CN104942809B - 基于视觉伺服系统的机械臂动态模糊逼近器 - Google Patents
基于视觉伺服系统的机械臂动态模糊逼近器 Download PDFInfo
- Publication number
- CN104942809B CN104942809B CN201510372264.4A CN201510372264A CN104942809B CN 104942809 B CN104942809 B CN 104942809B CN 201510372264 A CN201510372264 A CN 201510372264A CN 104942809 B CN104942809 B CN 104942809B
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- module
- fuzzy
- control
- dynamic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
- B25J9/1666—Avoiding collision or forbidden zones
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
Abstract
本发明涉及一种基于视觉伺服系统的机械臂动态模糊逼近器。所述的视觉伺服机械臂系统由视觉伺服控制器、视觉模块、运动控制模块、驱动模块、机械臂模块、速度与位置采集模块和检测模块组成;上述视觉伺服控制器中的机械臂动态模糊逼近器用于逼近受随机扰动的机械臂未知动态,该逼近器包含:模糊逼近器和自适应模块;所述的自适应模块通过在线调整模糊逼近器中的参数,使得模糊逼近器的输出与要逼近的机械臂系统之间的误差始终保持在有界的误差内,并随时间误差趋于零;在机械臂动态特性未知且受随机扰动的情况下,确保系统稳定性与提高图像平面上的轨迹跟踪精度。
Description
技术领域
本发明涉及一种基于视觉伺服系统的机械臂动态模糊逼近器,具体涉及模糊系统在视觉伺服机械臂系统上的应用。
背景技术
中国工程院院长宋健指出:“机器人学的进步和应用是20世纪自动控制最有说服力的成就,是当代最高意义上的自动化”。机器人技术综合了多学科的发展成果,代表了高技术的发展前沿,它在人类生活应用领域的不断扩大正引起国际上重新认识机器人技术的作用和影响。机器人的研究是自动控制、电子技术、计算机技术和人工智能等多个学科交叉的产物,代表机电一体化的发展成果。机器人已经广泛地应用在生活、娱乐、服务、医疗,工业与国防军事等各个领域,如管家机器人,清洁机器人,焊接机器人,无人机等,随着机器人执行任务的复杂性不断增加,需求日益商品化,并要求它能够适应比较复杂的生产环境。机器人的应用范围不断扩大,其工作环境发生了很大变化:从室内环境发展到空、天、地、海等各种环境;从简单、规则的环境发展到复杂、非结构化的环境;从已知环境发展到未知环境(全部或部分)。这就要求机器人智能化程度不断提高,自主能力不断增强,从而对传感器的智能性提出了更高的要求,视觉传感器具有较高的智能和优势。
随着大规模集成电路、专用集成电路、信息处理技术、计算机视觉技术的飞速发展,视觉传感器的可以提供丰富的信息,进行极大的计算量,因此视觉传感器在移动机器人中的应用越来越受到人们的重视,并表现出良好的发展前景。视觉伺服的机器人系统具有以下的有点:1)视觉传感器系统本身所需要的能量很少,比较适合能源紧张的移动机器人使用;2)提供了丰富的信息,不仅含有颜色、几何形状等表面信息,而且包含较高精度的距离等隐性信息;3)视觉传感器相互之间没有“污染”,而且受外界的干扰也小,可以更加稳定、可靠地工作;4)视觉传感器采样周期短,采样速度快,有利于及时地提供信息。因此,国内外研究人员开始关注和研究机器人视觉伺服控制算法始于上世纪80年代末,并且在机器人视觉的研究多侧重于视觉检测、视觉导引控制、移动机器人视觉导航等方面。中国科学院沈阳自动化研究所是国内率先对此领域展开了研究机构,主要是针对视觉导航技术在移动机器人上应用的研究。进入90年代后,人们逐渐认识到视觉伺服系统在机器人视觉控制应用方面价值,国内外的多所高校和研究所也都纷纷开展了针对机器人视觉伺服课题的研究。
根据图像检测与控制指令发出的先后顺序不同,可将视觉控制方法划分为静态和动态两种;根据反馈信号的表达方式,分为基于图像、基于位置和混合视觉的控制方式;根据物理结构摄像机有两种主要的安装方式:眼固定构型和眼在手上构型。在本发明中,采用动态的眼固定构型的基于图像控制的伺服控制机械臂系统。目前,在上述所采用的视觉伺服机械臂系统中,存在若干研究上的难题:1)目前的机器人视觉系统大都需要对摄像机进行参数标定,可想而知标定是比较繁琐,无标定技术为我们解决了这一难题,无标定的视觉伺服系统可分为基于位置和基于图像两类,前者的摄像机参数是通过特定场景自标定或者在线进行标定,后者直接将摄像机参数与机器人参数融入雅克比矩阵,不需参数估计,但无论是摄像机参数的自标定、在线标定或者图像雅克比矩阵的估计,其都属于视觉自学习的范畴,如何改进视觉系统的自学习将是机器人视觉领域的一个由于重要研究方向。2)在很多的生产,军事,娱乐场合下,机械臂的动态特性由于随时间损耗发生变化或者发生被改装结构、质量等改变机械臂的动态特性,在未知机械臂动态特性以及受到随机干扰情况下,难以设计控制器控制机械臂的运动,更加难以保证视觉伺服系统的稳定性和最后的图像跟踪精度。
发明内容
本发明的目的在于考虑上述视觉伺服机械臂控制系统在未知机械臂动态以及受到随机扰动影响而提供一种基于视觉伺服系统的机械臂动态模糊逼近器。
本发明的技术方案是:基于视觉伺服系统的机械臂动态模糊逼近器,包括有视觉伺服控制器、视觉模块、运动控制模块、驱动模块、检测模块、机械臂、位置采集模块与速度采集模块组成;视觉伺服控制器由控制信号发生单元、自适应相机标定装置、通信单元、计算机运算单元和机械臂动态模糊逼近器组成;其特征在于,在机械臂动态未知且受随机干扰的情况下,视觉伺服控制器必须保证控制系统的稳定性与图像平面上的跟踪精度。视觉伺服控制器接收图像处理单元得到的实际图像轨迹和期望的图像轨迹形成的误差信号、由位置采集模块采集的位置信号、由速度采集模块采集的速度信号传递到控制器变量存储器,通过计算机运算运算单元运算,由机械臂动态模糊逼近器逼近机械臂未知且受干扰的动态,由伺服视觉控制器与视觉模块之间的通信单元进行信息交换通过自适应相机标定装置在线标定相机,由控制信号发生单元给控制模块发送控制信号;运动控制模块调制PWM波于驱动模块驱动电机传动机械臂模块运动;由检测模块检测驱动模块中的电机电流、速度和位置信息,并反馈与运动控制模块实现闭环控制;视觉模块采集机械臂模块末端特征点的图像坐标并反馈于控制器的输入,在未知机械臂动态特性及受随机扰动的情况下依然保持良好的控制器性能。
上述的动态模糊逼近器可以以很高的精度逼近基于视觉伺服的受随机扰动的未知机械臂动态,它包含模糊逼近器和自适应模块;其中模糊逼近器包含单值模糊器、模糊规则库、乘积推理机和中心平均解模器;自适应模块包含参数初值存储器、自适应律存储器和参数调整值存储器。
上述的机械臂动态模糊逼近器中,模糊逼近器的单值模糊器接收从控制变量存储器传递的输入(关节角q、关节速度关节加速度关节域参考速度和关节域参考加速度)并对输入变量进行模糊化,乘积推理机根据模糊规则库中的IF-THEN规则进行模糊推理,最后由中心平均解模器对模糊变量进行解模糊化,得到模糊逼近器对非线性未知机械臂系统的逼近输出为根据机械臂的动力学方程,力矩与关节变量之间的关系可以表示为:
其中fd表示未知干扰。实际的非线性机械臂系统输入的力矩τ,用模糊逼近器进行逼近数学形式可以表示为:
其中ε为逼近误差。
上述的机械臂动态模糊逼近器中,自适应模块接收了控制变量存储器中传递的变量关节速度误差自适应律存储器存储了自适应律的编程代码,用数学形式可以表达为:
其中下标j表示对第j个关节的非线性系统进行逼近,Υj为正定对称矩阵,与为模糊逼近器所需的参变量数。在系统开始运行的初始阶段,自适应律存储器从参数初值存储器中调出参数与的初始值,将自适应律传递至计算机运算单元进行运算,计算机运算单元将运行后的数据返回至参数调整值存储器中,在系统运行后,不断循环上述步骤,在线调整参数的值。
上述的视觉伺服控制器中,机械臂动态模糊逼近器与控制器变量存储器、计算机运算单元相连,且接受电机的输入力矩,从控制器变量存储器中得到变量值并传递到模糊逼近器与自适应模块中,将需要进行的运算传递到计算机运算单元中再接收返回的运算值;最后将预估的非线性机械臂系统的逼近值传递到控制信号发生器中,在未知机械臂动态的情况下进行控制器的设计。
上述的视觉伺服控制器与视觉模块通过通信单元通过总线的方式连接并且通信,自适应相机标定装置在线预估视觉模块的模型参数,建立一个非标定的独立深度视觉模型,并把相机单元拍摄的图像通过图像处理单元与运算控制单元进行实时处理得到特征点的实际图像轨迹。
上述的视觉伺服控制器接收由输入图像轨迹信号以及由视觉系统经图像处理后得到的实际图像轨迹信号形成的图像误差,接收位置采集模块和速度采集模块得到的机械臂关节角度q、关节速度末端位置x,实现对机械臂的位置信息的采集,量化机械臂的运动轨迹,并把期望的机械臂位置信息直接传入到运动控制模块中。
上述的视觉伺服系统中,运动控制模块采用DSP控制器实现三闭环控制和PWM控制;所述三闭环控制的最外环为由位置控制实现的位置控制环,中间一环为由速度控制实现的速度控制环,最内环为由电流控制实现的电流控制环,所述DSP控制器与控制信号发生单元通信。
上述的视觉伺服系统中,驱动模块接受PWM控制发送的PWM调制信号,驱动器驱动电机,电力拖动传动装置并由此拖动机械臂运动。
上述的视觉伺服系统中,检测模块实现检测并提供三闭环控制的闭环反馈信号,包含QEP电路和频率测量电路、光电编码器、A/D转换器、电流传感器;电机转轴上的光电编码器输出的脉冲信号传输给QEP电路和频率测量电路,脉冲信号经QEP电路处理得到位置反馈信号,并传送给运动控制模块中的位置控制环,脉冲信号经频率测量电路处理,得到速度反馈信号,并传送给运动控制模块中的速度控制模块,电流传感器检测电机绕组电流,并通过A/D转换器得到其数字电流信号,再将其传送给运动控制模块中的电流控制环。
上述的视觉伺服系统中,视觉伺服控制器与视觉模块、位置采集模块、速度采集模块和运动控制模块相连,运动控制模块与驱动模块和检测模块形成内闭环系统控制机械臂的运动,上述的所有模块组成视觉伺服闭环反馈控制系统,协同控制标记与机械臂上的特征点跟踪图像平面上的期望轨迹。
本发明中采用动态的眼固定构型的基于图像控制的伺服控制机械臂系统。采用自适应相机标定装置在线预估视觉模型,减少了标定相机产生的繁复工作量;在机械臂动态信息未知且受随机干扰的情况下,机械臂动态模糊逼近器可以有效的逼近上述的未知非线性机械臂系统,设计的自适应模块可以在线预估逼近器所需的参数,保证在随机扰动作用于系统下依然保证控制器的性能;即使在随机扰动的情况下依然有很好的图像平面上的轨迹跟踪精度。
附图说明
图1为动态未知的视觉伺服机械臂系统总体框图;
图2为机械臂动态模糊逼近器原理框图;
图3为手眼分离视觉伺服物理结构示意图。
其中:该视觉伺服机械臂系统包括有视觉伺服控制器(1)、视觉模块(2)、运动控制模块(3)、驱动模块(4)、检测模块(5)、机械臂(6)、位置采集模块(7)与速度采集模块(8)组成;视觉伺服控制器(1)由控制信号发生单元(11)、自适应相机标定装置(12)、通信单元(13)、计算机运算单元(14)、机械臂动态模糊逼近器(15)和控制器变量存储器(16)组成;视觉模块(2)由通信单元(21)、运算控制单元(22)、图像处理单元(23)和相机单元(24)组成;运动控制模块(3)由位置控制(31)、速度控制(32)、电流控制(33)和PWM控制(34)组成;驱动模块(4)由驱动器(41)、电机(42)和传动装置(43)组成;检测模块(5)由QEP电路(51)、频率测量(52)、光电编码器(53)、A/D(54)喝电流传感器(55)组成;
机械臂动态模糊逼近器(15)由模糊逼近器(151)和自适应模块(152)组成;模糊逼近器(151)由单值模糊器(1511)、模糊规则库(1512)、乘积推理机(1513)和中心平均解模器(1514);自适应模块(152)由参数初始值存储器(1521)、自适应律存储器(1522)和参数调整值存储器(1523)组成;
具体实施方式
本发明涉及一种基于视觉伺服系统的机械臂动态模糊逼近器,利用设计的机械臂动态模糊逼近器,通过不断改变模糊逼近器的参数,利用模糊系统逼近非线性未知机械臂动态,在机械臂受到随机干扰情况下,设计的自适应律也可以在线改变逼近器的参数,有效消除扰动带来的影响且保证视觉伺服系统的稳定性,同时控制机械臂使其末端特征点在图像平面上跟踪期望的图像轨迹,逼近器可以保证特征点达到较高的图像跟踪精度。下面结合附图和具体实例对本发明所设计的基于视觉伺服系统的机械臂动态模糊逼近器进行详细的说明。
图1为动态未知的视觉伺服机械臂系统总体框图。在图1中设计视觉伺服控制器的目的是:在相机未标定以及机械臂动态未知且受随机干扰的情况下,控制机械臂的运动使机械臂末端上的特征点在图像平面上的投影能够跟踪跟踪给定的期望图像轨迹。控制器视觉伺服控制器接收图像处理单元得到的实际图像轨迹和期望的图像轨迹形成的误差信号、由位置采集模块采集的位置信号、由速度采集模块采集的速度信号,通过计算机运算控制单元运算,由伺服视觉控制器与视觉模块之间的通信单元进行信息交换通过自适应相机标定装置在线标定相机,由自适应模糊逼近器逼近未知机械臂动态并作用于控制信号,由控制信号发生单元给控制模块发送控制信号;运动控制模块调制PWM波于驱动模块驱动电机传动机械臂运动;由检测模块检测驱动模块中的电机电流、速度和位置信息,并反馈与运动控制模块实现闭环控制;视觉模块采集机械臂末端特征点的图像坐标并反馈于控制器的输入,形成机械臂动态未知的视觉伺服控制系统的闭环控制,控制器可以根据图像反馈,速度反馈及时调整控制器输出提供最佳的图像跟踪性能。
图2为机械臂动态模糊逼近器原理框图。逼近器可以以很高的精度逼近基于视觉伺服的受随机扰动的未知机械臂动态,它包含模糊逼近器和自适应模块;其中模糊逼近器包含单值模糊器、模糊规则库、乘积推理机和中心平均解模器;采用上述四个模块的模糊系统逼近任意非线性时有:
其中x=(x1,...,xn)、y=(y1,...,ym)为模糊逻辑系统的输入以及输出,为模糊集的隶属度函数,为隶属度函数达到最大值的坐标,L为总的规则数。通过定义模糊集上足够多的隶属度函数,可以增加模糊逻辑系统的逼近精度。将上述的模糊系统表示为距阵的形式可以得到
其中:
模糊逼近器的单值模糊器接收从控制变量存储器传递的输入(关节角q、关节速度关节加速度关节域参考速度和关节域参考加速度)并对输入变量进行模糊化,乘积推理机根据模糊规则库中的IF-THEN规则进行模糊推理,最后由中心平均解模器对模糊变量进行解模糊化,得到模糊逼近器对非线性未知机械臂系统的逼近输出为n代表关节数目;
根据机械臂的动力学方程,力矩与关节变量之间的关系可以表示为:
其中fd表示未知干扰。实际的非线性机械臂系统输入的力矩τ,用模糊逼近器进行逼近数学形式可以表示为:
其中ε为逼近误差。
自适应模块包含参数初值存储器、自适应律存储器和参数调整值存储器。自适应模块接收了控制变量存储器中传递的变量关节速度误差由于在实际的操作过程中,矩阵是一个未知的量,因此需要设计一个在线调整的自适应律来预估的值,结合机械臂闭环动态,本专利中方法采用了如下的自适应律:
其中下标j表示对第j个关节的非线性系统进行逼近,Υj为正定对称矩阵,与为模糊逼近器所需的参变量数。在系统开始运行的初始阶段,自适应律存储器从参数初值存储器中调出参数与的初始值,将自适应律传递至计算机运算单元进行运算,计算机运算单元将运行后的数据返回至参数调整值存储器中,在系统运行后,不断循环上述步骤,在线调整参数的值。下面详细讲解如何应用自适应律求取参数向量的预估值:
1)由速度模块位置模块可以采集到机械臂的角度q、角速度角加速度图像坐标y=[u,v]T,期望图像轨迹yd=[ud,vd]T,以及自适应相机标定装置传递的预估参数矩阵可以构建出图像深度独立相互作用矩阵为以下形式:
其中为矩阵的第一第二第三行。进而可以得到如下的参数矩阵
根据采集到的末端位置信息,可以得到相机相对于投影平面的预估深度为:
下面定义图像平面的域参考图像速度,根据图像误差Δy=y-yd,有域参考图像速度为:
进而可以得到如下的参数矩阵为:
2)从上述的参数矩阵中,我们可以进一步定义域参考关节速度为:
其中为的广义逆,故可以得到关节速度误差向量
3)采用如下的隶属度函数:
将模糊逼近器的输入代入上面的隶属度函数,可以得到
的值。
4)根据上诉的定义以及采集到的变量值,可以构建出关于死区参数向量的预估值自适应律:
至此,我们已经完成了自适应模糊逼近器的构建,通过各模块之间的信息互换,可以有效的在线改变模糊逼近器的参数,当收到随机干扰的情况下依然保证视觉伺服机械臂系统的稳定性以及控制器的良好性能。
图3为本发明采用的手眼分离视觉伺服物理结构示意图,相机安装于一个便于观察机械臂末端特征点的固定位置,机械臂与相机通过总线与计算机连接进行信息的交换。相对于将相机安装在机械臂末端的结构,采用手眼分离的结构可以有效减少由于机械臂运动造成相机拍照的抖动,并且可以清晰的观察机械臂的全局运动,得到特征点的全局信息,通过计算机的运动控制卡可以发送指令到运动控制模块控制机械臂运动。
Claims (8)
1.基于视觉伺服系统的机械臂动态模糊逼近器,包括有视觉伺服控制器(1)、视觉模块(2)、运动控制模块(3)、驱动模块(4)、检测模块(5)、机械臂(6)、位置采集模块(7)与速度采集模块(8)组成;视觉伺服控制器(1)由控制信号发生单元(11)、自适应相机标定装置(12)、通信单元(13)、计算机运算单元(14)和机械臂动态模糊逼近器(15)组成;其特征在于,在机械臂动态未知且受随机干扰的情况下,视觉伺服控制器(1)必须保证控制系统的稳定性与图像平面上的跟踪精度;其特征在于:视觉伺服控制器(1)接收图像处理单元(23)得到的实际图像轨迹和期望的图像轨迹形成的误差信号、由位置采集模块(7)采集的位置信号、由速度采集模块(8)采集的速度信号传递到控制器变量存储器(16),通过计算机运算单元(14)运算,由机械臂动态模糊逼近器(15)逼近机械臂未知且受干扰的动态,由视觉伺服控制器(1)中的通信单元(13)与视觉模块(2)中的通信单元(21)进行信息交换通过自适应相机标定装置(12)在线标定相机,由控制信号发生单元(11)给运动控制模块(3)发送控制信号;运动控制模块(3)调制PWM波于驱动模块(4)驱动电机传动机械臂(6)运动;由检测模块(5)检测驱动模块(4)中的电机电流、速度和位置信息,并反馈与运动控制模块(3)实现闭环控制;视觉模块(2)采集机械臂(6)末端特征点的图像坐标并反馈于视觉伺服控制器(1)的输入,在未知机械臂动态特性及受随机扰动的情况下依然保持良好的控制器性能。
2.根据权利要求1所述的基于视觉伺服系统的机械臂动态模糊逼近器,其特征在于:该逼近器可以以很高的精度逼近基于视觉伺服的受随机扰动的未知机械臂动态,它包含模糊逼近器(151)和自适应模块(152);其中模糊逼近器(151)包含单值模糊器(1511)、模糊规则库(1512)、乘积推理机(1513)和中心平均解模器(1514);自适应模块包含参数初值存储器(1521)、自适应律存储器(1522)和参数调整值存储器(1523)。
3.根据权利要求2所述的基于视觉伺服系统的机械臂动态模糊逼近器,其特征在于:模糊逼近器(151)的单值模糊器(1511)接收从控制器变量存储器(16)传递的输入并对输入变量进行模糊化,乘积推理机(1513)根据模糊规则库(1512)中的IF-THEN规则进行模糊推理,最后由中心平均解模器(1514)对模糊变量进行解模糊化,得到模糊逼近器对非线性未知机械臂系统的逼近输出为根据机械臂的动力学方程,力矩与关节变量之间的关系可以表示为:
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mover>
<mi>q</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
<mover>
<mi>H</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
<mo>+</mo>
<mi>C</mi>
<mo>(</mo>
<mrow>
<mi>q</mi>
<mo>,</mo>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mover>
<mi>q</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>+</mo>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>f</mi>
<mi>d</mi>
</msub>
<mo>=</mo>
<mi>&tau;</mi>
</mrow>
其中q表示关节角,表示关节速度,表示关节加速度,表示关节域参考速度,表示关节域参考加速度,fd表示未知干扰,实际的非线性机械臂系统输入的力矩τ,用模糊逼近器(151)进行逼近数学形式可以表示为:其中ε为逼近误差。
4.根据权利要求2所述的基于视觉伺服系统的机械臂动态模糊逼近器,其特征在于:自适应模块(152)接收了控制器变量存储器(16)中传递的变量关节速度误差自适应律存储器(1522)存储了自适应律的编程代码,用数学形式可以表达为:
其中下标j表示对第j个关节的非线性系统进行逼近,Υj为正定对称矩阵,与为模糊逼近器(151)所需的参变量数;在系统开始运行的初始阶段,自适应律存储器(1522)从参数初值存储器(1521)中调出参数与的初始值,将自适应律传递至计算机运算单元(14)进行运算,计算机运算单元(14)将运行后的数据返回至参数调整值存储器(1523)中,在系统运行后,不断循环上述步骤,在线调整参数的值。
5.根据权利要求1所述的基于视觉伺服系统的机械臂动态模糊逼近器,其特征在于:在视觉伺服控制器(1)中,机械臂动态模糊逼近器(15)与控制器变量存储器(16)、计算机运算单元(14)相连,且接受电机(42)的输入力矩,从控制器变量存储器(16)中得到变量值并传递到模糊逼近器(151)与自适应模块(152)中,将需要进行的运算传递到计算机运算单元(14)中再接收返回的运算值;最后将预估的非线性机械臂系统的逼近值传递到控制信号发生器中,在未知机械臂动态的情况下进行控制器的设计。
6.根据权利要求1所述的基于视觉伺服系统的机械臂动态模糊逼近器,其特征在于:上述视觉伺服控制器(1)中的通信单元(13)与视觉模块(2)中的通信单元(21)通过总线的方式连接并且通信,自适应相机标定装置(12)在线预估视觉模块(2)的模型参数,建立一个非标定的独立深度视觉模型,并把相机单元(24)拍摄的图像通过图像处理单元(23)与运算控制单元(22)进行实时处理得到特征点的实际图像轨迹。
7.根据权利要求1所述的基于视觉伺服系统的机械臂动态模糊逼近器,其特征在于:上述视觉伺服控制器(1)接收由输入图像轨迹信号以及由视觉系统经图像处理后得到的实际图像轨迹信号形成的图像误差,接收位置采集模块(7)和速度采集模块(8)得到的机械臂关节角度q、关节速度末端位置x,实现对机械臂的位置信息的采集,量化机械臂的运动轨迹,并把期望的机械臂位置信息直接传入到运动控制模块(3)中。
8.根据权利要求1所述的基于视觉伺服系统的机械臂动态模糊逼近器,其特征在于:上述运动控制模块(3)采用DSP控制器实现三闭环控制和PWM控制;所述三闭环控制的最外环为由位置控制(31)实现的位置控制环,中间一环为由速度控制(32)实现的速度控制环,最内环为由电流控制(33)实现的电流控制环,所述DSP控制器与控制信号发生单元通信;视觉伺服控制器(1)与视觉模块(2)、位置采集模块(7)、速度采集模块(8)和运动控制模块(3)相连,运动控制模块(3)与驱动模块(4)和检测模块(5)形成内闭环系统控制机械臂(6)的运动,上述的所有模块组成视觉伺服闭环反馈控制系统,协同控制标记与机械臂上的特征点跟踪图像平面上的期望轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510372264.4A CN104942809B (zh) | 2015-06-23 | 2015-06-23 | 基于视觉伺服系统的机械臂动态模糊逼近器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510372264.4A CN104942809B (zh) | 2015-06-23 | 2015-06-23 | 基于视觉伺服系统的机械臂动态模糊逼近器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104942809A CN104942809A (zh) | 2015-09-30 |
CN104942809B true CN104942809B (zh) | 2018-04-17 |
Family
ID=54158142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510372264.4A Expired - Fee Related CN104942809B (zh) | 2015-06-23 | 2015-06-23 | 基于视觉伺服系统的机械臂动态模糊逼近器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104942809B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105643607A (zh) * | 2016-04-08 | 2016-06-08 | 深圳市中科智敏机器人科技有限公司 | 一种具备感知和认知能力的智能工业机器人 |
CN106200384A (zh) * | 2016-08-10 | 2016-12-07 | 浙江大学 | 一种应用于冗余驱动系统的双直线电机协同控制方法 |
CN106239520A (zh) * | 2016-08-23 | 2016-12-21 | 深圳市中科智敏机器人科技有限公司 | 具备认知能力的智能工业机器人运动控制系统 |
EP3323565B1 (de) * | 2016-11-21 | 2021-06-30 | Siemens Aktiengesellschaft | Verfahren und vorrichtung zur inbetriebnahme eines mehrachssystems |
CN106737774A (zh) * | 2017-02-23 | 2017-05-31 | 天津商业大学 | 一种无标定机械臂视觉伺服控制装置 |
CN109986255B (zh) * | 2017-12-29 | 2021-11-30 | 深圳中集智能科技有限公司 | 混合视觉伺服并联机器人及作业方法 |
CN108356816B (zh) * | 2018-01-12 | 2021-03-30 | 南京邮电大学 | 基于输出位置的单臂机械手事件触发adp控制器结构 |
CN109176519A (zh) * | 2018-09-14 | 2019-01-11 | 北京遥感设备研究所 | 一种提高机器人视觉伺服控制响应时间的方法 |
CN109330819B (zh) * | 2018-09-18 | 2021-12-31 | 山东建筑大学 | 主从式上肢外骨骼康复机器人控制系统及其控制方法 |
CN111624875A (zh) * | 2019-02-27 | 2020-09-04 | 北京京东尚科信息技术有限公司 | 视觉伺服控制方法、装置和无人设备 |
DE102019004478B3 (de) * | 2019-06-26 | 2020-10-29 | Franka Emlka Gmbh | System zum Vornehmen einer Eingabe an einem Robotermanipulator |
CN110421562B (zh) * | 2019-07-24 | 2024-01-30 | 中国地质大学(武汉) | 基于四目立体视觉的机械臂标定系统和标定方法 |
CN110614633A (zh) * | 2019-08-06 | 2019-12-27 | 同济大学 | 一种大型预制构件装配作业规划方法 |
CN111897219B (zh) * | 2020-07-21 | 2022-11-22 | 广东工业大学 | 基于在线逼近器的倾转四旋翼无人机过渡飞行模式最优鲁棒控制方法 |
CN112338914B (zh) * | 2020-10-27 | 2022-03-04 | 东北大学 | 一种在输出受限和输入时滞下基于随机系统的单连杆机械手模糊控制算法 |
CN113359458B (zh) * | 2021-06-22 | 2023-02-28 | 天津理工大学 | 一种高速并联机器人的模糊前馈控制方法 |
CN114750173A (zh) * | 2022-03-04 | 2022-07-15 | 国网安徽省电力有限公司电力科学研究院 | 一种带电作业机器人抓取控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004130426A (ja) * | 2002-10-09 | 2004-04-30 | Sony Corp | ロボット装置及びその動作制御方法 |
CN101612062B (zh) * | 2008-06-26 | 2014-03-26 | 北京石油化工学院 | 实现超声影像导航定位方法的传感式的六关节机械臂 |
EP2549342A1 (fr) * | 2011-07-20 | 2013-01-23 | Alstom Technology Ltd. | Procédé de régulation |
CN102662392B (zh) * | 2012-05-04 | 2014-02-12 | 西安电子科技大学 | 一种精密视觉伺服定位系统的虚拟调试系统及方法 |
CN104476544A (zh) * | 2014-10-23 | 2015-04-01 | 广东工业大学 | 一种视觉伺服机械臂系统的自适应死区逆模型发生装置 |
CN104698846B (zh) * | 2015-02-10 | 2017-06-30 | 浙江工业大学 | 一种机械臂伺服系统的指定性能反演控制方法 |
-
2015
- 2015-06-23 CN CN201510372264.4A patent/CN104942809B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104942809A (zh) | 2015-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104942809B (zh) | 基于视觉伺服系统的机械臂动态模糊逼近器 | |
CN105425791B (zh) | 一种基于视觉定位的群机器人控制系统及方法 | |
Defoort et al. | Sliding-mode formation control for cooperative autonomous mobile robots | |
Wang et al. | A hybrid visual servo controller for robust grasping by wheeled mobile robots | |
Hashemi et al. | Model-based PI–fuzzy control of four-wheeled omni-directional mobile robots | |
CN109062204A (zh) | 一种基于跟随领航者编队的多移动机器人控制系统 | |
CN110244772A (zh) | 移动机器人的领航跟随系统和领航跟随控制方法 | |
CN104808590B (zh) | 一种基于关键帧策略的移动机器人视觉伺服控制方法 | |
CN108469823B (zh) | 一种基于单应性的移动机器人编队跟随方法 | |
CN103019239A (zh) | 用于喷药移动机器人的轨迹跟踪滑模控制系统和控制方法 | |
CN104476544A (zh) | 一种视觉伺服机械臂系统的自适应死区逆模型发生装置 | |
CN106371442B (zh) | 一种基于张量积模型变换的移动机器人控制方法 | |
Wang et al. | Research on logistics autonomous mobile robot system | |
CN108459605A (zh) | 基于agv系统的轨迹跟踪控制方法 | |
CN110081046A (zh) | 一种基于反步控制的多电液伺服执行器跟踪同步控制方法 | |
Ren et al. | Integrated task sensing and whole body control for mobile manipulation with series elastic actuators | |
Lu et al. | Adaptive visual regulation of wheeled mobile robots: A switching approach | |
CN113031002B (zh) | 基于Kinect3和激光雷达的SLAM陪跑小车 | |
Siradjuddin et al. | A real-time model based visual servoing application for a differential drive mobile robot using beaglebone black embedded system | |
CN105345824A (zh) | 一种视觉伺服机械臂的自适应磁滞消去装置 | |
CN104950683A (zh) | 一种视觉伺服机械臂系统的自适应间隙逆模型发生装置 | |
Becerra | Fuzzy visual control for memory-based navigation using the trifocal tensor | |
CN111381491B (zh) | 球形机器人控制系统及其设计方法和直线运动控制方法 | |
CN108155836A (zh) | 基于全局在线启发式动态规划永磁同步电机矢量控制方法 | |
CN215987023U (zh) | 一种基于激光slam的消毒机器人控制装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180417 Termination date: 20190623 |
|
CF01 | Termination of patent right due to non-payment of annual fee |