CN109421081A - 一种基于重载搬运的智能助力机器人系统的研制方法 - Google Patents
一种基于重载搬运的智能助力机器人系统的研制方法 Download PDFInfo
- Publication number
- CN109421081A CN109421081A CN201710779464.0A CN201710779464A CN109421081A CN 109421081 A CN109421081 A CN 109421081A CN 201710779464 A CN201710779464 A CN 201710779464A CN 109421081 A CN109421081 A CN 109421081A
- Authority
- CN
- China
- Prior art keywords
- motion
- power
- human
- assisting robot
- robot
- 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.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/007—Means or methods for designing or fabricating manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于重载搬运的智能助力机器人系统的研制方法,包括如下步骤:首先进行人体运动特征规律研究,对人体搬运过程中人体各部位,构建人体搬运模型与运动特征数据库;然后进行柔性压力传感阵列的研制:采用微纳米结构和多个感知单元的柔性压力传感器阵列,并将其集成于助力机器人,实现对人体手臂/下肢压力相关参数的实时精确检测;再进行多传感器人体运动意图判别:采用多传感器信息获取系统捕获在运动过程中的手臂/下肢压力信号,对人体运动意图进行判别,最后进行助力机器人力随动自适应控制:根据人类运动规律,分解人类各关节在运动时的仿生轨迹图,并依据轨迹图制定机器人电动缸跟踪轨迹以实现该仿生动作。
Description
技术领域
本发明涉及机器人系统研制技术领域,具体是一种基于重载搬运的智能助力机器人系统的研制方法。
背景技术
随着经济的快速发展与制造业的繁荣发展,工业生产的重载搬运需求量越来越大。与人们生活和工农业生产密切的产品,如粮食、面粉、水泥、化肥、饲料、农副产品和矿产品等粉粒状物料大都采用袋包装,而袋装物料在生产运输过程中都离不开物料的搬运和装卸。目前我国袋装物料的仓库搬运和装卸运输方式主要是靠肩扛和小车拉,由于装卸工作的负载大、劳动强度大、工作效率低,越来越少的工人愿意从事这一行业,造成了很多企业重载搬运的“用工难、用工贵”的现状。因此,如何解决工业应用中的重载搬运的巨大需求量与当今中国社会人力资源短缺,人力成本昂贵的现状之间的矛盾已经成为中国工业急需解决的难题之一。尽管一些企业试图采用工业机器人完成重载搬运,但因为重载搬运和装卸作业往往要求工作空间变化大、灵活度大,而工业机器人并不具备可移动性、在工作空间、灵活度、智能程度等多方面仍与传统的人工作业有较大的差距。由于这些限制因素,工业机器人至今无法满足工厂的实际需求。
针对人工作业的“可移动性高、灵活度高但劳动强度大”与工业机器人的“工人劳动强度小,工作效率高但工作空间不可变”的特点,一种完美的解决方案是融合人工作业与机器人作业的优势,采用助力机器人为进行重载搬运和装卸的工人提供助力作用,能在保证人工搬运的灵活性的前提下大幅降低工人搬运过程的劳动强度,使重载搬运和装卸工作既具有人业作业的可移动性高、灵活度高、工作空间可变等优点,又保留工业机器人的劳动强度小、工作效率高这一优势。由于在我国拥有大量的袋装物料需要进行搬运和装卸,如果运用助力机器人协助人工实现重载搬运和装卸作业,可以显著提高搬运和装卸效率,发展新的物流的技术,其应用前景将会极其广阔。
智能助力机器人是一种可增强工人的力量、机动性、速度、耐力、行动范围和载荷能力的装置。助力机器装置上安装了多种传感器和驱动装置,模仿人的神经系统对身体上背负的重量实时计算,通过调节仿生助力机械装置,将重量合理分配到钢架结构上,从而将负重者承担的压力减到最小。该机器人式的装置可以绑缚或直接连接到人体上,借助这种钢架结构的仿生机构,工人能够减轻负重。它相当于一个搭载器,可帮助工人举重若轻、健步如飞、实现更多更重袋装物料的重载、加速搬运和装卸。智能助力机器人根据人体的运动信息提供动力援助,减轻工人的负重,同时协助负重的工人快速行走,最大限度地保存他们的体能,从而显著地增强工人的搬运能务和搬运速度,提高搬运效率。
在国外,智能助力机器人的研究从上世纪60年代开始。美国通用公司于1966年开创性地研制了“哈迪曼系统”,重达700公斤,共有30个由液压和电力驱动的活动关节,这套铠甲只有一只胳膊能动,而它的承重只能够达到自身重量的一半。麻省理工学院在1978年前后也进行过相关技术的研究,由于基础技术的不足,在随后的20多年的时间里仅有少数科研机构进行过探索性研究。
随着计算机技术、控制技术以及机器人工程的快速发展,到二十世纪末时,美国国防部高级研究项目局(DARPA)认为技术发展已经具备了外骨骼机器人研制的条件,于是启动了一项为期7年、投资7500万美元的项目,称为“增强人体机能的外骨骼系统”(EHPA)。由此开始,外骨骼助力机器人的研究再次成为热点,掀起了一波新的高潮。2004年,美国加州大学伯克利分校的Kazarooni教授率领其团队在DARPA的EHPA项目资助下,研制了一套BLEEX系统,其正式发布曾引起轰动,被媒体广泛报道,是第一个能够实际工作的可穿戴助力机器人。该系统可以负重34kg并以1.3m/s的速度行走约4小时,整个机构系统共有15个自由度,每条腿有7个自由度,基本涵盖了人体下肢主要关节的自由度,能够实现下肢的各种运动。
此外,2005-2009年期间有许多国家分别研制了各种外骨骼机器人,包括新加坡南洋理工大学的LEE、美国佛罗里达人机认知研究所的IHMC、日本东京农业和技术大学的PAS、日本东北大学WWH-KH、韩国汉阳大学等。国内对助力机器人领域的研究起步较晚,以北京航空航天大学、华东理工大学和海军航空工程学院、中科院合肥物质科学研究院、浙江大学、清华大学等为代表的院所和高校都进行了实用性外骨骼机器人研究,分别采用液压和电机驱动方案实现了下肢承载助力机器人的样机研制,取得了阶段性的研究成果。
随着科技的不断发展,微能源技术,人工智能技术,信息技术,材料科学等的不断进步,更多更强大的外骨骼系统将被开发出来,并在人类的社会生产和生活中扮演重要的角色。目前,高度自动化、智能化、多功能、高效率、低消耗的助力机器人越来越受到工业生产的青睐。针对制造行业的重载搬运巨大需求,集人机交互技术、多传感器技太、智能控制算法于一体的高技术、高智能、高竞争的助力机器人应运而生。使用助力机器人从事袋装物料的重载搬运和装卸作业,不仅可以把工人从体力工作中解放出来,还保留了人工作业的高度灵活性和精度,此外它们几乎不会额外占用地面空间、减小场地需求。因此,它可以大幅度地提高搬运的自动化水平、降低了工人劳动强度、改善劳动条件、增强了工人的工作效率,带来较高的经济效应。因此,在许多有重载搬运和装卸需求的场合使用智能助力机器人是社会发展的必然趋势。
综上所述,面向高强度、需求量极大的袋装物料的搬运和装卸急需智能化设备实现,因此智能助力机器人必然会成为企业显著提高搬运和装卸效率、减低工人劳动强度、提升效能、节约劳动力、获取新竞争优势的又一推动器,助力机器人的研发与应用会为搬运和装卸技术和新的物流技术带来更为迅猛的发展,也会为企业带来很好的经济效益。因此,面向重载搬运需求的助力机器人的市场应用前景极其广阔。
针对“基于重载搬运的智能助力机器人系统”项目研究内容,对以下三点内容进行检索:(1)采用基于人体生物模型和运动特征模型设计助力机器人,对重载搬运过程中的人-机耦合效应的运动机理进行研究。(2)采用压力传感器、角度传感器、位移传感器等检测人体运动信息,并进行多传感器信息融合处理,获取搬运的运动意图,实现机器人系统的随动控制,保证穿戴对象的舒适性与安全性。(3)对助力机器人系统的机械结构进行轻量化设计,明显改善系统的动态特性。
检索了国内数据库12个及互联网等相关网站,共检索到相关文献70多篇,其中密切相关的共8篇,经阅读分析比较,文献1-5分述及了可穿戴助力机器人,其中文献1-4还述及了行走时下肢及外骨骼运动机理的研究,但均未述及重载搬运过程中人-机耦合的运动机理的研究。文献6-8分别述及采用接触式传感器、压力传感器、角度传感器检测行走运动信息,但未述及在重载搬运过程中采用压力传感器、角度传感器、位移传感器等检测人体运动信息,实现机器人系统的随动控制。
综上所述,在国内公开报道的文献中,已见智能助力机器人,采用压力传感器、角度传感器等检测人体运动信息的研究文献及专利。但在智能助力机器人系统研制中,均未见:(1)对重载搬运过程中的人-机耦合效应运动机理的研究;(2)在重载搬运中采用压力传感器、角度传感器、位移传感器等检测人体运动信息,实现机器人系统的随动控制。
发明内容
为实现上述目的,本发明提供如下技术方案:一种基于重载搬运的智能助力机器人系统的研制方法,包括如下步骤:
(S100)人体运动特征规律研究:采用高速摄影系统、三维激光动态测试系统、以及六维力传感器系统,对人体搬运过程中人体各部位,尤其是手臂/下肢各关节的在各个瞬时运动状态和受力情况进行量化分析,构建人体搬运模型与运动特征数据库;
(S200)柔性压力传感阵列的研制:研发一种结构简单、高灵敏度、高精确度且耐用的具有微纳米结构和多个感知单元的柔性压力传感器阵列,并将其集成于助力机器人,实现对人体手臂/下肢压力相关参数的实时精确检测;
(S300)多传感器人体运动意图判别:采用多传感器信息获取系统捕获在运动过程中的手臂/下肢压力信号,对人体运动意图进行判别。通过机器人各关节运动角度和力学传感器信息,对人体运动意图判别进行后置判断与纠错,并在线更新运动姿态样本库。多传感器信息中接触力传感器将用于穿戴者运动意图的判别,而关节角度和力传感器将用于意图判别的校验及纠错;
(S400)助力机器人力随动自适应控制:根据人类运动规律,分解人类各关节在运动时的仿生轨迹图,并依据轨迹图制定机器人电动缸跟踪轨迹以实现该仿生动作;伺服电缸的控制策略将随动控制与自适应鲁棒控制相结合。
作为本发明一种优选的技术方案,所述步骤(S100)的具体方法为:通过研究人类主要部位的体积、重量、转动惯量、关节形式以及运动范围,为确定助力机器人机构的自由度、尺寸、重量配置、关节形式及运动范围和驱动方式等提供依据,此外依据人体各关节活动范围的表示法及测定法,得到关节运动范围。
作为本发明一种优选的技术方案,所述步骤(S200)的具体方法包括:结合微纳加工技术,在单晶硅衬底上制备出具有微纳米结构的模板,或者以天然具有微纳米结构的生物器官为模板,通过PDMS固化成型的方式,制备出表面具有微纳米结构的柔性透明薄膜,通过选择和调控模板的图案可实现对柔性透明PDMS薄膜上图案的精确可控制备,通过对PDMS的用量、引发剂和单体比例、干燥温度的调控,可获得具有不同厚度、不同机械强度、不同弹性和柔韧性的柔性透明薄膜。
作为本发明一种优选的技术方案,所述步骤(S200)的具体方法还包括:利用喷墨打印技术或者喷涂的方式,将均匀分散的单壁碳纳米管溶液涂敷于图案化薄膜表面,形成柔性透明导电薄膜。优化碳纳米管溶液浓度、碳纳米管溶液中表面活性剂的剂量、打印或喷涂次数,可实现导电薄膜方阻及可见光区透光率的精确调控。
作为本发明一种优选的技术方案,所述步骤(S200)的具体方法还包括:利用真空蒸度或者丝网印刷的方式制备金电极,将所制备的具有电极的透明导电薄膜层层组装成为压力传感器阵列。
与现有技术相比,本发明的有益效果是:针对工业应用中的重载搬运和装卸的巨大需求量与搬运作业劳动强度太大导致的重载搬运行业“用工难,用工贵”的现状之间的矛盾,研制可大幅提升负重和运动能力的助力机器人。通过生物运动力学分析建立多模态人体运动模型,设计准拟人化承载机构;研制肢体接触力传感阵列,建立基于人类运动模型和多传感信息融合的运动意图判别方法,实现助力机器人的对象自适应控制;采用碳纤维、3D打印等先进的材料与制造工艺,研制出大负载、轻量化的助力机器人样机,为进一步研制实用型助力装备奠定技术基础,通过研究智能助力机器人的整体机械结构设计、智能控制算法、多传感器融合处理方法,研制出有效助力大、质量轻、负载能力强、稳定性高、响应速度快的智能助力机器人。为重载搬运和装卸作业的工人提供动力援助,增强工人在负重、在长距离奔跑、步行、跳跃时肌肉力量,并最大限度地保存他们的体能。同时,也增加企业的影响力,从而获得更大的经济效益和社会效益,对我国重载搬运和装卸行业发展起着推动作用。
附图说明
图1为本发明人体步行的各个阶段示意图;
图2为本发明所示为微纳米结构的柔性压力传感器阵列制备流程;
图3为本发明所示传感器件的结构示意图及微图案的SEM图;
图4为本发明人体运动意图判别的系统框图;
图5为本发明人体搬运空间对应图;
图6为本发明机器人随动控制策略框架图;
图7为本发明SARC方法构造的闭环系统可用方框图;
图8为本发明轨迹跟踪控制效果图。
图中:1-锤柄;2-连接头;3-中空夹层;4-锂电池;5-漫射灯;6-镜面灯;7-按钮开关;8-滑动杆;9-杠杆柄;10-支点;11-锤头;12-锥形锤;13-柱形锤;14-咬合槽;15-导线;16-连接端口;17防滑橡胶块;18-凸起条。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例:
请参阅图1,本发明提供一种技术方案:一种基于重载搬运的智能助力机器人系统的研制方法,包括如下步骤:
步骤(S100):人体运动特征规律研究:采用高速摄影系统、三维激光动态测试系统、以及六维力传感器系统,对人体搬运过程中人体各部位,尤其是手臂/下肢各关节的在各个瞬时运动状态和受力情况进行量化分析,构建人体搬运模型与运动特征数据库;
首先通过研究人类主要部位的体积、重量、转动惯量、关节形式以及运动范围等,为确定助力机器人机构的自由度、尺寸、重量配置、关节形式及运动范围和驱动方式等提供依据。根据现有的研究成果得到人体各主要部位的重心、旋转半径、体积、质量特性以及转动惯量如表1.1所示。此外依据人体各关节活动范围的表示法及测定法,得到关节运动范围,其中腰部以下关节的运动范围如表1.2所示。
表1.1人体各部分质量特性
表1.2人体各个关节的转角范围
除了关节运动范围外,通过分析步态也可为设计助力机器人系统提供必要依据。步态是人体步行姿态的统称,行走是人体通过髋、膝、踝、足趾的一系列连续活动,使身体沿着一定方向移动的过程。正常步态具有稳定性、周期性和节律性、方向性、协调性以及个体差异性。四肢、躯干、神经调节系统的异常都会影响人体的步态。描述步态主要参数为:步态周期,周期时间,摆动期/支撑期比,双足支撑期,单足支撑期,步频,步周长,步长,行走速度,步宽,作用点合力大小、方向的力矩及压力中心点位置等。人的运动信息获取与分析主要包括运动学、动力学两部分,通过设备或器械获取客观数据,以数据为基础对步态进行分析。运动学分析不考虑人体质量和力作用,通过跟踪标一记点的坐标研究人体运动时的空间位置变化,描述人体运动系统的动作,从而得到人类肢体运动的各个参数,包括步频、步幅、步速、步长、步宽、支撑期、摆动期、关节角度、角速度等;动力学分析通过测力板等获取人体运动时地面的反作用力信息,可以实时精确可靠地反映人体运动时垂直、水平和侧向作用力以及力矩,并结合运动学数据以及逆动力学模型便可计算出关节扭矩、肌肉力以及关节接触力,从而为外骨骼机器人的驱动系统设计以及运动学、动力学性能评估提供切实可靠的依据。
对于人体最基本的周期性直立行走步态,已经有大量的研究成果可以借鉴。如图1所示为人体步行的各个阶段示意图。一个步态周期分为站立期和迈步期两个时期。站立期中有两个阶段是双脚支撑的,分别是步态周期的0-12%和50-62%,其他阶段12-50%都是单腿支撑。其中第一个双脚支撑期也是承重期,此时足跟着地,膝关节弯曲角度达到站立期的最大值,为重心的转移做准备,迈步期内都是单脚支撑,人体步行的各个时期及其作用如表1.3。
表1.3各个时期及其作用
以检测人的行走步态为例,具体实施方法如下:(1)在人身体(以腿为例)的各个关节部位安装标志点;(2)启动NDI运动捕捉设备和高速摄像机;(3)让被测者在实验平台的测力数字跑道上行走,NDI运动捕捉设备实时跟踪检测人体的标记点来测得NDI设备上红外接收点和标志点之间的距离;(4)NDI运动捕捉系统的数据传输设备将运动数据从信号捕捉设备快速准确地传送到计算机系统;(5)数据处理设备处理系统捕捉到的原始信号,计算出标志点的三维坐标值。按顺序连接上述粘贴在关节或末端上的标志点的中心坐标即可得到人体步态运动棍图;按采样次序连接不同图像中同一标志点坐标就得到关节的位移运动曲线;根据运动棍状图中的每3个点决定的两条直线,可以计算出两条直线所夹的角度,即关节弯曲角度。在获得标志点在时间序列上的一系列离散点的三维坐标值后,可以通过相应的计算获得更丰富的运动信息。标志点的坐标值表示标志点的位移信息,将坐标值对时间求一阶导即可获得该点的速度,再次求导可获得加速度。
(S200)柔性压力传感阵列的研制:研发一种结构简单、高灵敏度、高精确度且耐用的具有微纳米结构和多个感知单元的柔性压力传感器阵列,并将其集成于助力机器人,实现对人体手臂/下肢压力相关参数的实时精确检测,图2所示为该微纳米结构的柔性压力传感器阵列制备流程;
结合微纳加工技术,在单晶硅衬底上制备出具有微纳米结构的模板,或者以天然具有微纳米结构的生物器官为模板,通过PDMS固化成型的方式,制备出表面具有微纳米结构的柔性透明薄膜,通过选择和调控模板的图案可实现对柔性透明PDMS薄膜上图案的精确可控制备,通过对PDMS的用量、引发剂和单体比例、干燥温度的调控,可获得具有不同厚度、不同机械强度、不同弹性和柔韧性的柔性透明薄膜。利用喷墨打印技术或者喷涂的方式,将均匀分散的单壁碳纳米管(SWNTs)溶液涂敷于图案化薄膜表面,形成柔性透明导电薄膜。优化碳纳米管溶液浓度、碳纳米管溶液中表面活性剂的剂量、打印或喷涂次数,可实现导电薄膜方阻及可见光区透光率的精确调控。基于如上技术手段,实现不同厚度、不同图案化密度、不同机械强度和不同电学性能的透明导电薄膜的可控制备。
利用真空蒸度或者丝网印刷的方式制备金(Au)电极,将所制备的具有电极的透明导电薄膜层层组装成为压力传感器阵列。传感器件的结构示意图及微图案的SEM图片如图3所示。测试该器件在不同外界压力作用下的灵敏度响应,并进一步研究外界温度、湿度对器件测试灵敏度响应的影响。研究基于不同厚度、不同图形和微图案密度的PDMS薄膜构筑的柔性压力传感器的性能,系统的归纳总结传感器微结构与灵敏度的对应性关系,寻找出具有较高灵敏度的柔性压力传感器的制备工艺和实验参数。最终开发出具有实际应用价值的高灵敏度和高稳定性的柔性压力传感器阵列。
(S300)多传感器人体运动意图判别:采用多传感器信息获取系统捕获在运动过程中的手臂/下肢压力信号,对人体运动意图进行判别。通过机器人各关节运动角度和力学传感器信息,对人体运动意图判别进行后置判断与纠错,并在线更新运动姿态样本库。多传感器信息中接触力传感器将用于穿戴者运动意图的判别,而关节角度和力传感器将用于意图判别的校验及纠错;人体在运动过程中,在手臂或腿部的肌肉运动能为搬运者的运动意图的判别提供丰富的压力传感器信息。为此将在搬运者的手臂或腿部布置柔顺可延展的压力传感器,用以获取人体的手臂或腿部肌肉在运动时的压力分部、幅度及变化规律信息,为人体运动意图的判别提供传感器信息。
图4所示即为机器人用于人体运动意图判别的系统框图,该框图中传感器包括前述压力传感器阵列和在机器人关节内部安装的角度和力传感器。人体运动意图判别的工作流程如下:通过提取穿戴者手臂/腿部压力数据的峰值、分部及时序变化特征,采用模糊逻辑和分类决策方法对人体的运动意图进行判别。
(S400)助力机器人力随动自适应控制:根据人类运动规律,分解人类各关节在运动时的仿生轨迹图,并依据轨迹图制定机器人电动缸跟踪轨迹以实现该仿生动作;伺服电缸的控制策略将随动控制与自适应鲁棒控制相结合。
按照前述运动识别方法,可得到人体各关节在搬运时的三维位置轨迹,图5所示为人在搬运的情形下,其双腿的髋、膝、踝、脚后跟等部位的标记点所经过的空间位置。结合机器人的几何结构尺寸与运动参数,在关节运动范围内,将髋、膝和踝关节的屈伸动作转换为伺服电缸的往复运动,以模拟人体肌肉屈伸运动,从而带动外骨骼机构绕髋膝关节运动副产生仿人肢体运动,此即为各伺服电缸制定具体的轨迹规划,以供伺服电缸对目标轨迹进行跟踪。
外骨骼机器人控制的一个重要方面是机器人能快速准确的跟随穿戴者的运动,在助力的同时又提供较好的舒适性。为保证机器人的准确随动,采用力与位置控制实现双层反馈:位置控制用于驱动机器人关节跟随穿戴者的关节运动,力控制通过腿部压力的变化来实时调整响应参数,使得接触压力被控于合理范围,机器人随动控制策略框架如图6所示。
机器人的各运动关节拟采用伺服电缸来驱动,伺服电缸结构如图7所示。伺服电缸是将伺服电机与丝杠一体化设计的模块化产品,将伺服电机的旋转运动转换成直线运动,同时将伺服电机的精确转速控制、转数控制和扭矩控制转变成直线运动的精确速度控制、位置控制和推力控制,实现高精度直线运动。相对于液压缸、气动缸,伺服电缸有下列优点:极高的响应速度;可在高/低温、恶劣环境下工作;电驱动,无需气源或液压的复杂管路,无需成套系统支持;低噪音、低振动,减少对整体设备的影响。
结合人体运动规律和机器人结构运动参数,将髋膝踝关节的屈/伸动作表达为电动缸的往复运动,以模拟人体肌肉产生的屈伸运动,从而带动外骨骼机构绕髋关节和膝关节运动以模仿人体的肢体运动。即对各伺服电缸做轨迹规划,然后由伺服电缸对目标轨迹进行轨迹跟踪。
为保证伺服电缸在运动姿态和环境的不确定性、穿戴者体型不确定性和测量控制系统的非参数不确定性等三类主要扰动因素影响下的轨迹跟踪控制效果,以提高较好的瞬态和稳态精度、鲁棒性和稳定性为目标,采用一种非线性稳定自适应鲁棒控制算法来进行伺服系统的轨迹跟踪控制。该方法不仅可以实现快速准确的轨迹跟踪,而且能很好的抑制各种扰动因素带来的影响,保证系统的稳定性。
稳定自适应控鲁棒控制的设计思路是,将自适应控制和鲁棒控制的特性结合起来,并加入回归量替代和死区方法,避免参数漂移,保证系统稳定性。具体来说,控制律中用目标轨线的回归量代替系统反馈回归量而对自适应律则用死区方法作出修正。简单起见,下文中我们记为
基于上述设计思路,选取控制律为:
选取自适应律为:
选取Sigmoid近似函数us2=-S(hsgn(e)),其中函数h(x,t)可取为
其中,鲁棒反馈us2要满足如下条件:
由SARC方法构造的闭环系统可用方框图表示,如图7所示。
可以看出,自适应鲁棒控制对非线性控制的障碍都做出了回应:
(1)对于系统中固有的非线性,通过对非线性物理模型进行分析综合来恰当地补偿掉,即“模型补偿”模块。
(2)对于建模的不确定性:
使用自适应方法处理参数不确定性因素,对模型参数进行在线估计,在只有参数不确定性的情况下,能最终实现零稳态误差,即“死区方法的自适应律”模块中的投影式自适应律;
使用鲁棒控制方法处理不确定的非线性因素,有外界干扰的情况下,非线性反馈能保证较好的瞬态和稳态精度,即“非线性鲁棒反馈”模块;
(3)对于实际应用中出现的非参数不确定性因素,使用回归量替代和死区方法来处理,避免参数漂移,保证系统稳定性,即“死区方法的自适应律”模块和目标轨线的回归量替代。
图8所示为轨迹跟踪控制效果,图中FCPID为采用前馈补偿PIC方法的轨迹跟踪效果,SARC为稳定自适应鲁棒控制轨迹跟踪效果图,从图中我们可以看出,采用SARC方法的轨迹跟踪效果相比FCPID轨迹跟踪效果,瞬态精度更高,且跟踪柔顺性更好。
根据智能助力机器人的特点,根据机械结构设计原理,考虑材料选择、安全性设计、制造工艺研究、实现准拟人化承载机构设计制造、多传感器感知系统的搭建与运动意图判别研究,并搭建伺服电缸的随动自适应控制系统,完成整个系统机械、控制、传感检测分析所有单元的硬件和软件实现,搭建智能助力机器人样机。并在此基础上,进行实验测试、测试、分析和整体结构的优化。
针对工业应用中的重载搬运和装卸的巨大需求量与搬运作业劳动强度太大导致的重载搬运行业“用工难,用工贵”的现状之间的矛盾,研制可大幅提升负重和运动能力的助力机器人。通过生物运动力学分析建立多模态人体运动模型,设计准拟人化承载机构;研制肢体接触力传感阵列,建立基于人类运动模型和多传感信息融合的运动意图判别方法,实现助力机器人的对象自适应控制;采用碳纤维、3D打印等先进的材料与制造工艺,研制出大负载、轻量化的助力机器人样机,为进一步研制实用型助力装备奠定技术基础,通过研究智能助力机器人的整体机械结构设计、智能控制算法、多传感器融合处理方法,研制出有效助力大、质量轻、负载能力强、稳定性高、响应速度快的智能助力机器人。为重载搬运和装卸作业的工人提供动力援助,增强工人在负重、在长距离奔跑、步行、跳跃时肌肉力量,并最大限度地保存他们的体能。同时,也增加企业的影响力,从而获得更大的经济效益和社会效益,对我国重载搬运和装卸行业发展起着推动作用。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (5)
1.一种基于重载搬运的智能助力机器人系统的研制方法,其特征在于,包括如下步骤:
(S100)人体运动特征规律研究:采用高速摄影系统、三维激光动态测试系统、以及六维力传感器系统,对人体搬运过程中人体各部位,尤其是手臂/下肢各关节的在各个瞬时运动状态和受力情况进行量化分析,构建人体搬运模型与运动特征数据库;
(S200)柔性压力传感阵列的研制:研发一种结构简单、高灵敏度、高精确度且耐用的具有微纳米结构和多个感知单元的柔性压力传感器阵列,并将其集成于助力机器人,实现对人体手臂/下肢压力相关参数的实时精确检测;
(S300)多传感器人体运动意图判别:采用多传感器信息获取系统捕获在运动过程中的手臂/下肢压力信号,对人体运动意图进行判别。通过机器人各关节运动角度和力学传感器信息,对人体运动意图判别进行后置判断与纠错,并在线更新运动姿态样本库。多传感器信息中接触力传感器将用于穿戴者运动意图的判别,而关节角度和力传感器将用于意图判别的校验及纠错;
(S400)助力机器人力随动自适应控制:根据人类运动规律,分解人类各关节在运动时的仿生轨迹图,并依据轨迹图制定机器人电动缸跟踪轨迹以实现该仿生动作;伺服电缸的控制策略将随动控制与自适应鲁棒控制相结合。
2.根据权利要求1所述的一种基于重载搬运的智能助力机器人系统的研制方法,其特征在于,所述步骤(S 100)的具体方法为:通过研究人类主要部位的体积、重量、转动惯量、关节形式以及运动范围,为确定助力机器人机构的自由度、尺寸、重量配置、关节形式及运动范围和驱动方式等提供依据,此外依据人体各关节活动范围的表示法及测定法,得到关节运动范围。
3.根据权利要求1所述的一种基于重载搬运的智能助力机器人系统的研制方法,其特征在于,所述步骤(S200)的具体方法包括:结合微纳加工技术,在单晶硅衬底上制备出具有微纳米结构的模板,或者以天然具有微纳米结构的生物器官为模板,通过PDMS固化成型的方式,制备出表面具有微纳米结构的柔性透明薄膜,通过选择和调控模板的图案可实现对柔性透明PDMS薄膜上图案的精确可控制备,通过对PDMS的用量、引发剂和单体比例、干燥温度的调控,可获得具有不同厚度、不同机械强度、不同弹性和柔韧性的柔性透明薄膜。
4.根据权利要求1所述的一种基于重载搬运的智能助力机器人系统的研制方法,其特征在于,所述步骤(S200)的具体方法还包括:利用喷墨打印技术或者喷涂的方式,将均匀分散的单壁碳纳米管溶液涂敷于图案化薄膜表面,形成柔性透明导电薄膜。优化碳纳米管溶液浓度、碳纳米管溶液中表面活性剂的剂量、打印或喷涂次数,可实现导电薄膜方阻及可见光区透光率的精确调控。
5.根据权利要求1所述的一种基于重载搬运的智能助力机器人系统的研制方法,其特征在于,:所述步骤(S200)的具体方法还包括:利用真空蒸度或者丝网印刷的方式制备金电极,将所制备的具有电极的透明导电薄膜层层组装成为压力传感器阵列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710779464.0A CN109421081A (zh) | 2017-09-01 | 2017-09-01 | 一种基于重载搬运的智能助力机器人系统的研制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710779464.0A CN109421081A (zh) | 2017-09-01 | 2017-09-01 | 一种基于重载搬运的智能助力机器人系统的研制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109421081A true CN109421081A (zh) | 2019-03-05 |
Family
ID=65512954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710779464.0A Pending CN109421081A (zh) | 2017-09-01 | 2017-09-01 | 一种基于重载搬运的智能助力机器人系统的研制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109421081A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110789633A (zh) * | 2019-11-04 | 2020-02-14 | 上海硅族智能科技有限公司 | 一种柔性线性驱动控制方法及控制系统 |
CN113001540A (zh) * | 2021-02-19 | 2021-06-22 | 华南理工大学 | 负载机动型外骨骼的人机交互智能控制方法及外骨骼系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101792112A (zh) * | 2010-03-03 | 2010-08-04 | 北京大学 | 一种基于表面增强拉曼散射活性基底的微流控检测器件 |
CN103876756A (zh) * | 2014-04-18 | 2014-06-25 | 南京工程学院 | 下肢助力外骨骼机器人步态模式识别方法及系统 |
CN104021879A (zh) * | 2013-09-18 | 2014-09-03 | 天津工业大学 | 强附着力的碳纳米管柔性透明导电薄膜的制备方法及其附着力检测方法 |
US20150088269A1 (en) * | 2013-09-26 | 2015-03-26 | Samsung Electronics Co., Ltd. | Wearable robots and control methods thereof |
CN105596183A (zh) * | 2016-01-07 | 2016-05-25 | 芜湖欧凯罗博特机器人有限公司 | 一种用于外机械骨骼助力机器人的姿态判断系统 |
CN106325273A (zh) * | 2016-08-22 | 2017-01-11 | 中国科学院合肥物质科学研究院 | 助力外骨骼机器人的多相位步态切换控制系统及其控制方法 |
-
2017
- 2017-09-01 CN CN201710779464.0A patent/CN109421081A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101792112A (zh) * | 2010-03-03 | 2010-08-04 | 北京大学 | 一种基于表面增强拉曼散射活性基底的微流控检测器件 |
CN104021879A (zh) * | 2013-09-18 | 2014-09-03 | 天津工业大学 | 强附着力的碳纳米管柔性透明导电薄膜的制备方法及其附着力检测方法 |
US20150088269A1 (en) * | 2013-09-26 | 2015-03-26 | Samsung Electronics Co., Ltd. | Wearable robots and control methods thereof |
CN103876756A (zh) * | 2014-04-18 | 2014-06-25 | 南京工程学院 | 下肢助力外骨骼机器人步态模式识别方法及系统 |
CN105596183A (zh) * | 2016-01-07 | 2016-05-25 | 芜湖欧凯罗博特机器人有限公司 | 一种用于外机械骨骼助力机器人的姿态判断系统 |
CN106325273A (zh) * | 2016-08-22 | 2017-01-11 | 中国科学院合肥物质科学研究院 | 助力外骨骼机器人的多相位步态切换控制系统及其控制方法 |
Non-Patent Citations (1)
Title |
---|
王善杰: "《下肢可穿戴外骨骼机器人仿人机构设计与运动控制研究》", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110789633A (zh) * | 2019-11-04 | 2020-02-14 | 上海硅族智能科技有限公司 | 一种柔性线性驱动控制方法及控制系统 |
CN113001540A (zh) * | 2021-02-19 | 2021-06-22 | 华南理工大学 | 负载机动型外骨骼的人机交互智能控制方法及外骨骼系统 |
CN113001540B (zh) * | 2021-02-19 | 2022-08-12 | 华南理工大学 | 负载机动型外骨骼的人机交互智能控制方法及外骨骼系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ezati et al. | A review of simulation methods for human movement dynamics with emphasis on gait | |
Xiang et al. | Optimization‐based dynamic human walking prediction: One step formulation | |
CN112051741B (zh) | 一种双足机器人动态运动生成与控制方法 | |
WO2019218805A1 (zh) | 一种四足机器人的运动闭环控制方法 | |
CN111857170B (zh) | 一种四足机器人腿部关节负载规律分析方法 | |
CN109421081A (zh) | 一种基于重载搬运的智能助力机器人系统的研制方法 | |
Zhang et al. | A wearable soft knee exoskeleton using vacuum-actuated rotary actuator | |
Zhu et al. | Energy-efficient bio-inspired gait planning and control for biped robot based on human locomotion analysis | |
Koco et al. | Hybrid compliance control for locomotion of electrically actuated quadruped robot | |
Yang et al. | Vit-based terrain recognition system for wearable soft exosuit | |
Li et al. | An efficient motion generation method for redundant humanoid robot arm based on the intrinsic principles of human arm motion | |
Zhang et al. | Research on bionic jumping and soft landing of single leg system in quadruped robot | |
CN108333971A (zh) | 仿人机器人的结构与运动的协同优化方法 | |
Xie et al. | Artificial leg design and control research of a biped robot with heterogeneous legs based on PID control algorithm | |
Yan et al. | Kinematic analysis and dynamic optimization simulation of a novel unpowered exoskeleton with parallel topology | |
Zhang et al. | Mechanism design and optimization of a bionic kangaroo jumping robot | |
Tsuichihara et al. | A sliding walk method for humanoid robots using ZMP feedback control | |
Shi et al. | Human standing-up trajectory model and experimental study on center-of-mass velocity | |
Liu et al. | Kinematic analysis and optimization of a kangaroo geared five-bar knee joint mechanism | |
CN205870565U (zh) | 一种基于Kinect的远程体感机器人控制系统 | |
CELLEK et al. | Inverse Dynamics of Bipedal Gait: The Assumption of the Center of Pressure as an Instantaneous Center of Rotation | |
Wu et al. | Biomechanical simulation analysis of human lower limbs assisted by exoskeleton | |
Xu et al. | The Measuring ZMP of Self-Balancing Exoskeleton Robot is Calibrated by Using The Neural Network | |
Wang et al. | Gait planning and hybrid model based tracking control of lower extremity exoskeleton | |
Congedo | Modelling of a biped kinematics, analysis and simulation of the human walk for a future lower-limb exoskeleton |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190305 |
|
WD01 | Invention patent application deemed withdrawn after publication |