1.一种用于轨道客车侧墙板的全覆盖腻子喷涂路径规划方法,其特征在于,包括:步骤1:获取轨道客车侧墙板的三维点云数据,提取基面信息并构建栅格地图,每一个栅格处都放置一个神经元并进行初始化;
步骤2、引入反馈调节系数和基于顺序位的转向函数,改进路径点选取函数,进而构建路径最优点的决策策略,根据路径最优点的决策策略得到机器人末端执行器下一时刻可能移动的栅格单元;
步骤3、采用序列重复值编码技术检测栅格地图中未覆盖栅格单元的连通性;
步骤4、根据步骤3得到的结果判定栅格地图中未覆盖栅格区域是否连通;若不连通,执行步骤4.2至4.3,根据建立的区域分解风险规避机制获取机器人末端执行器下一时刻实际移动的栅格单元;若连通,直接将步骤2计算得到的机器人末端执行器下一时刻可能移动的栅格单元作为机器人末端执行器下一时刻实际移动的栅格单元;
4.2、将步骤2.4计算得到的喷枪下一时刻可能移动的栅格单元,即栅格单元的表征性质设置为-1,即为障碍物;
4.3、获取前一时刻喷枪位置为中心的4邻域神经元,且将4邻域神经元中表征性质为0的栅格单元组成神经元集合;
如果集合不为空集,记录位置的神经元活性值为,利用公式(3)更新栅格地图中的所有神经元活性值,通过公式(12)计算得到下一时刻喷枪可能移动的栅格单元,将记录下的神经元活性值赋值给位置处的神经元,将位置作为喷枪下一时刻实际移动的栅格单元,并添加到路径集合,栅格单元的表征性质设置为1,即为已覆盖栅格,栅格单元的表征性质设置为0,即为未覆盖栅格;
如果集合为空集,则将步骤2.4计算得到的喷枪下一时刻可能移动的栅格单元作为喷枪下一时刻实际移动的栅格单元,并添加到路径集合,并将栅格单元的表征性质设置为1,即为已覆盖栅格;
步骤5、基于步骤1-4的改进生物激励神经网络的全覆盖喷涂路径规划算法进行喷涂路径规划;
步骤6、当机器人末端执行器陷入死区时,暂停执行基于改进生物激励神经网络的全覆盖喷涂路径规划算法,采用生物激励神经网络的点对点路径规划算法进行逃逸,直至机器人末端执行器达到未喷涂区域;
步骤7、继续执行步骤5所述的基于改进生物激励神经网络的全覆盖喷涂路径规划算法,直到栅格地图中不存在未覆盖栅格单元,生成规划路径;
所述的步骤1具体包括:
1.1、采用线激光三维扫描仪器采集待喷涂车体,获取车体表面点云数据后,依据车体空间几何信息展平点云数据获得新的点云数据;
1.2、确定喷枪雾幅直径和涂层搭接宽度,将涂层搭接宽度设置为,两条平行喷涂路径的喷点间隔宽度;
1.3、构建车体的全局喷涂工作地图,地图由离散化的栅格单元组成,栅格地图中的每个栅格尺寸保持一致,栅格地图尺寸为:;
其中,表示点云数据沿轴的最大值,表示点云数据沿轴的最小值,表示点云数据沿轴的最大值,表示点云数据沿轴的最小值,表示轴方向上的栅格数量,表示轴方向上的栅格数量;
1.4、栅格地图中的每一个栅格单元都表征着车体表面;车窗、车门以及车体缺陷区域均作为不喷涂区域,不喷涂区域的栅格单元的表征性质设置为-1,即为障碍物;待喷涂区域的栅格单元的表征性质设置为0,即为未覆盖栅格,已被路径规划的栅格单元的表征性质设置为1,即为已覆盖栅格;
1.5、机器人末端执行器为喷枪,规定喷枪在每个栅格单元上的路径移动需要花费1个单位时间,确定喷枪在栅格地图中的进入位置和初始移动方向:;
其中,表示t时刻喷枪所在的栅格单元,,,,表示初始时刻喷枪所在的栅格单元,为下一时刻喷枪所在的栅格单元,此时,栅格单元的表征性质和栅格单元的表征性质均设置为,即为已覆盖栅格;
1.6、将栅格单元作为独立的神经元,每一个神经元与相邻神经元存在拓扑连接关系;
1.7、每一个神经元的活性值变化用分流公式表示:
;
其中,表示第i个神经元的活性值,表示第i个神经元周围邻域神经元中的第j个神经元的活性值,为非负常数,表示衰减率,表示神经元活性值上限,表示神经元活性值下限;其中表示为抑制性激励,表示为兴奋性激励;表示第i个神经元的外部输入,由环境信息决定,定义为:;
其中,表示第i个神经元对应的栅格单元的表征性质;
函数和是线性阈值函数,分别定义为和;,表示第个神经元与第个神经元之间的欧式距离,E为一个常数值,,每一个神经元只计算区间范围内的神经元,被定义为感受野;为:;
其中,为衰减系数;
1.8、设置栅格地图中所有神经元活性值为0,利用公式(3)更新一次栅格地图中全部栅格单元的神经元活性值;
所述的步骤2具体包括:
2.1、限定喷枪只能进行横向和纵向移动,同时缩小神经元感受野大小,将邻域神经元的判断个数修改为4个;
2.2、引入反馈调节系数,计算式如下:
;
其中,表示第个神经元与第个神经元之间的欧氏距离,其中神经元,是一个正常数,用于控制反馈强度,是以第j个神经元对应的栅格单元为中心的八邻域神经元集合,表示第j个神经元的活性值;表示第j个神经元周围邻域神经元中的第s个神经元的活性值;表示第s个神经元对应的栅格单元的表征性质;
2.3、当两个神经元的周围环境信息相同时,会计算出相同的活性值,导致无法判断最优点位;依据喷枪的起始移动方向,设计基于顺序位的转向函数:;
其中,为非负常数;为第个神经元在当前神经元邻域集合中的顺序编号,其定义为:;
其中,由决定,且两向量垂直,表示第个神经元与第个神经元之间的向量;将系数和代入到路径点选取函数中,最终得到路径最优点的决策公式:;
2.4、基于公式(12)计算得到喷枪下一时刻可能移动的栅格单元。
2.根据权利要求1所述的用于轨道客车侧墙板的全覆盖腻子喷涂路径规划方法,其特征在于,所述的步骤3具体包括:
3.1、栅格单元的表征性质设置为-1,即为障碍物;
3.2、对栅格地图中每一行栅格的表征性质依次检索,当出现表征性质为未覆盖栅格单元时,继续检索直到出现表征性质不相同的栅格单元,编码检索到的具有相同表征性质的连续栅格单元为连通序列,简称,为栅格单元在栅格地图第行上的位置索引,为栅格单元在栅格地图第行上的位置索引,为连通序列r在栅格地图第行上的索引值,第行栅格单元的连通序列集合表示为:;
完成对栅格地图上未覆盖栅格的连通序列编码,从而得到全部行的连通序列集合:;
3.3、从栅格地图第一行的连通序列集合开始检查,当出现不为空集的连通序列集合时,将作为后续区域连通性检验的起始行;对中的第一个连通序列赋值标号,=0;之后,分别对中的剩余的连通序列进行标号的赋值,且每赋值一个连通序列,;
3.4、判定是否超出栅格地图的行数,如果超出,则跳过步骤3.5至3.8,执行步骤3.9;否则,执行步骤3.5;
3.5、依次提取集合中的连通序列,,其中表示集合的基数;
3.6、创建空集合;提取集合中的每一个连通序列与进行连通判定,如果,说明编码的栅格单元与编码的栅格单元都不连通,则给赋值标号,且;否则,将的标号添加到集合中,再通过公式(15)构建连通序列的连通父节点结构树:;
其中,表示连通序列的连通父节点结构树,即与连通序列连通的所有连通序列的位置索引集合;表示连通序列的位置索引;通过结构树可以追溯到行中与相连通的所有连通序列;
3.7、当集合的基数大于1时,说明第行中存在2个以上的连通序列编码的栅格单元与编码的栅格单元之间存在连通性,此时需要将集合中的最小标号值赋予,即,接着通过查询的连通父节点结构树,对包含的全部连通序列进行标号更新:;
其中,表示连通父节点结构树中连通序列的位置索引集合,例如,其中表示连通序列的索引,表示连通序列所在行的索引,那么能定位到连通序列; 表示连通序列的标号;表示取集合S中的第2t位置的数,表示取集合S中的第2t-1位置的数;
当集合的基数为1时,说明第行中仅存在1个连通序列编码的栅格单元与的编码栅格单元存在连通性,此时仅需要将集合中的元素赋予给;
3.8、i=i+1,然后将作为后续区域连通性检验的起始行,执行步骤3.4;
3.9、获取栅格地图中所有的连通序列的标号集合,如果去掉集合中重复元素后得到集合内的元素数量不为1,说明栅格地图中未覆盖栅格单元不连通,需要对栅格地图的连通性进行复检,即基于连通序列的连通父节点结构树进行标号的反向传播,具体为对集合中的每一个连通序列r作条件判断,当的标号不为0且的连通父节点结构树中存在标号为0的连通序列时,将0赋值给和连通父节点结构树中所有的连通序列;
3.10、计算去掉标号集合中重复元素后得到集合内的元素的数量;
3.11、栅格单元的表征性质设置为0,即为未覆盖栅格。
3.根据权利要求2所述的用于轨道客车侧墙板的全覆盖腻子喷涂路径规划方法,其特征在于,所述的步骤4中包括:
4.1、根据步骤3.10的计算结果来判定栅格地图中未覆盖栅格区域是否连通,如果不为1,则说明不连通;
如果为1,则说明连通,直接将步骤2.4计算得到的喷枪下一时刻可能移动的栅格单元作为喷枪下一时刻实际移动的栅格单元,并添加到路径集合,栅格单元的表征性质设置为1,即为已覆盖栅格。
4.根据权利要求3所述的用于轨道客车侧墙板的全覆盖腻子喷涂路径规划方法,其特征在于,所述的步骤5具体包括:
5.1、利用公式(3)更新栅格地图中的所有神经元活性值;
5.2、通过公式(12)计算得到喷枪下一时刻可能移动的栅格单元;
5.3、采用步骤3.1至3.11计算栅格地图中未覆盖栅格区域的连通性;
5.4、采用步骤4.1至4.3计算喷枪下一时刻实际移动的栅格单元。