无监督学习型凿岩钻臂逆运动学求解方法

摘要

凿岩台车钻臂智能寻孔控制对提升凿岩钻孔作业精度和效率具有重要意义，逆运动学求解是实现钻臂精确快速寻孔控制的核心.现有解析法或数值法无法满足复杂钻臂逆运动学求解精度或时间效率要求，而传统神经网络方法依赖于标签数据，求解结果的可靠性较低.针对上述问题，本文提出一种考虑安全约束的无监督学习型神经网络逆运动学求解方法.区别于传统解法，该方法不依赖标签数据，直接将期望钻臂末端位姿作为网络输入，以实际末端位姿与期望末端位姿的差异作为优化目标，通过梯度下降驱动网络更新.同时，为确保关节位置的安全性，本文构造了安全碰撞惩罚，将罚项引入到求解目标函数中，促使网络输出的关节量满足特定环境的约束条件.上述的研究方法不仅提高了逆运动学求解的精度，而且显著降低了逆运动学解的碰撞率.实验结果表明，使用无监督学习型神经网络逆运动学求解方法所求得的寻孔误差均值在5～7 mm之间，相较于监督学习型方法，逆运动学求解精度提升约70.72%；引入约束后，该方法在不损失求解精度的前提下，逆运动学解的碰撞率降低了90.28%.

关键词

凿岩钻臂 / 逆运动学求解 / 无监督学习 / 神经网络 / 碰撞惩罚

基金资助

国家重点研发计划资助项目（2021YFB3401502）; 国家自然科学基金资助项目(52202487); 中央高校基本科研业务费专项资金资助项目(FRF-OT-23-02)