高速列車車廂總成裝配路徑規(guī)劃方法研究.pdf

1、在面向裝配過程的虛擬仿真中，裝配路徑規(guī)劃是重要的組成部分。裝配路徑規(guī)劃的核心任務(wù)是為待裝配的零部件計算出一條從裝配起點(diǎn)到裝配終點(diǎn)的無碰撞路徑。高速列車具有零部件數(shù)量多，結(jié)構(gòu)復(fù)雜，內(nèi)部空間緊湊等特點(diǎn)，由于裝配環(huán)境的復(fù)雜性以及裝配過程中約束的多樣性，高速列車的裝配路徑規(guī)劃面臨著許多難點(diǎn)與挑戰(zhàn)。
　　首先，對裝配路徑規(guī)劃中的各種約束進(jìn)行了分類，并研究了路徑質(zhì)量的評價方法。然后分析了高速列車裝配路徑規(guī)劃的特點(diǎn)與存在的問題，并確定了解決問題

2、的關(guān)鍵方法。
　　針對高速列車裝配路徑規(guī)劃中求解空間過大的問題，提出了根據(jù)環(huán)境空間的靜態(tài)布局信息，待裝配零部件的裝配工藝信息快速粗略地確定裝配求解空間的方法，以及精確計算求解空間的方法，為待裝配的零部件計算出合適的路徑求解空間，以加快路徑求解速度，提高路徑質(zhì)量。此外，在考慮零部件實際裝配起點(diǎn)的前提下，提出將裝配路徑規(guī)劃過程分成運(yùn)動階段和裝配階段兩個階段進(jìn)行，并研究了這兩個階段各自的特點(diǎn)以及劃分這兩個階段的方法。
　　針對裝配

3、路徑規(guī)劃中的旋轉(zhuǎn)約束問題，提出了一種基于單位四元數(shù)與快速搜索隨機(jī)樹(Rapid-exploring random tree，簡稱RRT)的雙重旋轉(zhuǎn)約束方法。該方法在生成隨機(jī)采樣點(diǎn)與新位姿點(diǎn)的過程中均施加旋轉(zhuǎn)約束，以保證在起始位姿與終止位姿間旋轉(zhuǎn)變化量較大的路徑規(guī)劃任務(wù)中，可實現(xiàn)對零部件位姿間旋轉(zhuǎn)變化量的控制。實驗結(jié)果證明，該方法能對零部件旋轉(zhuǎn)進(jìn)行有效地控制。此外，在考慮旋轉(zhuǎn)約束的前提下，提出一種基于RRT算法的最低成本路徑搜索方法。該方

4、法的采樣策略中，每次生成多個隨機(jī)采樣點(diǎn)，在擴(kuò)展策略中，綜合考慮平移成本與旋轉(zhuǎn)成本并引導(dǎo)路徑樹朝著成本相對最低的方向擴(kuò)展，以生成質(zhì)量相對最優(yōu)的裝配路徑。實驗結(jié)果表明，該方法能有效地降低路徑成本，提高路徑質(zhì)量。
　　針對在包含狹窄空間的裝配環(huán)境中路徑規(guī)劃困難的問題，提出了一種新的三樹RRT算法。該算法以一定的概率選擇生長最緩慢的樹為當(dāng)前擴(kuò)展樹，并使其朝著隨機(jī)采樣點(diǎn)進(jìn)行多步擴(kuò)展，以加快路徑樹的生長速度及狹窄空間連通的速度。在樹的連接策略

5、中，使其朝著擴(kuò)展樹中最近的節(jié)點(diǎn)連接，以減少路徑“折回”現(xiàn)象。實驗結(jié)果表明，該方法可顯著提高狹窄空間環(huán)境下路徑規(guī)劃的效率。
　　針對基于虛擬人的裝配路徑規(guī)劃任務(wù)，提出一種基于C空間分解的偏向采樣算法。該算法應(yīng)用了基于C空間分解的采樣策略，將對人體位姿的隨機(jī)采樣問題轉(zhuǎn)化為人體各關(guān)節(jié)自由度下旋轉(zhuǎn)角度的采樣問題，并且為提高規(guī)劃的效率及提高人體舒適度，在采樣策略中引入三個偏向概率：終止位姿吸引概率，偏好肢體運(yùn)動的概率，偏好舒適運(yùn)動的概率，來