉤的軌跡控制一般采用比例-積分-微分(proportion?integral?differential，pid)控制方法，雖然易于工程實現(xiàn)，但是由于塔式起重機作業(yè)場景存在較大的遲滯現(xiàn)象，并且軌跡控制屬于多輸入多輸出的系統(tǒng)，而pid控制是線性控制技術，難以適用于塔式起重機軌跡控制系統(tǒng)。

技術實現(xiàn)思路

1、本技術提供了一種運行軌跡的控制方法、裝置、設備及存儲介質(zhì)，用于解決作業(yè)機械上裝作業(yè)場景中遲滯現(xiàn)象導致的位置偏移和時間偏移問題。

2、第一方面，本技術實施例提出了一種運行軌跡的控制方法，包括：

3、在第一軌跡點對目標軌跡進行預瞄確定第二軌跡點；其中，所述目標軌跡是預先為所述作業(yè)機械的上裝作業(yè)裝置規(guī)劃的軌跡，所述第一軌跡點和所述第二軌跡點為所述目標軌跡中兩個不同的軌跡點；

4、獲取在所述目標軌跡中的多個第三軌跡點，所述多個第三軌跡點包括所述第二軌跡點和位于所述第二軌跡點之后的至少一個軌跡點；

5、將所述多個第三軌跡點輸入到預設的計算模型中，得到所述上裝作業(yè)裝置從所述第一軌跡點到達所述第二軌跡點的目標控制量；其中，所述計算模型用于確定所述多個第三軌跡點分別對應的多個控制量，基于所述多個控制量預測與所述多個第三軌跡點分別對應的多個第四軌跡點，基于所述多個第三軌跡點和多個第四軌跡點構建關于所述多個控制量的目標函數(shù)，并通過求解所述目標函數(shù)得到所述目標控制量；

6、采用所述目標控制量控制所述上裝作業(yè)裝置運行。

7、基于上述方案，為了解決上裝作業(yè)裝置存在的遲滯現(xiàn)象，本技術提出首先通過預瞄將跟蹤的軌跡點向前預估一段時間，確定預瞄后得到的多個軌跡點。進一步根據(jù)多個軌跡點的控制量預測多個軌跡點對應的預測軌跡點，基于預測軌跡點與實際目標軌跡中的軌跡點之間的位置偏差構建目標函數(shù)，迭代優(yōu)化求解目標函數(shù)，得到控制吊鉤運行的目標控制量。一方面，由于目標控制量是基于位置偏差求解得到的，因此吊鉤運行后位置偏差最小。另一方面，相較于傳統(tǒng)構建預測模型的方案，本技術通過位置偏差構建目標函數(shù)并求解目標函數(shù)的方案復雜度較低，易于實現(xiàn)。

8、在一個或多個可能的實施例中，所述計算模型還用于基于所述多個控制量中相鄰控制量的變化量構建所述目標函數(shù)。

9、在一個或多個可能的實施例中，采用如下方式確定所述第三軌跡點對應的第四軌跡點：

10、獲取預先針對不同上裝作業(yè)裝置載重和不同控制量范圍構建的多種擬合函數(shù)；其中，任意一個擬合函數(shù)用于表征控制量和所述上裝作業(yè)裝置的加速度之間的映射關系；

11、基于所述上裝作業(yè)裝置當前的上裝作業(yè)裝置載重，以及第一控制量所屬的控制量范圍從所述多種擬合函數(shù)中選取目標擬合函數(shù)；其中，所述第一控制量為所述第三軌跡點對應的控制量；

12、通過所述目標擬合函數(shù)確定所述第一控制量對應的目標加速度；

13、基于所述目標加速度確定所述第四軌跡點。

14、在一個或多個可能的實施例中，采用如下方式構建在第一上裝作業(yè)裝置載重下所述上裝作業(yè)裝置的加速度與控制量之間的多種擬合函數(shù)：

15、獲取在所述第一上裝作業(yè)裝置載重下歷史記錄的多個數(shù)據(jù)組；每個數(shù)據(jù)組包括一個加速度和一個控制量；

16、根據(jù)所述多個數(shù)據(jù)組在以加速度為縱坐標、以控制量為橫坐標的坐標系下的分布情況，對所述多個數(shù)據(jù)組進行分段得到多個分段；其中，所述分布情況用于表征所述坐標系中所述多個數(shù)據(jù)組對應的點組合得到的曲線的斜率，以及用于表征所述曲線擬合的函數(shù)的階數(shù)；不同的分段包括的數(shù)據(jù)組對應的斜率和階數(shù)不相同；

17、針對第一分段的數(shù)據(jù)進行函數(shù)擬合，確定所述第一上裝作業(yè)裝置載重和第一控制量范圍對應的擬合函數(shù)；所述第一分段為所述多個分段中的任意一個分段，所述第一控制量范圍是根據(jù)所述第一分段中包括的數(shù)據(jù)組中的控制量確定的。

18、基于上述方案，對數(shù)據(jù)進行分段后再執(zhí)行函數(shù)擬合，不僅可以提升函數(shù)的局部精度，還可以降低函數(shù)的階數(shù)，從而提升設備的運算速率。

19、在一個或多個可能的實施例中，所述在第一軌跡點對目標軌跡進行預瞄確定第二軌跡點，具體包括：

20、基于遺傳優(yōu)化算法，采用所述第一軌跡點與所述目標軌跡中位于所述第一軌跡點之后的軌跡點之間的位置偏差作為適應度函數(shù)確定預瞄時間；

21、根據(jù)所述第一軌跡點對應的第一時刻和所述預瞄時間，確定第二時刻的所述第二軌跡點。

22、基于上述方案，本技術提出通過遺傳優(yōu)化算法獲取預瞄時間，增加預瞄時間與作業(yè)場景的匹配性，避免預瞄時間過短或者過長導致控制輸出不準確的問題。

23、在一個或多個可能的實施例中，所述基于遺傳優(yōu)化算法，采用所述目標軌跡中位于所述第一軌跡點之后的軌跡點的實際位置和規(guī)劃位置之間的偏差作為適應度函數(shù)確定預瞄時間，具體包括：

24、基于預設的邊界值生成初代種群；所述初代種群中每個個體為一個初始設置的預瞄時間；

25、根據(jù)所述每個個體對應的軌跡點和所述第一軌跡點之間的距離計算適應度值，將所述初代種群中適應度值小于設定閾值的個體作為父代個體；

26、采用遺傳優(yōu)化算法中的交叉算子和變異算子對所述父代個體進行遺傳操作生成新的種群，基于所述新的種群返回執(zhí)行計算適應度值的步驟，直至遺傳操作的次數(shù)達到次數(shù)閾值時輸出最優(yōu)個體對應的預瞄時間；所述最優(yōu)個體為適應度值最小的個體。

27、在一個或多個可能的實施例中，在確定所述第四軌跡點之后，所述方法還包括：

28、獲取在第五軌跡點對所述第一軌跡點進行預測時得到的預測軌跡點；所述第五軌跡點為所述第一軌跡點的前一個軌跡點；

29、基于所述預測軌跡點和所述第一軌跡點，對所述第四軌跡點進行修正。

30、在一個或多個可能的實施例中，所述基于所述預測軌跡點和所述第一軌跡點，對所述第四軌跡點進行修正，具體包括：

31、獲取在所述第五軌跡點確定的第二控制量；所述第二控制量為控制所述上裝作業(yè)裝置從所述第五軌跡點到達所述預測軌跡點的控制量；

32、將所述第二控制量、所述預測軌跡點和所述第一軌跡點輸入到預先訓練好的深度學習模型中，輸出用于修正所述第四軌跡點的修正值；其中，所述深度學習模型是采用所述上裝作業(yè)裝置運行的歷史數(shù)據(jù)訓練得到的；

33、將所述修正值補償?shù)剿龅谒能壽E點中，得到修正后的所述第四軌跡點。

34、第二方面，本技術提出了一種運行軌跡的控制裝置，所述裝置為作業(yè)機械，或者所述裝置應用于所述作業(yè)機械，所述裝置包括：

35、處理單元，用于在第一軌跡點對目標軌跡進行預瞄確定第二軌跡點；其中，所述目標軌跡是預先為所述作業(yè)機械的上裝作業(yè)裝置規(guī)劃的軌跡，所述第一軌跡點和所述第二軌跡點為所述目標軌跡中兩個不同的軌跡點；

36、獲取單元，用于獲取在所述目標軌跡中的多個第三軌跡點，所述多個第三軌跡點包括所述第二軌跡點和位于所述第二軌跡點之后的至少一個軌跡點；

37、所述處理單元，還用于將所述多個第三軌跡點輸入到預設的計算模型中，得到所述上裝作業(yè)裝置從所述第一軌跡點到達所述第二軌跡點的目標控制量；其中，所述計算模型用于確定所述多個第三軌跡點分別對應的多個控制量，基于所述多個控制量預測與所述多個第三軌跡點分別對應的多個第四軌跡點，基于所述多個第三軌跡點和多個第四軌跡點構建關于所述多個控制量的目標函數(shù)，并通過求解所述目標函數(shù)得到所述目標控制量；

38、所述處理單元，還用于采用所述目標控制量控制所述上裝作業(yè)裝置運行

39、在一個或多個可能的實施例中，所述計算模型還用于基于所述多個控制量中相鄰控制量的變化量構建所述目標函數(shù)。

40、在一個或多個可能的實施例中，所述獲取單元，還用于獲取預先針對不同上裝作業(yè)裝置載重和不同控制量范圍構建的多種擬合函數(shù)；其中，任意一個擬合函數(shù)用于表征控制量和所述上裝作業(yè)裝置的加速度之間的映射關系；

41、所述處理單元，還用于基于所述上裝作業(yè)裝置當前的上裝作業(yè)裝置載重，以及第一控制量所屬的控制量范圍從所述多種擬合函數(shù)中選取目標擬合函數(shù)；其中，所述第一控制量為所述第三軌跡點對應的控制量；

42、所述處理單元，還用于通過所述目標擬合函數(shù)確定所述第一控制量對應的目標加速度；

43、所述處理單元，還用于基于所述目標加速度確定所述第四軌跡點。

44、在一個或多個可能的實施例中，所述獲取單元，還用于獲取在所述第一上裝作業(yè)裝置載重下歷史記錄的多個數(shù)據(jù)組；每個數(shù)據(jù)組包括一個加速度和一個控制量；

45、所述處理單元，還用于根據(jù)所述多個數(shù)據(jù)組在以加速度為縱坐標、以控制量為橫坐標的坐標系下的分布情況，對所述多個數(shù)據(jù)組進行分段得到多個分段；其中，所述分布情況用于表征所述坐標系中所述多個數(shù)據(jù)組對應的點組合得到的曲線的斜率，以及用于表征所述曲線擬合的函數(shù)的階數(shù)；不同的分段包括的數(shù)據(jù)組對應的斜率和階數(shù)不相同；

46、所述處理單元，還用于針對第一分段的數(shù)據(jù)進行函數(shù)擬合，確定所述第一上裝作業(yè)裝置載重和第一控制量范圍對應的擬合函數(shù)；所述第一分段為所述多個分段中的任意一個分段，所述第一控制量范圍是根據(jù)所述第一分段中包括的數(shù)據(jù)組中的控制量確定的。

47、在一個或多個可能的實施例中，所述處理單元，具體用于：

48、基于遺傳優(yōu)化算法，采用所述第一軌跡點與所述目標軌跡中位于所述第一軌跡點之后的軌跡點之間的位置偏差作為適應度函數(shù)確定預瞄時間；

49、根據(jù)所述第一軌跡點對應的第一時刻和所述預瞄時間，確定第二時刻的所述第二軌跡點。

50、在一個或多個可能的實施例中，所述處理單元，具體用于：

51、基于預設的邊界值生成初代種群；所述初代種群中每個個體為一個初始設置的預瞄時間；

52、根據(jù)所述每個個體對應的軌跡點和所述第一軌跡點之間的距離計算適應度值，將所述初代種群中適應度值小于設定閾值的個體作為父代個體；

53、采用遺傳優(yōu)化算法中的交叉算子和變異算子對所述父代個體進行遺傳操作生成新的種群，基于所述新的種群返回執(zhí)行計算適應度值的步驟，直至遺傳操作的次數(shù)達到次數(shù)閾值時輸出最優(yōu)個體對應的預瞄時間；所述最優(yōu)個體為適應度值最小的個體。

54、在一個或多個可能的實施例中，所述獲取單元，還用于獲取在第五軌跡點對所述第一軌跡點進行預測時得到的預測軌跡點；所述第五軌跡點為所述第一軌跡點的前一個軌跡點；

55、所述處理單元，還用于基于所述預測軌跡點和所述第一軌跡點，對所述第四軌跡點進行修正。

56、在一個或多個可能的實施例中，所述處理單元，具體用于：

57、通過所述獲取單元獲取在所述第五軌跡點確定的第二控制量；所述第二控制量為控制所述上裝作業(yè)裝置從所述第五軌跡點到達所述預測軌跡點的控制量；

58、將所述第二控制量、所述預測軌跡點和所述第一軌跡點輸入到預先訓練好的深度學習模型中，輸出用于修正所述第四軌跡點的修正值；其中，所述深度學習模型是采用所述上裝作業(yè)裝置運行的歷史數(shù)據(jù)訓練得到的；

59、將所述修正值補償?shù)剿龅谒能壽E點中，得到修正后的所述第四軌跡點。

60、第三方面，本技術提供一種電子設備，包括：

61、存儲器，用于存儲程序指令；

62、處理器，用于調(diào)用所述存儲器中存儲的程序指令，按照獲得的程序指令執(zhí)行第一方面中任一項所述的方法包括的步驟。

63、第四方面，本技術提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被計算機執(zhí)行時，使所述計算機執(zhí)行第一方面中任一項所述的方法。

64、第五方面，本技術提供了一種計算機程序產(chǎn)品，所述計算機程序產(chǎn)品包括：計算機程序代碼，當所述計算機程序代碼在計算機上運行時，使得計算機執(zhí)行第一方面中任一項所述的方法。