本发明涉及机器人工业运动控制，具体为基于嵌入式的工业运动控制方法及系统。
背景技术：
1、通过姿态奇点，也称为奇异点或singularity来控制机器人机械臂运动，实际上是指在机器人运动学中遇到的一种特殊情况。当机械臂处于某些特定的位置和姿态时，其关节的配置会导致失去一个或多个自由度的方向控制能力。这种情况下，我们称机械臂遇到了一个奇异点。
2、运动学分析：机器人机械臂的运动学分为正向运动学和逆向运动学。正向运动学是根据给定的关节角度计算出末端执行器的位置和姿态；而逆向运动学则是从给定的末端执行器位置和姿态反解出所需的关节角度。在处理姿态奇点问题时，逆向运动学尤为重要，因为需要找到合适的关节角度来避免奇异点。
3、奇异点附近的行为不可预测：当机械臂接近奇异点时，小的输入变化可能导致末端执行器位置的大变动，造成不稳定行为。在某些情况下，即使使用了伪逆等方法来近似求解逆向运动学，也可能导致不自然的动作或者速度突变。
4、路径规划难度增加：需要避开奇异点来进行路径规划，这增加了算法的复杂性和对环境感知的要求。特别是在动态环境中，需要快速调整计划以应对新出现的情况，同时保持远离奇异点。
5、所以针对上述问题，就需要基于嵌入式的工业运动控制方法及系统。
技术实现思路
1、本发明的目的在于提供基于嵌入式的工业运动控制方法及系统。本发明通过综合运用传感器数据、数据处理算法、路径规划策略和控制方法，显著提升了工业运动控制系统的性能，使其能够在复杂的工业环境中高效、安全、可靠地运行提高了系统的性能、可靠性和适应性。本发明是这样实现的：
2、本发明提供一种基于嵌入式的工业运动控制方法，具体按以下步骤执行：
3、s1:进行机器人机械臂的奇异点识别，首先进行确定机械臂的矩阵，并进行描述机械臂末端执行器的速度包括线速度和角速度与关节速度之间的关系，如式（1）；
4、 式（1）
5、其中，是机械臂末端执行器的速度向量，是关节速度向量，为机械臂关节角度；
6、s2:进行计算条件数，检测奇异点，具体通过计算矩阵的条件数评估其接近奇异的程度，条件数定义为最大奇异值与最小奇异值之比，如式（2）；
7、 式（2）
8、其中，为条件数；
9、s3:对条件数进行设定阈值，并检测条件数是否超过阈值，当检测到条件数超过预设阈值时，通过伪逆处理奇异点；
10、具体按以下步骤执行：
11、s3.1：在条件数超过预设阈值时，计算伪逆，通过分解计算矩阵的伪逆；通过奇异值分解如式（3.1）-式（3.2）；
12、 式（3.1）
13、其中，和是正交矩阵，是对角矩阵，包含的奇异值；
14、 式（3.2）
15、其中，是的伪逆，具体通过对角元素取倒数并转置计算出；
16、s3.2：使用伪逆近似求解机械臂关节速度，如式（3.3）；
17、 式（3.3）
18、其中，是机械臂末端的速度向量；
19、s3.3：通过目标函数和辅助向量优化关节配置，具体包括最小化关节速度、减小能量消耗，如式（3.4）；
20、 式（3.4）
21、其中，为单位矩阵，是零空间投影矩阵；
22、s3.4：在离散时间步长下，通过积分将关节速度转换为关节角度，如式（3.5）；
23、 式（3.5）。
24、s4：进行动态路径规划，通过监测到的机械臂传感器数据、空间内的障碍物数据，包括障碍物的位置、形状及动态物体的轨迹预测，构建当前工作空间的模型，具体按以下步骤执行：
25、s4.1：使用传感器包括激光雷达、摄像头、超声波传感器进行收集工作空间内的障碍物信息，对动态物体，进行连续跟踪预测未来位置；对移动的障碍物，利用历史轨迹数据和运动模型，预测移动的障碍物的未来位置，如式（4.1）；
26、 式（4.1）
27、其中，为状态向量，包括位置和速度，为控制输入数据，为过程噪声，和是系统矩阵。
28、s4.2：对原始传感器数据进行滤波和平滑处理，从处理后的数据中提取障碍物的几何特征，包括边界框、形状轮廓；
29、首先连续地从各个传感器收集原始数据，包括激光雷达提供点云数据、摄像头提供图像帧；对上述的数据进行滤波，如式（4.2）；
30、 式（4.2）
31、其中，为数据状态值；为卡尔曼增益，是测量值，为观测矩阵；
32、然后对滤波后的数据进行清除数据噪声，如式（4.3）；
33、 式（4.3）
34、其中，为窗口大小，为输入信号，为输出信号；
35、然后进行数据特征提取，对摄像头获取到的图像数据，具体进行边缘检测来识别物体的轮廓；
36、对点云数据，使用ransac算法或最小二乘法来拟合障碍物的边界框或形状，如式（4.4）；
37、 式（4.4）
38、其中，和分别是旋转和平移变换，和是对应的点云数据。
39、s4.3：将提取到的障碍物信息整合到一个统一的地图表示中，所述的地图为栅格地图、点云地图或拓扑地图。
40、s5：进行计算最佳路径，选定执行路径，并执行路径规划。
41、具体按以下步骤执行：
42、s5.1:基于路径长度或时间定义代价函数；如式（5.1）；
43、 式（5.1）
44、其中，为两个点之间的距离，和 是路径上的相邻的节点；
45、s5.2:通过插入矩阵条件数的惩罚项，避免接近奇异点；其中，惩罚项首先通过奇异值分解计算矩阵的条件数；如式（5.2）；
46、 式（5.2）
47、其中， 和分别是雅可比矩阵的最大奇异值和最小奇异值；
48、然后，所述的惩罚项具体通过设定阈值，设定条件数阈值，当 时，则判定认为该点接近奇异点；在路径规划过程中，如果某个节点对应的雅可比矩阵条件数超过阈值，则增加相应的惩罚项；
49、s5.3:结合步骤s5,2中，在路径规划过程中的能量消耗值和平滑度，将所有成本项结合起来形成总代价函数；
50、s5.4:计算雅可比矩阵，对于给定的关节角度，计算雅可比矩阵；如式（5.4）；
51、 式（5.4）
52、其中，为机械臂关节角度到末端执行位置的映射函数。
53、进一步，在上述的数据特征提取中，首先进行使用滤波器对图像进行平滑处理，如式（6）；
54、 式（6）
55、其中，为标准差；
56、再进行计算图像中像素值变化最剧烈的地方，即潜在的边缘；如式（6.1）；
57、 式（6.1）
58、其中，和分别是图像水平和垂直方向上的梯度；
59、然后，将细化边缘，只保留局部最大值点；将每个像素与其沿梯度方向的两个邻居进行比较，如果当前像素不是局部最大值，则将其设置为零；
60、然后通过设定两个阈值，低阈值和高阈值；
61、判断，如果一个像素的梯度强度高于，则认为是强边缘，如果一个像素的梯度强度介于和之间，并且与一个强边缘相连，则认为它是弱边缘；
62、然后进行拟合，统计内点数量，定义一个距离阈值，判断一个点是否属于拟合的模型；
63、计算所有点到拟合模型的距离，如果距离小于，则认为该点是内点，统计内点的数量；
64、重复上述步骤，记录内点数量最多的模型，直到找到最佳模型进行识别图像特征。
65、进一步，计算雅可比矩阵后，直接执行路径规划，设置起始点和目标点，并初始化路径规划算法的数据结构；
66、随机采样新点，扩展树并检查碰撞，使用总代价函数评估新路径的质量；
67、并且从起始点开始，按启发式函数扩展节点，直到到达目标点，同样使用总代价函数评估路径；找到一条从起始点到目标点的安全路径，就将其作为最终结果输出，如果路径仍然存在潜在的奇异点，则重复上述步骤，直到找到符合的路径；
68、并且持续的进行在线调整路径，首先持续从激光雷达、摄像头收集新的环境数据；然后将新的障碍物信息整合到现有的地图表示中，更新栅格地图、点云地图或拓扑地图；如式（8.1）；
69、 式（8.1）
70、其中，是栅格状态，是测量值，是机械臂的位置；
71、将当前的地图模型与之前存储的地图模型进行比较，检测出新增的障碍物或已移除的障碍物；并对动态物体进行跟踪，对于移动的障碍物，具体根据式（8.2）进行预测其未来位置，并在地图上更新这些信息，如式（8.2）；
72、 式（8.2）
73、其中，是状态转移矩阵，是控制输入矩阵，是控制向量；
74、然后在检查当前路径是否与新出现的障碍物发生碰撞，包括奇异点检测，重新计算当前路径上的每个点对应的雅可比矩阵条件数，判断是否有接近奇异点的情况；
75、并进行成本评估，根据新的环境信息重新评估当前路径的成本，包括路径长度、能量消耗、平滑度数据；
76、然后进行重新规划路径，若发现路径存在碰撞风险或潜在的奇异点，或者有更优的路径选择，则触发重新规划过程；
77、根据当前情况进行重新路径规划；再定义代价函数，结合新的环境信息，重新定义包含奇异点惩罚项和其他成本因素的总代价函数；
78、执行路径规划，运行选定的路径规划算法，生成一条新的安全可行的路径，对新生成的路径进行平滑处理；并进行速度控制，调整机械臂的速度，确保平稳地从旧路径过渡到新路径。
79、进一步，本发明提供一种基于嵌入式的工业运动控制系统，应用高性能计算单元，包括嵌入式处理器或fpga，能够快速处理大量的传感器数据，确保实时性。
80、在线调整路径，系统能够根据环境变化快速调整路径，确保在动态环境中也能及时做出反应；
81、具体包括传感器模块，用于收集环境数据，包括激光雷达、摄像头、超声波传感器的数据；
82、数据预处理模块，对原始传感器数据进行滤波和平滑处理，去除噪声和异常值；
83、特征提取模块，从预处理后的数据中提取几何特征，包括边缘计算；
84、环境建模模块，将提取到的特征整合成一个统一的地图表示，包括栅格地图、点云地图或拓扑地图；
85、轨迹预测模块，对动态物体，利用历史轨迹数据预测它们的未来位置；
86、路径规划模块，根据当前环境模型和任务要求，生成一条从起始点到目标点的安全路径；
87、控制与执行模块，将规划好的路径转换为具体的关节角度或电机指令，并发送给执行机构；
88、监控与反馈模块，实时监控系统的状态，提供反馈以调整控制策略。
89、进一步，本发明提供一种计算机可存储介质，所述计算机可读存储介质包括嵌入式处理系统和存储的程序，在所述嵌入式系统控制程序运行时控制所述计算机可读存储介质所在的设备执行如上述中任意一项所述的基于嵌入式的工业运动控制方法。
90、与现有技术相比，本发明的有益效果是：
91、（1）通过综合运用传感器数据、数据处理算法、路径规划策略和控制方法，显著提升了工业运动控制系统的性能，使其能够在复杂的工业环境中高效、安全、可靠地运行提高了系统的性能、可靠性和适应性。
92、（2）通过伪逆法，系统能够有效地避开奇异点，避免因奇异点导致的不稳定行为，通过集成多种类型的传感器（激光雷达或摄像头），系统能够更全面地感知环境，提高对不同应用场景的适应能力。
93、（3）系统能够实时监测环境变化，并通过重新规划路径来避开新出现的障碍物，提高了系统的鲁棒性和安全性。
1.一种基于嵌入式的工业运动控制方法，其特征在于：具体按以下步骤执行：
2.根据权利要求1所述的一种基于嵌入式的工业运动控制方法，其特征在于：在步骤s3中，具体按以下步骤执行：
3.根据权利要求1所述的一种基于嵌入式的工业运动控制方法，其特征在于：在步骤s4中，具体按以下步骤执行：
4.根据权利要求3所述的一种基于嵌入式的工业运动控制方法，其特征在于：在步骤s4.1中，对移动的障碍物，利用历史轨迹数据和运动模型，预测移动的障碍物的未来位置，如式（4.1）；
5.根据权利要求3所述的基于嵌入式的工业运动控制方法，其特征在于：在步骤s4.2中，首先连续地从各个传感器收集原始数据，包括激光雷达提供点云数据、摄像头提供图像帧；对上述的数据进行滤波，如式（4.2）；
6.根据权利要求5所述的基于嵌入式的工业运动控制方法，其特征在于：在数据特征提取中，首先进行使用滤波器对图像进行平滑处理，如式（6）；
7.根据权利要求1所述的基于嵌入式的工业运动控制方法，其特征在于：在步骤s5中，具体按以下步骤执行：
8.根据权利要求7所述的基于嵌入式的工业运动控制方法，其特征在于：计算雅可比矩阵后，直接执行路径规划，设置起始点和目标点，并初始化路径规划算法的数据结构；
9.一种基于嵌入式的工业运动控制系统，其特征在于：
10.一种计算机可存储介质，其特征在于：所述计算机可读存储介质包括嵌入式处理系统和存储的程序，在所述嵌入式系统控制程序运行时控制所述计算机可读存储介质所在的设备执行权利要求1-8中，任意一项所述的基于嵌入式的工业运动控制方法。
