CN110561420A - 臂型面约束柔性机器人轨迹规划方法及装置 - Google Patents
臂型面约束柔性机器人轨迹规划方法及装置 Download PDFInfo
- Publication number
- CN110561420A CN110561420A CN201910733313.0A CN201910733313A CN110561420A CN 110561420 A CN110561420 A CN 110561420A CN 201910733313 A CN201910733313 A CN 201910733313A CN 110561420 A CN110561420 A CN 110561420A
- Authority
- CN
- China
- Prior art keywords
- flexible robot
- arm
- joint
- slit
- constraint
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了臂型面约束柔性机器人轨迹规划方法及装置。涉及机器人控制领域,其中,方法通过对柔性机器人进行动态分段,然后获取柔性机器人相对偏差数据,并根据相对偏差数据与阈值判断条件,判断末端是否到达目标位置,当满足阈值判断条件时,认为末端到达目标位置;否则,获取下一时刻的关节控制量,来驱动柔性机器人各关节运动到达目标位置点,实现有效穿越平面型狭缝的目的。实现了末端的轨迹规划,并且结合内臂段和外臂段的位姿特征,实现柔性机器人进入狭缝内的部分不与狭缝壁发生碰撞以及狭缝外部分实现避障功能,相比于现有技术,提高了臂型面约束柔性机器人轨迹规划效率并兼顾控制精度。
Description
技术领域
本发明涉及机器人控制领域,尤其是一种臂型面约束柔性机器人轨迹规划方法及装置。
背景技术
如今对智能机器人的环境适应性以及环境限制的克服能力有着越来越高的要求,由于柔性机器人具有运动空间大、运动灵活性以及环境适应性好等优点,非常适合于非结构化的环境中工作,例如卫星太阳帆板检修、空间站桁架修护以及工业狭小平面狭缝探测等。通常这种类型的狭小空间是一个平面型狭缝,要想安全无碰撞地穿越这种平面型狭缝,需要柔性机器人末端既能跟踪期望的目标位置,又要保证平面狭缝内的臂型与平面狭缝保持一定的距离,同时外臂段还要与非结构化环境进行动态避障。
针对此类问题的研究,由于柔性机器人自由度比较多,因此,其逆运动学建模与轨迹规划变得非常困难。而柔性机器人本身就是一个强非线性系统,对这种非线性系统再进行非线性优化建模,计算效率极其低下,同时采用的优化方法是否能收敛也很难得到保证,不利于柔性机器人的实时规划与控制。因此需要提出一种提高穿越平面型狭缝时轨迹规划效率的同时兼顾控制精度的臂型面约束柔性机器人轨迹规划方法。
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,本发明的目的是提供一种提高穿越平面型狭缝时轨迹规划效率的同时兼顾控制精度的臂型面约束柔性机器人轨迹规划方法。
本发明所采用的技术方案是:
第一方面,本发明提供一种臂型面约束柔性机器人轨迹规划方法,适用于臂型面约束柔性机器人,目标区域为平面型狭缝,包括:
对所述柔性机器人进行动态分段,将所述柔性机器人划分为:内臂段和外臂段;
获取所述柔性机器人相对偏差数据,所述相对偏差数据包括:所述柔性机器人期望的末端位姿与实际末端位姿的相对位姿偏差、所述内臂段的臂型面法向量与狭缝平面法向量之间的法向量偏差、所述外臂段与障碍物的最小距离;
根据所述相对偏差数据与阈值判断条件,判断所述末端是否到达目标位置;
当满足阈值判断条件,则认为所述末端到达目标位置;
否则,根据所述相对偏差数据获取下一时刻柔性机器人的广义速度,根据所述广义速度计算所述柔性机器人的期望关节角速度,根据所述期望关节角速度获取下一时刻的关节控制量,来驱动所述柔性机器人各关节运动到达目标位置点。
进一步地,所述阈值判断条件包括:所述柔性机器人末端到目标区域内且所述相对位姿偏差在第一预设阈值范围内、所述法向量偏差小于等于预设角度阈值、所述最小距离小于等于预设安全距离。
进一步地,计算所述柔性机器人期望关节角速度的具体公式为:
其中,表示所述柔性机器人的期望关节角速度,表示带有臂型面约束的扩展雅可比矩阵,表示带有臂型面约束的扩展雅可比矩阵的伪逆,Kp表示单位系数矩阵,ΔXe表示所述相对位姿偏差,ΔnT表示所述法向量偏差,表示距离约束的梯度投影矩阵,λ表示梯度投影系数常值。
进一步地,计算所述下一时刻的关节控制量的公式具体为:
其中,Θd(t)表示t时刻的期望关节角,Θd(t+Δt)表示t+Δt时刻的期望关节角,为t时刻的期望关节角速度,Δt表示时间间隔。
进一步地,获取所述内臂段带有面约束的雅克比矩阵,结合传统雅克比矩阵合成所述带有臂型面约束的扩展雅可比矩阵。
进一步地,根据梯度投影法结合所述最小距离建立所述距离约束的梯度投影矩阵。
进一步地,所述动态分段具体为:获取所述柔性机器人进入段与所述平面型狭缝初始截平面的边界距离,并根据所述边界距离对所述柔性机器人进行动态分段。
第二方面,本发明还提供一种臂型面约束柔性机器人轨迹规划装置,包括:
动态分段模块:用于对所述柔性机器人进行动态分段,将所述柔性机器人划分为:内臂段和外臂段;
获取相对偏差数据模块:用于获取所述柔性机器人相对偏差数据,所述相对偏差数据包括:所述柔性机器人期望的末端位姿与实际末端位姿的相对位姿偏差、所述内臂段的臂型面法向量与狭缝平面法向量之间的法向量偏差、所述外臂段与障碍物的最小距离;
阈值判断模块:用于根据所述相对偏差数据与阈值判断条件,判断所述末端是否到达目标位置;
阈值判断结果执行模块:用于当满足阈值判断条件,则认为所述末端到达目标位置;否则,根据所述相对偏差数据获取下一时刻柔性机器人的广义速度,根据所述广义速度计算所述柔性机器人的期望关节角速度,根据所述期望关节角速度获取下一时刻的关节控制量,来驱动所述柔性机器人各关节运动到达目标位置点。
第三方面,本发明提供一种臂型面约束柔性机器人轨迹规划设备,包括:
至少一个处理器,以及与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如第一方面任一项所述的方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面任一项所述的方法。
本发明的有益效果是:
本发明通过对柔性机器人进行动态分段,将柔性机器人划分为内外段自由度动态变化的内臂段和外臂段,然后获取柔性机器人相对偏差数据,并根据相对偏差数据与阈值判断条件,判断末端是否到达目标位置,当满足阈值判断条件时,认为末端到达目标位置;否则,根据相对偏差数据获取下一时刻柔性机器人的广义速度并计算柔性机器人的期望关节角速度,根据期望关节角速度获取下一时刻的关节控制量,来驱动柔性机器人各关节运动到达目标位置点,实现有效穿越平面型狭缝的目的。本发明实现末端的轨迹规划,并且结合内臂段和外臂段的位姿特征,实现柔性机器人进入狭缝内的部分不与狭缝壁发生碰撞以及狭缝外部分实现避障功能,相比于现有技术,提高了臂型面约束柔性机器人轨迹规划效率并兼顾控制精度。
可广泛应用于臂型面约束柔性机器人轨迹规划领域。
附图说明
图1是本发明中臂型面约束柔性机器人轨迹规划方法的一具体实施例的实现流程图;
图2是本发明中臂型面约束柔性机器人轨迹规划方法的一具体实施例的柔性机器人穿越平面型狭缝示意图;
图3是本发明中臂型面约束柔性机器人轨迹规划方法的一具体实施例的柔性机器人“末端-臂型”同步约束示意图;
图4是本发明中臂型面约束柔性机器人轨迹规划方法的一具体实施例的动态分段示意图;
图5是本发明中臂型面约束柔性机器人轨迹规划方法的一具体实施例的轨迹规划示意图;
图6是本发明中臂型面约束柔性机器人轨迹规划装置的一具体实施例的结构框图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一:
本发明实施例一提供一种臂型面约束柔性机器人轨迹规划方法,本实施例适用于臂型面约束柔性机器人(即关节型面约束柔性机器人,本实施例中,以关节型柔性臂为例),目标区域为平面型狭缝。
图1为本发明实施例提供的一种臂型面约束柔性机器人轨迹规划方法的实现流程图,如图1所示,该方法包括以下步骤:
S1:构建空间映射模型并对柔性机器人进行动态分段,具体是获取柔性机器人进入段与平面型狭缝初始截平面的边界距离,并根据边界距离对柔性机器人进行动态分段,将柔性机器人划分为:内臂段(记为m,ifn,p)和外臂段(记为0fm,i-1)。
本实施例中,空间映射模型可选的是根据手眼视觉系统对作业目标区域的平面型狭缝、柔性机器人的关节空间以及末端笛卡尔空间映射关系进行统一建模,建立“末端-臂型”同步约束关系。
S2:获取柔性机器人相对偏差数据,本实施例中,相对偏差数据包括:柔性机器人期望的末端位姿与实际末端位姿的相对位姿偏差(记为ΔXe(t))、内臂段的臂型面法向量与狭缝平面法向量之间的法向量偏差(记为ΔnT)、外臂段与障碍物的最小距离(记为ΔDo),其中,相对位姿偏差包括:相对位置偏差(记为ΔPe(t))和相对姿态偏差(记为)。
S3:根据相对偏差数据与阈值判断条件,判断末端是否到达目标位置。
S31:当满足阈值判断条件,则认为末端到达目标位置;
S32:否则,继续进行轨迹规划,根据相对偏差数据获取下一时刻柔性机器人的广义速度,根据广义速度计算柔性机器人的期望关节角速度,根据期望关节角速度获取下一时刻的关节控制量,来驱动柔性机器人各关节运动到达目标位置点,重复循环该过程,直至到达目标位置点。
步骤S32中,进行轨迹规划的具体过程如下所述。
S321:根据相对偏差数据,建立内臂段带有面约束的雅克比矩阵JSurf,并结合传统雅克比矩阵Jg合成带有臂型面约束的扩展雅可比矩阵
S322:根据梯度投影法结合最小距离ΔDo建立距离约束的梯度投影矩阵
S323:根据相对偏差数据、上述步骤得到的带有臂型面约束的扩展雅可比矩阵和距离约束的梯度投影矩阵利用速度分解法,得到期望关节角速度的最小范数解,同时利用其零空间做避障规划,具体的期望关节角速度表示为:
其中,表示柔性机器人的期望关节角速度,表示带有臂型面约束的扩展雅可比矩阵,表示带有臂型面约束的扩展雅可比矩阵的伪逆,Kp表示单位系数矩阵,ΔXe表示相对位姿偏差,ΔnT表示法向量偏差,表示距离约束的梯度投影矩阵,λ表示梯度投影系数常值。
S324:根据期望关节角速度对其进行积分得到下一时刻的关节控制量,来驱动柔性机器人各关节运动,直至满足阈值判断条件,且运行时间t在预设最大运行时间tf内,判断到达目标位置,完成对轨迹规划。
如图2所示,为本实施例中柔性机器人穿越平面型狭缝示意图,图中包括:柔性机器人01、柔性机器人基座02、平面型狭缝03、待进入的子关节04和平面型狭缝初始截平面05,其中,dm表示待进入的子关节04和平面型狭缝初始截平面05之间的距离,根据dm对柔性机器人01进行动态分段,区分内臂段和外臂段。
本实施例可以应用于如空间站在轨维护、故障卫星维修以及核电站油气管道检测等作业场景,需要柔性机器人能顺利地穿越平面型狭缝空间,在狭缝中穿越过程中需要柔性机器人的末端顺利抵达目标位置,同时保证进入的内臂段柔性机器人与狭缝内平面不发生碰撞,另外为了保证柔性机器人处于狭缝外的外臂段不与环境发生干涉,外臂段需要进行避障规划,因此需要建立“末端-臂型”同步约束关系。
如图3所示,为本实施例中柔性机器人“末端-臂型”同步约束示意图。从图中可以看出,基于柔性机器人基座02建立柔性机器人的基坐标系(Oo-XoYoZo),柔性机器人末端建立末端坐标系(OE-XEYEZE),其中,OA表示狭缝的起点,OB表示狭缝的终点,分别建立起始点坐标系(OA-XAYAZA)和终点坐标系(OB-XBYBZB),柔性机器人01由多个臂段的多个子关节构成,例如图中:pm,i表示第m臂段中第i子关节末端的矢量,以此类推,将平面型狭缝03的两侧平面π1与π2围成的空间称为柔性机器人的有效穿越区域(记为),为了顺利抵达目标位置,柔性机器人01的内臂段的最大活动直径在D0+δ0之内,其中,D0表示柔性机器人单节子关节的直径,δ0表示狭缝冗余距离,可选的,本实施例中可设置最大活动直径的范围,即满足D0+δ0≤1.5D0。
如图4所示,为本实施例中动态分段示意图,针对受限的非结构化平面型狭缝环境,可以根据柔性机器人的自由度进行动态分段,将进入狭缝里面的部分称为内臂段,狭缝外面的部分称为外臂段,即动态分段将柔性机器人表现为强约束区自由度(即内臂段)与无约束区自由度(即外臂段)的动态性。假设平面型狭缝内的有效穿越区域柔性机器人第m臂段中第i子关节为内臂段与平面型狭缝初始截平面的边界,则将外臂段表示为0fm,i-1(θ1,…,θ2m),将内臂段表示为并且内臂段的自由度为2(n-m),外臂段的自由度为2m,可以看出,本实施例中,整个柔性机器人内外臂段的自由度是根据进入狭缝的情况动态变化的,其分别满足不同的约束类型,能够实现非结构化环境的轨迹规划。
下面详细描述本实施例的轨迹规划过程。
定义平面型狭缝初始截平面π的方程表示为:
Ax+By+Cz+D=0 (2)
则可以得出,第m臂段第i子关节的末端pm,i到平面型狭缝初始截平面π的距离,表示为:
当满足条件dm,i≤δd时,表示第m臂段第i子关节是当前待进入的子关节,此时内臂段部分需要进行末端定位和臂型优化,内臂段约束关系表示为:
上式(3)中,θ2m-1,θ2m,…,θ2n-1,θ2n表示第m段到第n段之间所有的关节角,Ped表示内臂段的位置关系,表示内臂段的姿态关系,表示有效穿越区域。
此时外臂段需要进行避障规划,环境障碍物用一个以Po为球心为半径的球进行包络设置,障碍物与柔性机器人外臂段的最近距离记为通过判断球心与距离最近臂段的欧拉距离是否处于狭缝外臂段的避障距离阈值内,外臂段避障规划约束关系表示为:
上式(4)中,θi表示关节角,dsaf表示安全距离误差,robs表示期望的避障安全距离,Pobs表示障碍物中心的三维坐标。
如图5所示,为本实施例的轨迹规划示意图。根据平面型狭缝空间的特点,其与柔性机器人可能接触的约束是一个平面,可以通过控制内臂段柔性机器人臂型面法向量来实现狭缝空间的作业任务。在柔性机器人的基座上建立基坐标系Oo-XoYoZo,同时保持柔性机器人内臂段任意三点组成平面的臂型面法向量与狭缝平面法向量平行,且保持参考点(即当前时刻进入狭缝的起始点)到任意臂段的欧拉距离小于等于距离判断阈值,该距离判断阈值用于识别当前柔性机器人哪段哪节将要进入该平面型狭缝,从而区分柔性机器人的内臂段与外臂段,可以根据实际情况设定该距离判断阈值,作为动态分段的一个区分判断标识,其值可选的是1cm、2cm等。
下面结合图5详细描述本实施例的轨迹规划过程。
假设柔性机器人末端到第m臂段第i子关节的位置矢量为末端子关节的末端Pe与任意两个子关节末端Pn,i、Pn,j组成的平面可表示为PePn,iPn,j,其法向量可表示为:
内臂段臂型面期望法向量表示为:定义一个目标法向量使目标法向量趋向于零,作为柔性机器人穿越狭缝过程中臂型平面约束的优化指标,表示为:
将柔性机器人的轨迹规划分解为:1)根据带有臂型面约束的扩展雅可比矩阵一方面保证末端指向期望的位姿,另一方面在运动过程中保证内臂段的臂型面法向量与狭缝平面法向量平行,即内臂段满足m,ifn,p的约束关系;2)通过梯度投影法保证外臂段不与障碍物发生碰撞,同时满足待进入的子关节顺利进入狭缝平面控件,即外臂段满足0fm,i-1的避障规划条件。
为了表达的方便,将内臂段臂型面期望法向量记为:且有:于是,内臂段臂型面法向量可表示为:
上式(7)中,对于任意向量其反对称矩阵为:
进一步地,目标法向量表示为:
将上式(8)对关节角Θ进行求导,得到:
其中有以下关系:并且推导得出:
因此能够得出内臂段带有面约束的雅克比矩阵JSurf表示为:
进一步地,柔性机器人的广义速度包括线速度和角速度,约束关系描述为:
上式(16)中,ve表示末端的线速度,ωe表示是末端的角速度,并且柔性机器人的雅可比矩阵表示为:Jg(Θ)=[J1 J2 … Jn]∈R6×2n。
结合上式(16)和(17),本实施例中带有臂型面约束的扩展雅可比矩阵表示为:
根据本实施例中动态分段的定义,柔性机器人内臂段的运动要满足以下条件:
进一步地,将柔性机器人末端位姿偏差和法向量之间的约束关系表示为:
计算障碍物与柔性机器人外臂段的最近距离,记为表示期望的最小安全距离,避障规划约束表示为:将最近距离对关节角Θ进行求导得到距离约束的梯度投影矩阵为:
根据相对偏差数据、上述步骤得到的带有臂型面约束的扩展雅可比矩阵和距离约束的梯度投影矩阵利用速度分解法,得到期望关节角速度的最小范数解,同时利用其零空间做避障规划,具体的期望关节角速度表示为:
其中,表示柔性机器人的期望关节角速度,表示带有臂型面约束的扩展雅可比矩阵,表示带有臂型面约束的扩展雅可比矩阵的伪逆,Kp表示单位系数矩阵,ΔXe表示相对位姿偏差,ΔnT表示法向量偏差,表示距离约束的梯度投影矩阵,λ表示梯度投影系数常值。
对期望关节角速度进行积分即可得到期望的关节角,并得到下一时刻的关节控制量,具体公式为:
其中,Θd(t)表示t时刻的期望关节角,Θd(t+Δt)表示t+Δt时刻的期望关节角,为t时刻的期望关节角速度,Δt表示时间间隔。
通过上式(23)得到柔性机器人的关节角数据,根据平面型狭缝受限空间作业任务,判断柔性机器人的相对偏差数据,并将其与设定的阈值作对比判断,驱动柔性机器人各关节的运动直至柔性机器人末端与目标位置的相对位姿偏差在第一预设阈值范围内,即抵达目标位置,轨迹规划任务结束。
步骤S3中,进行阈值判断条件包括:1)柔性机器人末端到目标区域内且相对位姿偏差在第一预设阈值范围内,第一预设阈值范围包括:相对位置偏差阈值和相对姿态偏差阈值;2)法向量偏差小于等于预设角度阈值;3)最小距离小于等于预设安全距离。当同时满足上述条件时,且运行达到即判断柔性机器人末端到达目标位置,规划过程结束。
阈值判断过程表示为:其中,ΔPe表示相对位置偏差,δp表示相对位置偏差阈值,表示相对姿态偏差阈值,δθ表示相对姿态偏差的阈值,ΔnT表示法向量偏差,δα表示位置偏差阈值,ΔDo表示外臂段与障碍物的最小距离,δd表示避障距离阈值。
本实施例中,如果当前时刻的时间t<tf,且没满足阈值判断条件,则继续进行轨迹规划;否则结束规划过程,tf表示预设最大运行时间,因为刚开始进行轨迹规划时误差很较大,只有多次迭代才会逐渐趋于收敛直到满足阈值判断条件,但是也不能无限时间的运行,因此设定预设最大运行时间,在该时间段内不断循环轨迹规划过程,直至达到目标位置点的容错范围。
本实施例通过对柔性机器人进行动态分段,将柔性机器人划分为内外段自由度动态变化的内臂段和外臂段,然后获取柔性机器人相对偏差数据,并根据相对偏差数据与阈值判断条件,判断末端是否到达目标位置,当满足阈值判断条件时,认为末端到达目标位置;否则,根据相对偏差数据获取下一时刻的速度数据并计算柔性机器人的期望关节角速度,根据期望关节角速度获取下一时刻的关节控制量,来驱动柔性机器人各关节运动到达目标位置点,实现有效穿越平面型狭缝的目的。
实施例二:
本实施例提供一种臂型面约束柔性机器人轨迹规划装置,用于执行如实施例一所述的方法,如图6所示,为本实施例的臂型面约束柔性机器人轨迹规划装置的结构框图,包括:
动态分段模块10:用于对柔性机器人进行动态分段,将柔性机器人划分为:内臂段和外臂段;
获取相对偏差数据模块20:用于获取柔性机器人相对偏差数据,相对偏差数据包括:柔性机器人期望的末端位姿与实际末端位姿的相对位姿偏差、内臂段的臂型面法向量与狭缝平面法向量之间的法向量偏差、外臂段与障碍物的最小距离;
阈值判断模块30:用于根据相对偏差数据与阈值判断条件,判断末端是否到达目标位置;
阈值判断结果执行模块40:用于当满足阈值判断条件,则认为末端到达目标位置;否则,根据相对偏差数据获取下一时刻的速度数据,根据速度数据计算柔性机器人的期望关节角速度,根据期望关节角速度获取下一时刻的关节控制量,来驱动柔性机器人各关节运动到达目标位置点,下一时刻速的速度数据包括:柔性机器人末端的广义线速度和内臂段臂型面法向量的变化速度。
另外,本发明还提供一种臂型面约束柔性机器人轨迹规划设备,包括:
至少一个处理器,以及与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如实施例一所述的方法。
另外,本发明还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,其中计算机可执行指令用于使计算机执行如实施例一所述的方法。
本发明实现末端的轨迹规划,并且结合内臂段和外臂段的位姿特征,实现柔性机器人进入狭缝内的部分不与狭缝壁发生碰撞以及狭缝外部分实现避障功能,相比于现有技术,提高了臂型面约束柔性机器人轨迹规划效率并兼顾控制精度,可广泛应用于臂型面约束柔性机器人轨迹规划领域。
以上各实施例仅用以说明本发明的技术方案,而非对其限制,尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种臂型面约束柔性机器人轨迹规划方法,适用于臂型面约束柔性机器人,目标区域为平面型狭缝,其特征在于,包括:
对所述柔性机器人进行动态分段,将所述柔性机器人划分为:内臂段和外臂段;
获取所述柔性机器人相对偏差数据,所述相对偏差数据包括:所述柔性机器人期望的末端位姿与实际末端位姿的相对位姿偏差、所述内臂段的臂型面法向量与狭缝平面法向量之间的法向量偏差、所述外臂段与障碍物的最小距离;
根据所述相对偏差数据与阈值判断条件,判断所述末端是否到达目标位置;
当满足阈值判断条件,则认为所述末端到达目标位置;
否则,根据所述相对偏差数据获取下一时刻柔性机器人的广义速度,根据所述广义速度计算所述柔性机器人的期望关节角速度,根据所述期望关节角速度获取下一时刻的关节控制量,来驱动所述柔性机器人各关节运动到达目标位置点。
2.根据权利要求1所述的一种臂型面约束柔性机器人轨迹规划方法,其特征在于:所述阈值判断条件包括:所述柔性机器人末端到目标区域内且所述相对位姿偏差在第一预设阈值范围内、所述法向量偏差小于等于预设角度阈值、所述最小距离小于等于预设安全距离。
3.根据权利要求1所述的一种臂型面约束柔性机器人轨迹规划方法,其特征在于:计算所述柔性机器人期望关节角速度的具体公式为:
其中,表示所述柔性机器人的期望关节角速度,表示带有臂型面约束的扩展雅可比矩阵,表示带有臂型面约束的扩展雅可比矩阵的伪逆,Kp表示单位系数矩阵,ΔXe表示所述相对位姿偏差,ΔnT表示所述法向量偏差,表示距离约束的梯度投影矩阵,λ表示梯度投影系数常值。
4.根据权利要求3所述的一种臂型面约束柔性机器人轨迹规划方法,其特征在于:计算所述下一时刻的关节控制量的公式具体为:
其中,Θd(t)表示t时刻的期望关节角,Θd(t+Δt)表示t+Δt时刻的期望关节角,为t时刻的期望关节角速度,Δt表示时间间隔。
5.根据权利要求3所述的一种臂型面约束柔性机器人轨迹规划方法,其特征在于:获取所述内臂段带有面约束的雅克比矩阵,结合传统雅克比矩阵合成所述带有臂型面约束的扩展雅可比矩阵。
6.根据权利要求3所述的一种臂型面约束柔性机器人轨迹规划方法,其特征在于:根据梯度投影法结合所述最小距离建立所述距离约束的梯度投影矩阵。
7.根据权利要求1至6任一项所述的一种臂型面约束柔性机器人轨迹规划方法,其特征在于:所述动态分段具体为:获取所述柔性机器人进入段与所述平面型狭缝初始截平面的边界距离,并根据所述边界距离对所述柔性机器人进行动态分段。
8.一种臂型面约束柔性机器人轨迹规划装置,其特征在于,包括:
动态分段模块:用于对所述柔性机器人进行动态分段,将所述柔性机器人划分为:内臂段和外臂段;
获取相对偏差数据模块:用于获取所述柔性机器人相对偏差数据,所述相对偏差数据包括:所述柔性机器人期望的末端位姿与实际末端位姿的相对位姿偏差、所述内臂段的臂型面法向量与狭缝平面法向量之间的法向量偏差、所述外臂段与障碍物的最小距离;
阈值判断模块:用于根据所述相对偏差数据与阈值判断条件,判断所述末端是否到达目标位置;
阈值判断结果执行模块:用于当满足阈值判断条件,则认为所述末端到达目标位置;否则,根据所述相对偏差数据获取下一时刻柔性机器人的广义速度,根据所述广义速度计算所述柔性机器人的期望关节角速度,根据所述期望关节角速度获取下一时刻的关节控制量,来驱动所述柔性机器人各关节运动到达目标位置点。
9.一种臂型面约束柔性机器人轨迹规划设备,其特征在于,包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733313.0A CN110561420B (zh) | 2019-08-09 | 2019-08-09 | 臂型面约束柔性机器人轨迹规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733313.0A CN110561420B (zh) | 2019-08-09 | 2019-08-09 | 臂型面约束柔性机器人轨迹规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110561420A true CN110561420A (zh) | 2019-12-13 |
CN110561420B CN110561420B (zh) | 2021-03-19 |
Family
ID=68774970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910733313.0A Active CN110561420B (zh) | 2019-08-09 | 2019-08-09 | 臂型面约束柔性机器人轨迹规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110561420B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862812A (zh) * | 2021-03-10 | 2021-05-28 | 中山大学 | 一种柔性机器人的操作空间轨迹优化方法、系统及装置 |
CN114131602A (zh) * | 2021-12-03 | 2022-03-04 | 山东大学 | 人机协同安装幕墙环境下机器人作业知识积累方法及系统 |
CN114237233A (zh) * | 2021-11-30 | 2022-03-25 | 深圳市优必选科技股份有限公司 | 机器人下棋方法、装置、计算机可读存储介质及机器人 |
CN116784984A (zh) * | 2023-08-23 | 2023-09-22 | 深圳市精锋医疗科技股份有限公司 | 手术机器人的控制方法、系统及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0107968A1 (en) * | 1982-10-29 | 1984-05-09 | Kabushiki Kaisha Toshiba | Control system of multi-joint arm robot apparatus |
JP2001138279A (ja) * | 1999-11-10 | 2001-05-22 | Natl Aerospace Lab | 多関節ロボットとその制御方法 |
CN101508113A (zh) * | 2009-03-11 | 2009-08-19 | 哈尔滨工业大学 | 一种基于余弦二阶的机器人轨迹规划方法 |
CN106737689A (zh) * | 2017-01-19 | 2017-05-31 | 哈尔滨工业大学深圳研究生院 | 基于模式函数的超冗余机械臂混合逆向求解方法及系统 |
CN107066698A (zh) * | 2017-03-18 | 2017-08-18 | 华南理工大学 | 基于新型数值求解器的冗余度机械臂重复运动规划方法 |
CN108237534A (zh) * | 2018-01-04 | 2018-07-03 | 清华大学深圳研究生院 | 一种连续型机械臂的空间避障轨迹规划方法 |
CN110076775A (zh) * | 2019-04-25 | 2019-08-02 | 清华大学深圳研究生院 | 一种绳驱动连续型机械臂的三维静力学建模方法 |
-
2019
- 2019-08-09 CN CN201910733313.0A patent/CN110561420B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0107968A1 (en) * | 1982-10-29 | 1984-05-09 | Kabushiki Kaisha Toshiba | Control system of multi-joint arm robot apparatus |
JP2001138279A (ja) * | 1999-11-10 | 2001-05-22 | Natl Aerospace Lab | 多関節ロボットとその制御方法 |
CN101508113A (zh) * | 2009-03-11 | 2009-08-19 | 哈尔滨工业大学 | 一种基于余弦二阶的机器人轨迹规划方法 |
CN106737689A (zh) * | 2017-01-19 | 2017-05-31 | 哈尔滨工业大学深圳研究生院 | 基于模式函数的超冗余机械臂混合逆向求解方法及系统 |
CN107066698A (zh) * | 2017-03-18 | 2017-08-18 | 华南理工大学 | 基于新型数值求解器的冗余度机械臂重复运动规划方法 |
CN108237534A (zh) * | 2018-01-04 | 2018-07-03 | 清华大学深圳研究生院 | 一种连续型机械臂的空间避障轨迹规划方法 |
CN110076775A (zh) * | 2019-04-25 | 2019-08-02 | 清华大学深圳研究生院 | 一种绳驱动连续型机械臂的三维静力学建模方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862812A (zh) * | 2021-03-10 | 2021-05-28 | 中山大学 | 一种柔性机器人的操作空间轨迹优化方法、系统及装置 |
CN114237233A (zh) * | 2021-11-30 | 2022-03-25 | 深圳市优必选科技股份有限公司 | 机器人下棋方法、装置、计算机可读存储介质及机器人 |
CN114237233B (zh) * | 2021-11-30 | 2024-02-23 | 深圳市优必选科技股份有限公司 | 机器人下棋方法、装置、计算机可读存储介质及机器人 |
CN114131602A (zh) * | 2021-12-03 | 2022-03-04 | 山东大学 | 人机协同安装幕墙环境下机器人作业知识积累方法及系统 |
CN114131602B (zh) * | 2021-12-03 | 2023-08-29 | 山东大学 | 人机协同安装幕墙环境下机器人作业知识积累方法及系统 |
CN116784984A (zh) * | 2023-08-23 | 2023-09-22 | 深圳市精锋医疗科技股份有限公司 | 手术机器人的控制方法、系统及介质 |
CN116784984B (zh) * | 2023-08-23 | 2023-12-08 | 深圳市精锋医疗科技股份有限公司 | 手术机器人系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110561420B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110561420B (zh) | 臂型面约束柔性机器人轨迹规划方法及装置 | |
CN110561419B (zh) | 臂型线约束柔性机器人轨迹规划方法及装置 | |
CN108829113B (zh) | 一种多机器人编队自适应零空间行为融合方法 | |
CN107877517B (zh) | 基于CyberForce遥操作机械臂的运动映射方法 | |
CN111522351B (zh) | 水下机器人三维编队及避障方法 | |
CN108772835B (zh) | 一种障碍物与物理极限躲避方法 | |
Snape et al. | Navigating multiple simple-airplanes in 3D workspace | |
Phang et al. | Systems design and implementation with jerk-optimized trajectory generation for UAV calligraphy | |
US10035264B1 (en) | Real time robot implementation of state machine | |
CN112578814B (zh) | 一种用于多自主水下航行器编队直线航迹跟踪控制方法 | |
WO2021217341A1 (zh) | 避障方法、可移动平台、控制设备和存储介质 | |
CN111709095B (zh) | 一种面向复杂曲面6d虚拟夹具构造方法 | |
Lippiello et al. | Visual coordinated landing of a UAV on a mobile robot manipulator | |
CN109366486A (zh) | 柔性机器人逆运动学求解方法、系统、设备、存储介质 | |
CN113093804A (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
Chang | Binocular vision-based 3-D trajectory following for autonomous robotic manipulation | |
CN116714780A (zh) | 一种旋翼飞行机械臂及空中快速抓取的规划和控制方法 | |
Cong et al. | A review and performance comparison of visual servoing controls | |
Bipin et al. | Autonomous navigation of generic quadrocopter with minimum time trajectory planning and control | |
Fu et al. | Adaptive safety motion control for underactuated hovercraft using improved integral barrier lyapunov function | |
CN114489037A (zh) | 一种船舶避障航行方法、装置、设备及存储介质 | |
Chang et al. | Mobile robot navigation and control with monocular surveillance cameras | |
Bai et al. | Coordinated motion planning of the mobile redundant manipulator for processing large complex components | |
Kim et al. | Generation of a 3D robot path for collision avoidance of a workpiece based on voxel and vector field | |
Chang et al. | Map-based navigation and control of mobile robots with surveillance cameras |
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 |