1.一种基于汽车齿轮的机器人打磨轨迹离线规划方法，用于对机器人打磨轨迹进行离线规划和综合优化，其特征在于，包括以下步骤：S100：利用汽车齿轮三维数模预规划机器人打磨轨迹，离散出打磨轨迹点；

S200：分析机器人打磨轨迹规划中的主要影响因素包括：打磨效率、打磨轨迹重复性和打磨稳定，分别通过构造打磨轨迹长度和中位数长度来构建机器人打磨效率数学模型，通过构造打磨轨迹总重复度和中值重复度来构建机器人打磨轨迹重复性数学模型，通过构造打磨轨迹转折点数和打磨轨迹平均转折度来构建机器人打磨稳定性数学模型，最终利用机器人打磨效率数学模型、打磨轨迹重复性数学模型和打磨稳定性数学模型构建打磨轨迹质量多目标综合数学模型来筛选打磨轨迹点，量化评价打磨轨迹优化效果；

S300：结合机器人打磨轨迹规划信息，将打磨轨迹点随机进行多目标聚类，在每代轨迹点中维护一个最优解用于搜索进化过程中的最优打磨轨迹点，利用多目标协同遗传算法优化所述打磨轨迹点，即打磨轨迹点集合进化过程中将轨迹点集合分割为多个轨迹点子集合，每个轨迹点子集合独立完成动态交叉和变异，各个轨迹点子集合协同多目标进化导致整体轨迹点集合多目标动态优化，将打磨轨迹点相互协同动态化交叉变异得到打磨轨迹点最优序列；

S400：结合机器人关节运动信息，利用五次B样条插值获取机器人关节轨迹，优化机器人关节轨迹及运动性能；

S500：利用理论打磨轨迹与反馈打磨轨迹的弦误差特征和打磨厚度误差模型构建打磨轨迹误差模型，根据打磨轨迹误差模型验证机器人打磨轨迹和关节轨迹的优化效果，获得第一验证结果；

S600：当所述第一验证结果不满足打磨轨迹误差模型时，离散新的打磨轨迹点并重新优化打磨轨迹；

S700：当所述第一验证结果满足打磨轨迹误差模型时，机器人打磨轨迹协同优化结束，输出规划好的打磨轨迹。

2.根据权利要求1所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，所述步骤S100的具体方法为：根据机器人打磨装置的空间姿态变化和打磨轨迹长度来确定最佳轨迹间距，依据最佳轨迹间距离散每条打磨轨迹，将生成的离散点作为打磨轨迹点，若打磨轨迹长度小于最佳轨迹间距时，根据打磨轨迹长度生成离散点。

3.根据权利要求1或2所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，所述步骤S200的具体方法为：S201：分析机器人打磨轨迹规划中的主要影响因素包括：打磨效率、打磨轨迹重复性和打磨稳定性；

S202：分析打磨轨迹长度，计算打磨轨迹点的间距，构造打磨轨迹点间距矩阵，其中， 为打磨轨迹点，n表示轨迹点数量，为第 点和第 点之间距离，和 为 ；

S203：构造打磨轨迹长度 ： ，其中，为第 段打磨轨迹的长度；

S204：利用中位数长度表示打磨轨迹段长度的集中趋势，通过编排打磨轨迹段的长度可构造中位数长度 ，其中， 为 对2取余数；

S205：构建机器人打磨效率数学模型 ；

S206：构造打磨轨迹重复矩阵 ，其中，

为打磨轨迹段集合， 为打磨轨迹段 和 的重复情况，且；

S207：根据打磨轨迹重复矩阵 ，构造打磨轨迹段的重复度 ；

S208：根据打磨轨迹段的重复度值排序，构造中值重复度；

S209：为优化打磨轨迹重复情况，构造打磨轨迹总重复度函数 ；

S210：构建机器人打磨轨迹重复性数学模型 ；

S211：为控制打磨轨迹的转折角度以保证打磨稳定性，构造打磨轨迹转折点数 ：，其中， 为第 个打磨轨迹点的转折程度， 为打磨轨迹点向量间夹角， 为打磨轨迹段夹角阈值；

S212：为量化各打磨轨迹段的弯折程度，构造打磨轨迹平均转折度，其中， 为打磨轨迹段总数， 为第 段打磨轨迹

转折度，且 ， 为第 段打磨轨迹上第a个打磨轨迹点的转折度， 为第 段打磨轨迹的打磨轨迹点总数；

S213：构建机器人打磨稳定性数学模型 ；

S214：构建打磨轨迹质量多目标综合数学模型 。

4.根据权利要求1所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，所述步骤S300的具体方法为：S301：将所述打磨轨迹点随机进行多目标聚类，在每代轨迹点中维护一个最优解用于搜索进化过程中的最优打磨轨迹点；

S302：随机初始化规模为 的所述打磨轨迹点，第 个轨迹点在第 次迭代后的目标函数值为 ，其中 ， ， 为所述打磨轨迹点的最大迭代次数；

S303：按照目标函数值大小对所述打磨轨迹点进行多目标聚类，最终生成 个轨迹点集合，第 个轨迹点集合的数目为 ，其中 ，为轨迹点集合的数量， 表示向上取整；

S304：所述打磨轨迹点集合进化过程中将轨迹点集合分割为多个轨迹点子集合，每个轨迹点子集合独立完成动态交叉和变异，各个轨迹点子集合协同进化导致整体轨迹点集合多目标动态优化；

S305：使所述轨迹点子集合多目标进化，可协同动态调节交叉和变异概率，打磨轨迹点的动态交叉和动态变异概率分别为：，其中， 和 分

别为第 个所述打磨轨迹点在第 次进化时的交叉和变异概率， 、 和 、分别为交叉和变异概率的最大值和最小值， 和 分别为交叉和变异尺度因子，、 、 和 分别为所述打磨轨迹点的目标函数平均值、最小值、最大值和适应度函数值。

5.根据权利要求1所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，步骤S400的具体方法为：S401：在汽车齿轮三维数模中选取打磨轨迹起止点、不同类型表面的连接点、加工表面曲率变化点、末端轨迹速度变化点作为机器人的打磨轨迹特征点；

S402：根据机器人逆运动学，获得所述打磨轨迹特征点在实际节点 处对应的关节角度，并构建关节角度—时间节点序列 ，其中 为轨迹特征点的数量； ， 为机器人的六个关节数；

S403：采用五次B样条法对关节运动进行插值计算为 ，其中 为每个节点处的关节角度，为B样条曲线的节点， 为B样条曲线的控制顶点，为五次B样条的基函数；

S404：五次B样条曲线定义域节点矢量 ，首尾节点 的频次数为6，利用累积弦长参数法归一化时间节点 ，其中 为

时间节点间隔值， ， ；

S405：设置启停角速度和角加速度均为零时可得4个约束条件，从而构造 个五次B样条插值方程 ，其中 和 分别为关节角速度和角加速度， 和 、 和 分别为轨迹启停的角速度和角加速度，且将 、、 、 值均约束为0；

S406：根据所述五次B样条插值方程构造满足关节角度—时间节点序列约束的机器人关节轨迹B样条插值轨迹，使不同关节 时刻的关节角度 平稳运动到 时刻的关节角度。

6.根据权利要求1所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，其特征在于，步骤S500的具体方法为：S501：构造第 段理论轨迹与反馈轨迹的弦误差

，其中 、 分别为理论打磨轨迹与

反馈打磨轨迹到特征点连线欧式距离最大点间的铅垂高度， 为法平面夹角， 为垂足距离和特征点距离之比，其中 ；

S502：构造第 段轨迹的打磨厚度误差模型 ，其中 为反馈轨迹的打磨厚度曲线， 为的理论打磨厚度；

S503：构建打磨轨迹误差模型 ；

S504：利用打磨轨迹误差模型验证验证机器人打磨轨迹和关节轨迹的优化效果，设第段轨迹的弦误差阈值 ，打磨厚度误差阈值 ，通过比较打磨轨迹优化后的误差与其阈值的大小得出所述第一验证结果 ，当 ，打磨轨迹的弦误差和涂层厚度误差均低于其阈值，此时所述第一验证结果满足打磨轨迹误差模型，反之当 时，此时所述第一验证结果不满足打磨轨迹误差模型。

7.一种基于汽车齿轮的机器人打磨轨迹离线规划系统，其特征在于，用于实施权利要求1或2或3或4或5或6所述的一种基于汽车齿轮的机器人打磨轨迹离线规划方法，所述系统包括：模型采集模块，用于获取汽车齿轮的三维数模；

打磨轨迹点离散模块，用于获取所述机器人打磨轨迹并离散出打磨轨迹点；

打磨轨迹多目标优化模块，用于构建所述打磨轨迹质量多目标综合数学模型量化评价打磨轨迹优化效果，利用所述多目标协同遗传算法优化所述打磨轨迹点，获取打磨轨迹点最优序列优化所述机器人打磨轨迹；

关节轨迹插值模块，用于进行五次B样条插值获取机器人关节轨迹，优化机器人关节轨迹及运动性能；

轨迹误差验证模块，用于构建所述打磨轨迹误差模型，用于验证机器人打磨轨迹和关节轨迹的优化效果，获得第一验证结果；

打磨轨迹输出模块，用于所述机器人打磨轨迹协同优化结束，输出所述规划完成的打磨轨迹程序。