技术特征：
1.一种基于多约束的空间机器人智能运动规划方法，其特征在于，该方法包括：步骤s10，获取空间机器人待执行任务分布点，基于fm*遗传算法进行空间机器人最优任务分配，获得符合基于最优分配的遍历代价约束条件的待执行任务分布点的路径距离最短的遍历序列；步骤s20，基于所述待执行任务分布点的路径距离最短的遍历序列，生成空间机器人第一路径；步骤s30，通过基于高斯滤波器的路径调整方法进行所述空间机器人第一路径的调整，获得符合基于环境特征的机动性约束条件的空间机器人第二路径；步骤s40，空间机器人基于所述空间机器人第二路径执行任务，并判断未执行的待执行任务分布点是否发生动态变化，若是则跳转步骤s50；否则跳转步骤s70；步骤s50，通过权衡计算代价与路径代价的感知机神经网络进行动态变化的任务分布点的路径点重规划，获得符合权衡计算代价与路径代价的约束条件的空间机器人第三路径；步骤s60，空间机器人基于所述空间机器人第三路径执行任务，并断未执行的待执行任务分布点是否发生动态变化，若是则跳转步骤s50；否则跳转步骤s70；步骤s70，空间机器人执行任务直至完成所有待执行任务。2.根据权利要求1所述的基于多约束的空间机器人智能运动规划方法，其特征在于，步骤s10包括：步骤s11，将获取的空间机器人的初始点表示为l0，n个待执行任务分布点表示为，并获取从初始点l0开始不重复通过n个待执行任务分布点后回到初始点l0的遍历序列：步骤s12，定义fm*距离度量矩阵w，并通过所述fm*距离度量矩阵w计算所述遍历序列的路径距离：步骤s13，基于fm*的遗传算法进行空间机器人最优任务分配，获得路径距离最短的遍历序列：其中，代表求最小值操作。3.根据权利要求2所述的基于多约束的空间机器人智能运动规划方法，其特征在于，所
述fm*距离度量矩阵w满足性质为：述fm*距离度量矩阵w满足性质为：其中，，代表矩阵转置，代表矩阵的对角线元素。4.根据权利要求3所述的基于多约束的空间机器人智能运动规划方法，其特征在于，所述fm*距离度量矩阵w，其表示为：其中，代表空间机器人待执行任务分布点位置的点集，和分别代表点集中第个和第个点，代表fm*遗传算法，代表任务空间，代表代价函数。5.根据权利要求1所述的基于多约束的空间机器人智能运动规划方法，其特征在于，步骤s30包括：步骤s31，将t时刻空间机器人在惯性坐标系下的位姿表示为；其中，表示t时刻空间机器人的位置，表示t时刻空间机器人的转向角；步骤s32，将空间机器人的纵移速度定义为常数，t时刻偏航角速度定义为，获得空间机器人在时刻的瞬间动态方程：步骤s33，基于所述空间机器人在时刻的瞬间动态方程，获取时间间隔内空间机器人偏航角速度以及生成路径的曲率半径r：以及生成路径的曲率半径r：其中，为预设的空间机器人最大偏航角速度，为预设的空间机器人最小转弯
半径，为代价函数，为代价函数的梯度，代表模，inf代表函数的下界，sup代表函数的上界；步骤s34，通过尺寸为且标准差为的高斯滤波器进行代价函数的平滑处理，获得符合基于环境特征的机动性约束条件的空间机器人第二路径。6.根据权利要求5所述的基于多约束的空间机器人智能运动规划方法，其特征在于，所述代价函数，其函数上届表示为：其中，为代价函数在有障碍物的栅格处的值，为代价函数在无障碍物的栅格处的值。7.根据权利要求6所述的基于多约束的空间机器人智能运动规划方法，其特征在于，所述尺寸为且标准差为的高斯滤波器，其表示为：其中，。8.根据权利要求1所述的基于多约束的空间机器人智能运动规划方法，其特征在于，所述空间机器人第三路径，其权衡指标函数为：其权衡指标函数为：其权衡指标函数为：其中，为预设的平衡因子，为距离指标，为计算代价指标，为规划点位置比率，代表原始规划路径距离，代表规划点位置比率为时的重规划路径距离。9.根据权利要求8所述的基于多约束的空间机器人智能运动规划方法，其特征在于，所述规划点位置比率为时的重规划路径距离，其表示为：其中，为任务点漂移距离，为任务点漂移方向角。
10.一种基于多约束的空间机器人智能运动规划系统，其特征在于，该系统包括以下模块：最优任务分配模块，配置为获取空间机器人待执行任务分布点，基于fm*遗传算法进行空间机器人最优任务分配，获得符合基于最优分配的遍历代价约束条件的待执行任务分布点的路径距离最短的遍历序列；第一路径生成模块，配置为基于所述待执行任务分布点的路径距离最短的遍历序列，生成空间机器人第一路径；第二路径生成模块，配置为通过基于高斯滤波器的路径调整方法进行所述空间机器人第一路径的调整，获得符合基于环境特征的机动性约束条件的空间机器人第二路径；第一判别模块，配置为空间机器人基于所述空间机器人第二路径执行任务，并断未执行的待执行任务分布点是否发生动态变化，若是则跳转第三路径生成模块；否则跳转任务执行模块；第三路径生成模块，配置为通过权衡计算代价与路径代价的感知机神经网络进行动态变化的任务分布点的路径点重规划，获得符合权衡计算代价与路径代价的约束条件的空间机器人第三路径；第二判别模块，配置为空间机器人基于所述空间机器人第三路径执行任务，并断未执行的待执行任务分布点是否发生动态变化，若是则跳转第三路径生成模块；否则跳转任务执行模块；任务执行模块，配置为空间机器人执行任务直至完成所有待执行任务。
技术总结
本发明属于机器人运动规划领域，具体涉及了一种基于多约束的空间机器人智能运动规划方法、系统及设备，旨在解决如何实现空间机器人的高精度、高准确性的路径规划，从而实现空间目标交会接近与抓捕自主飞行控制的问题。本发明包括：基于FM*遗传算法进行空间机器人的最优任务分配，获得路径距离最短的遍历序列，并生成空间机器人第一路径；基于高斯滤波器的路径调整方法进行第一路径的调整，使调整后的第二路径符合基于环境特征的机动性约束条件；若未执行的任务分布点发生动态变化，则通过权衡计算代价与路径代价的感知机神经网络进行路径点重规划，获得第三路径。本发明可为空间机器人运动提供易于跟踪、避免碰撞、重规划高效的高质量路径。效的高质量路径。效的高质量路径。
技术研发人员：孔诗涵 喻俊志 杨闳竣 王蜀泉 吴正兴
受保护的技术使用者：中国科学院自动化研究所
技术研发日：2021.11.05
技术公布日：2021/12/3