CN110653821A - 用于机械臂的控制方法、系统、介质及设备 - Google Patents

用于机械臂的控制方法、系统、介质及设备 Download PDF

Info

Publication number
CN110653821A
CN110653821A CN201910958344.6A CN201910958344A CN110653821A CN 110653821 A CN110653821 A CN 110653821A CN 201910958344 A CN201910958344 A CN 201910958344A CN 110653821 A CN110653821 A CN 110653821A
Authority
CN
China
Prior art keywords
speed
fuzzy
control signal
mechanical arm
tail end
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
Application number
CN201910958344.6A
Other languages
English (en)
Other versions
CN110653821B (zh
Inventor
周朝政
叶震
张长青
朱振中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Electric Group Corp
Original Assignee
Shanghai Electric Group Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Electric Group Corp filed Critical Shanghai Electric Group Corp
Priority to CN201910958344.6A priority Critical patent/CN110653821B/zh
Publication of CN110653821A publication Critical patent/CN110653821A/zh
Application granted granted Critical
Publication of CN110653821B publication Critical patent/CN110653821B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B25J9/1628—Programme controls characterised by the control loop
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manipulator (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种用于机械臂的控制方法、系统、介质及设备，所述控制方法包括如下步骤：获取机械臂的末端在受到人机交互力之后的当前位置和当前速度；根据当前位置以及预设位置计算位置误差，根据当前速度和预设速度计算速度误差；将位置误差以及速度误差输入模糊逻辑控制器；判断机械臂的末端与预设轨迹之间的垂直距离是否超过第一预设阈值；若是，所述模糊逻辑控制器用于根据位置误差生成第一模糊控制信号，第一模糊控制信号用于调整所述当前速度；若否，所述模糊逻辑控制器用于根据速度误差生成第二模糊控制信号，第二模糊控制信号用于调整所述当前速度。本发明技术方案可以有效避免机械臂末端进入“危险”区域，进而提高了手术的安全性。

Description

用于机械臂的控制方法、系统、介质及设备
技术领域
本发明涉及机械臂控制技术领域，具体涉及一种用于机械臂的控制方法、系统、介质及电子设备。
背景技术
在机械臂辅助手术操作中，对于一些特定的重要部位，例如预定的运动路线附近的肋骨和血管等，医生在操作时并不希望手术工具接近甚至接触到这些位置，但是单靠操作者并不能保证一定能避开这些位置，做到操作安全。因此可以通过主动约束的方式对手术工具的路径进行约束和控制。
主动约束，也称为虚拟夹具，是一种高级控制方法，通过限制机械臂末端的运动位置和运动速度，由虚拟环境产生抽象的力觉、触觉等信息，反馈给主端操作者，来辅助操作者完成精细化操作，可以引导手术工具沿着特定的路径前进，或者将手术工具限制在某些“安全”区域内。
现有技术中的主动约束类控制算法在手术机械臂上运用时，通常并不能对时刻变化的人机交互环境进行及时响应，从而造成机械臂末端的反应速度缓慢，甚至机械臂末端已经进入到“危险”区域，控制系统才开始对机械臂末端的速度和位置进行调整，影响了手术的安全性。
发明内容
本发明要解决的技术问题是为了克服现有技术中的机械臂不能对时刻变化的人机交互环境进行及时响应的缺陷，提供一种用于机械臂的控制方法、系统、介质及电子设备。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供了一种用于机械臂的控制方法，所述控制方法包括如下步骤：
获取所述机械臂的末端在受到人机交互力之后的当前位置和当前速度；
根据所述当前位置以及预设位置计算位置误差，根据所述当前速度和预设速度计算速度误差；
将所述位置误差以及所述速度误差输入模糊逻辑控制器；
判断所述机械臂的末端与预设轨迹之间的垂直距离是否超过第一预设阈值；
若是，所述模糊逻辑控制器用于根据所述位置误差生成第一模糊控制信号，所述第一模糊控制信号用于调整所述当前速度；
若否，所述模糊逻辑控制器用于根据所述速度误差生成第二模糊控制信号，所述第二模糊控制信号用于调整所述当前速度。
较佳地，所述第一模糊控制信号包括第一速度调整信号以及第二速度调整信号；所述模糊逻辑控制器用于根据所述位置误差生成第一模糊控制信号的步骤包括：
判断所述位置误差是否超过第二预设阈值；
若是，则所述模糊逻辑控制器用于输出所述第一速度调整信号，所述第一速度调整信号用于控制所述机械臂的末端增大所述当前速度；
若否，则所述模糊逻辑控制器用于输出所述第二速度调整信号，所述第二速度调整信号用于控制所述机械臂的末端减小所述当前速度。
较佳地，所述第二模糊控制信号包括第三速度调整信号以及第四速度调整信号；所述模糊逻辑控制器用于根据所述速度误差生成第二模糊控制信号的步骤包括：
判断所述速度误差是否超过第三预设阈值；
若是，则所述模糊逻辑控制器用于输出所述第三速度调整信号，所述第三速度调整信号用于控制所述机械臂的末端增大所述当前速度；
若否，则所述模糊逻辑控制器用于输出所述第四速度调整信号，所述第四速度调整信号用于控制所述机械臂的末端减小所述当前速度。
较佳地，所述当前速度具有与预设参考方向垂直的垂直速度分量，所述垂直速度分量具有速度控制因子，所述速度控制因子用于调整所述垂直速度分量的大小；
所述控制方法还包括如下步骤：
将所述第一模糊控制信号或所述第二模糊控制信号与比例因子进行乘积运算，以得到自适应调整信号，所述比例因子与所述速度控制因子的大小呈正相关；
将所述自适应调整信号以及所述当前速度输入比例积分控制器；
判断所述当前速度的方向与所述人机交互力的方向是否相同；
若是，则所述比例积分控制器用于输出第一比例控制信号，所述第一比例控制信号用于减小所述比例因子；
若否，则所述比例积分控制器用于输出第二比例控制信号，所述第二比例控制信号用于增大所述比例因子。
较佳地，所述第一模糊控制信号或所述第二模糊控制信号通过如下方式计算得到：
E1(k)＝S1(p(k)-x(k))；
E2(k)＝S2(v0(k)-v(k))；
k为离散时刻，其k为大于0的整数，U(k)为所述第一模糊控制信号或所述第二模糊控制信号，p(k)为k时刻所述机械臂末端的理想位置，x(k)为k时刻所述机械臂末端的实际位置；v0(k)为k时刻所述机械臂末端的实际速度矢量，v(k)为k时刻所述机械臂末端的理想速度矢量；S1为第一影响因子、S2为第二影响因子，E1(k)为第一模糊变量，E2(k)为第二模糊变量，μl(E1)为E1(k)的隶属度函数，μl(E2)为E2(k)的隶属度函数，Yl第一常数模糊变量，l为模糊集的数量。
较佳地，所述比例因子通过如下方式计算得到：
Figure BDA0002228114920000032
E3(k)＝S3(Su(k-1)U(k-1))；
E4(k)＝S4v0(k)
其中，Su(k)为k时刻的比例因子，w(k)为所述第一比例控制信号或所述第二比例控制信号，γ为第一参数，β为第二参数，S3为第三影响因子、S4为第四影响因子，E3(k)为第三模糊变量，E4(k)为第四模糊变量，μm(E3)为E3(k)的隶属度函数，μm(E4)为E4(k)的隶属度函数，Wm为第二常数模糊变量，U(k-1)为k-1时刻的模糊控制信号，Su(k-1)为k-1时刻的比例因子。
本发明还提供了一种用于机械臂的控制系统，所述控制系统包括：
数据获取模块，用于获取所述机械臂的末端在受到人机交互力之后的当前位置和当前速度；
第一计算模块，用于根据所述当前位置以及预设位置计算位置误差，根据所述当前速度和预设速度计算速度误差；
第一数据传输模块，用于将所述位置误差以及所述速度误差输入模糊逻辑控制器；
第一判断模块，用于判断所述机械臂的末端与预设轨迹之间的垂直距离是否超过第一预设阈值；
若是，则所述模糊逻辑控制器用于根据所述位置误差生成第一模糊控制信号，所述第一模糊控制信号用于调整所述当前速度；
若否，所述模糊逻辑控制器用于根据所述速度误差生成第二模糊控制信号，所述第二模糊控制信号用于调整所述当前速度。
较佳地，所述第一模糊控制信号包括第一速度调整信号以及第二速度调整信号；所述控制系统还包括第二判断模块；
当所述机械臂的末端与预设轨迹之间的垂直距离超过所述第一预设阈值时，所述第二判断模块用于判断所述位置误差是否超过第二预设阈值；
若是，则所述模糊逻辑控制器用于输出所述第一速度调整信号，所述第一速度调整信号用于控制所述机械臂的末端增大所述当前速度；
若否，则所述模糊逻辑控制器用于输出所述第二速度调整信号，所述第二速度调整信号用于控制所述机械臂的末端减小所述当前速度。
较佳地，所述第二模糊控制信号包括第三速度调整信号以及第四速度调整信号；所述控制系统还包括第三判断模块；
当所述机械臂的末端与预设轨迹之间的垂直距离不超过所述第一预设阈值时，所述第三判断模块用于判断所述速度误差是否超过第三预设阈值；
若是，则所述模糊逻辑控制器用于输出所述第三速度调整信号，所述第三速度调整信号用于控制所述机械臂的末端增大所述当前速度；
若否，则所述模糊逻辑控制器用于输出所述第四速度调整信号，所述第四速度调整信号用于控制所述机械臂的末端减小所述当前速度。
较佳地，所述当前速度具有与预设参考方向垂直的垂直速度分量，所述垂直速度分量具有速度控制因子，所述速度控制因子用于调整所述垂直速度分量的大小；
所述控制系统还包括：
第二计算模块，用于将所述模糊控制信号与比例因子进行乘积运算，以得到自适应调整信号，所述比例因子与所述速度控制因子的大小呈正相关；
第二数据传输模块，将所述自适应调整信号以及所述当前速度输入比例积分控制器；
第四判断模块，用于判断所述当前速度的方向与所述人机交互力的方向是否相同；
若是，则所述比例积分控制器用于输出第一比例控制信号，所述第一比例控制信号用于减小所述比例因子；
若否，则所述比例积分控制器用于输出第二比例控制信号，所述第二比例控制信号用于增大所述比例因子。
较佳地，所述第一模糊控制信号或所述第二模糊控制信号通过如下方式计算得到：
Figure BDA0002228114920000061
E1(k)＝S1(p(k)-x(k))；
E2(k)＝S2(v0(k)-v(k))；
k为离散时刻，其k为大于0的整数，U(k)为所述第一模糊控制信号或所述第二模糊控制信号，p(k)为k时刻所述机械臂末端的理想位置，x(k)为k时刻所述机械臂末端的实际位置；v0(k)为k时刻所述机械臂末端的实际速度矢量，v(k)为k时刻所述机械臂末端的理想速度矢量；S1为第一影响因子、S2为第二影响因子，E1(k)为第一模糊变量，E2(k)为第二模糊变量，μl(E1)为E1(k)的隶属度函数，μl(E2)为E2(k)的隶属度函数，Yl第一常数模糊变量，l为模糊集的数量。
较佳地，所述比例因子通过如下方式计算得到：
Figure BDA0002228114920000062
Figure BDA0002228114920000063
E3(k)＝S3(Su(k-1)U(k-1))；
E4(k)＝S4v0(k)
其中，Su(k)为k时刻的比例因子，w(k)为所述第一比例控制信号或所述第二比例控制信号，γ为第一参数，β为第二参数，S3为第三影响因子、S4为第四影响因子，E3(k)为第三模糊变量，E4(k)为第四模糊变量，μm(E3)为E3(k)的隶属度函数，μm(E4)为E4(k)的隶属度函数，Wm为第二常数模糊变量，U(k-1)为k-1时刻的模糊控制信号，Su(k-1)为k-1时刻的比例因子。
本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现前述用于机械臂的控制方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述用于机械臂的控制方法的步骤。
本发明的积极进步效果在于：本发明提供的用于机械臂的控制方法、系统、介质及电子设备通过获取所述机械臂的末端在受到人机交互力之后的当前位置和当前速度，然后根据所述当前位置以及预设位置计算位置误差，根据所述当前速度和预设速度计算速度误差，将所述位置误差以及所述速度误差输入模糊逻辑控制器，接下来根据所述机械臂的末端与预设轨迹之间的垂直距离是否超过第一预设阈值来选择根据位置误差或速度误差来调整当前速度。由此，通过对机械臂末端的灵活控制，不仅提高了手术效率，而且可以有效避免机械臂末端进入“危险”区域，进而提高了手术的安全性。
附图说明
图1为本发明实施例1的用于机械臂的控制方法的流程图。
图2为本发明实施例2的用于机械臂的控制方法的流程图。
图3为本发明实施例3的用于机械臂的控制系统的结构框图。
图4为本发明实施例4的用于机械臂的控制系统的结构框图。
图5是本发明实施例5中的实现用于机械臂的控制方法的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种用于机械臂的控制方法，如图1所示，所述控制方法包括可以包括如下步骤：
步骤S1：获取所述机械臂的末端在受到人机交互力之后的当前位置和当前速度；
本实施例中，所述机械臂可以用于辅助医疗、艺术雕刻等能够实现人机交互和智能控制应用场景，本发明实施例对其具体应用领域不作限制。
所述人机交互力可以是操作者给予机械臂的操作力。例如：在临床手术的过程中，在机械臂的末端连接着传感器的一端，传感器的另一端连接手术夹具，所述手术夹具中固定有手术工具，操作者用手控制手术工具进行多个方向的位移，进而执行手术过程，此时，操作者施加在手术工具上的操作力可以被传感器采集，即为人机交互力。
步骤S2：根据所述当前位置以及预设位置计算位置误差，根据所述当前速度和预设速度计算速度误差；
步骤S3：将所述位置误差以及所述速度误差输入模糊逻辑控制器；
步骤S4：判断所述机械臂的末端与预设轨迹之间的垂直距离是否超过第一预设阈值；
若是，则执行步骤S51：所述模糊逻辑控制器用于根据所述位置误差生成第一模糊控制信号，所述第一模糊控制信号用于调整所述当前速度；
若否，则执行步骤S52：所述模糊逻辑控制器用于根据所述速度误差生成第二模糊控制信号，所述第二模糊控制信号用于调整所述当前速度。
进一步地，所述第一模糊控制信号包括第一速度调整信号以及第二速度调整信号；所述模糊逻辑控制器用于根据所述位置误差生成第一模糊控制信号的步骤可以通过如下具体方式执行：判断所述位置误差是否超过第二预设阈值；若是，则所述模糊逻辑控制器用于输出所述第一速度调整信号，所述第一速度调整信号用于控制所述机械臂的末端增大所述当前速度；若否，则所述模糊逻辑控制器用于输出所述第二速度调整信号，所述第二速度调整信号用于控制所述机械臂的末端减小所述当前速度。
进一步地，所述第二模糊控制信号包括第三速度调整信号以及第四速度调整信号；所述模糊逻辑控制器用于根据所述速度误差生成第二模糊控制信号的步骤可以通过如下具体方式执行：判断所述速度误差是否超过第三预设阈值；若是，则所述模糊逻辑控制器用于输出所述第三速度调整信号，所述第三速度调整信号用于控制所述机械臂的末端增大所述当前速度；若否，则所述模糊逻辑控制器用于输出所述第四速度调整信号，所述第四速度调整信号用于控制所述机械臂的末端减小所述当前速度。
本领域技术人员可以根据具体的应用场合来适应性的选择合适的第一预设阈值、第二预设阈值以及第三预设阈值的具体数值，本实施例对此不作限制。
本实施例提供的用于机械臂的控制方法通过对机械臂末端的灵活控制，不仅提高了手术效率，而且可以有效避免机械臂末端进入“危险”区域，进而提高了手术的安全性。
实施例2
本实施例提供一种用于机械臂的控制方法，如图2所示，该控制方法是在实施例1基础上的进一步改进。
具体地，所述当前速度具有与预设参考方向垂直的垂直速度分量，所述垂直速度分量具有速度控制因子，所述速度控制因子用于调整所述垂直速度分量的大小；
所述控制方法还包括如下步骤：
步骤S6：将所述第一模糊控制信号或所述第二模糊控制信号与比例因子进行乘积运算，以得到自适应调整信号，所述比例因子与所述速度控制因子的大小呈正相关；
步骤S7：将所述自适应调整信号以及所述当前速度输入比例积分控制器；
步骤S8：判断所述当前速度的方向与所述人机交互力的方向是否相同；
若是，则执行步骤S91：所述比例积分控制器用于输出第一比例控制信号，所述第一比例控制信号用于减小所述比例因子；
若否，则执行步骤S92：所述比例积分控制器用于输出第二比例控制信号，所述第二比例控制信号用于增大所述比例因子。
下面以一个具体应用场景对本实施例中的用于机械臂的控制方法的原理进行详细说明。
例如，将本实施例中的控制方法应用于丹麦优傲机器人公司生产的UR5机器人(即机械臂)，该机器人重18.4kg，最大载荷5kg，机器人最大操作空间850mm。控制器采用德国倍福公司生产的CX2030控制器，采样频率1000Hz。
在人机交互操作中可以采用本实施例中的控制方法来约束机器人的运动，为了构造约束几何，可以设置作如下约束参数：
(1)离散时域：k；
(2)采样时间：Δt
(3)由一组三维空间的离散点组成理想路径：P＝{p1，p2…pn}；
(4)器械末端位置：x(k)∈R3；
(5)器械末端速度：v(k)＝(x(k)-x(k-1))/Δt；
本实施例中采用离散的模糊逻辑控制器，有两个输入和一个输出。输入为位置误差ed及速度误差ev。对于模糊变量的输入，采用梯形隶属函数对表1中所示的负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PB)7个模糊集进行特征描述。
表1
Figure BDA0002228114920000101
所述模糊控制信号通过如下方式计算得到：
Figure BDA0002228114920000102
E1(k)＝S1(p(k)-x(k))；
E2(k)＝S2(v0(k)-v(k))；
k为离散时刻，其k为大于0的整数，U(k)为所述第一模糊控制信号或所述第二模糊控制信号，p(k)为k时刻所述机械臂末端的理想位置，x(k)为k时刻所述机械臂末端的实际位置；v0(k)为k时刻所述机械臂末端的实际速度矢量，v(k)为k时刻所述机械臂末端的理想速度矢量；S1为第一影响因子、S2为第二影响因子，E1(k)为第一模糊变量，E2(k)为第二模糊变量，μl(E1)为E1(k)的隶属度函数，μl(E2)为E2(k)的隶属度函数，Yl第一常数模糊变量，l为模糊集的数量。
本实施例中，-1≤Yl≤1，-1≤E1(k)≤1，-1≤E2(k)≤1。
所述模糊集的数量l＝7，包括前述的负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PB)7个模糊集。
具体地，S1、S2可以由实验数据测得，经过多次计算统计，S1的值可以为1/2000-1/1000、S2的值可以为1/200-1/100。
在模糊逻辑控制器运行过程中，首先判断所述机械臂的末端与预设轨迹之间的垂直距离是否超过第一预设阈值。
若所述机械臂的末端与预设轨迹之间的垂直距离超过所述第一预设阈值，则模糊逻辑控制器以位置误差作为调控基准，具体地，判断所述位置误差是否超过第二预设阈值；若是，则所述模糊逻辑控制器用于输出所述第一速度调整信号，所述第一速度调整信号用于控制所述机械臂的末端增大所述当前速度，以使得所述机械臂的末端快速靠近预设轨迹；若否，则所述模糊逻辑控制器用于输出所述第二速度调整信号，所述第二速度调整信号用于控制所述机械臂的末端减小所述当前速度，以使得所述机械臂的末端以较小的速度靠近预设轨迹。
若所述机械臂的末端与预设轨迹之间的垂直距离不超过所述第一预设阈值，则模糊逻辑控制器以速度误差作为调控基准，具体地，判断所述速度误差是否超过第三预设阈值；若是，则所述模糊逻辑控制器用于输出所述第三速度调整信号，所述第三速度调整信号用于控制所述机械臂的末端增大所述当前速度，以使得所述机械臂的末端快速靠近预设轨迹；若否，则所述模糊逻辑控制器用于输出所述第四速度调整信号，所述第四速度调整信号用于控制所述机械臂的末端减小所述当前速度，以使得所述机械臂的末端以较小的速度靠近预设轨迹。
进一步地，可以利用比例积分控制器来进一步对速度的方向进行调整，具体地，利用比例积分控制器来调整当前速度中的垂直速度分量，从而可以在模糊逻辑控制器的基础上更加细致的对机械臂进行控制。
机械臂末端的速度可以分解：v(k)＝vv(k)+vh(k)
其中，vv(k)表示沿着参考方向的速度矢量(优选方向)，vh(k)表示垂直于参考方向的速度矢量(非优选方向)，即垂直速度分量。
本实施例中，可以引入速度控制因子ωh来调整所述垂直速度分量的大小；则所述速度分解的公式可以为：v(k)＝vv(k)+ωhvh(k)，
若ωh＝0，则完全限制垂直速度分量，若ωh＝1，则完全不限制垂直速度分量。
本实施例中，可以将所述模糊控制信号与比例因子进行乘积运算，以得到自适应调整信号，所述比例因子与所述速度控制因子ωh的大小呈正相关，也可以说，当比例因子增大时，所述速度控制因子增大，则所述垂直速度分量增大；当比例因子减小时，所述速度控制因子减小，则所述垂直速度分量减小。
所述比例因子可以通过如下方式计算得到：
Figure BDA0002228114920000121
Figure BDA0002228114920000122
E3(k)＝S3(Su(k-1)U(k-1))；
E4(k)＝S4v0(k)；
其中，Su(k)为k时刻的比例因子，w(k)为所述第一比例控制信号或所述第二比例控制信号，γ为第一参数，β为第二参数，S3为第三影响因子、S4为第四影响因子，E3(k)为第三模糊变量，E4(k)为第四模糊变量，μm(E3)为E3(k)的隶属度函数，μm(E4)为E4(k)的隶属度函数，Wm为第二常数模糊变量，U(k-1)为k-1时刻的模糊控制信号，Su(k-1)为k-1时刻的比例因子。
其中，所述模糊集的数量l＝7，包括前述的负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PB)7个模糊集。
本实施例中，-1≤Wm≤1，-1≤E3(k)≤1，-1≤E4(k)≤1。S3、S4可以由实验数据测得，经过多次计算统计，S3的值可以为1/400-1/200、S3的值可以为1/600-1/500，。
其中，当γ≠0时，Su(k)系数是累加递增或递减的；当0<β<1时，Su(k)系数是乘积递减的。本实施例中，γ的值可以为100-200、β的值可以为0.2-0.5。
本领域技术人员可以根据具体的控制需求而选择合适的Su(0)的值，即比例因子的初始值。其中，0≤Su(0)≤1。
本实施例中，当E3为ZO时，保留当前的Su(k)值，因为没有足够的信息修改它；
若当前速度方向和交互力的方向一致，即E3E4>0，则减小比例因子，也就是说，在器械末端靠近预设轨迹时，在模糊逻辑控制器的基础上，可以通过减小垂直速度分量的方式对机械臂的运动方向进行进一步优化，使得机械臂能够更加准确的沿着预设路径移动。
若当前速度方向和交互力的方向不一致，即E3E4<0，则增大比例因子，即增大了垂直速度，进而增大了当前速度，使得机械臂末端能够快速的靠近预设轨迹。
利用本实施例中的控制方法对UR5机器人的控制结果表明，基于模糊逻辑控制器与比例积分控制器的控制方法可以根据操作者操作方式的变化有效地调整在非优选方向(即垂直于参考方向)的运动，使得该机械臂适合更复杂的应用场合。
实施例3
一种用于机械臂的控制系统，如图3所示，所述控制系统1可以包括：
数据获取模块10，用于获取所述机械臂的末端在受到人机交互力之后的当前位置和当前速度；
第一计算模块11，用于根据所述当前位置以及预设位置计算位置误差，根据所述当前速度和预设速度计算速度误差；
第一数据传输模块12，用于将所述位置误差以及所述速度误差输入模糊逻辑控制器14；
第一判断模块13，用于判断所述机械臂的末端与预设轨迹之间的垂直距离是否超过第一预设阈值；
若是，则所述模糊逻辑控制器14用于根据所述位置误差生成第一模糊控制信号，所述第一模糊控制信号用于调整所述当前速度；
若否，则所述模糊逻辑控制器14用于根据所述速度误差生成第二模糊控制信号，所述第二模糊控制信号用于调整所述当前速度。
本实施例中，所述机械臂可以用于辅助医疗、艺术雕刻等能够实现人机交互和智能控制应用场景，本发明实施例对其具体应用领域不作限制。
所述人机交互力可以是操作者给予机械臂的操作力。例如：在临床手术的过程中，在机械臂的末端连接着传感器的一端，传感器的另一端连接手术夹具，所述手术夹具中固定有手术工具，操作者用手控制手术工具进行多个方向的位移，进而执行手术过程，此时，操作者施加在手术工具上的操作力可以被传感器采集，即为人机交互力。
进一步地，所述第一模糊控制信号包括第一速度调整信号以及第二速度调整信号；所述控制系统还包括第二判断模块15；
当所述机械臂的末端与预设轨迹之间的垂直距离超过所述第一预设阈值时，所述第二判断模块15用于判断所述位置误差是否超过第二预设阈值；若是，则所述模糊逻辑控制器14用于输出所述第一速度调整信号，所述第一速度调整信号用于控制所述机械臂的末端增大所述当前速度；若否，则所述模糊逻辑控制器14用于输出所述第二速度调整信号，所述第二速度调整信号用于控制所述机械臂的末端减小所述当前速度。
进一步地，所述第二模糊控制信号包括第三速度调整信号以及第四速度调整信号；所述控制系统还包括第三判断模块16；
当所述机械臂的末端与预设轨迹之间的垂直距离不超过所述第一预设阈值时，所述第三判断模块16用于判断所述速度误差是否超过第三预设阈值；若是，则所述模糊逻辑控制器14用于输出所述第三速度调整信号，所述第三速度调整信号用于控制所述机械臂的末端增大所述当前速度；若否，则所述模糊逻辑控制器14用于输出所述第四速度调整信号，所述第四速度调整信号用于控制所述机械臂的末端减小所述当前速度。
本领域技术人员可以根据具体的应用场合来适应性的选择合适的第一预设阈值、第二预设阈值以及第三预设阈值的具体数值，本实施例对此不作限制。
本实施例提供的用于机械臂的控制系统在运行时，通过对机械臂末端的灵活控制，不仅提高了手术效率，而且可以有效避免机械臂末端进入“危险”区域，进而提高了手术的安全性。
实施例4
本实施例提供一种用于机械臂的控制系统，如图4所示，该控制系统是在实施例3基础上的进一步改进。
进一步地，所述当前速度具有与预设参考方向垂直的垂直速度分量，所述垂直速度分量具有速度控制因子，所述速度控制因子用于调整所述垂直速度分量的大小；
所述控制系统1还可以包括：
第二计算模块17，用于将所述模糊控制信号与比例因子进行乘积运算，以得到自适应调整信号，所述比例因子与所述速度控制因子的大小呈正相关；
第二数据传输模块18，将所述自适应调整信号以及所述当前速度输入比例积分控制器；
第四判断模块19，用于判断所述当前速度的方向与所述人机交互力的方向是否相同；
若是，则所述比例积分控制器用于输出第一比例控制信号，所述第一比例控制信号用于减小所述比例因子；
若否，则所述比例积分控制器用于输出第二比例控制信号，所述第二比例控制信号用于增大所述比例因子。
下面以一个具体应用场景对本实施例中的用于机械臂的控制系统的运行原理进行详细说明。
例如，将本实施例中的控制系统应用于丹麦优傲机器人公司生产的UR5机器人(即机械臂)，该机器人重18.4kg，最大载荷5kg，机器人最大操作空间850mm。控制器采用德国倍福公司生产的CX2030控制器，采样频率1000Hz。
在人机交互操作中可以采用本实施例中的控制方法来约束机器人的运动，为了构造约束几何，可以设置作如下约束参数：
(1)离散时域：k；
(2)采样时间：Δt
(3)由一组三维空间的离散点组成理想路径：P＝{p1，p2…pn}；
(4)器械末端位置：x(k)∈R3；
(5)器械末端速度：v(k)＝(x(k)-x(k-1))/Δt；
本实施例中采用离散的模糊逻辑控制器，有两个输入和一个输出。输入为位置误差ed及速度误差ev。对于模糊变量的输入，采用梯形隶属函数对表2中所示的负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PB)7个模糊集进行特征描述。
表2
Figure BDA0002228114920000171
所述模糊控制信号通过如下方式计算得到：
Figure BDA0002228114920000172
E1(k)＝S1(p(k)-x(k))；
E2(k)＝S2(v0(k)-v(k))；
k为离散时刻，其k为大于0的整数，U(k)为所述第一模糊控制信号或所述第二模糊控制信号，p(k)为k时刻所述机械臂末端的理想位置，x(k)为k时刻所述机械臂末端的实际位置；v0(k)为k时刻所述机械臂末端的实际速度矢量，v(k)为k时刻所述机械臂末端的理想速度矢量；S1为第一影响因子、S2为第二影响因子，E1(k)为第一模糊变量，E2(k)为第二模糊变量，μl(E1)为E1(k)的隶属度函数，μl(E2)为E2(k)的隶属度函数，Yl第一常数模糊变量，l为模糊集的数量。
本实施例中，-1≤Yl≤1，-1≤E1(k)≤1，-1≤E2(k)≤1。
所述模糊集的数量l＝7，包括前述的负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PB)7个模糊集。
具体地，S1、S2可以由实验数据测得，经过多次计算统计，S1的值可以为1/2000-1/1000、S2的值可以为1/200-1/100。
在模糊逻辑控制器运行过程中，首先判断所述机械臂的末端与预设轨迹之间的垂直距离是否超过第一预设阈值。
若所述机械臂的末端与预设轨迹之间的垂直距离超过所述第一预设阈值，则模糊逻辑控制器以位置误差作为调控基准，具体地，判断所述位置误差是否超过第二预设阈值；若是，则所述模糊逻辑控制器用于输出所述第一速度调整信号，所述第一速度调整信号用于控制所述机械臂的末端增大所述当前速度，以使得所述机械臂的末端快速靠近预设轨迹；若否，则所述模糊逻辑控制器用于输出所述第二速度调整信号，所述第二速度调整信号用于控制所述机械臂的末端减小所述当前速度，以使得所述机械臂的末端以较小的速度靠近预设轨迹。
若所述机械臂的末端与预设轨迹之间的垂直距离不超过所述第一预设阈值，则模糊逻辑控制器以速度误差作为调控基准，具体地，判断所述速度误差是否超过第三预设阈值；若是，则所述模糊逻辑控制器用于输出所述第三速度调整信号，所述第三速度调整信号用于控制所述机械臂的末端增大所述当前速度，以使得所述机械臂的末端快速靠近预设轨迹；若否，则所述模糊逻辑控制器用于输出所述第四速度调整信号，所述第四速度调整信号用于控制所述机械臂的末端减小所述当前速度，以使得所述机械臂的末端以较小的速度靠近预设轨迹。
进一步地，可以利用比例积分控制器来进一步对速度的方向进行调整，具体地，利用比例积分控制器来调整当前速度中的垂直速度分量，从而可以在模糊逻辑控制器的基础上更加细致的对机械臂进行控制。
机械臂末端的速度可以分解：v(k)＝vv(k)+vh(k)
其中，vv(k)表示沿着参考方向的速度矢量(优选方向)，vh(k)表示垂直于参考方向的速度矢量(非优选方向)，即垂直速度分量。
本实施例中，可以引入速度控制因子ωh来调整所述垂直速度分量的大小；则所述速度分解的公式可以为：v(k)＝vv(k)+ωhvh(k)，
若ωh＝0，则完全限制垂直速度分量，若ωh＝1，则完全不限制垂直速度分量。
本实施例中，可以将所述模糊控制信号与比例因子进行乘积运算，以得到自适应调整信号，所述比例因子与所述速度控制因子ωh的大小呈正相关，也可以说，当比例因子增大时，所述速度控制因子增大，则所述垂直速度分量增大；当比例因子减小时，所述速度控制因子减小，则所述垂直速度分量减小。
所述比例因子可以通过如下方式计算得到：
Figure BDA0002228114920000192
E3(k)＝S3(Su(k-1)U(k-1))；
E4(k)＝S4v0(k)；
其中，Su(k)为k时刻的比例因子，w(k)为所述第一比例控制信号或所述第二比例控制信号，γ为第一参数，β为第二参数，S3为第三影响因子、S4为第四影响因子，E3(k)为第三模糊变量，E4(k)为第四模糊变量，μm(E3)为E3(k)的隶属度函数，μm(E4)为E4(k)的隶属度函数，Wm为第二常数模糊变量，U(k-1)为k-1时刻的模糊控制信号，Su(k-1)为k-1时刻的比例因子。
其中，所述模糊集的数量l＝7，包括前述的负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PB)7个模糊集。
本实施例中，-1≤Wm≤1，-1≤E3(k)≤1，-1≤E4(k)≤1。S3、S4可以由实验数据测得，经过多次计算统计，S3的值可以为1/400-1/200、S3的值可以为1/600-1/500，。
其中，当γ≠0时，Su(k)系数是累加递增或递减的；当0<β<1时，Su(k)系数是乘积递减的。本实施例中，γ的值可以为100-200、β的值可以为0.2-0.5。
本领域技术人员可以根据具体的控制需求而选择合适的Su(0)的值，即比例因子的初始值。其中，0≤Su(0)≤1。
本实施例中，当E3为ZO时，保留当前的Su(k)值，因为没有足够的信息修改它；
若当前速度方向和交互力的方向一致，即E3E4>0，则减小比例因子，也就是说，在器械末端靠近预设轨迹时，在模糊逻辑控制器的基础上，可以通过减小垂直速度分量的方式对机械臂的运动方向进行进一步优化，使得机械臂能够更加准确的沿着预设路径移动。
若当前速度方向和交互力的方向不一致，即E3E4<0，则增大比例因子，即增大了垂直速度，进而增大了当前速度，使得机械臂末端能够快速的靠近预设轨迹。
利用本实施例中的控制系统对UR5机器人的控制结果表明，基于模糊逻辑控制器与比例积分控制器的控制方法可以根据操作者操作方式的变化有效地调整在非优选方向(即垂直于参考方向)的运动，使得该机械臂适合更复杂的应用场合。
实施例5
本发明还提供一种电子设备，如图5所示，所述电子设备可以包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现前述实施例1或实施例2中的用于机械臂的控制方法的步骤。
可以理解的是，图5所示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备2可以以通用计算设备的形式表现，例如：其可以为服务器设备。电子设备2的组件可以包括但不限于：上述至少一个处理器3、上述至少一个存储器4、连接不同系统组件(包括存储器4和处理器3)的总线5。
所述总线5可以包括数据总线、地址总线和控制总线。
所述存储器4可以包括易失性存储器，例如随机存取存储器(RAM)41和/或高速缓存存储器42，还可以进一步包括只读存储器(ROM)43。
所述存储器4还可以包括具有一组(至少一个)程序模块44的程序工具45(或实用工具)，这样的程序模块44包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
所述处理器3通过运行存储在所述存储器4中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1或实施例2中的用于机械臂的控制方法的步骤。
所述电子设备2也可以与一个或多个外部设备6(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口7进行。并且，模型生成的电子设备2还可以通过网络适配器8与一个或者多个网络(例如局域网LAN，广域网WAN和/或公共网络)通信。
如图5所示，网络适配器8可以通过总线5与模型生成的电子设备2的其它模块通信。本领域技术人员应当明白，尽管图中未示出，可以结合模型生成的电子设备2使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
需要说明的是，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例6
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现实施例1或实施例2中的用于机械臂的控制方法的步骤。
其中，计算机可读存储介质可以采用的更具体方式可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现实施例1或实施例2中的用于机械臂的控制方法的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (14)

1.一种用于机械臂的控制方法，其特征在于，所述控制方法包括如下步骤：
获取所述机械臂的末端在受到人机交互力之后的当前位置和当前速度；
根据所述当前位置以及预设位置计算位置误差，根据所述当前速度和预设速度计算速度误差；
将所述位置误差以及所述速度误差输入模糊逻辑控制器；
判断所述机械臂的末端与预设轨迹之间的垂直距离是否超过第一预设阈值；
若是，所述模糊逻辑控制器用于根据所述位置误差生成第一模糊控制信号，所述第一模糊控制信号用于调整所述当前速度；
若否，所述模糊逻辑控制器用于根据所述速度误差生成第二模糊控制信号，所述第二模糊控制信号用于调整所述当前速度。
2.如权利要求1所述的用于机械臂的控制方法，其特征在于，所述第一模糊控制信号包括第一速度调整信号以及第二速度调整信号；所述模糊逻辑控制器用于根据所述位置误差生成第一模糊控制信号的步骤包括：
判断所述位置误差是否超过第二预设阈值；
若是，则所述模糊逻辑控制器用于输出所述第一速度调整信号，所述第一速度调整信号用于控制所述机械臂的末端增大所述当前速度；
若否，则所述模糊逻辑控制器用于输出所述第二速度调整信号，所述第二速度调整信号用于控制所述机械臂的末端减小所述当前速度。
3.如权利要求1所述的用于机械臂的控制方法，其特征在于，所述第二模糊控制信号包括第三速度调整信号以及第四速度调整信号；所述模糊逻辑控制器用于根据所述速度误差生成第二模糊控制信号的步骤包括：
判断所述速度误差是否超过第三预设阈值；
若是，则所述模糊逻辑控制器用于输出所述第三速度调整信号，所述第三速度调整信号用于控制所述机械臂的末端增大所述当前速度；
若否，则所述模糊逻辑控制器用于输出所述第四速度调整信号，所述第四速度调整信号用于控制所述机械臂的末端减小所述当前速度。
4.如权利要求1-3任一项所述的用于机械臂的控制方法，其特征在于，
所述当前速度具有与预设参考方向垂直的垂直速度分量，所述垂直速度分量具有速度控制因子，所述速度控制因子用于调整所述垂直速度分量的大小；
所述控制方法还包括如下步骤：
将所述第一模糊控制信号或所述第二模糊控制信号与比例因子进行乘积运算，以得到自适应调整信号，所述比例因子与所述速度控制因子的大小呈正相关；
将所述自适应调整信号以及所述当前速度输入比例积分控制器；
判断所述当前速度的方向与所述人机交互力的方向是否相同；
若是，则所述比例积分控制器用于输出第一比例控制信号，所述第一比例控制信号用于减小所述比例因子；
若否，则所述比例积分控制器用于输出第二比例控制信号，所述第二比例控制信号用于增大所述比例因子。
5.如权利要求4所述的用于机械臂的控制方法，其特征在于，所述第一模糊控制信号或所述第二模糊控制信号通过如下方式计算得到：
Figure FDA0002228114910000021
E1(k)＝S1(p(k)-x(k))；
E2(k)＝S2(v0(k)-v(k))；
k为离散时刻，其k为大于0的整数，U(k)为所述第一模糊控制信号或所述第二模糊控制信号，p(k)为k时刻所述机械臂末端的理想位置，x(k)为k时刻所述机械臂末端的实际位置；v0(k)为k时刻所述机械臂末端的实际速度矢量，v(k)为k时刻所述机械臂末端的理想速度矢量；S1为第一影响因子、S2为第二影响因子，E1(k)为第一模糊变量，E2(k)为第二模糊变量，μl(E1)为E1(k)的隶属度函数，μl(E2)为E2(k)的隶属度函数，Yl第一常数模糊变量，l为模糊集的数量。
6.如权利要求5所述的用于机械臂的控制方法，其特征在于，所述比例因子通过如下方式计算得到：
Figure FDA0002228114910000031
Figure FDA0002228114910000032
E3(k)＝S3(Su(k-1)U(k-1))；
E4(k)＝S4v0(k)
其中，Su(k)为k时刻的比例因子，w(k)为所述第一比例控制信号或所述第二比例控制信号，γ为第一参数，β为第二参数，S3为第三影响因子、S4为第四影响因子，E3(k)为第三模糊变量，E4(k)为第四模糊变量，μm(E3)为E3(k)的隶属度函数，μm(E4)为E4(k)的隶属度函数，Wm为第二常数模糊变量，U(k-1)为k-1时刻的模糊控制信号，Su(k-1)为k-1时刻的比例因子。
7.一种用于机械臂的控制系统，其特征在于，所述控制系统包括：
数据获取模块，用于获取所述机械臂的末端在受到人机交互力之后的当前位置和当前速度；
第一计算模块，用于根据所述当前位置以及预设位置计算位置误差，根据所述当前速度和预设速度计算速度误差；
第一数据传输模块，用于将所述位置误差以及所述速度误差输入模糊逻辑控制器；
第一判断模块，用于判断所述机械臂的末端与预设轨迹之间的垂直距离是否超过第一预设阈值；
若是，则所述模糊逻辑控制器用于根据所述位置误差生成第一模糊控制信号，所述第一模糊控制信号用于调整所述当前速度；
若否，所述模糊逻辑控制器用于根据所述速度误差生成第二模糊控制信号，所述第二模糊控制信号用于调整所述当前速度。
8.如权利要求7所述的用于机械臂的控制系统，其特征在于，所述第一模糊控制信号包括第一速度调整信号以及第二速度调整信号；所述控制系统还包括第二判断模块；
当所述机械臂的末端与预设轨迹之间的垂直距离超过所述第一预设阈值时，所述第二判断模块用于判断所述位置误差是否超过第二预设阈值；
若是，则所述模糊逻辑控制器用于输出所述第一速度调整信号，所述第一速度调整信号用于控制所述机械臂的末端增大所述当前速度；
若否，则所述模糊逻辑控制器用于输出所述第二速度调整信号，所述第二速度调整信号用于控制所述机械臂的末端减小所述当前速度。
9.如权利要求7所述的用于机械臂的控制系统，其特征在于，所述第二模糊控制信号包括第三速度调整信号以及第四速度调整信号；所述控制系统还包括第三判断模块；
当所述机械臂的末端与预设轨迹之间的垂直距离不超过所述第一预设阈值时，所述第三判断模块用于判断所述速度误差是否超过第三预设阈值；
若是，则所述模糊逻辑控制器用于输出所述第三速度调整信号，所述第三速度调整信号用于控制所述机械臂的末端增大所述当前速度；
若否，则所述模糊逻辑控制器用于输出所述第四速度调整信号，所述第四速度调整信号用于控制所述机械臂的末端减小所述当前速度。
10.如权利要求7-9任一项所述的用于机械臂的控制系统，其特征在于，
所述当前速度具有与预设参考方向垂直的垂直速度分量，所述垂直速度分量具有速度控制因子，所述速度控制因子用于调整所述垂直速度分量的大小；
所述控制系统还包括：
第二计算模块，用于将所述模糊控制信号与比例因子进行乘积运算，以得到自适应调整信号，所述比例因子与所述速度控制因子的大小呈正相关；
第二数据传输模块，将所述自适应调整信号以及所述当前速度输入比例积分控制器；
第四判断模块，用于判断所述当前速度的方向与所述人机交互力的方向是否相同；
若是，则所述比例积分控制器用于输出第一比例控制信号，所述第一比例控制信号用于减小所述比例因子；
若否，则所述比例积分控制器用于输出第二比例控制信号，所述第二比例控制信号用于增大所述比例因子。
11.如权利要求10所述的用于机械臂的控制系统，其特征在于，所述第一模糊控制信号或所述第二模糊控制信号通过如下方式计算得到：
E1(k)＝S1(p(k)-x(k))；
E2(k)＝S2(v0(k)-v(k))；
k为离散时刻，其k为大于0的整数，U(k)为所述第一模糊控制信号或所述第二模糊控制信号，p(k)为k时刻所述机械臂末端的理想位置，x(k)为k时刻所述机械臂末端的实际位置；v0(k)为k时刻所述机械臂末端的实际速度矢量，v(k)为k时刻所述机械臂末端的理想速度矢量；S1为第一影响因子、S2为第二影响因子，E1(k)为第一模糊变量，E2(k)为第二模糊变量，μl(E1)为E1(k)的隶属度函数，μl(E2)为E2(k)的隶属度函数，Yl第一常数模糊变量，l为模糊集的数量。
12.如权利要求11所述的用于机械臂的控制系统，其特征在于，所述比例因子通过如下方式计算得到：
Figure FDA0002228114910000052
Figure FDA0002228114910000053
E3(k)＝S3(Su(k-1)U(k-1))；
E4(k)＝S4v0(k)
其中，Su(k)为k时刻的比例因子，w(k)为所述第一比例控制信号或所述第二比例控制信号，γ为第一参数，β为第二参数，S3为第三影响因子、S4为第四影响因子，E3(k)为第三模糊变量，E4(k)为第四模糊变量，μm(E3)为E3(k)的隶属度函数，μm(E4)为E4(k)的隶属度函数，Wm为第二常数模糊变量，U(k-1)为k-1时刻的模糊控制信号，Su(k-1)为k-1时刻的比例因子。
13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行计算机程序时实现权利要求1-6任一项所述的用于机械臂的控制方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的用于机械臂的控制方法的步骤。
CN201910958344.6A 2019-10-10 2019-10-10 用于机械臂的控制方法、系统、介质及设备 Active CN110653821B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910958344.6A CN110653821B (zh) 2019-10-10 2019-10-10 用于机械臂的控制方法、系统、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910958344.6A CN110653821B (zh) 2019-10-10 2019-10-10 用于机械臂的控制方法、系统、介质及设备

Publications (2)

Publication Number Publication Date
CN110653821A true CN110653821A (zh) 2020-01-07
CN110653821B CN110653821B (zh) 2023-03-24

Family

ID=69040388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910958344.6A Active CN110653821B (zh) 2019-10-10 2019-10-10 用于机械臂的控制方法、系统、介质及设备

Country Status (1)

Country Link
CN (1) CN110653821B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113008179A (zh) * 2021-02-25 2021-06-22 北京现代汽车有限公司 工位器具的精度检测方法和装置
CN112998863A (zh) * 2021-03-12 2021-06-22 杭州柳叶刀机器人有限公司 机器人安全边界交互方法及装置、电子设备和存储介质
CN113413214A (zh) * 2021-05-24 2021-09-21 上海交通大学 一种基于混合现实的引导的手术机器人力反馈方法和装置
CN113768626A (zh) * 2020-09-25 2021-12-10 武汉联影智融医疗科技有限公司 手术机器人控制方法、计算机设备及手术机器人系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6442707A (en) * 1987-08-11 1989-02-15 Omron Tateisi Electronics Co Follow-up speed correcting method
JPH05111889A (ja) * 1991-10-23 1993-05-07 Fanuc Ltd 制御方式可変型ロボツト制御方式
US20070138992A1 (en) * 2005-12-20 2007-06-21 Intuitive Surgical Inc. Medical robotic system with sliding mode control
CN102785046A (zh) * 2011-05-17 2012-11-21 发那科株式会社 具备学习控制功能的机器人和点焊机器人
CN104808579A (zh) * 2010-08-08 2015-07-29 日本电产三协株式会社 控制系统及该控制系统中使用的位置推定方法
CN106137400A (zh) * 2016-05-31 2016-11-23 微创（上海）医疗机器人有限公司 用于机械臂的控制系统、控制方法及一种手术机器人
CN106584462A (zh) * 2016-12-22 2017-04-26 南京埃斯顿自动化股份有限公司 一种机器人运行速度实时调节方法
KR20170103424A (ko) * 2016-03-04 2017-09-13 주식회사 사이보그-랩 협업로봇의 충돌을 감지하는 장치 및 방법
CN107206588A (zh) * 2015-02-04 2017-09-26 川崎重工业株式会社 机械手的偏移自动调整装置及机械手的偏移自动调整方法
CN107703973A (zh) * 2017-09-11 2018-02-16 广州视源电子科技股份有限公司 轨迹跟踪方法、装置
CN108000517A (zh) * 2016-11-01 2018-05-08 发那科株式会社 具备学习控制功能的机器人控制装置
CN108748153A (zh) * 2017-06-09 2018-11-06 微创（上海）医疗机器人有限公司 医疗机器人及其控制方法
CN109910005A (zh) * 2019-03-04 2019-06-21 上海电气集团股份有限公司 用于机器人的变导纳控制方法以及系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6442707A (en) * 1987-08-11 1989-02-15 Omron Tateisi Electronics Co Follow-up speed correcting method
JPH05111889A (ja) * 1991-10-23 1993-05-07 Fanuc Ltd 制御方式可変型ロボツト制御方式
US20070138992A1 (en) * 2005-12-20 2007-06-21 Intuitive Surgical Inc. Medical robotic system with sliding mode control
CN104808579A (zh) * 2010-08-08 2015-07-29 日本电产三协株式会社 控制系统及该控制系统中使用的位置推定方法
CN102785046A (zh) * 2011-05-17 2012-11-21 发那科株式会社 具备学习控制功能的机器人和点焊机器人
CN107206588A (zh) * 2015-02-04 2017-09-26 川崎重工业株式会社 机械手的偏移自动调整装置及机械手的偏移自动调整方法
KR20170103424A (ko) * 2016-03-04 2017-09-13 주식회사 사이보그-랩 협업로봇의 충돌을 감지하는 장치 및 방법
CN106137400A (zh) * 2016-05-31 2016-11-23 微创（上海）医疗机器人有限公司 用于机械臂的控制系统、控制方法及一种手术机器人
CN108000517A (zh) * 2016-11-01 2018-05-08 发那科株式会社 具备学习控制功能的机器人控制装置
CN106584462A (zh) * 2016-12-22 2017-04-26 南京埃斯顿自动化股份有限公司 一种机器人运行速度实时调节方法
CN108748153A (zh) * 2017-06-09 2018-11-06 微创（上海）医疗机器人有限公司 医疗机器人及其控制方法
CN107703973A (zh) * 2017-09-11 2018-02-16 广州视源电子科技股份有限公司 轨迹跟踪方法、装置
CN109910005A (zh) * 2019-03-04 2019-06-21 上海电气集团股份有限公司 用于机器人的变导纳控制方法以及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113768626A (zh) * 2020-09-25 2021-12-10 武汉联影智融医疗科技有限公司 手术机器人控制方法、计算机设备及手术机器人系统
CN113768626B (zh) * 2020-09-25 2024-03-22 武汉联影智融医疗科技有限公司 手术机器人控制方法、计算机设备及手术机器人系统
CN113008179A (zh) * 2021-02-25 2021-06-22 北京现代汽车有限公司 工位器具的精度检测方法和装置
CN112998863A (zh) * 2021-03-12 2021-06-22 杭州柳叶刀机器人有限公司 机器人安全边界交互方法及装置、电子设备和存储介质
CN112998863B (zh) * 2021-03-12 2022-05-06 杭州柳叶刀机器人有限公司 机器人安全边界交互装置、电子设备和存储介质
CN113413214A (zh) * 2021-05-24 2021-09-21 上海交通大学 一种基于混合现实的引导的手术机器人力反馈方法和装置

Also Published As

Publication number Publication date
CN110653821B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN110653821B (zh) 用于机械臂的控制方法、系统、介质及设备
Haidegger et al. Cascade control for telerobotic systems serving space medicine
WO2022088593A1 (zh) 机械臂的控制方法、装置及人机协同模型的训练方法
Cortesão et al. Real-time adaptive control for haptic telemanipulation with kalman active observers
Marayong et al. Spatial motion constraints: Theory and demonstrations for robot guidance using virtual fixtures
Li et al. Recognition of operator motions for real-time assistance using virtual fixtures
EP2835228A2 (en) Robot apparatus and robot controlling method
Sharifi et al. Impedance control of non‐linear multi‐DOF teleoperation systems with time delay: absolute stability
Solanes et al. Human-robot cooperation for robust surface treatment using non-conventional sliding mode control
Nagatsu et al. Design strategies for motion reproduction based on environmental disturbance compensation
Gracia et al. Cooperative transport tasks with robots using adaptive non-conventional sliding mode control
Panzirsch et al. Haptic augmentation for teleoperation through virtual grasping points
Cavacanti Santos et al. Redundancy resolution of kinematically redundant parallel manipulators via differential dynamic programing
Lee et al. Microscale precision control of a computer-assisted transoral laser microsurgery system
Dalvand et al. Teleoperation of ABB industrial robots
Medina et al. Considering human behavior uncertainty and disagreements in human–robot cooperative manipulation
CN113814985B (zh) 一种机器人控制方法、控制柜及系统
Li et al. The classification and new trends of shared control strategies in telerobotic systems: A survey
CN113500597B (zh) 基于力翻译机制的多端遥操作滑模阻抗控制方法
CN112959327B (zh) 机器人运动控制方法、系统、电子设备及存储介质
Cui et al. Noise-resistant adaptive gain recurrent neural network for visual tracking of redundant flexible endoscope robot with time-varying state variable constraints
Bianco et al. A scaling algorithm for the generation of jerk-limited trajectories in the operational space
Nozaki et al. Motion-copying system with variable impedance based on scaled bilateral control in one-degree-of-freedom robot
Yashiro et al. Design of adaptive controller using object position for bilateral control system with communication delay
US10684594B2 (en) Machine learning device, servo motor controller, servo motor control system, and machine learning method

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