CN109015634B - 基于性能函数的多臂遥操作机器人力/位置混合控制方法 - Google Patents

Abstract

本发明涉及一种基于性能函数的多臂遥操作机器人力/位置混合控制方法，考虑到实际操作过程中，操作对象、机械臂在操作过程中的力/位置耦合的情况，通过分别设计主从端的控制器，在从端机械臂的控制过程中，通过预设计机械臂的性能函数，设计从端机械臂的力位置混合控制器，实现操作过程中，目标受到一定外界扰动情况下，仍能通过机械臂的控制消减扰动的影响，同时自适应的调整自身的位置、速度和作用力，保证系统操作的稳定性，从而实现多臂遥操的配合操作。

Description

基于性能函数的多臂遥操作机器人力/位置混合控制方法

技术领域

本发明属于遥操作领域，涉及一种基于性能函数的多臂遥操作机器人力/位置混合控制方法。

背景技术

目前机器人广泛应用于工业、深海、空间、医疗和核物理等领域，代替人完成组装、检修、操作等任务，避免这些危险环境对人的损伤，并在一定程度上降低任务完成的成本。但是由于机器人的智能有限，在时变或者未知的操作环境中，无法自主完成操作任务，这就需要操作人员通过“人在回路”的方式通过遥操作的方式操作机器人完成。多机械臂遥操作技术目前已经在医学领域得到一定的应用，例如“达芬奇”手术机器人等，但是这些多臂遥操作机器人多数采用位置控制的方法，但是对于操作过程中并未对接触力进行控制，这样容易导致操作作用力/力矩过大的情况，从而超出执行器能力的范围，甚至造成机械臂的损坏。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于性能函数的多臂遥操作机器人力/位置混合控制方法，对在多臂遥操作协同控制过程中，从端机械臂受到外界扰动、操作对象与机械臂力/位置耦合、目标不可测机动等条件的影响，提出一种基于性能函数的多臂遥操作机器人力/位置混合控制方法。

技术方案

一种基于性能函数的多臂遥操作机器人力/位置混合控制方法，其特征在于步骤如下：

步骤1：建立多人遥操作操作者和的动力学模型

其中，M_mi,

和G_mi(q_mi),i＝1,2,...,n分别为主手i的惯性矩阵、向心力和科式力和重力参数，n表示操作者的数目，d_mi(t)为主手i在t时刻的扰动项，且满足|d_mi(t)|＜δ_mi，τ_msi(t)表示t时刻的控制力矩，F_hi(t)表示主手i操作者作用在末端点的作用力，

表示主手i的雅克比矩阵，M_si,

和G_si(q_si),i＝1,2,...,n分别为从手机械臂i的惯性矩阵、向心力和科式力和重力，操作者数目和机械臂相同，n表示机械臂的数目，d_si(t)为从手i在t时刻的扰动项，且满足|d_si(t)|＜δ_si，τ_csi(t)表示t时刻的控制力矩，F_si(t)表示从手i操作者作用在环境的作用力

表示从手i的雅克比矩阵，q_mi,

和

分别表示主手i在关节坐标系下的角度、角速度和角加速度，q_si,

和

分别表示从手i在关节坐标系下的角度、角速度和角加速度；

步骤2：建立操作对象的动力学模型

其中，M_o,

和G_o(x)分别为目标的惯性矩阵、向心力和科式力和重力参数，F_o表示作用在物体上的作用力；

所述

步骤3：设计从手控制器

受到操作环境的变化，从端机械臂的惯性参数及其相应的矩阵M_si、

和G_si(q_si)在实际操作过程中都会存在不确定项，令

和

其中

和

分别表示对参数M_si、C_si和G_si的初始估计值，ΔM_si、ΔC_si和ΔG_si分别表示不确定值，令

表示机器人系统动力学的不确定项；

从端的力位混合控制器：

其中，

表示从端期望的作用力，η_i表示一个常数，α_si表示辅助函数，其表达式为：

其中，e_i＝q_mi(t-T)-q_si(t)，

T表示主从端的通信时延，q_mi(t-T)表示从主端经过时延T之后传递到从端的信号，

表示矩阵J_si(q_si)的广义逆矩阵，k₁表示一个常数，κ₁(t)表示与性能函数相关的时变系数，其具体表达式为：

其中，

分别为性能函数的上界和下界，其与误差之间的关系如图2所示，γ_1i和γ_2i均为常数，β_i＞0，φ_i(t)表示性能函数，具体表达式为：

其中，ρ_0i、ρ_∞i和a_i分别为常数。

表示从手1通过RBF神经网络对参数ρ的估计值，定义

且该值有界

其中|A|符号表示对值A的绝对值，

为一个正数，η_si的表示是表达式如下：

其中，μ_si为一个正数，表示对于e_i限制的阈值，δ_si为一个比例系数，通常情况下δ_si＝1；

步骤4：主手控制器设计

定义γ_i＝q_si(t-T)-q_mi(t),其中，T表示主从端的通信时延，定义

则主手i的控制力设计为：

其中，k_mi为一个正数，表示系统的控制参数，通过调节参数k_mi可以保证系统的稳定性，η_mi为系统的鲁棒项，用来减弱参数ε_i对系统稳定性的影响，其中η_mi的表达式如下：

η_mi＝δ_mi·sat(ε_i,μ_mi)

其中，μ_mi为一个正数，表示对于ε_i限制的阈值，δ_mi为一个比例系数，通常情况下δ_mi＝1；

步骤5：以步骤3得到的从手控制器和步骤4得到的主手控制器输入步骤1和步骤2的动力学模型中，实现多臂遥操作机器人力/位置混合控制。

有益效果

本发明提出的一种基于性能函数的多臂遥操作机器人力/位置混合控制方法，考虑到实际操作过程中，操作对象、机械臂在操作过程中的力/位置耦合的情况，通过分别设计主从端的控制器，在从端机械臂的控制过程中，通过预设计机械臂的性能函数，设计从端机械臂的力位置混合控制器，实现操作过程中，目标受到一定外界扰动情况下，仍能通过机械臂的控制消减扰动的影响，同时自适应的调整自身的位置、速度和作用力，保证系统操作的稳定性，从而实现多臂遥操的配合操作。本发明通过设置性能函数，保证操作的瞬态和稳态性能，保证相对位姿控制系统在存在外部干扰不确定性和非合作目标不可测机动的条件下仍能满足预先设计的性能要求。

与现有技术相比，本发明具有以下有益效果：

1)具备较高的灵活性，在非结构化环境之下，完成多机械臂的协同操作任务，相比于单机械臂遥操作操作效率较高，负载较大，相比于自主操作而言，其控制指令是由操作者实时发出的，可以适应操作环境变化对操作可靠性的影响。

具备更高的可靠性，由于采取了力/位置混合控制的策略，在操作的时候不会因为接触力过大对目标造成破坏，同时也保护机械臂自身的安全。

附图说明

图1：多操作者多臂遥操作机器人控制系统示意图

图2：跟踪误差与性能函数之间关系的示意图

具体实施方式

现结合实施例、附图对本发明作进一步描述：

本发明考虑空间多臂机器人在非结构化空间环境下协同操作一个位置目标，多臂机器人与多名操作者之间存在对应关系，即操作者数目和空间机器人臂数相同。如图1所示，在操作过程中，操作者通过操作独立的手控器将控制信息传递给计算机，计算机通过网络回路将控制指令传递给机械臂，机械臂在操作之后将传感器测量的位置、力信息传递给控制器，再由控制器将反馈信息反映到每个操作者的操作器上。它包括以下四个步骤：

1、建立多人遥操作操作者和的动力学模型:

其中，M_mi,

和G_mi(q_mi),i＝1,2,...,n分别为主手i的惯性矩阵、向心力和科式力和重力参数，n表示操作者的数目，d_mi(t)为主手i在t时刻的扰动项，且满足|d_mi(t)|＜δ_mi，τ_msi(t)表示t时刻的控制力矩，F_hi(t)表示主手i操作者作用在末端点的作用力，

表示主手i的雅克比矩阵，M_si,

和G_si(q_si),i＝1,2,...,n分别为从手机械臂i的惯性矩阵、向心力和科式力和重力，操作者数目和机械臂相同，n表示机械臂的数目，d_si(t)为从手i在t时刻的扰动项，且满足|d_si(t)|＜δ_si，τ_csi(t)表示t时刻的控制力矩，F_si(t)表示从手i操作者作用在环境的作用力

表示从手i的雅克比矩阵，q_mi,

和

分别表示主手i在关节坐标系下的角度、角速度度，q_si,

和

分别表示从手i在关节坐标系下的角度、角速度和角加速度。

受到操作环境的变化，从端机械臂的惯性参数及其相应的矩阵M_si、

和G_si(q_si)在实际操作过程中都会存在不确定项，这种不确定项主要会对从端的操作精度产生较大的影响，所以令

和

其中

和

分别表示对参数M_si、C_si和G_si的初始估计值，ΔM_si、ΔC_si和ΔG_si分别表示不确定值，令

表示机器人系统动力学的不确定项。

2、建立操作对象的动力学模型

其中，M_o,

和G_o(x)分别为目标的惯性矩阵、向心力和科式力和重力参数，F_o表示作用在物体上的作用力，具体可以表示为

3、从手控制器设计

从端的力位混合控制器如下

其中，

表示从端期望的作用力，η_i表示一个常数，α_si表示辅助函数，其表达式为

其中，e_i＝q_mi(t-T)-q_si(t)，

T表示主从端的通信时延，q_mi(t-T)表示从主端经过时延T之后传递到从端的信号，

表示矩阵J_si(q_si)的广义逆矩阵，k₁表示一个常数，κ₁(t)表示与性能函数相关的时变系数，其具体表达式为

其中，

分别为性能函数的上界和下界，其与误差之间的关系如图2所示，γ_1i和γ_2i均为常数，β_i＞0，φ_i(t)表示性能函数，具体表达式为

其中，ρ_0i、ρ_∞i和a_i分别为常数。

表示从手1通过RBF神经网络对参数ρ的估计值，定义

且该值有界

其中|A|符号表示对值A的绝对值，

为一个正数，η_si的表示是表达式如下

3、主手控制器设计

定义γ_i＝q_si(t-T)-q_mi(t),其中，T表示主从端的通信时延，定义

则主手i的控制力设计为：

其中，k_mi为一个正数，表示系统的控制参数，通过调节参数k_mi可以保证系统的稳定性，η_mi为系统的鲁棒项，用来减弱参数ε_i对系统稳定性的影响，其中η_mi的表达式如下：

η_mi＝δ_mi·sat(ε_i,μ_mi)

其中，μ_mi为一个正数，表示对于ε_i限制的阈值，δ_mi为一个比例系数，通常情况下δ_mi＝1。

以步骤3得到的从手控制器和步骤4得到的主手控制器输入步骤1和步骤2的动力学模型中，实现多臂遥操作机器人力/位置混合控制。

Claims (1)

1.一种基于性能函数的多臂遥操作机器人力/位置混合控制方法，其特征在于步骤如下：

步骤1：建立多人遥操作系统的操作者和从手机械臂的动力学模型

其中，M_mi,

和G_mi(q_mi),i＝1,2,...,n分别为主手i的惯性矩阵、向心力和科式力和重力参数，n表示操作者的数目，d_mi(t)为主手i在t时刻的扰动项，且满足|d_mi(t)|＜δ_mi，τ_msi(t)表示t时刻的控制力矩，F_hi(t)表示主手i操作者作用在末端点的作用力，

表示主手i的雅克比矩阵，M_si,

和G_si(q_si),i＝1,2,...,n分别为从手机械臂i的惯性矩阵、向心力和科式力和重力，操作者数目和机械臂相同，n表示机械臂的数目，d_si(t)为从手i在t时刻的扰动项，且满足|d_si(t)|＜δ_si，τ_csi(t)表示t时刻的控制力矩，F_si(t)表示从手i操作者作用在环境的作用力，

表示从手i的雅克比矩阵，q_mi,

和

分别表示主手i在关节坐标系下的角度、角速度和角加速度，q_si,

和

分别表示从手i在关节坐标系下的角度、角速度和角加速度；

步骤2：建立操作对象的动力学模型

其中，M_o,

和G_o(x)分别为目标的惯性矩阵、向心力和科式力和重力参数，F_o表示作用在物体上的作用力；

所述

步骤3：设计从手控制器

受到操作环境的变化，从端机械臂的惯性参数及其相应的矩阵M_si、

和G_si(q_si)在实际操作过程中都会存在不确定项，令

和

其中

和

分别表示对参数M_si、C_si和G_si的初始估计值，ΔM_si、ΔC_si和ΔG_si分别表示不确定值，令

表示机器人系统动力学的不确定项；

从端的力位混合控制器：

其中，

表示从端期望的作用力，η_i表示一个常数，α_si表示辅助函数，其表达式为：

其中，e_i＝q_mi(t-T)-q_si(t)，

T表示主从端的通信时延，q_mi(t-T)表示从主端经过时延T之后传递到从端的信号，

表示矩阵J_si(q_si)的广义逆矩阵，k₁表示一个常数，κ₁(t)表示与性能函数相关的时变系数，其具体表达式为：

其中，

分别为性能函数的上界和下界，γ_1i和γ_2i均为常数，β_i＞0，φ_i(t)表示性能函数，具体表达式为：

其中，ρ_0i、ρ_∞i和a_i分别为常数，

表示从手i通过RBF神经网络对参数ρ的估计值，定义

且该值有界

其中|A|符号表示对值A的绝对值，

为一个正数，η_si的表达式如下：

其中，μ_si为一个正数，表示对于e_i限制的阈值，δ_si为一个比例系数，通常情况下δ_si＝1；

步骤4：主手控制器设计

定义γ_i＝q_si(t-T)-q_mi(t),其中，T表示主从端的通信时延，定义

则主手i的控制力设计为：

其中，k_mi为一个正数，表示系统的控制参数，通过调节参数k_mi可以保证系统的稳定性，η_mi为系统的鲁棒项，用来减弱参数ε_i对系统稳定性的影响，其中η_mi的表达式如下：

η_mi＝δ_mi·sat(ε_i,μ_mi)

其中，μ_mi为一个正数，表示对于ε_i限制的阈值，δ_mi为一个比例系数，通常情况下δ_mi＝1；

步骤5：以步骤3得到的从手控制器和步骤4得到的主手控制器输入步骤1和步骤2的动力学模型中，实现多臂遥操作机器人力/位置混合控制。

Images