CN108908332A

CN108908332A - 超冗余柔性机器人的控制方法及系统、计算机存储介质

Info

Publication number: CN108908332A
Application number: CN201810767326.5A
Authority: CN
Inventors: 徐文福; 牟宗高; 刘天亮; 梁斌
Original assignee: Shenzhen Graduate School Harbin Institute of Technology
Current assignee: Shenzhen Graduate School Harbin Institute of Technology
Priority date: 2018-07-13
Filing date: 2018-07-13
Publication date: 2018-11-30
Anticipated expiration: 2038-07-13
Also published as: CN108908332B

Abstract

本发明公开了一种超冗余柔性机器人的动力学控制方法及系统、计算机存储介质，规划超冗余柔性机器人的期望的电机运动量，根据期望的电机运动量和实际的电机运动量获取实际的PD控制力矩；根据期望的万向节关节运动量获取万向节关节期望的驱动力矩，并根据期望的驱动力矩获取驱动绳对应电机的期望的前馈控制力矩；根据实际的PD控制力矩和期望的前馈控制力矩获取实际的电机输出控制力矩；根据实际的电机输出控制力矩获取万向节的驱动力矩；根据万向节的驱动力矩仿真控制超冗余柔性机器人；获取超冗余柔性机器人实际的万向节关节运动量，并根据实际的万向节关节运动量获取实际的电机运动量反馈回控制单元；实现对超冗余柔性机器人的闭环控制。

Description

超冗余柔性机器人的控制方法及系统、计算机存储介质

技术领域

本发明涉及机器人控制领域，尤其是一种超冗余柔性机器人的动力学控制方法及系统、计算机存储介质。

背景技术

由于超冗余机器人自由度数目多、动力学耦合较强、系统非线性等特点，使得超冗余机器人系统的控制具有相当的复杂性。众多学者都对超冗余机器人的控制提出了相应解决方案。Robinson等介绍了连续结构参数的表示方法，介绍了离散型、超冗余型和连续型机器人结构之间的根本差异。Chirikjian等提出了采用脊线法控制超冗余机器人宏观构型的思想。Mochiyama等研究了使用构型雅各比的方式控制超冗余机器人整体构型的问题。

针对超冗余机器人控制中的难点，学者们分别采用经典控制理论(比例微分控制)和智能控制理论(模糊控制、神经网络控制)等对超冗余机器人的控制做了研究。Jones等引入了超冗余机器人的实时控制器的控制模式。该方法将由编码器测量的机械臂实际位置和由运动学计算的期望位置误差输入比例微分控制器，通过叠加重力补偿项以获得更高的控制精度。Ivanescu等着重于研究连续型机械臂卷取方式抓取的问题，提出了基于Kahman-Yakubovich-Popov引理和比例微分算法的稳定性标准，然后对载荷抓持的控制做了分析。Yi等提出了一种自适应模糊比例积分控制策略，在控制其冗余臂时结合了机器人上身旋转的运动。本质上，模糊逻辑通过利用躯体的类人形角动量误差来互连两个不同的维度信息，以便在每个循环中主动调整其末端执行器的控制参数。Benzaoui等针对模型不确定的情况使用了模糊自适应控制方式实现障碍物回避任务。障碍物的回避是通过机械臂自运动来实现的，该自运动通过滤波跟踪误差直接并入到自适应模糊控制方案中，展示了良好的控制性能。Braganza等通过使用神经网络前馈组件开发了连续型机器人的控制器，提出了一种利用神经网络前馈分量补偿动态不确定性的连续型机器人控制方式。Jasour等设计了一种非线性模型神经网络预测控制方法。利用该方法可以跟踪期望的路径或跟踪笛卡尔空间中的移动目标，同时回避静态或移动的障碍物以及机器人工作空间中的奇异构型。

许多学者也将线性控制方法作为偏微分方程系统的控制方法，证明了反馈控制对于超冗余机器人的适用性。Popescu等研究了一类超冗余机器人的控制问题。通过使用有界线性控制和加权误差控制技术获得了稳定性分析结果。通过使用空间加权误差控制，将无限维系统的控制问题转换成为有限维系统的控制问题，提出了基于加权误差滑模控制的算法。Kapadia和Rucker基于建立的全动态模型，引入了基于非线性模型的连续型机器人滑模控制策略。该方法适用于可以在其结构中伸长或收缩以及弯曲的连续型机器人。等针对冗余机器人(运动学和动力学的参数已知或未知的情况都可以应用)在任务空间中末端轨迹跟踪的控制问题提出了一种计算上简单的无逆控制算法。该算法考虑了估计参数引起的非线性误差，控制器将产生有界和连续的信号。只要在机械臂运动期间满足合理的假设条件，该基于李亚普诺夫稳定理论的无逆控制方案就是渐近稳定的。Florescu等研究了由双曲线方程描述的一类超冗余机器人的跟踪控制问题。通过使用有界线性控制和输出跟踪技术，设计了有效的控制器并对结果做了稳定性分析。

另外也有基于雅克比矩阵控制、基于混沌补偿的动态视觉控制和基于非线性模型预测控制等方法应用于机器人的控制中。Chang等提出了一种用于超冗余机器人的模块化控制方案，通过将机器人分成较小的模块并分别控制每个模块的方式减少计算负担。使用基于雅克比矩阵的控制算法发挥每个模块的冗余性以确保机器人的整体构型匹配给定的期望曲线。Pomares等提出了一种用于混沌补偿的冗余机器人的动态视觉控制方法。混沌控制器集成在视觉伺服系统中，在低速和高速状态都具有较好的控制性能。Wang等通过使用非线性模型预测控制方法在预测目标的输入、输出和障碍回避等方面进一步研究了空间机器人的运动控制问题。采用在线二次规划程序实时应用最优的控制决策，在实时轨迹跟踪和碰撞回避等方面表现出了算法的有效性。

然而，现有技术中未有针对超冗余柔性机器人的动力学控制，为了实现对超冗余柔性机器人的动力学控制，因此，有必要对该技术进行改进。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的是提供一种超冗余柔性机器人的动力学控制方法及系统、计算机存储介质，用于实现对超冗余柔性机器人的控制。

本发明所采用的技术方案是：一种超冗余柔性机器人的动力学控制方法，包括

规划超冗余柔性机器人期望的万向节关节运动量；

根据所述期望的万向节关节运动量获取所述超冗余柔性机器人的期望的驱动绳运动量，并根据所述期望的驱动绳运动量获取期望的电机运动量；

根据所述期望的电机运动量和实际的电机运动量获取实际的PD控制力矩；

根据所述期望的万向节关节运动量获取万向节关节期望的驱动力矩，并根据所述期望的驱动力矩获取万向节坐标系下的期望的驱动力矩；

根据所述万向节坐标系下的期望的驱动力矩获取驱动绳的驱动力，并根据所述驱动绳的驱动力获取驱动绳对应电机的期望的前馈控制力矩；

根据所述实际的PD控制力矩和期望的前馈控制力矩获取实际的电机输出控制力矩；

根据所述实际的电机输出控制力矩获取驱动绳的拉力，并将所述拉力转换成万向节的驱动力矩；

根据所述万向节的驱动力矩仿真控制超冗余柔性机器人；

获取所述超冗余柔性机器人实际的万向节关节运动量，并根据所述实际的万向节关节运动量获取实际的驱动绳运动量，根据所述实际的驱动绳运动量获取实际的电机运动量。

进一步地，所述万向节关节运动量包括万向节的转动角度、万向节的转动角速度和万向节的转动角加速度。

进一步地，所述驱动绳运动量包括驱动绳的长度、驱动绳的长度变化速度和驱动绳的长度变化加速度。

进一步地，所述电机运动量包括电机的转动角度、电机的转动角速度和电机的转动角加速度。

进一步地，通过笛卡尔空间任务规划超冗余柔性机器人期望的万向节关节运动量。

本发明所采用的另一技术方案是：一种超冗余柔性机器人的动力学控制系统，包括

轨迹规划模块，用于规划超冗余柔性机器人期望的万向节关节运动量；

运动学转换模块，用于根据所述期望的万向节关节运动量获取所述超冗余柔性机器人的期望的驱动绳运动量，并根据所述期望的驱动绳运动量获取期望的电机运动量；

PD控制模块，用于根据所述期望的电机运动量和实际的电机运动量获取实际的PD控制力矩；

逆动力学模块，用于根据所述期望的万向节关节运动量获取万向节关节期望的驱动力矩，并根据所述期望的驱动力矩获取万向节坐标系下的期望的驱动力矩；

力矩转换模块，用于根据所述万向节坐标系下的期望的驱动力矩获取驱动绳的驱动力，并根据所述驱动绳的驱动力获取驱动绳对应电机的期望的前馈控制力矩；

前馈补偿模块，用于根据所述实际的PD控制力矩和期望的前馈控制力矩获取实际的电机输出控制力矩；

关节驱动模块，用于根据所述实际的电机输出控制力矩获取驱动绳的拉力，并将所述拉力转换成万向节的驱动力矩；

超冗余柔性机器人模型，用于根据所述万向节的驱动力矩仿真控制超冗余柔性机器人；

关节传感器模块，用于获取所述超冗余柔性机器人实际的万向节关节运动量，并根据所述实际的万向节关节运动量获取实际的驱动绳运动量，根据所述实际的驱动绳运动量获取实际的电机运动量。

进一步地，所述轨迹规划模块通过笛卡尔空间任务规划超冗余柔性机器人期望的万向节关节运动量。

本发明所采用的另一技术方案是：一种计算机存储介质，其上存储有计算机程序，所述程序被处理器执行时实现以下步骤：

规划超冗余柔性机器人期望的万向节关节运动量；

根据所述万向节的驱动力矩仿真控制超冗余柔性机器人；

本发明的有益效果是：

一种超冗余柔性机器人的动力学控制方法及系统、计算机存储介质，规划超冗余柔性机器人期望的万向节关节运动量，根据期望的万向节关节运动量获取超冗余柔性机器人的期望的驱动绳运动量，并根据期望的驱动绳运动量获取期望的电机运动量，根据期望的电机运动量和实际的电机运动量获取实际的PD控制力矩；根据期望的万向节关节运动量获取万向节关节期望的驱动力矩，并根据期望的驱动力矩获取万向节坐标系下的期望的驱动力矩；根据万向节坐标系下的期望的驱动力矩获取驱动绳的驱动力，并根据驱动绳的驱动力获取驱动绳对应电机的期望的前馈控制力矩；根据实际的PD控制力矩和期望的前馈控制力矩获取实际的电机输出控制力矩；根据实际的电机输出控制力矩获取驱动绳的拉力，并将拉力转换成万向节的驱动力矩；根据万向节的驱动力矩仿真控制超冗余柔性机器人；获取超冗余柔性机器人实际的万向节关节运动量，并根据实际的万向节关节运动量获取实际的驱动绳运动量，根据实际的驱动绳运动量获取实际的电机运动量；通过控制力矩的动力学前馈控制以及电机运动量的反馈PD控制，实现对超冗余柔性机器人的闭环控制，克服现有技术中，超冗余机器人由于绳索驱动、自由度数目多、非线性、强耦合等控制问题，无法实现控制的技术问题。

附图说明

下面结合附图对本发明的具体实施方式作进一步说明：

图1是本发明中一种超冗余柔性机器人的动力学控制系统的一具体实施例示意图；

图2是本发明中一种超冗余柔性机器人的动力学控制系统的超冗余柔性机器人的一具体实施例示意图；

图3是本发明中一种超冗余柔性机器人的动力学控制系统的机械臂模型和传感单元的一具体实施例示意图；

图4a和图4b是本发明中一种超冗余柔性机器人的动力学控制系统的一具体实施例YP型万向节关节模型示意图；

图5a和图5b是本发明中一种超冗余柔性机器人的动力学控制系统的一具体实施例PY型万向节关节模型示意图；

图6是本发明中一种超冗余柔性机器人的动力学控制系统的执行单元的一具体实施例示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

一种超冗余柔性机器人的动力学控制系统，参考图1，图1是本发明中一种超冗余柔性机器人的动力学控制系统的一具体实施例示意图；是一种基于动力学前馈补偿的PD控制系统，包括规划单元、控制单元、执行单元、传感单元和机械臂模型，规划单元包括轨迹规划模块和运动学转换模块，控制单元包括PD控制模块、前馈补偿模块、逆动力学模块和力矩转换模块，执行单元包括关节驱动模块，传感单元包括关节传感器模块；其中，

轨迹规划模块，用于规划超冗余柔性机器人期望的万向节关节运动量，万向节关节运动量包括万向节的转动角度、万向节的转动角速度和万向节的转动角加速度；本实施例中，轨迹规划模块通过笛卡尔空间任务规划超冗余柔性机器人期望的万向节关节运动量。

运动学转换模块，用于根据期望的万向节关节运动量获取超冗余柔性机器人的期望的驱动绳运动量，驱动绳运动量包括驱动绳的长度、驱动绳的长度变化速度和驱动绳的长度变化加速度，并根据期望的驱动绳运动量获取期望的电机运动量，电机运动量包括电机的转动角度、电机的转动角速度和电机的转动角加速度。

PD控制模块，用于根据期望的电机运动量和实际的电机运动量获取实际的PD控制力矩。

逆动力学模块，用于根据期望的万向节关节运动量获取万向节关节期望的驱动力矩，并根据期望的驱动力矩获取万向节坐标系下的期望的驱动力矩。

力矩转换模块，用于根据万向节坐标系下的期望的驱动力矩获取驱动绳的驱动力，并根据驱动绳的驱动力获取驱动绳对应电机的期望的前馈控制力矩。

前馈补偿模块，用于根据实际的PD控制力矩和期望的前馈控制力矩获取实际的电机输出控制力矩。

关节驱动模块，用于根据实际的电机输出控制力矩获取驱动绳的拉力，并将拉力转换成万向节的驱动力矩。

超冗余柔性机器人模型，用于根据万向节的驱动力矩仿真控制超冗余柔性机器人。

关节传感器模块，用于获取超冗余柔性机器人实际的万向节关节运动量，并根据实际的万向节关节运动量获取实际的驱动绳运动量，根据实际的驱动绳运动量获取实际的电机运动量并将其反馈回控制单元。

本发明提供的绳索驱动超冗余柔性机器人的动力学控制系统，为超冗余机器人绳索驱动、自由度数目多、非线性、强耦合等控制问题提供了一种解决方案，提出了超冗余机器人计算力矩的控制方法，建立了基于动力学前馈的比例微分(PD)控制系统，实现对超冗余柔性机器人的仿真控制。

本发明的控制系统针对的超冗余柔性机器人为绳索驱动的超冗余柔性机器人，参考图2，图2是本发明中一种超冗余柔性机器人的动力学控制系统的超冗余柔性机器人的一具体实施例示意图；本实施例中，超冗余柔性机器人包含机械臂、控制机械臂的控制箱以及驱动绳索，另外，还示意了万向节坐标系。为了实现对超冗余柔性机器人的仿真控制，通过Matlab/SimMechanics模块分别建立传感单元及机械臂模型。传感单元可以测得万向节关节运动量反馈至PD控制模块，实现闭环控制；机械臂模型作为动力学前馈仿真的控制对象。参照图3，图3是本发明中一种超冗余柔性机器人的动力学控制系统的机械臂模型和传感单元的一具体实施例示意图；仿真模型可以划分为三部分：环境和基座部分、机械臂与传感器部分以及末端效应器部分。

参考图1和图3，本发明的控制系统，先通过规划单元中的轨迹规划模块在万向节关节处进行规划，规划超冗余柔性机器人期望的万向节关节运动量，万向节关节运动量包括万向节的转动角度(如θ_J1d)、万向节的转动角速度(如)和万向节的转动角加速度(如)；再通过规划单元中的运动学转换模块转换成期望的电机运动量，电机运动量包括电机的转动角度(如θ_M1d)、电机的转动角速度(如)和电机的转动角加速度。对于传感单元的检测量也是先通过传感器测得实际的万向节关节运动量，再通过传感器中的运动学转换模块转换成实际的电机运动量反馈至PD控制模块，实现闭环PD控制，获得实际的PD控制力矩。为了增强系统响应的快速性，提高机器人轨迹跟踪精度，本系统的逆动力学模块采用传统关节驱动的模型，其计算的力矩作为所需的前馈力矩。期望的万向节关节运动量(角度、角速度、角加速度)通过逆动力学模块(Inverse Dynamics Module)求解机械臂万向节各个关节处的期望的驱动力矩τ_J，然后将各个关节的期望的驱动力矩统一到万向节坐标系下表示为τ_U，然后将万向节坐标系下的期望的驱动力矩τ_U通过力矩转换模块(TorqueConverter)先转换成驱动绳索的力f_C再转换成控制每条绳索对应电机的期望的前馈控制力矩τ_M，并将该力矩作为前馈量补偿到控制单元中。由前馈补偿模块根据实际的PD控制力矩和期望的前馈控制力矩获得实际的电机输出控制力矩，实际的电机输出控制力矩输入至执行单元去驱动机械臂模型。执行单元先根据实际的电机输出控制力矩获取驱动绳的拉力，并将拉力转换成万向节的驱动力矩，最终将万向节的驱动力矩送入机械臂模型中，通过图3中的torJ1、torJ2等送入机械臂模型，经过传感器后作用在机械臂万向节关节上，实现机械臂仿真控制。通过图3中的传感器关节1、传感器关节2等可以获取万向节关节的实际运动量，以做反馈PD控制。

逆动力学模块根据期望的万向节关节运动量获取万向节关节期望的驱动力矩，并根据期望的驱动力矩获取万向节坐标系下的期望的驱动力矩。力矩转换模块根据万向节坐标系下的期望的驱动力矩获取驱动绳的驱动力，并根据驱动绳的驱动力获取驱动绳对应电机的期望的前馈控制力矩。本实施例中，万向节关节有YP型和PY型两种，下面具体说明期望的前馈控制力矩的计算过程：

(1)、YP型万向节关节(万向节偏航—俯仰型关节)

参考图4a和图4b，图4a和图4b是本发明中一种超冗余柔性机器人的动力学控制系统的一具体实施例YP型万向节关节模型示意图；YP型关节i＝2,6,10；在图4a中，驱动绳索通过下布线圆盘(面A_C3i/2-2A_C3i/2-1A_C3i/2)延伸并固定到上布线圆盘(面B_C3i/2-2B_C3i/2-1B_C3i/2)上。控制万向节的三条驱动绳索可表示为：段A_C3i/2-2B_C3i/2-2,A_C3i/2-1B_C3i/2-1,A_C3i/2B_C3i/2。参考图4b，结合所建立的机械臂关节的D-H坐标系开展绳索长度的分析：

假设关节初始位置时两圆盘之间的距离为2h，那么对于坐标系{i-2},{i-1}如图4b。(布线孔半径2r＝26mm，两圆盘之间的距离为2h＝55mm)。

如图4a和图4b所示，将A_C3i/2-2,A_C3i/2-1,A_C3i/2及B_C3i/2-2,B_C3i/2-1,B_C3i/2点在坐标系{i-2}中表示。A_C3i/2-2,A_C3i/2-1,A_C3i/2及B_C3i/2-2,B_C3i/2-1,B_C3i/2依次绕着X_i-2、X_i-1轴按照右手定则分布，β＝0时为第一个万向节的第一根驱动绳索位置。相邻绳索间隔为2π/3。

圆盘上驱动绳索的固定点B_C3i/2-2,B_C3i/2-1,B_C3i/2点在{i}系中表示为：

B_C3i/2-2,B_C3i/2-1,B_C3i/2点在坐标系{i-2}中表示：

因为驱动绳索只能承受拉力，沿着驱动绳索的单位力的方向在{i-2}系下表示为：

驱动绳索单位方向向量可求得如下：

力臂的方向是从旋转中心指向力的作用点的方向。{i-2}系到驱动绳索作用点的矢量(即力臂)如下：

驱动绳索的拉力对{i-2}系坐标原点取力矩可得：

式中，

在YP型万向节中{i-2}系与{i-1}系关系如下：

在{i-2}系中绕Z轴的第一个关节力矩为τ_Ji-1；在{i-1}系中绕Z轴的第二个关节力矩为τ_Ji。当两个关节力矩统一在{i-2}系表达时：YP型万向节的Pitch关节在{i-1}系下的力矩转换到当前万向节坐标系{i-2}系下表示时要带一个负号。

(2)、PY型万向节关节(万向节俯仰—偏航型关节)

参照图5a和图5b，图5a和图5b是本发明中一种超冗余柔性机器人的动力学控制系统的一具体实施例PY型万向节关节模型示意图；PY型关节i＝4,8,12；类似于YP型万向节，PY型万向节的模型如图5a和图5b所示。PY型关节的求解过程不再赘述，在{i-2}系中绕Z轴的第一个关节力矩为τ_Ji-1；在{i-1}中绕Z轴的第二个关节力矩为τ_Ji。当将两个关节力矩统一在{i-2}系中表达时可以得到表达式为PY型万向节的Yaw轴在{i-1}系的力矩τ_Ji转换在当前万向节坐标系{i-2}系下是正值，转换关系需要区别于YP型万向节的转换关系。

通过对YP型及PY型万向节的分析可以求得对应的万向节在X轴、Y轴、Z轴上的扭矩，由于两种万向节构型力矩在形式表达一致，因此在本实施例中省略右上标“YP”和“PY”如：τ_Ui/2＝[τ_Ui/2x τ_Ui/2y τ_Ui/2z]^T，利用式(9)，通过克莱姆法则可以求得对应绳索拉力大小及方向：

如果det(A_Ui/2)≠0，有唯一解：

如果det(A_Ui/2)＝0，有多个解。

综上，当知道作用在万向节上的力矩时，可以求得作用在三条绳索上的拉力f_C3i/2-2,f_C3i/2-1,f_C3i/2大小及方向e_C3i/2-2,e_C3i/2-1,e_C3i/2。

当通过逆动力学求得YP型和PY型万向节(在本本实施例中同样可省略右上标“YP”和“PY”)各个控制绳索的拉力后，由式(16)可以求得需要补偿到控制电机的力矩，即期望的前馈控制力矩为：

而前馈补偿模块根据实际的PD控制力矩和期望的前馈控制力矩获取实际的电机输出控制力矩；而关节驱动模块根据实际的电机输出控制力矩获取驱动绳的拉力，并将拉力转换成万向节的驱动力矩。具体地，关节驱动模块可以使用电机来带动绳索运动，参照图6，图6是本发明中一种超冗余柔性机器人的动力学控制系统的执行单元的一具体实施例示意图。本实施例中，电机带动两级齿轮转动，以带动绳索运动。两级齿轮传动之间的效率分别为η₁、η₂，电机的输出功率为P，电机的输出力矩为τ_Mi，转动角速度为而驱动系统的移动速度即为驱动绳索的绳长变化速度i_Ci，通过齿轮系功率传递关系可得:

f_Ci＝f_Ci·e_Ci (20)

将绳索拉力转换成万向节关节处的实际驱动力矩τ_J。逆力矩分析可知绳索拉力与万向节之间存在关系如式(21)所示：

τ_Ui/2＝r_3i/2-2×e_C3i/2-2·f_C3i/2-2+r_3i/2-1×e_C3i/2-1·f_C3i/2-1+r_3i/2×e_C3i/2·f_C3i/2(21)

式中，τ_Ui/2＝[τ_Ui/2x τ_Ui/2y τ_Ui/2z]^T；

r_3i/2×e_C3i/2＝[re_C3i/2x re_C3i/2y re_C3i/2z]^T。

将实际绳索拉力代入(22)：

在{i-2}系中绕Z轴的一关节力矩是τ_Ji-1；在{i-1}系中绕Z轴的二关节力矩是τ_Ji。

(1)对于YP型万向节关节

当统一在{i-2}系表达时YP型万向节Pitch轴在{i-1}系下的力矩转换到当前万向节坐标系{i-2}系下表示时要带一个负号，即

(2)对于PY型万向节关节

当统一在{i-2}系表达时，PY型万向节Yaw轴在{i-1}系的力矩τ_Ji转换在当前万向节坐标系({i-2}系)下是正值，即

基于上述超冗余柔性机器人的动力学控制系统，本发明还提供一种超冗余柔性机器人的动力学控制方法，包括

规划超冗余柔性机器人期望的万向节关节运动量，万向节关节运动量包括万向节的转动角度、万向节的转动角速度和万向节的转动角加速度；具体地，通过笛卡尔空间任务规划超冗余柔性机器人期望的万向节关节运动量。

根据期望的万向节关节运动量获取超冗余柔性机器人的期望的驱动绳运动量，驱动绳运动量包括驱动绳的长度、驱动绳的长度变化速度和驱动绳的长度变化加速度，并根据期望的驱动绳运动量获取期望的电机运动量，电机运动量包括电机的转动角度、电机的转动角速度和电机的转动角加速度；

根据期望的电机运动量和实际的电机运动量获取实际的PD(比例微分)控制力矩；

根据期望的万向节关节运动量获取万向节关节期望的驱动力矩，并根据期望的驱动力矩获取万向节坐标系下的期望的驱动力矩；

根据万向节坐标系下的期望的驱动力矩获取驱动绳的驱动力，并根据驱动绳的驱动力获取驱动绳对应电机的期望的前馈控制力矩；

根据实际的PD控制力矩和期望的前馈控制力矩获取实际的电机输出控制力矩；

根据实际的电机输出控制力矩获取驱动绳的拉力，并将拉力转换成万向节的驱动力矩；

根据万向节的驱动力矩仿真控制超冗余柔性机器人；

获取超冗余柔性机器人实际的万向节关节运动量，并根据实际的万向节关节运动量获取实际的驱动绳运动量，根据实际的驱动绳运动量获取实际的电机运动量。

其中，一种超冗余柔性机器人的动力学控制方法的具体实现方法参照上述动力学控制系统的叙述，不再赘述。

最后，本发明还提供一种计算机存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

规划超冗余柔性机器人期望的万向节关节运动量，万向节关节运动量包括万向节的转动角度、万向节的转动角速度和万向节的转动角加速度；具体地，本实施例中，通过笛卡尔空间任务规划超冗余柔性机器人期望的万向节关节运动量。

根据期望的电机运动量和实际的电机运动量获取实际的PD控制力矩；

根据万向节的驱动力矩仿真控制超冗余柔性机器人；

其中，一种计算机存储介质存储的计算机程序的具体实现方法参照上述动力学控制系统的叙述，不再赘述。

本发明先通过规划单元中的轨迹规划模块在万向节关节处进行规划，再通过规划单元中的运动学转换模块转换成电机的期望运动量。而对于传感单元的检测量也是先通过传感器测得关节实际角度，再通过传感器中的运动学转换模块转换成电机实际运动量，反馈至PD控制模块中以实现闭环PD控制，实现超冗余柔性机器人控制。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims

1.一种超冗余柔性机器人的动力学控制方法，其特征在于，包括

规划超冗余柔性机器人期望的万向节关节运动量；

根据所述万向节的驱动力矩仿真控制超冗余柔性机器人；

2.根据权利要求1所述的超冗余柔性机器人的动力学控制方法，其特征在于，所述万向节关节运动量包括万向节的转动角度、万向节的转动角速度和万向节的转动角加速度。

3.根据权利要求1所述的超冗余柔性机器人的动力学控制方法，其特征在于，所述驱动绳运动量包括驱动绳的长度、驱动绳的长度变化速度和驱动绳的长度变化加速度。

4.根据权利要求1所述的超冗余柔性机器人的动力学控制方法，其特征在于，所述电机运动量包括电机的转动角度、电机的转动角速度和电机的转动角加速度。

5.根据权利要求1至4任一项所述的超冗余柔性机器人的动力学控制方法，其特征在于，通过笛卡尔空间任务规划超冗余柔性机器人期望的万向节关节运动量。

6.一种超冗余柔性机器人的动力学控制系统，其特征在于，包括

7.根据权利要求6所述的超冗余柔性机器人的动力学控制系统，其特征在于，所述轨迹规划模块通过笛卡尔空间任务规划超冗余柔性机器人期望的万向节关节运动量。

8.一种计算机存储介质，其特征在于，其上存储有计算机程序，所述程序被处理器执行时实现以下步骤：

规划超冗余柔性机器人期望的万向节关节运动量；

根据所述万向节的驱动力矩仿真控制超冗余柔性机器人；

9.根据权利要求8所述的计算机存储介质，其特征在于，通过笛卡尔空间任务规划超冗余柔性机器人期望的万向节关节运动量。