发明内容
有鉴于此,本发明提出一种多关节机械臂智能控制方法、装置及系统,以进一步提高多关节机械臂的控制精度,降低操控的复杂度。
第一方面,本发明公开了一种多关节机械臂智能控制方法,包括如下步骤:
步骤S11,接收由操控器输入的机械臂末端的速度矢量;步骤S12,基于所述机械臂末端的速度矢量和当前机械臂的状态,对多关节机械臂的各个节臂进行轨迹预测;若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果;步骤S13,基于多关节机械臂的运动约束和轨迹预测的结果,确定最优规划解;步骤S14,根据所述最优规划解,确定各个节臂的油缸驱动量;步骤S51,根据所述油缸驱动量及执行机构的比例特性,确定驱动电流,所述驱动电流用于驱动多关节臂架及转塔的回转。
进一步地,上述多关节机械臂智能控制方法中,所述步骤S13中,所述运动约束为液压系统流量极值约束,所述最优规划解为系统流量代价最小的规划解。
进一步地,上述多关节机械臂智能控制方法中,在步骤S15后,还包括步骤S16,检测被驱动后的多关节臂架的状态参数,并将所述多关节臂架的状态参数反馈至步骤S12,所述轨迹预测的结果根据输入的机械臂末端的速度矢量和多关节臂架的状态参数共同确定。
进一步地,上述多关节机械臂智能控制方法中,所述步骤S16还包括如下子步骤:对获取的所述多关节臂架的状态参数进行信号滤波以及形变补偿,并将获取的结果反馈至所述步骤S12。
本发明多关节机械臂智能控制方法工作原理如下:基于输出至控制器的机械臂末端速度和各关节臂的当前姿态进行臂架的轨迹预测。基于预测结果和约束,确定最优规划解,进而,确定各个关节臂的驱动量ΔL;最后,根据驱动量ΔL与电流i比例特性,精确确定驱动臂架所需的电流,进而实现多关节机械臂的高精度控制。并且,由于在进行轨迹预测的时候,若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果。因此,这种基于运动趋势的预测,在小振幅运动情况下可以确保臂架的运动状态不发生突变,即,可以很好的确保臂架的平稳运动。此外,对于本发明而言,操控者只需要通过速度输入装置输入机械臂末端的速度,该速度为操控者对臂架末端的控制意愿,即可通过完成上述各个步骤而实现对臂架动作的控制,因此,简单易行,极大地降低了操控的复杂度。
第二方面,本发明还公开了一种多关节机械臂智能控制装置,包括:速度矢量接收单元、轨迹预测单元、最优规划解确定单元、油缸驱动量计算单元以及驱动电流计算单元。其中,速度矢量接收单元用于接收由操控器输入的机械臂末端的速度矢量;轨迹预测单元用于基于所述机械臂末端的速度矢量和当前机械臂的状态,对多关节机械臂的各个节臂进行轨迹预测,若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果;最优规划解确定单元用于基于多关节机械臂的运动约束和轨迹预测的结果,确定最优规划解;油缸驱动量计算单元用于根据所述最优规划解,确定各个节臂的油缸驱动量;驱动电流计算单元用于根据所述油缸驱动量及执行机构的比例特性,确定驱动电流,所述驱动电流用于驱动多关节臂架及转塔的回转。
进一步地,上述多关节机械臂智能控制装置中,所述最优规划解确定单元中,所述运动约束为液压系统流量极值约束,所述最优规划解为系统流量代价最小的规划解。
进一步地,上述多关节机械臂智能控制装置中还包括反馈单元,该反馈单元用于检测被驱动后的多关节臂架的状态参数,并将所述多关节臂架的状态参数反馈至所述轨迹预测单元,所述轨迹预测单元进一步根据输入的机械臂末端的速度矢量和所述多关节臂架的状态参数共同确定预测结果。
进一步地,上述多关节机械臂智能控制装置的所述反馈单元还包括信号滤波及形变补偿子单元,用于对获取的所述多关节臂架的状态参数进行信号滤波以及形变补偿。
本发明多关节机械臂智能控制装置工作原理如下:基于输出至控制器的机械臂末端速度和各关节臂的当前姿态进行臂架的轨迹预测。基于预测结果和约束,确定最优规划解,进而,确定各个关节臂的驱动量ΔL;最后,根据驱动量ΔL与电流i比例特性,精确确定驱动臂架所需的电流,进而实现多关节机械臂的高精度控制。并且,由于在进行轨迹预测的时候,若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果。因此,这种基于运动趋势的预测,在小振幅运动情况下可以确保臂架的运动状态不发生突变,即,可以很好的确保臂架的平稳运动。此外,对于本发明而言,操控者只需要通过速度输入装置输入机械臂末端的速度,该速度为操控者对臂架末端的控制意愿,即可通过完成上述各个步骤而实现对臂架动作的控制,因此,简单易行,极大地降低了操控的复杂度。
第三方面,本发明还公开了一种多关节机械臂智能控制系统,包括上述的多关节机械臂智能控制装置,以及与所述多关节机械臂智能控制装置相配合的操控器,所述操控器用于输入所述机械臂末端的速度矢量。
进一步地,上述多关节机械臂智能控制系统中,所述操控器为万向手柄。
由于多关节机械臂智能控制系统包括上述的多关节机械臂智能控制装置,因此,多关节机械臂智能控制系统也具有多关节机械臂智能控制装置的技术效果。由于多关节机械臂智能控制装置的结构和效果已经做了说明,因此,本发明在此不再赘述。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本发明多关节机械臂智能控制方法第一实施例包括如下六个步骤:
步骤S11,接收由操控器输入的机械臂末端的速度矢量。
对于泵车而言,臂架末端是指最后一节臂架的末端,即泵车的输送软管端。操控器可以采用带万向手柄的操控器,该操控器的输入直接反映操控者对臂架末端的控制意愿,即,希望臂架末端达到的速度大小和方向。
步骤S12,基于机械臂末端的速度矢量和当前臂架的状态,对多关节机械臂的各个节臂进行轨迹预测;若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果。这里,“突变”的含义是臂架动作的不连贯,或者说,臂架动作“反复”,突然从一个状态跨越到另一个状态,而不是渐进的的变化。
当前臂架的状态,主要是指各个关节臂的角度参数。轨迹预测依据的主要是臂架末端在下一时刻要达到的速度V以及当前时刻的状态,或者称臂架的姿态θ。根据速度V和姿态θ进行轨迹预测,获取轨迹预测的结果,对于本领域的技术人员来说是习知的,有很多方法,不同方法实现的代价不同。本发明的核心不在于此。
该步骤中,需要注意的是,若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果。这是基于下述考量:自然界的事物都是连续的,不连续的事情是不存在的,物体都是有质量的,有质量就有惯性,不连续即要改变的物体的运动状态,频繁的改变物体的运动状态,整个系统是不稳定的,不稳定的系统在控制上是禁止的。对应到泵车的关节臂的运动而言,则是,关节臂架的运动趋势不允许“反复(即突变)”,以保证机械臂运动的平稳性。
步骤S13,基于多关节机械臂的运动约束和轨迹预测的结果,确定最优规划解。轨迹预测有很多种方法,不同方法实现的代价不同,约束就是要寻求获取最优的规划结果的条件。在具体实施时,这里的最优规划解,可以为各个关节臂的姿态Δθ。
步骤S14,根据最优规划解Δθ,确定各个节臂的油缸驱动量。
各个关节臂的长度与姿态(角度)具有特定的范式关系L=S(θ)。现已经获取Δθ,则各个关节臂的驱动量ΔL是可以通过计算获取的。
此外,需要说明的是,连杆机构的约束关系是有推导关系的,在此只提供范式,在具体实施时,具体的形式与数值只需几何与推导与计算,对于本领域的技术人员来说,是习知的,在此不再进行过多的说明。
步骤S15,根据油缸驱动量及执行机构的比例特性,确定驱动电流,驱动电流用于驱动多关节臂架及转塔的回转。
本实施例关节机械臂智能控制方法工作原理如下:基于输出至控制器的机械臂末端速度和各关节臂的当前姿态进行臂架的轨迹预测。基于预测结果和约束,确定最优规划解,进而,确定各个关节臂的驱动量ΔL;最后,根据驱动量ΔL与电流i比例特性,精确确定驱动臂架所需的电流,进而实现多关节机械臂的高精度控制。
并且,由于在进行轨迹预测的时候,若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果。因此,这种基于运动趋势的预测,在小振幅运动情况下可以确保臂架的运动状态不发生突变,即,可以很好的确保臂架的平稳运动。
此外,对于本实施例而言,操控者只需要通过速度输入装置输入机械臂末端的速度,该速度为操控者对臂架末端的控制意愿,即可通过完成上述各个步骤而实现对臂架动作的控制,因此,简单易行,极大地降低了操控的复杂度。
参照图1,图1为本发明多关节机械臂智能控制方法第二实施例的步骤流程图,包括如下步骤:
步骤S21,接收由操控器输入的机械臂末端的速度矢量v;
步骤S22,基于机械臂末端的速度矢量和当前机械臂的状态,对多关节机械臂的各个节臂进行轨迹预测;若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果。
步骤S23,基于多关节机械臂的液压系统流量Q极值约束和轨迹预测的结果,确定最优规划解,也就是说,最优规划解为系统流量Q代价最小的规划解。
液压系统流量Q是泵车这种工程机械最重要的约束参数,这个约束条件不成立,结构是很难按照控制的思路执行的。因此,系统流量约束必须在可实现的范围内。
采用基于代价最小约束条件下的运动规划,在同等条件下末端点最快。因为各个臂架所对应的油缸的大小不同,末端点所对应的油缸最小。因此,移动相同距离,臂架末端所需油量最小,换个角度说,在同等条件下末端点最快。
步骤S24,根据最优规划解,确定各个节臂的油缸驱动量;
步骤S25,根据油缸驱动量及执行机构的比例特性,确定驱动电流,驱动电流用于驱动多关节臂架及转塔的回转;
步骤S26,检测被驱动后的多关节臂架的状态参数,并将多关节臂架的状态参数反馈至步骤S22,轨迹预测的结果根据输入的机械臂末端的速度矢量和多关节臂架的状态参数共同确定。
并且,步骤S26还包括如下子步骤,子步骤S261,对获取的多关节臂架的状态参数(姿态)进行信号滤波以及形变补偿,并将获取的结果反馈至步骤S22。
其中,多关节臂架的状态参数(姿态)的检测可以通过油缸位移传感器或旋转编码器来获取。
可以看出,本实施例由于增加了步骤S26及其子步骤S261,即,采用闭环恒流驱动,控制精度得到进一步的更高。而信号滤波和形变补偿也更加提高了控制的精度。
第二方面,本发明还公开了一种多关节机械臂智能控制装置的实施例,参照图2。
该多关节机械臂智能控制装置实施例包括:速度矢量接收单元31、轨迹预测单元32、最优规划解确定单元33、油缸驱动量计算单元34以及驱动电流计算单元35。
下面对各个单元的工作原理进行较为详细的说明。
速度矢量接收单元31用于接收由操控器输入的机械臂末端的速度矢量。对于泵车而言,臂架末端是指最后一节臂架的末端,即泵车的输送软管端。操控器可以采用带万向手柄的操控器,该操控器的输入直接反映操控者对臂架末端的控制意愿,即,希望臂架末端达到的速度大小和方向。
轨迹预测单元32用于基于机械臂末端的速度矢量和当前机械臂的状态,对多关节机械臂的各个节臂进行轨迹预测,若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果。
当前臂架的状态,主要是指各个关节臂的角度参数。轨迹预测依据的主要是臂架末端在下一时刻要达到的速度V以及当前时刻的状态,或者称臂架的姿态θ。根据速度V和姿态θ进行轨迹预测,获取轨迹预测的结果,对于本领域的技术人员来说是习知的,有很多方法,不同方法实现的代价不同。本发明的核心不在于此。
该步骤中,需要注意的是,若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果。这是基于下述考量:自然界的事物都是连续的,不连续的事情是不存在的,物体都是有质量的,有质量就有惯性,不连续即要改变的物体的运动状态,频繁的改变物体的运动状态,整个系统是不稳定的,不稳定的系统在控制上是禁止的。对应到泵车的关节臂的运动而言,则是,关节臂架的运动趋势不允许“反复(即“突变”的一种形式)”,以保证机械臂运动的平稳性。
最优规划解确定单元33用于基于多关节机械臂的运动约束和轨迹预测的结果,确定最优规划解。轨迹预测有很多种方法,不同方法实现的代价不同,约束就是要寻求获取最优的规划结果的条件。在具体实施时,这里的最优规划解,可以为各个关节臂的姿态Δθ。
油缸驱动量计算单元34用于根据最优规划解,确定各个节臂的油缸驱动量。
各个关节臂的长度与姿态(角度)具有特定的范式关系L=S(θ)。现已经获取Δθ,则各个关节臂的驱动量ΔL是可以通过计算获取的。
此外,需要说明的是,连杆机构的约束关系是有推导关系的,在此只提供范式,在具体实施时,具体的形式与数值只需几何与推导与计算,对于本领域的技术人员来说,是习知的,在此不再进行过多的说明。
驱动电流计算单元35用于根据油缸驱动量及执行机构的比例特性,确定驱动电流,驱动电流用于驱动多关节臂架及转塔的回转。
本实施例关节机械臂智能控制方法工作原理如下:基于输出至控制器的机械臂末端速度和各关节臂的当前姿态进行臂架的轨迹预测。基于预测结果和约束,确定最优规划解,进而,确定各个关节臂的驱动量ΔL;最后,根据驱动量ΔL与电流i比例特性,精确确定驱动臂架所需的电流,进而实现多关节机械臂的高精度控制。
并且,由于在进行轨迹预测的时候,若预测所得的下一时刻的运动轨迹相对于当前时刻发生突变,则放弃该轨迹预测的结果。因此,这种基于运动趋势的预测,在小振幅运动情况下可以确保臂架的运动状态不发生突变,即,可以很好的确保臂架的平稳运动。
此外,对于本实施例而言,操控者只需要通过速度输入装置输入机械臂末端的速度,该速度为操控者对臂架末端的控制意愿,即可通过完成上述各个步骤而实现对臂架动作的控制,因此,简单易行,极大地降低了操控的复杂度。
进一步地,上述最优规划解确定单元33中,运动约束为液压系统流量Q极值约束,最优规划解为系统流量代价最小的规划解。液压系统流量Q是泵车这种工程机械最重要的约束参数,液压是驱动机构,这个约束条件不成立,结构是很难按照控制的思路执行的。每一节臂架有一片阀供油,其供油的流量是有极的,不是无限的,因此,系统流量约束必须在可实现的范围内,约束的来源只取决于设备本身的液压系统配置,配置多大的阀,约束就定了。
采用基于代价最小约束条件下的运动规划,在同等条件下末端点最快。因为各个臂架所对应的油缸的大小不同,末端点所对应的油缸最小。因此,移动相同距离,臂架末端所需油量最小,换个角度说,在同等条件下末端点最快。
参照图3,图3为本发明多关节机械臂智能控制装置优选实施例的结构框图。
相对于上一实施例,多关节机械臂智能控制装置还包括反馈单元36,用于检测被驱动后的多关节臂架的状态参数,并将多关节臂架的状态参数反馈至轨迹预测单元32,轨迹预测单元进一步根据输入的机械臂末端的速度矢量和多关节臂架的状态参数共同确定预测结果。
进一步优选地,反馈单元36还包括信号滤波及形变补偿子单元,用于对获取的多关节臂架的状态参数进行信号滤波以及形变补偿。
可以看出,本实施例由于增加了步骤S26及其子步骤S261,即,采用闭环恒流驱动,控制精度得到进一步的更高。而信号滤波和形变补偿也更加提高了控制的精度。
综上,本发明多关节机械臂智能控制方法和装置具有如下优点:
第一、基于运动趋势预测,在小幅振动情况下确保不反复;
第二、基于系统流量代价最小约束条件下的运动规划,在同等条件下末端点最快;
第三、基于连续性约束条件下的运动规划,各自由度的运动量无突变;这里的连续性约束的含义是,可以表达为一种逻辑记忆的识别,前一次,本次,下一次的运动状态要尽可能一致。
第四、采用闭环恒流驱动,控制精度更高。
第三方面,本发明还公开了一种多关节机械臂智能控制系统实施例,包括上述的多关节机械臂智能控制装置,以及与所述多关节机械臂智能控制装置相配合的操控器,所述遥控器用于输入所述机械臂末端的速度矢量。上述多关节机械臂智能控制系统中,优选操控器为万向手柄。操控输入装置,由一个带万向手柄的遥控器组成,遥控器手柄的操作方向与机械臂末端移动方向一致。
参照图4,可以看出,本多关节机械臂智能控制系统实施例包括万向手柄操控器、控制装置,作为被控对象的执行装置。该执行装置包括比例阀组、驱动油缸和多关节臂架。并且,为了实现闭环控制,进一步提高该多关节臂架还与控制单元之间还连接有传感器。
本实施例多关节机械臂智能控制系统针对多关节超长臂架操控复杂的问题,采用了一键式自动操控的思路(即采用万向手柄输入下一时刻要达到的多关节机械臂末端的速度),这样,操控者只需要开启智能控制功能按钮,遥动万向手柄即可完成任意想实现的动作。也就是说,该万向手柄操控器直接反映操控者对臂架末端的控制意愿。
同时,该系统含有一个高速恒流的控制装置,负责智能操控的轨迹规划及最优计算,精确驱动执行机构。该控制装置内部的逻辑模块如图2所示,为臂架算法规划软件,用于实现控制算法的计算、形变补偿、轨迹预测、最优控制计算等。
实施时,由操控者根据操做意愿通过万向手柄操控器传递给控制装置,控制装置由于提供了一整套完成的控制方法,可以实现精确驱执行机构,进行使执行机构实现预定动作。
由于多关节机械臂智能控制系统包括上述的多关节机械臂智能控制装置,因此,多关节机械臂智能控制系统也具有多关节机械臂智能控制装置的技术效果。由于多关节机械臂智能控制装置的结构和效果已经做了说明,因此,本发明在此不再赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。