1.一种机器人轨迹规划方法，其特征在于，包括如下步骤：

1)获取机器人的目标路径序列，结合建立的机器人运动学方程，由运动学逆解得到与目标路径序列对应的关节轨迹序列；

2)基于关节轨迹点时间间隔序列建立目标函数和约束函数，结合确定的约束条件，采用遗传算法求解所述目标函数，得到的最优解为该机器人的最优关节轨迹点时间间隔序列；其中，采用遗传算法求解所述目标函数时，种群中的个体为关节轨迹点时间间隔序列，且采用如下方法确定每个个体的适应度值：①对种群中两个个体的优劣进行评价：若两个个体均在约束函数的可行域范围内或者随机生成的参数小于设定调整参数，则通过目标函数来判断两个个体的优劣，否则通过约束函数来判断两个个体的优劣；②基于步骤①的判断结果，对种群中所有个体的优劣进行排序，根据排序结果赋予每个个体的适应度值，且个体越优，其适应度值越高；

3)利用得到的关节轨迹序列以及最优关节轨迹点时间间隔序列，得到对应的关节轨迹参数，根据关节轨迹参数确定连续的关节轨迹，实现机器人轨迹规划。

2.根据权利要求1所述的机器人轨迹规划方法，其特征在于，步骤2)中，赋予每个个体的适应度值为：

或者

式中，fit(i)表示赋予个体i的适应度值；pos(i)表示个体i在所有个体从优至劣进行m‑1 m‑2

排序的排序结果中所处的位置；m表示所有个体的总数量；Xi表示方程0＝(1‑m)x +x …+x+1的根，i∈[1,m]；X1表示随机选取的其中一个根。

3.根据权利要求1所述的机器人轨迹规划方法，其特征在于，步骤2)所包括的步骤②中，采用冒泡法对种群中个体的优劣进行排序。

4.根据权利要求1所述的机器人轨迹规划方法，其特征在于，步骤2)中采用遗传算法求解所述目标函数时，对种群进行的遗传操作包括依次进行的变异操作和选择操作。

5.根据权利要求4所述的机器人轨迹规划方法，其特征在于，所述选择操作采用随机型p竞争法选择操作。

6.根据权利要求1所述的机器人轨迹规划方法，其特征在于，步骤2)中所述目标函数为：

式中，min f(H)表示关节轨迹点时间间隔序列H的目标函数值；hj表示关节轨迹点时间间隔；n表示关节轨迹序列中轨迹点的总个数。

7.根据权利要求6所述的机器人轨迹规划方法，其特征在于，步骤2)中所述约束函数为：

i i

式中，g (H)表示关节轨迹点时间间隔序列H的约束函数值，且约束函数的可行域为g(H)＝0；vimax、aimax、jimax分别表示机器人关节i的转角速度、转角加速度、转角加加速度的上界； 分别表示关节i的转角速度、转角加速度、转角加加速度；f表示关节轨迹点时间间隔的总和。

8.根据权利要求7所述的机器人轨迹规划方法，其特征在于，步骤2)中所述约束条件包括：依据转角范围对关节的转角的约束、依据转角速度范围对关节的转角速度的约束、以及依据转角加速度范围对关节的转角加速度的约束。

9.根据权利要求1所述的机器人轨迹规划方法，其特征在于，步骤3)中所述关节轨迹参数包括各关节的转角、转角速度、转角加速度和转角加加速度；且采用如下方法计算得到各关节的转角、转角速度、转角加速度和转角加加速度：依据确定的关节轨迹序列和最优关节轨迹点时间间隔序列，计算关节各轨迹点的转角加速度；

依据各轨迹点的转角加速度、各轨迹点的时刻和相邻关节轨迹点间的时间间隔，采用插值算法，得到连续的各关节的转角、转角速度、转角加速度和转角加加速度。

10.根据权利要求9所述的机器人轨迹规划方法，其特征在于，所述插值算法为三次样条插值算法。