CN106597843B - 一种前驱动轮式机器人安全控制方法及系统 - Google Patents
一种前驱动轮式机器人安全控制方法及系统 Download PDFInfo
- Publication number
- CN106597843B CN106597843B CN201510684692.0A CN201510684692A CN106597843B CN 106597843 B CN106597843 B CN 106597843B CN 201510684692 A CN201510684692 A CN 201510684692A CN 106597843 B CN106597843 B CN 106597843B
- Authority
- CN
- China
- Prior art keywords
- robot
- control
- motion state
- control sequence
- reference model
- 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.)
- Active
Links
Abstract
本发明公开了一种前驱动轮式机器人安全控制方法及系统，包括以下步骤：获取机器人的三维动力学参考模型；根据三维动力学参考模型和接收到的机器人上身的姿态变化幅度值对机器人的运动状态进行模拟和预测，以防止机器人摔倒的最优控制策略，其中最优控制策略包括机器人的最优控制序列；通过最优控制序列控制机器人切换运动状态；获取机器人上身状态变化下的实际运动状态，并根据实际运动状态和最优控制序列对三维动力学参考模型进行校正，以得到更准确的模型，从而得到更准确的控制策略。
Description
技术领域
本发明涉及服务机器人运动控制领域，尤其是涉及一种前驱动轮式机器人安全控制方法及系统。
背景技术
传统的轮式机器人主要采用基于运动学的控制方式，通常在离线条件下规划出机器人的运动轨迹，通过车轮驱动电机的速度伺服功能实现轮式机器人的移动。在正常运行时，机器人处于平动状态，机器人质心并不会围绕车轮与地面支撑点的转动，此时运行的平稳的。当地面环境发生突变，机器人的质心可能会出现围绕车轮与地面支撑点的运动，如果不加以相关的补偿控制，会导致机器人的摔倒，而传统的轮式机器人运动控制并不考虑机器人上身的姿态，无法保证机器人地面环境突变时维持其的平稳性与安全性。
发明内容
本发明主要解决的技术问题是提供一种前驱动轮式机器人安全控制方法及系统，能够确保在运行路面发生突变时，实现机器人自身的防摔倒功能。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种前驱动轮式机器人安全控制方法，包括以下步骤：获取机器人的三维动力学参考模型；根据三维动力学参考模型和接收到的机器人上身的姿态变化幅度值对机器人的运动状态进行模拟和预测，以获得防止机器人摔倒的最优控制策略，其中最优控制策略包括机器人的最优控制序列；通过最优控制序列控制机器人切换运动状态；获取机器人上身状态变化下的实际运动状态，并根据实际运动状态和最优控制序列对三维动力学参考模型进行校正，以得到更准确的模型，从而得到更准确的控制策略。
其中，所述获取所述机器人的三维动力学参考模型的步骤包括：根据所述机器人的结构建立三维动力学模型，并获取所述三维动力学模型的参数，以得到所述三维动力学参考模型。
其中，所述根据三维动力学参考模型和接收到的机器人上身的姿态变化幅度值对机器人的运动状态进行模拟和预测，以获得防止机器人摔倒的最优控制策略的步骤还包括：根据三维动力学参考模型和机器人上身的姿态变化幅度值模拟出机器人的模拟运动状态；根据机器人的模拟运动状态获得机器人的车轮与底面的作用力关系；预测控制输出的控制序列和机器人在控制输出的控制序列下的预测运动状态；根据作用力关系和预测的控制输出的控制序列以及预测运行状态计算出在机器人上身的状态变化过程中的防摔倒的最优控制策略。
其中，所述根据作用力关系和预测的控制输出的控制序列以及预测运行状态计算出机器人上身的状态变化过程中的防摔倒的最优控制策略的具体步骤包括：将控制输出的控制序列作为待优化的优化变量；将三个控制周期后的预测运动状态中的机器人上身姿态变化的旋转速度的绝对值作为目标变量；将作用力关系作为约束条件，使得控制输出的控制序列被规划为带有约束条件的优化问题，进一步应用非线性优化算法求解该优化问题，以计算出机器人防摔倒的最优控制策略。
其中，所述根据实际运动状态和最优控制序列对三维动力学参考模型进行校正的步骤还包括：根据实际运动状态和最优控制序列采用最小二乘法对三维动力学参考模型进行校正。
为解决上述技术问题，本发明采用的另一个技术方案是：提供一种前驱动轮式机器人安全控制系统，所述控制系统包括模型建立单元、事件触发单元、计算单元、驱动单元以及反馈单元，其中：所述模型建立单元用于获取机器人的三维动力学参考模型；事件触发单元用于监测机器人运行过程中是否出现突发事件，如出现突发事件，则向计算单元发送机器人上身的姿态变化幅度；用于根据三维动力学参考模型和接收到的机器人上身的姿态变化幅度值对机器人的运动状态进行模拟和预测，以计算出防止机器人摔倒的最优控制策略，其中所述最优控制策略包括机器人的最优控制序列；反馈单元用于获取机器人上身的状态变化下的实际运动状态，并根据实际运动状态和最优控制序列对三维动力学参考模型进行校正。
其中，所述模型建立单元根据所述机器人的结构建立三维动力学模型，并获取所述三维动力学模型的参数，以得到所述三维动力学参考模型。
其中，所述计算单元还包括：模拟模块用于根据三维动力学参考模型和机器人上身的状态变化幅度值模拟出机器人的模拟运动状态；计算模块用于根据机器人的模拟运动状态获得机器人的车轮与地面的作用力关系；预测模块用于预测控制输出的控制序列和机器人在控制输出的控制序列下的预测运动状态；计算模块进一步用于根据作用力关系和预测的控制输出的控制序列以及预测运行状态计算出机器人在机器人上身的状态变化过程中的防摔倒的最优控制策略。
其中，所述计算模块进一步将控制输出的控制序列作为待优化的优化变量，将三个控制周期后的预测运动状态中的机器人上身姿态变化的旋转速度的绝对值作为目标变量，将作用力关系作为约束条件，使得控制输出的控制序列被规划为带有约束条件的优化问题，进一步应用非线性优化算法求解该优化问题，以计算出机器人防摔倒的的最优控制策略。
其中，所述反馈单元根据实际运动状态和最优控制序列采用最小二乘法对三维运动模型进行校正。
本发明的有益效果是：本发明机器人控制系统通过对其自身的动力学模型进行辨识，得到与机器人自身匹配度较高的参考动力学模型，当机器人运行路面发生突变时，依据对机器人上身姿态的检测以及参考动力学模型，机器人可以模拟与预测出在保证其自身安全运行的参考轨迹与控制方式，并以此规划出防可以防止机器人摔倒的最优控制方式驱动实际机器人，并且通过反馈校正的的方式减小由于参考模型适配所造成的影响，同时不断完善系统的参考动力学模型，从而使机器人实现自身的防摔倒运行功能。
附图说明
图1是本发明实施例提供的一种前驱动轮式机器人安全控制系统的结构示意图；
图2是本发明实施例提供的一种前驱动轮式机器人安全控制方法的流程图；
图3是本发明实施例提供的另一种前驱动轮式机器人安全控制方法的流程图。
具体实施方式
请参阅图1，图1是本发明实施例提供的一种前驱动轮式机器人安全控制系统的结构示意图。如图1所示，本发明的机器人的快速转向的控制系统10包括模型建立单元11、事件触发单元12、计算单元13、驱动单元14以及反馈单元15。
其中，模型建立单元11用于获取机器人的三维动力学参考模型。具体为：模型建立单元11根据机器人的结构建立三维动力学模型，即三维动力学参考模型的基本结构。并在合理的假设中将三维动力学模型进行相应的简化，同时根据机器人机械设计软件获取三维动力学模型的各个初始的参数，以得到三维动力学参考模型。
事件触发单元12用于监测机器人运行过程中是否出现突发事件，如出现突发事件，则向计算单元13发送机器人上身的姿态变化幅度。
具体为：当机器人正常运行时，机器人上身的姿态保持不变，而当地面环境发生突变或是人为推动机器人上半身的时候，会导致机器人上身姿态角度发生剧烈的变化。因此，可通过检测机器人上身的姿态变化幅度值来判断机器人的运行过程是否有突发事件，并以此作为安全控制方法的触发条件。
计算单元13用于根据三维动力学参考模型和接收到的机器人上身的姿态变化幅度值对机器人的运动状态进行模拟和预测，以计算出防止机器人摔倒的最优控制策略，其中所述最优控制策略包括机器人的最优控制序列。
计算单元13进一步通过最优控制序列控制所述机器人的驱动单元14驱动机器人运动状态切换。具体为，驱动单元14控制输出作为电机驱动的电流给定值，控制机器人的驱动转矩，实现防止机器人摔倒的运动状态的控制。
其中，计算单元13还包括模拟模块131、计算模块132以及预测模块133
模拟模块131用于根据三维动力学参考模型和机器人上身的状态变化幅度值模拟出机器人的模拟运动状态。具体为，通过四阶龙格库塔算法对机器人的三维动力学参考模型进行求解，并结合机器人上身的状态变化幅度值，以模拟出机器人的模拟运行状态。
计算模块132用于根据机器人的模拟运动状态获得机器人的车轮与底面的作用力关系。
预测模块133用于预测控制输出的控制序列和机器人在控制输出的控制序列下的预测运动状态。具体预测三个控制周期的控制输出的控制序列和机器人在控制输出的控制序列下的预测运动状态。
计算模块132进一步用于根据作用力关系和预测的控制输出的控制序列以及预测运行状态计算出机器人在机器人上身的状态变化过程中的防摔倒的最优控制策略。具体而言，计算模块132进一步将控制输出的控制序列作为待优化的优化变量，将三个控制周期后的预测运动状态中的机器人上身姿态变化的旋转速度的绝对值作为目标变量，将作用力关系作为约束条件，使得控制输出的控制序列被规划为带有约束条件的优化问题，进一步应用非线性优化算法求解该优化问题，以计算出机器人防摔倒的的最优控制策略。
反馈单元15用于获取机器人上身的状态变化下的实际运动状态，并根据实际运动状态和最优控制序列对三维动力学参考模型进行校正，以得到更准确的模型，从而得到更准确的控制策略。具体为反馈单元15具体为根据实际运动状态和最优控制序列采用最小二乘法对三维运动模型进行校正。以将校正后的三维动力学参考模型进行下一个控制周期的三维动力学参考模型。
因此本发明通过三维动力学参考模型对机器人的运动状态进行模拟，预测出机器人在运动时车轮与地面的作用力关系，优化计算出可以保证机器人不发生摔倒时所对应的控制输出，实现机器人的快速状态转换。
本发明还提供了一种前驱动轮式机器人安全控制方法，该控制方法应用于前文的机器人的安全控制系统中。具体请参阅图2，图2是本发明实施例提供的一种前驱动轮式机器人安全控制方法的流程图。
如图2所示，本发明的前驱动轮式机器人安全控制方法包括以下步骤：
步骤S1：获取机器人的三维动力学参考模型。
本步骤具体为根据机器人的结构建立三维动力学模型，并获取三维动力学模型的参数，以得到三维动力学参考模型。
步骤S2：根据三维动力学参考模型和接收到的机器人上身的姿态变化幅度值对机器人的运动状态进行模拟和预测，以防止机器人摔倒的最优控制策略，其中最优控制策略包括机器人的最优控制序列。
请参阅图3，本步骤具体包括以下步骤：
步骤S21：根据三维动力学参考模型和机器人上身的姿态变化幅度值模拟出机器人的模拟运动状态；
步骤S22：根据机器人的模拟运动状态获得机器人的车轮与底面的作用力关系；
步骤S23：预测控制输出的控制序列和机器人在控制输出的控制序列下的预测运动状态；
步骤S24：根据作用力关系和预测的控制输出的控制序列以及预测运行状态计算出在机器人上身的状态变化过程中的防摔倒的最优控制策略。
本步骤具体为：首先将控制输出的控制序列作为待优化的优化变量，然后将三个控制周期后的预测运动状态中的机器人上身姿态变化的旋转速度的绝对值作为目标变量，最后将作用力关系作为约束条件，使得控制输出的控制序列被规划为带有约束条件的优化问题，进一步应用非线性优化算法求解该优化问题，以计算出机器人防摔倒的最优控制策略。
步骤S3：通过最优控制序列控制机器人切换运动状态。
步骤S4：获取机器人上身状态变化下的实际运动状态，并根据实际运动状态和最优控制序列对三维动力学参考模型进行校正，以得到更准确的模型，从而得到更准确的控制策略。
本步骤具体为根据实际运动状态和最优控制序列采用最小二乘法对三维动力学参考模型进行校正。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种前驱动轮式机器人安全控制方法，其特征在于，所述控制方法包括以下步骤：
获取机器人的三维动力学参考模型；
根据三维动力学参考模型和接收到的机器人上身的姿态变化幅度值对机器人的运动状态进行模拟和预测，以得到机器人摔倒的最优控制策略，其中最优控制策略包括机器人的最优控制序列；
通过最优控制序列控制机器人切换运动状态；
获取机器人上身状态变化下的实际运动状态，并根据实际运动状态和最优控制序列对三维动力学参考模型进行校正，以得到更准确的模型，从而得到更准确的控制策略；
所述根据三维动力学参考模型和接收到的机器人上身的姿态变化幅度值对机器人的运动状态进行模拟和预测，以得到机器人摔倒的最优控制策略的步骤还包括：
根据三维动力学参考模型和机器人上身的姿态变化幅度值模拟出机器人的模拟运动状态；
根据机器人的模拟运动状态获得机器人的车轮与底面的作用力关系；
预测控制输出的控制序列和机器人在控制输出的控制序列下的预测运动状态；
将所述控制序列作为待优化的优化变量，将三个控制周期后的预测运动状态中的机器人上身姿态变化的旋转速度的绝对值作为目标变量，将作用力关系作为约束条件，使得控制输出的控制序列被规划为带有约束条件的优化问题；
通过非线性优化算法求解所述优化问题，以计算出机器人防摔倒的最优控制策略。
2.根据权利要求1所述的控制方法，其特征在于，所述获取所述机器人的三维动力学参考模型的步骤包括：
根据所述机器人的结构建立三维动力学模型，并获取所述三维动力学模型的参数，以得到所述三维动力学参考模型。
3.根据权利要求1所述的控制方法，其特征在于，所述根据实际运动状态和最优控制序列对三维动力学参考模型进行校正的步骤还包括：
根据实际运动状态和最优控制序列采用最小二乘法对三维动力学参考模型进行校正。
4.一种前驱动轮式机器人安全控制系统，其特征在于，所述控制系统包括模型建立单元、事件触发单元、计算单元、驱动单元以及反馈单元，其中：
所述模型建立单元用于获取机器人的三维动力学参考模型；
事件触发单元用于监测机器人运行过程中是否出现突发事件，如出现突发事件，则向计算单元发送机器人上身的姿态变化幅度；
用于根据三维动力学参考模型和接收到的机器人上身的姿态变化幅度值对机器人的运动状态进行模拟和预测，以计算出防止机器人摔倒的最优控制策略，其中所述最优控制策略包括机器人的最优控制序列；
反馈单元用于获取机器人上身的状态变化下的实际运动状态，并根据实际运动状态和最优控制序列对三维动力学参考模型进行校正；
所述计算单元还包括：
模拟模块用于根据三维动力学参考模型和机器人上身的状态变化幅度值模拟出机器人的模拟运动状态；
计算模块用于根据机器人的模拟运动状态获得机器人的车轮与地面的作用力关系；
预测模块用于预测控制输出的控制序列和机器人在控制输出的控制序列下的预测运动状态；
计算模块还用于将所述控制序列作为待优化的优化变量，将三个控制周期后的预测运动状态中的机器人上身姿态变化的旋转速度的绝对值作为目标变量，将作用力关系作为约束条件，使得控制输出的控制序列被规划为带有约束条件的优化问题；
通过非线性优化算法求解所述优化问题，以计算出机器人防摔倒的最优控制策略。
5.根据权利要求4所述的控制系统，其特征在于，所述模型建立单元根据所述机器人的结构建立三维动力学模型，并获取所述三维动力学模型的参数，以得到所述三维动力学参考模型。
6.根据权利要求4所述的控制系统，其特征在于，所述反馈单元根据实际运动状态和最优控制序列采用最小二乘法对三维运动模型进行校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510684692.0A CN106597843B (zh) | 2015-10-20 | 2015-10-20 | 一种前驱动轮式机器人安全控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510684692.0A CN106597843B (zh) | 2015-10-20 | 2015-10-20 | 一种前驱动轮式机器人安全控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106597843A CN106597843A (zh) | 2017-04-26 |
| CN106597843B true CN106597843B (zh) | 2019-08-09 |
Family
ID=58555135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510684692.0A Active CN106597843B (zh) | 2015-10-20 | 2015-10-20 | 一种前驱动轮式机器人安全控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106597843B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019024071A1 (zh) * | 2017-08-04 | 2019-02-07 | 深圳配天智能技术研究院有限公司 | 一种机器人运动控制的方法、运动控制装置及机器人系统 |
| CN109947099A (zh) * | 2019-03-08 | 2019-06-28 | 安徽大学 | 一种基于事件触发机制的机器人控制方法及装置 |
| CN111739099B (zh) * | 2020-07-20 | 2020-12-11 | 北京云迹科技有限公司 | 预防跌落方法、装置及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102160008A (zh) * | 2008-09-17 | 2011-08-17 | 株式会社村田制作所 | 防摔倒控制装置及计算机程序 |
| CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
| CN102736628A (zh) * | 2012-06-12 | 2012-10-17 | 华中科技大学 | 一种具有环境适应性的足式机器人稳定性控制方法及系统 |
| CN103019096A (zh) * | 2012-11-23 | 2013-04-03 | 北京理工大学 | 一种基于加速度优化的仿人机器人逆动力学控制器 |
| CN104345735A (zh) * | 2014-09-30 | 2015-02-11 | 同济大学 | 一种基于落脚点补偿器的机器人行走控制方法 |
| CN104589356A (zh) * | 2014-11-27 | 2015-05-06 | 北京工业大学 | 基于Kinect人手运动捕捉的灵巧手遥操作控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1547732A4 (en) * | 2002-10-01 | 2012-01-04 | Sony Corp | ROBOT DEVICE AND CONTROL PROCEDURE THEREFOR |
-
2015
- 2015-10-20 CN CN201510684692.0A patent/CN106597843B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102160008A (zh) * | 2008-09-17 | 2011-08-17 | 株式会社村田制作所 | 防摔倒控制装置及计算机程序 |
| CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
| CN102736628A (zh) * | 2012-06-12 | 2012-10-17 | 华中科技大学 | 一种具有环境适应性的足式机器人稳定性控制方法及系统 |
| CN103019096A (zh) * | 2012-11-23 | 2013-04-03 | 北京理工大学 | 一种基于加速度优化的仿人机器人逆动力学控制器 |
| CN104345735A (zh) * | 2014-09-30 | 2015-02-11 | 同济大学 | 一种基于落脚点补偿器的机器人行走控制方法 |
| CN104589356A (zh) * | 2014-11-27 | 2015-05-06 | 北京工业大学 | 基于Kinect人手运动捕捉的灵巧手遥操作控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106597843A (zh) | 2017-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5836565B2 (ja) | モーションキャプチャデータを模倣するロボットの追跡及びバランス維持システム及び方法 | |
| CN106597843B (zh) | 一种前驱动轮式机器人安全控制方法及系统 | |
| Kun et al. | Adaptive dynamic balance of a biped robot using neural networks | |
| CN107160398B (zh) | 基于确定学习的全状态受限刚性机械臂安全可靠控制方法 | |
| CN104317299A (zh) | 一种基于轮式移动机器人轨迹跟踪的混合控制方法 | |
| Qazani et al. | High-fidelity hexarot simulation-based motion platform using fuzzy incremental controller and model predictive control-based motion cueing algorithm | |
| US20120303162A1 (en) | Mobile object controller and floor surface estimator | |
| Omran et al. | Optimal task space control design of a Stewart manipulator for aircraft stall recovery | |
| Zheng et al. | An experimental evaluation of a model-free predictor framework in teleoperated vehicles | |
| Ugurlu et al. | Compliant joint modification and real-time dynamic walking implementation on bipedal robot cCub | |
| CN106597844A (zh) | 一种机器人防摔倒控制方法及系统 | |
| Kamil et al. | Balancing control of robot gymnast based on discrete-time linear quadratic regulator technique | |
| Majczak et al. | Comparison of two efficient control strategies for two-wheeled balancing robot | |
| Short et al. | A hybrid predictive control approach to trajectory tracking for a fully actuated biped | |
| CN106597842B (zh) | 一种机器人的快速转向的控制方法及系统 | |
| Smith et al. | Adaptive teleoperation using neural network-based predictive control | |
| Plius et al. | Fuzzy controller scheduling for robotic manipulator force control | |
| Sadeghian et al. | Design of an adaptive sliding mode controller for a novel spherical rolling robot | |
| CN103101569A (zh) | 转向器装置及叉车 | |
| KR20100065809A (ko) | 학습에 의한 로봇의 보행 방법 및 학습에 의한 보행 메커니즘을 구비한 로봇 | |
| Gloye et al. | Robot heal thyself: precise and fault-tolerant control of imprecise or malfunctioning robots | |
| JP2020526408A (ja) | 少なくとも１つの使用者の動きを支援する方法及び対応する装置 | |
| Shimada et al. | High-speed motion control of inverted pendulum robots | |
| JP5752502B2 (ja) | ロボットの制御装置 | |
| Wang et al. | A Swing-Up and Stable Control Strategy for Pendubot Based on Nonlinear Model Predictive Method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |