1. 研究目的与意义（文献综述）

(1)总述：

随着近现代工业机器人的迅猛发展，工业机器人的学科领域涉及到机械、电气、自动控制、计算机、传感器和人工智能等方方面面，其在包装机械等工业生产过程中的应用越来越广泛。使工业机器人能够按照人类意识运动的问题被称作工业机器人运动轨迹规划问题。现阶段的轨迹规划往往采用离线编程的方法实现，这种方法能够完成机械运动，但是其完成运动的能量消耗与时间都不可控，因此效率较低。而基于最优控制方法的工业机器人的运动轨迹优化则能够在机器运动前帮助其计算出最优的路径，在不需要人工示教的同时，使工业机器人自动完成运动，帮助机器人运动得更加迅速和流畅，同时在工业作业过程中提高工作效率，减少能量损耗，使得机器人的寿命延长。

一般工业机器人的轨迹规划的最优控制问题能够被分为两大类：

l 以最小能量消耗为目标的最优轨迹规划问题；

l 以最短时间为目标的最优轨迹规划问题；

两者各有所长，对于工业生产而言的意义重大。

（2）国外研究现状分析：

自1962年，第一台示教型工业机器人诞生于美国以来，国际上对工业机器人研究已近60载。目前，以日韩、欧美等为代表的许多国家的机器人产业日趋成熟和完善，所生产的工业机器人已成为一种标准设备，在全球得到广泛应用，相继形成了一批具有影响力的、著名的工业机器人公司，包括瑞典的ABB，日本的FANUC、Yaskawa，德国的KUKA等，这些公司已经成为其所在地区的支柱性产业。日本和欧盟的工业机器人技术最为先进，日本是全球范围内国内工业机器人生产规模最大、应用最广的国家，而隶属于欧盟组织的德国则名列全球第二；韩国在服务类机器人上的发展较为优秀，而美国则侧重于医疗和军事机器人等方面。

表 1机器人技术优势邻域比较表

在国外，如欧美一类的工业强国而言，它们研究的主要方向包括对机器人最短时间轨迹规划的问题以及对最小耗能轨迹规划的问题。通过使用混合优化算法（HybridOptimization Algorithm）、蚂蚁集群优化算法（Ant Colony Optimization）、混合粒子集群优化算法（Particle SwarmOptimization）对轨迹规划问题中的优化目标（如时间）进行求解，再使用所得结果进行实地实验或者仿真实验，对比期望数据与实际数据。

其通过研究不同的最优控制类问题的求解算法，为工业机器人的优化运动提供了仿真实验数据，使得工业自动化快速成型。以德国为首倡领的工业4.0，是在实现工业自动化后，应用互联技术对工业生产、工业机器人应用的进一步探索与发展。以此可见，国外工业机器人的轨迹规划已经实现，能够使工业机器手完全脱离人的控制，自动地进行工业作业，并能根据环境的变化实时做出微调，其自动化程度高，精度高；同时其还在蓬勃发展，通过物联网技术，预计将实现定制化生产作业。

（3）国内研究现状分析：

同全球主要机器人大国相比，中国工业机器人起步较晚。经过“七五”起步，“八五”和“九五”攻关，中国工业机器人从无到有、从小到大，发展迅速。现我国已生产出部分机器人关键元器件，初步具备自主研发国产机器人的实力。同时，一些相关科研机构和企业已掌握了工业机器人操作机的优化设计制造技术、工业机器人控制、驱动系统的硬件设计技术、机器人软件的设计和编程技术、运动学和轨迹规划技术。虽然我国工业机器人在某些关键技术上有所突破，但还缺乏整体核心技术的突破，因而无法完成高精度工业机器人的运动规划和伺服控制，进而出现制造精度不可控，自动化程度不高等问题阻挠我国工业机器人的进一步发展。

由此可见，国内的工业机器人的轨迹规划问题是提高工业自动化程度必须面对的一个问题，随着国内各项高新技术的发展，逐渐出现了功能更加强大的优化问题求解器，在各项技术初步完备的情况下，为推动国内工业技术的前进，主动尝试对工业机器人的轨迹规划，积累研究经验变得尤为重要。

（4）目的意义：

通过解决工业机器人的运动轨迹规划问题，提高工业机器人的使用效率，降低工业机器人的能耗，促进我国工业机器人核心技术的发展，推动机器人的广适性使用，使我国的工业机器人形成规模，推动工业机器人的全自动化发展。

2. 研究的基本内容与方案

（1）研究基本内容：

机械臂的轨迹规划主要包括两个内容：

l 机械手臂动力学仿真模型的建立；

3. 研究计划与安排

第1周：明确任务书中的任务要求。

第2周：完成相关文献资料的查询。

第3-4周：完成开题报告的撰写。

4. 参考文献（12篇以上）

[1] chen l, hu x, tang b, et al. parallel motion planning: learning adeep planning model against emergencies [j]. ieee intelligent transportationsystems magazine, 2019, 11(1): 36-41.

[2] gao m, ding p, yang y. time-optimal trajectory planning ofindustrial robots based on particle swarm optimization; proceedings of the 2015fifth international conference on instrumentation and measurement, computer,communication and control (imccc), f 18-20 sept. 2015, 2015 [c].

[3] jin x, kang j, zhang j, et al. trajectory planning of a six-dofrobot based on a hybrid optimization algorithm; proceedings of the 2016 9thinternational symposium on computational intelligence and design (iscid), f10-11 dec. 2016, 2016 [c].