1.一种多自由度机械臂实时避障路径规划方法，其特征在于包括以下步骤：步骤A1、人机交互模块将设定的机械臂相关参数，目标状态机械臂各关节转角以及安全距离dsafe传送到中央处理模块；其中机械臂相关参数包括连杆长度、连杆扭转角、连杆偏距、关节转角；

步骤A2、数据采集模块对机械臂运行数据进行实时采集，并通过A/D转换模块转换成数字量将其输送到中央处理模块；机械臂运行数据包括机械臂各关节的实时转角以及机械臂与障碍物之间的实时距离d；

步骤A3、中央处理模块以当前状态的机械臂各关节转角作为初始状态，调用优化算法、机理模型计算获取机械臂避障的最优路径以及最优目标函数值；

步骤A4、中央处理模块将得到的机械臂避障的最优路径作为设定值，通过D/A转换模块发送给控制器；

步骤A5、控制器以最优路径为设定目标，发送控制指令驱动机械臂上各个关节角的电机，使各个关节向目标转角运动；

步骤A6、在机械臂各关节运动的过程中，中央处理模块判断数据采集模块采集的实时距离d与dsafe的大小关系；如果d≥dsafe，则继续运动直至到达目标状态，反之则转至步骤A3；

所述中央处理模块存储有机械臂实时避障的路径规划优化模型，其优化问题包括目标函数、机械臂运动学模型、约束条件；

步骤B1、目标函数为：

其中t＝1,2,...,h，h为规划产生的时间点，b＝1,2,...,N，N为机械臂的关节个数， 为t时间点机械臂第b个关节的转角， 为t+1时间点机械臂第b个关节的转角；

步骤B2、机械臂正运动学模型为每个连杆设定一个相对坐标系，通过连杆长度、连杆扭转角、连杆偏距、关节转角四个参数表示出坐标系{b‑1}与坐标系{b}的齐次变换矩阵其中ab‑1，αb‑1分别为第b‑1个连杆的连杆长度、连杆扭转角；db，θb分别为第b个连杆的连杆偏距、关节转角；

由相邻坐标系的齐次变换矩阵，通过矩阵乘法可以求出每个连杆坐标系相对于基座坐标系的齐次变换矩阵：

步骤B3、约束条件

1)初始状态约束

Θ0＝Θint    (4)其中 表示0时间点机械臂N个关节角的转角， 表示初始状态时机械臂N个关节角的转角，T表示转置；

2)目标状态约束

Θh＝Θtar    (5)其中 表示h时间点机械臂N个关节角的转角， 表示目标状态时机械臂N个关节角的转角；

3)关节角约束

Θmin≤Θt≤Θmax，t＝1,2,...,h    (6)T

其中Θmin＝[θ1min,θ2min,...,θNmin]表示机械臂N个关节角的运动下限，Θmax＝[θ1max,T

θ2max,...,θNmax]表示机械臂N个关节角的运动上限， 表示t时间点机械臂N个关节角的转角；

4)无碰撞约束

机械臂与障碍物之间的距离可以表示为：其中 为机械臂第b个连杆上的第i个球心，b＝1,2,...,N，N为机械臂的连杆数，其与机械臂的关节个数相等，i＝1,2,...,M，M为机械臂的连杆上所需近似球体的个数；Oj为障碍物上第j个球心，j＝1,2,...,P，P为障碍物上所需近似球体的个数；

因此，无碰撞约束可表示为：

其中 为t时间点机械臂第b个连杆上的第i个近似球心与障碍物上第j个近似球心之间的距离；

通过优化算法计算式(1)‑(8)组成的优化问题，具体步骤如下：步骤C1、将式(1)‑(8)组成的优化问题转化成如下式(9)的非线性优化问题：L U

其中x为n维变量，f(x)和c(x)分别表示连续可微的目标函数和m维约束方程，x 和x 分别表示变量的上下界约束；

步骤C2、采用迭代计算方法求解上式(9)所表示的优化问题，在x第k次迭代的迭代点xk处QP子问题表示为以下形式：式中dk为搜索方向，gk和 分别表示在xk处目标函数的导数和约束方程的雅克比矩阵，ck表示在xk处c(xk)的值，Wk为拉格朗日函数的Hessian阵；

其中拉格朗日函数为：

T T U T L

L(x,λ,v,π)＝f(x)+λc(x)+v(x‑x)‑π(x‑x)    (11)T

式中λ、v和π分别表示与等式约束、上边界约束和下边界约束相关的拉格朗日乘子，λ、T T

v和π分别表示相应拉格朗日乘子的转置；

步骤C3、在迭代过程中将搜索空间分解为两个子空间Y和Z，将式(10)表示的QP子问题n×(n‑m) n×m

转化为低维QP子问题；其中Z∈R ，由雅克比矩阵的零空间向量组成，Y∈R ，由雅克比矩阵的值空间向量组成；

在xk处子空间Y和Z的值表示为Yk和Zk，Zk满足下式：搜索方向dk可表示为零值空间方向的移动量：dk＝Ykpy+Zkpz    (13)m n‑m

其中py和pz表示值空间和零空间移动的矢量矩阵，且py∈R，pz∈R ；n、m为维度，n＞m；

将式(12)和式(13)带入到QP子问题(10)中的等式约束，可得：因此根据式(14)py被唯一确定：从而搜索方向可表示为：

将式(16)中的搜索方向dk代入到以上QP子问题中，并去掉与变量pz无关的常数项，则QPn‑m

子问题表示为式(17)以pz∈R 为变量的以下QP子问题形式：其中wk为(n‑m)×1矩阵 Bk为(n‑m)×(n‑m)矩阵 pz为(n‑m)维变量；

步骤C4、求解式(17)获得pz，然后根据式(13)获得搜索方向矢量的值dk；

步骤C5、更新xk+1＝xk+αdk，α∈(0,1]；

步骤C6、求取搜索方向二范数norm(dk,2)、拉格朗日函数梯度与搜索方向乘积的值和一阶优化条件值；如果一阶优化条件值小于设定误差ε1，或者norm(dk,2)的值和拉格朗日函数梯度与搜索方向乘积的值同时小于设定误差ε1，则得到最优目标函数值和最优变量值；否则令xk＝xk+1，转步骤C2。

2.一种利用如权利要求1所述多自由度机械臂实时避障路径规划方法的系统，其特征在于包括人机交互模块、数据采集模块、A/D转换模块、中央处理模块、D/A转换模块、控制器；

人机交互模块用于设定机械臂相关参数，安全距离dsafe，目标状态机械臂各关节转角，并传送到中央处理模块；其中机械臂相关参数包括连杆长度、连杆扭转角、连杆偏距、关节转角；

数据采集模块用于对机械臂运行数据进行实时采集；机械臂运行数据包括机械臂各关节的实时转角以及机械臂与障碍物之间的实时距离d；

中央处理模块根据数据采集模块和人机交互模块传送的数据，获取最优目标函数值和最优变量值，并将其输送到D/A转换模块；

A/D转换模块用于将接收到的模拟量转换为相应的数字量，并将其输送到中央处理模块；

D/A转换模块接收到的数字量转换成相应的模拟量，并将其输送到控制器；

控制器用于控制机械臂各关节的驱动电机。