CN108519739A - 基于对力与位置预测的多时延遥操作系统稳定性控制方法 - Google Patents
基于对力与位置预测的多时延遥操作系统稳定性控制方法 Download PDFInfo
- Publication number
- CN108519739A CN108519739A CN201810361629.7A CN201810361629A CN108519739A CN 108519739 A CN108519739 A CN 108519739A CN 201810361629 A CN201810361629 A CN 201810361629A CN 108519739 A CN108519739 A CN 108519739A
- Authority
- CN
- China
- Prior art keywords
- robot
- indicate
- environment
- time delay
- control system
- 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.)
- Granted
Links
Classifications
-
- 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
- G05B13/042—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 in which a parameter or coefficient is automatically adjusted to optimise the performance
Abstract
本发明公开了一种基于对力与位置预测的多时延遥操作系统稳定性控制方法,通过估算从机器人所接触环境的环境刚度参数和环境阻尼度参数,从而预测出从机器人与环境的接触力,再利用扩展卡尔曼滤波算法预测从机器人位置,根据预测得到的接触力和位置,设计多时延遥操作系统对主机器人与从机器人的驱动控制律,最后利用主机器人与从机器人的驱动控制律分别控制主机器人与从机器人,从而实现多时延遥操作系统稳定性控制。
Description
技术领域
本发明属于机器人技术领域,更为具体地讲,涉及一种基于对力与位置预测的多时延遥操作系统稳定性控制方法
背景技术
遥操作系统被广泛应用在各类遥远或者人类难以企及的环境之中,例如太空试验,海底探索,核废料的处理,远程康复训练等等领域。在医疗行业中可以拓展特殊技术人员的能力,远程控制来完成复杂的治疗工作,如跨国手术等。在如此众多的应用领域,由于信号传输距离遥远,主从机器人信号传输时产生了较大通信时延。W.R.Ferrell早在1996年指出,通信时延将会降低对从机器人位置与力的跟踪准确性,影响双边遥操作系统的稳定性,导致系统不稳定,从而对遥操作系统会造成不良影响。
为了消除时延对遥操作系统稳定性的不良影响,增强操作者对从机器人的临场感体验,其中有许多的突出的研究成果。例如Robert Anderson提出一种运用无源性理论和散射理论的控制算法,保证了遥操作系统中主从机器人和通信通道的无源性,即能够保证系统的稳定性。对从机器人与环境的接触反馈力的预测手段是近年比较热门的研究方向。Ganjefar提出在主机器人端添加Smith预估器将从机器人端与环境的接触力预测出来,改善双边遥操作系统面临的时延问题,其中针对的是常量时延问题,同时这是建立在系统模型已知的基础之上,若存在建模误差,也会导致系统不稳定。KM Deliparaschos提出对主机器人的状态预测,但不足于实现操作者的临场感体验。
本文通过采取对从机器人反馈力与位置的预测控制方法,提高对从机器人位置与力的跟踪准确性,以此消除通信时延对遥操作系统稳定性的不良影响,增强操作者对从机器人的临场感体验。
总结现有的遥操作系统存在如下缺点:
(1)主从机器人之间存在位置误差,导致遥操作系统中主从机器人产生运动迟滞,影响了遥操作系统的操作性能。
(2)从机器人传输到主机器人端的环境交互作用力存在时延,遥操作系统的力跟踪性能不能得到确保。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于对力与位置预测的多时延遥操作系统稳定性控制方法,通过建立从机器人环境接触力模型,运用扩展卡尔曼滤波算法对机器人位置进行预测,能够实现对主从机器人位置的跟踪与从机器人反馈力的跟踪,提高系统稳定性。
为实现上述发明目的,本发明一种基于对力与位置预测的多时延遥操作系统稳定性控制方法,其特征在于,包括以下步骤:
(1)、估算从机器人所接触环境的环境刚度参数Kc和环境阻尼度参数Bc
(1.1)、根据从机器人传感器实时采集的环境接触力Fe与从机器人位置xs,建立关系式:
对(1)式两边同时取对数,得:
其中,ε为测量误差;n为常数,其大小依赖于接触物质材料及其几何特性,取值介于1和2之间;
(1.2)、利用指数加权递归最小二乘法估算环境刚度参数Kc和环境阻尼度参数Bc
(1.2.1)、设置迭代次数k;
(1.2.2)、对公式(2)进行参数化;
令yk=ln(Fk),
那么(2)式参数化后表示为:
(1.2.3)、结合公式(3),利用指数加权递归最小二乘法对从机器人所接触的环境参数识别,具体为:
在环境参数识别过程中,通过(4)式的迭代运算估算出第k迭代后从机器人所接触环境刚度参数和环境阻尼度参数为:并作为从机器人所接触环境刚度参数Kc和环境阻尼度参数Bc;
(2)、预测从机器人与环境的接触力
其中,xm表示主机器人的位置,为xm的一阶导数,表示主机器人移动速度;Kcxm n是非线性弹力,Bcxm n是非线性粘力;
(3)、利用扩展卡尔曼滤波算法预测从机器人位置
而估计值即为预测的从机器人位置
其中,uk表示第k个时刻扩展卡尔曼滤波算法的输入量;Ak和Hk均为第k个时刻的雅克比矩阵,Qk表示第k个时刻的过程激励噪声的协方差矩阵;Rk表示第k个时刻的测量噪声协方差矩阵;I表示单位矩阵;y(k)表示第k个时刻扩展卡尔曼滤波算法的观测量;f(·)和g(·)表示非线性函数;()T表示转置;
(4)、基于力与位置预测,设计多时延遥操作系统对主机器人与从机器人的驱动控制律
主机器人的驱动控制律为:
从机器人的驱动控制律为:
其中,Fh表示操作者与主机器人的相互作用力,C1和C4表示位置通道的控制器,C2和C3表示力通道的控制器,C5和C6表示本地力反馈控制器,Cm和Cs表示本地位置反馈控制器;
(5)、利用主机器人与从机器人的驱动控制律分别控制主机器人与从机器人,从而实现多时延遥操作系统稳定性控制。
本发明的发明目的是这样实现的:
本发明一种基于对力与位置预测的多时延遥操作系统稳定性控制方法,通过估算从机器人所接触环境的环境刚度参数和环境阻尼度参数,从而预测出从机器人与环境的接触力,再利用扩展卡尔曼滤波算法预测从机器人位置,根据预测得到的接触力和位置,设计多时延遥操作系统对主机器人与从机器人的驱动控制律,最后利用主机器人与从机器人的驱动控制律分别控制主机器人与从机器人,从而实现多时延遥操作系统稳定性控制。
同时,本发明一种基于对力与位置预测的多时延遥操作系统稳定性控制方法还具有以下有益效果:
(1)、本发明建立预测控制模块,提高对从机器人作用环境的接触反馈力跟踪准确性,增强操作者临场体验感;
(2)、本发明采用扩展卡尔曼滤波,提高对从机器人的位置跟踪准确性,改善遥操作系统迟滞状况;
(3)、本发明一种基于力和位置预测控制的多时延遥操作控制方法,确保多时延遥操作系统稳定性。
附图说明
图1是基于对力与位置预测的多时延遥操作系统稳定性控制方法原理图;
图2是图所示预测控制模块的预测控制示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是基于对力与位置预测的多时延遥操作系统稳定性控制方法原理图。
在本实施例中,如图1所示,多时延遥操作系统包含操作者模块,主机器人,主机器人控制器,预测控制模块,通信通道,从机器人,从机器人控制器,环境模块。本实施例将从机器人作用环境时的接触力模型建立在主机器人端。
下面结合图1,对本发明一种基于对力与位置预测的多时延遥操作系统稳定性控制方法进行详细说明,具体包括以下步骤:
S1、估算从机器人所接触环境的环境刚度参数Kc和环境阻尼度参数Bc
S1.1、根据从机器人传感器实时采集的环境接触力Fe(t)与从机器人位置xs(t),建立关系式:
对(1)式两边同时取对数,得:
其中,ε为测量误差;n为常数,其大小依赖于接触物质材料及其几何特性,取值介于1和2之间;
(1.2)、利用指数加权递归最小二乘法估算环境刚度参数Kc和环境阻尼度参数Bc
(1.2.1)、设置迭代次数k;
(1.2.2)、对公式(2)进行参数化;
令yk=ln(Fk),
那么(2)式参数化后表示为:
(1.2.3)、结合公式(3),利用指数加权递归最小二乘法对从机器人所接触的环境参数识别,具体为:
在环境参数识别过程中,通过(4)式的迭代运算估算出第k迭代后从机器人所接触环境刚度参数和环境阻尼度参数为:并作为从机器人所接触环境刚度参数Kc和环境阻尼度参数Bc
S2、如图2所示,参数辨识过程通过解算从机器人经过时延反馈过来的力与位置,进行实时辨识接触力模型的环境刚度,从而训练所应用的环境接触力模型,即预测出从机器人与环境的接触力
其中,xm(t)表示t时刻时主机器人的位置,为xm(t)的一阶导数,表示主机器人移动速度;Kcxm n(t)是非线性弹力,Bcxm n(t)是非线性粘力;
S3、用扩展卡尔曼滤波算法预测从机器人位置
而估计值即为预测的从机器人位置
其中,uk表示第k个时刻扩展卡尔曼滤波算法的输入量;Ak和Hk均为第k个时刻的雅克比矩阵,Qk表示第k个时刻的过程激励噪声的协方差矩阵;Rk表示第k个时刻的测量噪声协方差矩阵;I表示单位矩阵;y(k)表示第k个时刻扩展卡尔曼滤波算法的观测量;f(·)和g(·)表示非线性函数;()T表示转置;
S4、基于力与位置预测,设计多时延遥操作系统对主机器人与从机器人的驱动控制律
主机器人的驱动控制律为:
从机器人的驱动控制律为:
其中,Fh(t)表示t时刻操作者与主机器人的相互作用力,C1(t)和C4(t)表示t时刻位置通道的控制器,C2(t)和C3(t)表示t时刻力通道的控制器,C5(t)和C6(t)表示t时刻本地力反馈控制器,Cm(t)和Cs(t)表示t时刻本地位置反馈控制器;
S5、利用主机器人与从机器人的驱动控制律分别控制主机器人与从机器人,从而实现多时延遥操作系统稳定性控制。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (2)
1.一种基于对力与位置预测的多时延遥操作系统稳定性控制方法,其特征在于,包括以下步骤:
(1)、估算从机器人所接触环境的环境刚度参数Kc和环境阻尼度参数Bc
(1.1)、根据从机器人传感器实时采集的环境接触力Fe与从机器人位置xs,建立关系式:
对(1)式两边同时取对数,得:
其中,n为常数,其大小依赖于接触物质材料及其几何特性,取值介于1和2之间;
(1.2)、利用指数加权递归最小二乘法估算环境刚度参数Kc和环境阻尼度参数Bc
(1.2.1)、设置迭代次数k;
(1.2.2)、对公式(2)进行参数化;
令yk=ln(Fk),
那么(2)式参数化后表示为:
(1.2.3)、结合公式(3),利用指数加权递归最小二乘法对从机器人所接触的环境参数识别,具体为:
在环境参数识别过程中,通过(4)式的迭代运算估算出第k迭代后从机器人所接触环境刚度参数和环境阻尼度参数为:并作为从机器人所接触环境刚度参数Kc和环境阻尼度参数Bc;
(2)、预测从机器人与环境的接触力
其中,xm表示主机器人的位置,为xm的一阶导数,表示主机器人移动速度;Kcxm n是非线性弹力,Bcxm n是非线性粘力;
(3)、利用扩展卡尔曼滤波算法预测从机器人位置
而估计值即为预测的从机器人位置
其中,uk表示第k个时刻扩展卡尔曼滤波算法的输入量输入量;Ak和Hk均为第k个时刻的雅克比矩阵,Qk表示第k个时刻的过程激励噪声的协方差矩阵;Rk表示第k个时刻的测量噪声协方差矩阵;I表示单位矩阵;y(k)表示第k个时刻扩展卡尔曼滤波算法的观测量;f(·)和g(·)表示非线性函数;()T表示转置;
(4)、基于力与位置预测,设计多时延遥操作系统对主机器人与从机器人的驱动控制律
主机器人的驱动控制律为:
从机器人的驱动控制律为:
其中,Fh表示操作者与主机器人的相互作用力,C1和C4表示位置通道的控制器,C2和C3表示力通道的控制器,C5和C6表示本地力反馈控制器,Cm和Cs表示本地位置反馈控制器;
(5)、利用主机器人与从机器人的驱动控制律分别控制主机器人与从机器人,从而实现多时延遥操作系统稳定性控制。
2.根据权利要求1所述的一种基于对力与位置预测的多时延遥操作系统稳定性控制方法,其特征在于,所述的环境参数识别时需要满足的条件为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810361629.7A CN108519739B (zh) | 2018-04-20 | 2018-04-20 | 基于对力与位置预测的多时延遥操作系统稳定性控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810361629.7A CN108519739B (zh) | 2018-04-20 | 2018-04-20 | 基于对力与位置预测的多时延遥操作系统稳定性控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108519739A true CN108519739A (zh) | 2018-09-11 |
CN108519739B CN108519739B (zh) | 2020-12-01 |
Family
ID=63428923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810361629.7A Active CN108519739B (zh) | 2018-04-20 | 2018-04-20 | 基于对力与位置预测的多时延遥操作系统稳定性控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108519739B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110007601A (zh) * | 2019-05-06 | 2019-07-12 | 广东工业大学 | 一种双边遥操作系统的控制装置和设备 |
CN111444459A (zh) * | 2020-02-21 | 2020-07-24 | 哈尔滨工业大学 | 一种遥操作系统的接触力的确定方法及系统 |
CN113110051A (zh) * | 2021-04-14 | 2021-07-13 | 南开大学 | 考虑误差约束的打磨机器人力/位混合控制方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986219A (zh) * | 2010-08-27 | 2011-03-16 | 东南大学 | 基于虚实力融合的遥操作机器人力觉临场感实现方法 |
US8606838B1 (en) * | 2010-11-10 | 2013-12-10 | Raytheon Company | Method and apparatus for configurable sample rate conversion in teleoperated devices |
CN103914628A (zh) * | 2014-04-21 | 2014-07-09 | 西北工业大学 | 一种空间遥操作系统输出状态预测方法 |
KR101507102B1 (ko) * | 2014-04-21 | 2015-04-07 | 한국기술교육대학교 산학협력단 | 다자간 원격조종 시스템의 안정화 방법 |
CN105382841A (zh) * | 2015-11-17 | 2016-03-09 | 西北工业大学 | 一种基于双通道通讯的遥操作双边控制方法 |
CN105982735A (zh) * | 2015-01-30 | 2016-10-05 | 上海交通大学 | 提高主从式远程遥操作手术系统透明性和稳定性的方法 |
CN106737661A (zh) * | 2016-11-21 | 2017-05-31 | 电子科技大学 | 一种时延力反馈遥控机器人的自调整控制系统 |
CN106773668A (zh) * | 2016-11-22 | 2017-05-31 | 西北工业大学 | 一种用于变时延双边遥操作系统的稳定控制方法 |
CN107255922A (zh) * | 2017-05-27 | 2017-10-17 | 燕山大学 | 一种基于自适应双层滑模的遥操作系统快速力估计方法 |
CN107422639A (zh) * | 2017-07-13 | 2017-12-01 | 西北工业大学 | 一种基于时间延迟估计的双边遥操作控制方法 |
-
2018
- 2018-04-20 CN CN201810361629.7A patent/CN108519739B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986219A (zh) * | 2010-08-27 | 2011-03-16 | 东南大学 | 基于虚实力融合的遥操作机器人力觉临场感实现方法 |
US8606838B1 (en) * | 2010-11-10 | 2013-12-10 | Raytheon Company | Method and apparatus for configurable sample rate conversion in teleoperated devices |
CN103914628A (zh) * | 2014-04-21 | 2014-07-09 | 西北工业大学 | 一种空间遥操作系统输出状态预测方法 |
KR101507102B1 (ko) * | 2014-04-21 | 2015-04-07 | 한국기술교육대학교 산학협력단 | 다자간 원격조종 시스템의 안정화 방법 |
CN105982735A (zh) * | 2015-01-30 | 2016-10-05 | 上海交通大学 | 提高主从式远程遥操作手术系统透明性和稳定性的方法 |
CN105382841A (zh) * | 2015-11-17 | 2016-03-09 | 西北工业大学 | 一种基于双通道通讯的遥操作双边控制方法 |
CN106737661A (zh) * | 2016-11-21 | 2017-05-31 | 电子科技大学 | 一种时延力反馈遥控机器人的自调整控制系统 |
CN106773668A (zh) * | 2016-11-22 | 2017-05-31 | 西北工业大学 | 一种用于变时延双边遥操作系统的稳定控制方法 |
CN107255922A (zh) * | 2017-05-27 | 2017-10-17 | 燕山大学 | 一种基于自适应双层滑模的遥操作系统快速力估计方法 |
CN107422639A (zh) * | 2017-07-13 | 2017-12-01 | 西北工业大学 | 一种基于时间延迟估计的双边遥操作控制方法 |
Non-Patent Citations (2)
Title |
---|
CHRISTIAN SMITH PATRIC JENSFELT: "A predictor for operator input for time-delayed teleoperation", 《MECHATRONICS》 * |
倪得晶: "基于虚拟现实的机器人遥操作关键技术研究", 《仪器仪表学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110007601A (zh) * | 2019-05-06 | 2019-07-12 | 广东工业大学 | 一种双边遥操作系统的控制装置和设备 |
CN111444459A (zh) * | 2020-02-21 | 2020-07-24 | 哈尔滨工业大学 | 一种遥操作系统的接触力的确定方法及系统 |
CN113110051A (zh) * | 2021-04-14 | 2021-07-13 | 南开大学 | 考虑误差约束的打磨机器人力/位混合控制方法及系统 |
CN113110051B (zh) * | 2021-04-14 | 2022-03-04 | 南开大学 | 考虑误差约束的打磨机器人力/位混合控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108519739B (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bagheri et al. | Feedback linearization based predictor for time delay control of a high-DOF robot manipulator | |
US10478969B2 (en) | Method for the improved detection of the collision of a robot with its environment, system and computer program product implementing said method | |
Fox et al. | A probabilistic approach to collaborative multi-robot localization | |
CN110488843B (zh) | 避障方法、移动机器人及计算机可读存储介质 | |
CN108519739A (zh) | 基于对力与位置预测的多时延遥操作系统稳定性控制方法 | |
CN109940622A (zh) | 一种基于电机电流的机器人机械臂无传感碰撞检测方法 | |
Sun et al. | Bilateral telerobotic system using type-2 fuzzy neural network based moving horizon estimation force observer for enhancement of environmental force compliance and human perception | |
Wang et al. | Adaptive fuzzy visual tracking control for manipulator with quantized saturation input | |
Xu et al. | Enhanced bioinspired backstepping control for a mobile robot with unscented Kalman filter | |
Villarreal-Cervantes et al. | Stabilization of a (3, 0) mobile robot by means of an event-triggered control | |
Chen et al. | Time delay prediction for space telerobot system with a modified sparse multivariate linear regression method | |
Yu et al. | An observer-based adaptive neural network tracking control of robotic systems | |
Yan et al. | Nonlinear state space modeling and system identification for electrohydraulic control | |
Gao et al. | Time-optimal trajectory planning of industrial robots based on particle swarm optimization | |
Pedrammehr et al. | Model-based control of axisymmetric hexarot parallel manipulators | |
CN107065559A (zh) | 一种工业机器人增量自适应控制方法 | |
Zhang et al. | Robot collision detection without external sensors based on time-series analysis | |
Ding et al. | Terminal force soft sensing of hydraulic manipulator based on the parameter identification | |
Norizuki et al. | Contact prediction control for a teleoperation system with time delay | |
Pan et al. | An adaptive sparse general regression neural network-based force observer for teleoperation system | |
Liu et al. | A new method for mobile robot arm blind grasping using ultrasonic sensors and Artificial Neural Networks | |
Nikitenko et al. | Single robot localisation approach for indoor robotic systems through integration of odometry and artificial landmarks | |
Tang et al. | Actively learning Gaussian process dynamical systems through global and local explorations | |
Liaw et al. | Target prediction to improve human errors in robot teleoperation system | |
Wang et al. | Bio-inspired robust control of a robot arm-and-hand system based on human viscoelastic properties |
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 |