CN110968084A - 一种自主遥控水下机器人人机共享控制方法 - Google Patents
一种自主遥控水下机器人人机共享控制方法 Download PDFInfo
- Publication number
- CN110968084A CN110968084A CN201811159046.2A CN201811159046A CN110968084A CN 110968084 A CN110968084 A CN 110968084A CN 201811159046 A CN201811159046 A CN 201811159046A CN 110968084 A CN110968084 A CN 110968084A
- Authority
- CN
- China
- Prior art keywords
- robot
- behavior
- target
- obstacle
- autonomous
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000006399 behavior Effects 0.000 claims abstract description 231
- 239000013598 vector Substances 0.000 claims abstract description 51
- 230000010354 integration Effects 0.000 claims abstract description 8
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 7
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 7
- 230000004913 activation Effects 0.000 claims description 54
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 230000003213 activating effect Effects 0.000 claims description 2
- 230000002567 autonomic effect Effects 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种自主遥控水下机器人人机共享控制方法,包括行为管理、基本行为和行为综合三个单元;所述行为管理单元通过操作人员模块和自主管理模块协同对基本行为进行管理实现机器人作业模式的切换;基本行为单元根据传感系统和操作人员输入的信息计算机器人各个基本行为输出的速度矢量;行为综合单元用于对各个基本行为的输出进行混合得到控制命令作用于机器人执行系统,实现自主遥控水下机器人人机共享控制。本发明方法提高了自主遥控水下机器人的任务表现并降低了操作人员的工作负担。
Description
技术领域
本发明涉及水下机器人控制领域,具体说是一种自主遥控水下机器人人机共享控制方法。
背景技术
自主遥控水下机器人是一种自带能源,使用光纤与母船通信的水下机器人,既具有AUV大范围水下搜索和探测的功能,又可以像ROV一样由操作人员进行实时操作控制从而实现定点观测以及水下轻作业。自主遥控水下机器人的出现为人类探索和开发海洋提供了便利。
目前自主遥控水下机器人主要的作业模式包括自主模式和遥控模式。受限于传感器和智能技术的发展水平,自主模式一般用于执行预编程的任务,应用场景有限;遥控模式下自主遥控水下机器人的任务表现取决于操作人员的操作水平,难以在复杂环境下执行任务,操作人员的工作负担也较重,长时间工作容易因疲劳降低系统的任务表现。
发明内容
为了解决上述存在的问题,本发明的目的在于提供一种自主遥控水下机器人人机共享控制方法,该方法可以提高自主遥控水下机器人的任务表现并降低操作人员的工作负担。
本发明解决其技术问题所采用的技术方案是:一种自主遥控水下机器人人机共享控制方法,其特征在于包括行为管理、基本行为和行为综合三个单元;所述行为管理单元通过操作人员模块和自主管理模块协同对基本行为进行管理实现机器人作业模式的切换;基本行为单元根据传感系统和操作人员输入的信息计算机器人各个基本行为输出的速度矢量;行为综合单元用于对各个基本行为的输出进行混合得到控制命令作用于机器人执行系统,实现自主遥控水下机器人人机共享控制。
所述基本行为包括避障行为、围绕目标观察行为、手控行为、趋向目标行为。
所述行为管理单元通过操作人员模块和自主管理模块协同对基本行为进行管理实现机器人作业模式的切换,包括:
操作人员根据任务需要设定机器人工作状态对应的各个基本行为的激活程度;自主管理模块根据机器人到达障碍物的路径长度确定各个基本行为的激活程度;行为管理节点通过混合操作人员模块和自主管理模块输出的各个行为的激活程度确定机器人的作业模式。
式中,aobs、aman、aaim分别为避障行为、手控行为和趋向目标行为的激活程度;Lmin为机器人由当前位置到达障碍物的最短路径长度;Vmax为机器人的最大速度值;kshare为确定障碍物影响范围的时间系数,kshareVmax代表机器人在kshare时间内走过的最大路径长度,用于确定障碍物影响范围;kobs为确定障碍物附近危险范围的时间系数且kobs<kshare,kobsVmax代表机器人在kobs时间内走过的最大路径长度,用于确定障碍物附近的危险范围。
所述行为管理节点通过混合操作人员模块和自主管理模块输出的各个行为的激活程度确定机器人的作业模式,包括:
其中,操作人员输入的激活程度ad、自主管理模块输入的激活程度and和行为管理节点输出的激活程度a均为四维向量,按基本行为优先级由高到低的顺序,各个维度分别代表避障行为、围绕目标观察行为、手控行为和趋向目标行为的激活程度;所述机器人的作业模式包括自主模式、遥控模式、目标搜索共享模式和目标观察共享模式;自主模式下机器人围绕目标观察行为和手控行为被关闭或被避障行为抑制,避障行为、趋向目标行为中至少有一个被激活;遥控模式下仅激活手动行为;目标搜索共享模式下手控行为和避障行为均被激活;目标观察共享模式下仅激活围绕目标观察行为。
趋向目标行为下的速度矢量的计算,使机器人自主运动到目标点,包括:采用人工势场法中的引力公式计算输出的速度矢量V:
V=katt(Paim-PARV)
式中,输入为固定坐标系中机器人的位置PARV和目标位置Paim,katt为引力系数,目标点不存在时,输出V为零向量,当V的模|V|不超过机器人的最大前向速度时,|V|为机器人期望的前向速度大小vout,V的方向为机器人期望的运动方向即航迹角γout,γout减去漂角β可得到机器人期望的艏向角ψout,β根据机器人工作环境中的海流计算。
手控行为下的速度矢量的计算,使机器人根据操作人员的控制命令运动,包括:根据以下两式计算输出的速度矢量V;
式中,输入为机器人当前的航迹角γ、操作杆x轴输出信号xj和y轴输出信号yj;xj和yj分别用于控制机器人的方向和速度大小;δ为控制操作杆输出信号死区大小的参数;θ为限定V的角度相对γ的变化范围的参数,Vmax为机器人可达到的最大前向速度大小。
围绕目标观察行为下的速度矢量的计算,使机器人沿形状为超椭圆的路径围绕目标运动以实现对目标的全方位观测,包括:
式中,围绕目标观察行为的输入为固定坐标系中机器人的位置PARV、障碍物位置Pobs、机器人当前的航迹角γ、操作杆x轴输出信号xj和y轴输出信号yj,t为参数方程的参数,n为形状系数,(x,y)表示超椭圆路径在固定坐标系中的位置,sign()为符号函数;(yjd+a)和(yjd+b)分别为长半轴和短半轴的长度,其中,a、b分别为长半轴和短半轴长度的固定部分,d为设定操作人员可以控制距离范围的系数;a、b、n的值可以改变超椭圆路径的形状,根据目标的形状确定;操作人员可以通过操作杆y轴的控制量yj改变超椭圆路径和目标之间的距离;
(2)在围绕目标观察行为中,根据机器人的前向速度的大小|V|和方向γout确定围绕目标观察行为输出的速度矢量V;
其中,|V|=vout=xjVmax,γout通过机器人的路径跟踪算法得到。
避障行为下的速度矢量的计算,使机器人避开环境中的障碍物以保障自身安全,采用机器人到障碍物的路径长度计算斥力以评估障碍物对欠驱动自主遥控水下机器人运动的影响,包括:
(1)将机器人到障碍物的路径长度划分为曲线段和直线段;曲线段的范围为机器人从出发位姿运动到艏向朝向目标的位置过程中所走过的路径,其长度根据机器人自身的运动状态和动力学模型进行推算;直线段为机器人从艏向朝向目标的位置运动到目标的路径,估计时将该路径视为直线,使用直线段起始位置之间的距离估算;
(2)分别计算单个障碍物斥力Frep,
式中,R为从障碍物位置指向机器人当前位置的单位向量,L为路径长度,krep为斥力系数,kshare为系数,机器人在kshare时间内运动的最大路径长度kshareVmax表示障碍物的影响范围;
(3)计算输出的速度矢量V;所述输出的速度矢量V为工作环境中所有影响机器人运动的障碍物斥力的矢量和。
所述行为综合单元用于对各个基本行为的输出进行混合得到控制命令,包括;
(1)行为综合单元由分级混合节点组成,各个分级混合节点根据下式对支配行为和非支配行为进行混合,计算输出的速度矢量V;
式中,ad为支配行为输入激活程度,and为非支配行为输入激活程度,Vd为支配行为输入的速度矢量,Vnd为非支配行为输入的速度矢量,V为单个分级混合节点输出的速度矢量,V'为计算V的中间量,min()用于取两者的最小值以避免激活程度大于1;
式中,漂角β根据机器人工作环境中的海流计算,Vmax为机器人的最大前向速度大小,min()用于取两者的最小值以避免vout超过Vmax。
本发明方法具有以下有益效果及优点:
1.本发明方法增加了目标搜索共享模式,在目标搜索任务中由操作人员和自主控制系统协同控制机器人运动。与自主模式相比,该模式突破了智能水平对机器人作业能力的限制;与遥控模式相比,该模式提高了机器人的安全性并降低了操作人员的工作负担。
2.本发明方法增加了目标观测共享模式,在目标观测任务中由操作人员和自主控制系统协同控制机器人围绕目标运动。与目前操作人员通过遥控模式控制机器人围绕目标进行实时观测相比,提高了机器人在围绕目标观测过程中与目标距离的稳定性。
3.本发明方法由操作人员和自主控制系统分别根据任务需要和机器人状态协同切换作业模式,与目前通过手动切换作业模式相比,可以在执行任务时选择更合适的作业模式,提高了机器人的任务表现。
4.本发明方法的作业模式均通过基本行为的混合实现,作业模式的切换通过管理基本行为实现,简化了程序设计,便于实际系统的应用。
5.本发明方法采用模块化的设计思想,便于根据任务需求和载体变化进行修改,扩大了本发明方法的应用范围。
6.本发明方法通过机器人到障碍物的路径长度估计障碍物对机器人的影响,提高了估计的准确性。
附图说明
图1是本发明方法的结构图;
图2是基本行为结构图;
图3是欠驱动自主遥控水下机器人到达距离相同的不同点的路径示意图;
图4是分级混合节点的结构图;
图5是行为管理单元的结构图;
图6是本发明方法工作步骤的流程图;
图1中ψout和vout分别为控制机器人艏向角和前向速度大小的命令;图2中s表示基本行为的输入信息,a、V为基本行为的输出,V为控制机器人速度的命令,a为基本行为的激活程度,当V的模|V|不超过机器人的最大前向速度时,|V|为机器人期望的前向速度大小vout,V的方向为机器人期望的运动方向即航迹角γout,γout减去漂角β可得到机器人期望的艏向角ψout,β根据机器人工作环境中的海流计算,Oξη为机器人在水平面上的固定坐标系;图3中Oξη为机器人在水平面上的固定坐标系;G为机器人的重心位置,表示机器人位置;P1、P2为到G距离相等的两点,d1、d2分别表示G到P1、P2的直线距离,L1、L2分别表示机器人从点G到达点P1、P2的路径长度;C为L2上的一点,将L2分为曲线段和直线段;图4中D为支配行为的输入端子,ND为非支配行为的输入端子;ad和Vd为支配行为输入的激活程度和控制机器人运动的速度向量,and和Vnd为非支配行为输入的激活程度和控制机器人运动的速度向量,a和V为分级混合节点输出的激活程度和控制机器人运动的速度向量;图5中D为支配方输入端子,ND为非支配方输入端子,ad和and分别为支配方和非支配方输入的激活程度,a为行为管理节点输出的激活程度。
具体实施方式
下面结合实施例对本发明方法做进一步的详细说明。
本发明的基本思想是,根据共享控制的理论,通过操作人员和自主控制系统的协作提高机器人的任务表现并降低操作人员的工作负担,本方法所述的自主控制系统包括自主管理模块和各个基本行为中的自主控制策略;使用基于行为控制及混合式行为管理机制设计本发明方法的结构和流程。
如图1所示,基于本发明方法的一种自主遥控水下机器人的人机共享控制方法的结构分为基本行为、行为综合和行为管理三个单元。基本行为单元为多个基本行为的集合,在本实施例中有四个基本行为:避障行为、围绕目标观察行为、手控行为、趋向目标行为;基本行为单元根据传感系统采集的机器人和障碍物的位置、操作人员输入的机器人位置控制信息计算机器人各个基本行为输出的速度矢量。行为管理单元的功能是通过操作人员和自主管理模块协同对基本行为进行管理实现机器人作业模式的切换。行为综合单元的功能是对基本行为的输出进行混合,得到本发明方法的控制命令:机器人艏向角ψout和前向速度大小vout。
如图2所示,基本行为单元的单个基本行为的输入为s,输出为a、V。s包含的信息根据各个基本行为的需求确定,在本实施例中,s可以包含的信息包括a,固定坐标系中机器人的位置PARV、障碍物位置Pobs和目标位置Paim,机器人当前的航迹角γ,操作杆x轴输出信号xj和y轴输出信号yj,xj和yj的取值范围均为区间[-1,1]。a的取值范围为[0,1],值越大激活程度越高,由行为管理单元计算,在本实施例中各个基本行为直接将输入的a输出。为便于基本行为混合,基本行为计算的控制命令表示为速度矢量V,当V的模|V|不超过机器人的最大前向速度时,|V|为机器人期望的前向速度大小vout,V的方向为机器人期望的运动方向即航迹角γout,γout减去漂角β可得到机器人期望的艏向角ψout,β根据机器人工作环境中的海流计算。V与机器人的期望艏向角ψout和期望前向速度大小vout的对应关系如下式所示,式中,Vmax为机器人的最大前向速度大小,min()用于取两者的最小值以避免vout超过Vmax。
下面分别介绍基本行为单元的四种基本行为,本实施例中的各个基本行为均输入a并直接输出,在介绍时不再对a的输入输出进行介绍。趋向目标行为的功能是使机器人自主运动到目标点,输入为PARV和Paim,输出采用人工势场法中的引力公式计算,如下式所示,式中katt为引力系数,目标点不存在时,V为零向量。
V=katt(Paim-PARV)
手控行为的功能是使机器人根据操作人员的控制命令运动,输入为γ、xj和yj。xj和yj分别用于控制机器人的方向和速度大小。根据以下两式确定输出的V,其中δ为控制操作杆输出信号死区大小的参数,便于操作人员控制机器人保持原有方向;θ为限定V的角度相对γ的变化范围的参数。
围绕目标观察行为的功能是使机器人围绕目标运动以实现对目标的全方位观测。围绕目标观察行为的输入为PARV、Pobs、γ、xj和yj。为便于观测,机器人需要在围绕目标运动的过程中与目标保持稳定的距离,实际作业环境中的目标形状多样,操作人员在观测目标的同时手动控制机器人的难度很大。本发明方法设计了基于超椭圆路径的共享控制策略以降低围绕目标观察任务的操作难度。超椭圆是介于椭圆和矩形之间的一类曲线,通过改变有关参数可以使超椭圆的形状在椭圆和矩形之间连续变化。观察目标时使机器人沿形状为超椭圆的路径围绕目标运动,可以与形状近似椭圆、矩形的目标保持较稳定的距离。本发明方法根据超椭圆参数方程设计的生成机器人超椭圆路径的公式为下式,式中,t为参数方程的参数,n为形状系数,(x,y)表示超椭圆路径在固定坐标系中的位置,sign()为符号函数;(yjd+a)和(yjd+b)分别为长半轴和短半轴的长度,其中,a、b分别为长半轴和短半轴长度的固定部分,d为设定操作人员可以控制距离范围的系数。a、b、n的值可以改变超椭圆路径的形状,根据目标的形状确定。操作人员可以通过操作杆y轴改变超椭圆路径和目标之间的距离。
围绕目标观察行为输出的γout通过机器人的路径跟踪算法得到。在围绕目标观察行为中,机器人的前向速度的大小和方向均由操作人员控制,根据下式计算。V根据γout、|V|确定。
|V|=vout=xjVmax
避障行为的功能是使机器人避开环境中的障碍物以保障自身安全,输入为PARV、Pobs、γ。本实施例中的自主遥控水下机器人为欠驱动形式,其运动会受到自身运动学的约束,如图3所示,机器人到达点P1、P2的距离相同,但路径长度L1<L2,假设P1、P2点均存在障碍物,显然P1点的障碍物对机器人影响更大。基于以上原因,本发明方法使用机器人到达障碍物的路径长度评估障碍物对欠驱动自主遥控水下机器人运动的影响。
本发明方法设计了基于运动学约束估计自主遥控水下机器人路径长度的方法。估计路径长度时,本发明方法将机器人到达目标的路径分为曲线段和直线段,如图3所示,点C将L2分为曲线段和直线段。曲线段的范围为机器人从出发位姿运动到艏向朝向目标的位置过程中所走过的路径,其长度根据机器人自身的运动状态和动力学模型进行推算;直线段为机器人从艏向朝向目标的位置运动到目标的路径,估计时将该路径视为直线,使用直线段起始位置之间的距离估算。
本发明方法借鉴人工势场法中斥力的计算方法,使用机器人到障碍物的路径长度计算斥力以评估障碍物对机器人的影响,单个障碍物斥力Frep计算公式如下,其中,R为从障碍物位置指向机器人当前位置的单位向量,L为路径长度,krep为斥力系数,kshare为确定障碍物影响范围的时间系数,机器人在kshare时间内运动的最大路径长度kshareVmax表示障碍物的最大影响范围。输出V为工作环境中所有影响机器人运动的障碍物斥力的矢量和。
行为综合单元由分级混合节点组成。如图4所示,行为混合节点输入包括支配行为输入D和非支配行为输入ND两部分,输出与基本行为的输出一致。分级混合节点用于混合两个行为或分级混合节点的输出。支配行为是在行为混合中起主导作用的行为,其优先级高于非支配行为。当支配行为的激活程度ad=1时,分级混合节点的输出为支配行为输出;当ad<1时,分级混合节点的输出为两个行为输出的混合,特别的,当ad=0时,分级混合节点的输出为非支配行为的输出。分级混合节点根据下式对支配行为和非支配行为进行混合。
式中,ad为支配行为输入的激活程度,and为非支配行为输入的激活程度,Vd为支配行为输入的速度矢量,Vnd为非支配行为输入的速度矢量,V为单个分级混合节点输出的速度矢量,V'为计算V的中间量,a为单个分级混合节点输出的激活程度。
如图1所示,本实施例中行为综合单元通过三个分级混合节点将基本行为单元的四个基本行为连接在一起,分级混合节点之间的组合关系使四个基本行为的优先级由上到下依次降低,高优先级行为可以抑制低优先级行为的输出。因此,通过管理各个基本行为的激活程度,可以使本发明方法输出单个基本行为或多个基本行为混合后的控制命令,从而改变机器人的作业模式。
如图5所示,行为管理单元由操作人员模块、自主管理模块和行为管理节点组成,其中,操作人员为支配方,自主管理模块为非支配方。图5中的ad、and和a均为四维向量,按基本行为优先级由高到低的顺序,各个维度分别代表避障行为、围绕目标观察行为、手控行为和趋向目标行为的激活程度。行为管理节点混合各个行为的运算规则如下式,式中,axd、axnd和axout分别代表ad、and和a中某一个行为的激活程度。
操作人员和自主管理模块通过改变各个行为的激活程度协同管理机器人的作业模式。自主管理模块根据机器人到达障碍物的路径长度确定各个行为的激活程度,如下式所示,式中,kobs为确定障碍物附近危险范围的时间系数且kobs<kshare,机器人在kobs时间内走过的最大路径长度kobsVmax表示障碍物周围危险范围的大小,当机器人到达障碍物的路径长度小于该范围时,机器人与障碍物发生碰撞的可能性较大,Lmin为机器人由当前位置到达障碍物的最短路径长度。aobs、aman、aaim分别为自主管理模块计算的避障行为、手控行为和趋向目标行为的激活程度,可设置为定值或者使用相关算法动态调整,为简化计算,本实施例中均取值为0.5。
操作人员根据目标搜索与观测任务的需要通过切换开关确定各个行为的激活程度。切换开关有四种状态,对应操作人员选择的四种工作状态,不同状态输出的行为激活程度根据下式确定。
行为管理节点通过混合操作人员模块和自主管理模块输出的各个行为的激活程度确定机器人最终的作业模式,机器人作业模式包括自主模式、遥控模式、目标搜索共享模式和目标观察共享模式。自主模式下机器人的运动由自主管理模块控制,围绕目标观察行为和手控行为被关闭或被避障行为抑制,避障行为、趋向目标行为中至少有一个被激活,对应操作人员选择自主状态或选择目标搜索共享状态、目标观测共享状态时Lmin<kobsVmax的情况。遥控模式的功能是由操作人员手动控制机器人运动,仅激活手动行为,其他行为被关闭或抑制,对应操作人员选择遥控状态的情况或选择目标搜索共享状态时Lmin>kshareVmax的情况。目标搜索共享模式可以使机器人在执行操作人员控制命令的同时自主避障,在该模式中,手控行为和避障行为均被激活,对应操作人员选择目标搜索共享状态时kobsVmax≤Lmin≤kshareVmax的情况。目标观察共享模式可使机器人在操作人员和自主管理模块的控制下围绕目标观察,在该模式下,仅激活围绕目标观察行为,其他行为被关闭或抑制,对应操作人员选择目标观测共享状态时Lmin≥kobsVmax的情况。
本发明方法的工作步骤流程如图5所示,分为以下几步。
2.操作人员根据任务需要选择机器人的工作状态,同时,自主管理模块根据机器人的运行状态和所处的工作环境计算各个行为的激活程度。
3.行为管理节点根据操作人员通过选择机器人的工作状态设定的各个行为的激活程度和自主管理模块计算的激活程度确定各个基本行为最终的激活程度,从而确定机器人的作业模式。
4.各个基本行为根据输入计算输出信息。
5.行为综合单元获取各个基本行为的输出信息并根据各个行为的激活程度混合各个行为的输出信息,得到控制机器人运动的控制命令。
6.输出控制命令到机器人的执行机构。
7.判断是否应该结束系统工作,如果继续工作则返回第2步继续执行,否则结束。
除上述实施例外,本发明还可以有其他实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围内。
Claims (10)
1.一种自主遥控水下机器人人机共享控制方法,其特征在于包括行为管理、基本行为和行为综合三个单元;所述行为管理单元通过操作人员模块和自主管理模块协同对基本行为进行管理实现机器人作业模式的切换;基本行为单元根据传感系统和操作人员输入的信息计算机器人各个基本行为输出的速度矢量;行为综合单元用于对各个基本行为的输出进行混合得到控制命令作用于机器人执行系统,实现自主遥控水下机器人人机共享控制。
2.根据权利要求1所述的一种自主遥控水下机器人人机共享控制方法,其特征在于:所述基本行为包括避障行为、围绕目标观察行为、手控行为、趋向目标行为。
3.根据权利要求1所述的一种自主遥控水下机器人人机共享控制方法,其特征在于所述行为管理单元通过操作人员模块和自主管理模块协同对基本行为进行管理实现机器人作业模式的切换,包括:
操作人员根据任务需要设定机器人工作状态对应的各个基本行为的激活程度;自主管理模块根据机器人到达障碍物的路径长度确定各个基本行为的激活程度;行为管理节点通过混合操作人员模块和自主管理模块输出的各个行为的激活程度确定机器人的作业模式。
式中,aobs、aman、aaim分别为避障行为、手控行为和趋向目标行为的激活程度;Lmin为机器人由当前位置到达障碍物的最短路径长度;Vmax为机器人的最大速度值;kshare为确定障碍物影响范围的时间系数,kshareVmax代表机器人在kshare时间内走过的最大路径长度,用于确定障碍物影响范围;kobs为确定障碍物附近危险范围的时间系数且kobs<kshare,kobsVmax代表机器人在kobs时间内走过的最大路径长度,用于确定障碍物附近的危险范围。
5.根据权利要求3所述的一种自主遥控水下机器人人机共享控制方法,其特征在于所述行为管理节点通过混合操作人员模块和自主管理模块输出的各个行为的激活程度确定机器人的作业模式,包括:
其中,操作人员输入的激活程度ad、自主管理模块输入的激活程度and和行为管理节点输出的激活程度a均为四维向量,按基本行为优先级由高到低的顺序,各个维度分别代表避障行为、围绕目标观察行为、手控行为和趋向目标行为的激活程度;所述机器人的作业模式包括自主模式、遥控模式、目标搜索共享模式和目标观察共享模式;自主模式下机器人围绕目标观察行为和手控行为被关闭或被避障行为抑制,避障行为、趋向目标行为中至少有一个被激活;遥控模式下仅激活手动行为;目标搜索共享模式下手控行为和避障行为均被激活;目标观察共享模式下仅激活围绕目标观察行为。
6.根据权利要求1所述的一种自主遥控水下机器人人机共享控制方法,其特征在于趋向目标行为下的速度矢量的计算,使机器人自主运动到目标点,包括:采用人工势场法中的引力公式计算输出的速度矢量V:
V=katt(Paim-PARV)
式中,输入为固定坐标系中机器人的位置PARV和目标位置Paim,katt为引力系数,目标点不存在时,输出V为零向量,当V的模|V|不超过机器人的最大前向速度时,|V|为机器人期望的前向速度大小vout,V的方向为机器人期望的运动方向即航迹角γout,γout减去漂角β可得到机器人期望的艏向角ψout,β根据机器人工作环境中的海流计算。
8.根据权利要求1所述的一种自主遥控水下机器人人机共享控制方法,其特征在于围绕目标观察行为下的速度矢量的计算,使机器人沿形状为超椭圆的路径围绕目标运动以实现对目标的全方位观测,包括:
式中,围绕目标观察行为的输入为固定坐标系中机器人的位置PARV、障碍物位置Pobs、机器人当前的航迹角γ、操作杆x轴输出信号xj和y轴输出信号yj,t为参数方程的参数,n为形状系数,(x,y)表示超椭圆路径在固定坐标系中的位置,sign()为符号函数;(yjd+a)和(yjd+b)分别为长半轴和短半轴的长度,其中,a、b分别为长半轴和短半轴长度的固定部分,d为设定操作人员可以控制距离范围的系数;a、b、n的值可以改变超椭圆路径的形状,根据目标的形状确定;操作人员可以通过操作杆y轴的控制量yj改变超椭圆路径和目标之间的距离;
(2)在围绕目标观察行为中,根据机器人的前向速度的大小|V|和方向γout确定围绕目标观察行为输出的速度矢量V;
其中,|V|=vout=xjVmax,γout通过机器人的路径跟踪算法得到。
9.根据权利要求1所述的一种自主遥控水下机器人人机共享控制方法,其特征在于避障行为下的速度矢量的计算,使机器人避开环境中的障碍物以保障自身安全,采用机器人到障碍物的路径长度计算斥力以评估障碍物对欠驱动自主遥控水下机器人运动的影响,包括:
(1)将机器人到障碍物的路径长度划分为曲线段和直线段;曲线段的范围为机器人从出发位姿运动到艏向朝向目标的位置过程中所走过的路径,其长度根据机器人自身的运动状态和动力学模型进行推算;直线段为机器人从艏向朝向目标的位置运动到目标的路径,估计时将该路径视为直线,使用直线段起始位置之间的距离估算;
(2)分别计算单个障碍物斥力Frep,
式中,R为从障碍物位置指向机器人当前位置的单位向量,L为路径长度,krep为斥力系数,kshare为系数,机器人在kshare时间内运动的最大路径长度kshareVmax表示障碍物的影响范围;
(3)计算输出的速度矢量V;所述输出的速度矢量V为工作环境中所有影响机器人运动的障碍物斥力的矢量和。
10.根据权利要求1所述的一种自主遥控水下机器人人机共享控制方法,其特征在于所述行为综合单元用于对各个基本行为的输出进行混合得到控制命令,包括;
(1)行为综合单元由分级混合节点组成,各个分级混合节点根据下式对支配行为和非支配行为进行混合,计算输出的速度矢量V;
式中,ad为支配行为输入激活程度,and为非支配行为输入激活程度,Vd为支配行为输入的速度矢量,Vnd为非支配行为输入的速度矢量,V为单个分级混合节点输出的速度矢量,V'为计算V的中间量,min()用于取两者的最小值以避免激活程度大于1;
式中,漂角β根据机器人工作环境中的海流计算,Vmax为机器人的最大前向速度大小,min()用于取两者的最小值以避免vout超过Vmax。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811159046.2A CN110968084B (zh) | 2018-09-30 | 2018-09-30 | 一种自主遥控水下机器人人机共享控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811159046.2A CN110968084B (zh) | 2018-09-30 | 2018-09-30 | 一种自主遥控水下机器人人机共享控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110968084A true CN110968084A (zh) | 2020-04-07 |
CN110968084B CN110968084B (zh) | 2021-06-01 |
Family
ID=70029299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811159046.2A Active CN110968084B (zh) | 2018-09-30 | 2018-09-30 | 一种自主遥控水下机器人人机共享控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110968084B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112051861A (zh) * | 2020-09-14 | 2020-12-08 | 中国人民解放军军事科学院国防科技创新研究院 | 一种自主水下航行器共享控制系统及方法 |
CN114518757A (zh) * | 2022-01-30 | 2022-05-20 | 汕头市快畅机器人科技有限公司 | 一种群体巡逻机器人 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1622062A (zh) * | 2003-11-26 | 2005-06-01 | 中国科学院沈阳自动化研究所 | 一种分布式水下机器人控制系统 |
CN101059700A (zh) * | 2007-03-23 | 2007-10-24 | 北京大学 | 一种水下仿生机器人协作运输方法 |
CN101661804A (zh) * | 2008-08-28 | 2010-03-03 | 国核电站运行服务技术有限公司 | 耐辐照水下监测机器人 |
CN102151948A (zh) * | 2011-01-21 | 2011-08-17 | 哈尔滨工业大学 | 用于极限环境管道维修的宏-微机器人遥控焊接方法 |
CN102621986A (zh) * | 2012-04-13 | 2012-08-01 | 西北农林科技大学 | 一种基于视觉和超声波的导航控制系统 |
CN102999050A (zh) * | 2012-12-13 | 2013-03-27 | 哈尔滨工程大学 | 一种智能水下机器人的自主避障方法 |
CN103439935A (zh) * | 2013-08-15 | 2013-12-11 | 青岛远创机器人自动化有限公司 | 一种基于状态机模型的水下机器人控制系统 |
US8909370B2 (en) * | 2007-05-08 | 2014-12-09 | Massachusetts Institute Of Technology | Interactive systems employing robotic companions |
CN105404303A (zh) * | 2015-12-28 | 2016-03-16 | 河海大学常州校区 | 一种rov水下机器人的运动控制方法 |
CN106127749A (zh) * | 2016-06-16 | 2016-11-16 | 华南理工大学 | 基于视觉注意机制的目标零件识别方法 |
-
2018
- 2018-09-30 CN CN201811159046.2A patent/CN110968084B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1622062A (zh) * | 2003-11-26 | 2005-06-01 | 中国科学院沈阳自动化研究所 | 一种分布式水下机器人控制系统 |
CN101059700A (zh) * | 2007-03-23 | 2007-10-24 | 北京大学 | 一种水下仿生机器人协作运输方法 |
US8909370B2 (en) * | 2007-05-08 | 2014-12-09 | Massachusetts Institute Of Technology | Interactive systems employing robotic companions |
CN101661804A (zh) * | 2008-08-28 | 2010-03-03 | 国核电站运行服务技术有限公司 | 耐辐照水下监测机器人 |
CN102151948A (zh) * | 2011-01-21 | 2011-08-17 | 哈尔滨工业大学 | 用于极限环境管道维修的宏-微机器人遥控焊接方法 |
CN102621986A (zh) * | 2012-04-13 | 2012-08-01 | 西北农林科技大学 | 一种基于视觉和超声波的导航控制系统 |
CN102999050A (zh) * | 2012-12-13 | 2013-03-27 | 哈尔滨工程大学 | 一种智能水下机器人的自主避障方法 |
CN103439935A (zh) * | 2013-08-15 | 2013-12-11 | 青岛远创机器人自动化有限公司 | 一种基于状态机模型的水下机器人控制系统 |
CN105404303A (zh) * | 2015-12-28 | 2016-03-16 | 河海大学常州校区 | 一种rov水下机器人的运动控制方法 |
CN106127749A (zh) * | 2016-06-16 | 2016-11-16 | 华南理工大学 | 基于视觉注意机制的目标零件识别方法 |
Non-Patent Citations (6)
Title |
---|
CHUNJING TAO,等: "Hierarchical Shared Control of Cane-Type Walking-Aid Robot", 《JOURNAL OF HEALTHCARE ENGINEERING》 * |
E. BOVIO,等: "AUTONOMOUS UNDERWATER VEHICLES FOR SCIENTIFIC AND NAVAL OPERATIONS", 《CAMS 2004》 * |
张磊,等: "舵桨联合操纵的自主式水下机器人运动控制", 《北京工业大学学报》 * |
曾俊宝,等: "自主/遥控水下机器人水面/水下通信协议设计与实现", 《中科院机构知识库》 * |
李一平,李硕,张艾群: "自主/遥控水下机器人研究现状", 《工程研究——跨学科视野中的工程》 * |
陈伟,等: "多功能模态切换的有缆遥控水下机器人控制系统设计与实验", 《江苏科技大学学报( 自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112051861A (zh) * | 2020-09-14 | 2020-12-08 | 中国人民解放军军事科学院国防科技创新研究院 | 一种自主水下航行器共享控制系统及方法 |
CN112051861B (zh) * | 2020-09-14 | 2023-11-24 | 中国人民解放军军事科学院国防科技创新研究院 | 一种自主水下航行器共享控制系统及方法 |
CN114518757A (zh) * | 2022-01-30 | 2022-05-20 | 汕头市快畅机器人科技有限公司 | 一种群体巡逻机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN110968084B (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Park et al. | Robot navigation with model predictive equilibrium point control | |
CN108829113B (zh) | 一种多机器人编队自适应零空间行为融合方法 | |
CN110968084B (zh) | 一种自主遥控水下机器人人机共享控制方法 | |
CN111150566B (zh) | 一种自主导航与多模人机交互共享的轮椅控制系统及方法 | |
CN111506063B (zh) | 一种基于分层强化学习框架的移动机器人无图导航方法 | |
CN106200673B (zh) | 一体化自动飞行机动控制方法 | |
An et al. | Task planning and collaboration of jellyfish-inspired multiple spherical underwater robots | |
CN106647808B (zh) | 一种基于模糊控制算法的AUVs搜索和围捕任务分配控制方法 | |
Cacace et al. | A mixed-initiative control system for an aerial service vehicle supported by force feedback | |
CN115047878A (zh) | 一种基于dm-dqn的移动机器人路径规划方法 | |
Cefalo et al. | Sensor-based task-constrained motion planning using model predictive control | |
Li et al. | Performance evaluation of spherical underwater robot with attitude controller | |
Truc et al. | Khaos: a kinematic human aware optimization-based system for reactive planning of flying-coworker | |
Haraldsen et al. | Safety-critical control of nonholonomic vehicles in dynamic environments using velocity obstacles | |
Lin et al. | Design and experimental study of a shared-controlled omnidirectional mobile platform | |
CN115533920A (zh) | 一种求解绳驱机械臂逆运动学的协同规划方法及系统、计算机存储介质 | |
CN115542921A (zh) | 多机器人的自主路径规划方法 | |
CN113467465B (zh) | 一种面向机器人系统的人在回路决策建模与控制方法 | |
Vadakkepat et al. | Fuzzy logic controllers for navigation and control of AR. Drone using microsoft kinect | |
Harker et al. | Coordinated trajectory tracking as an inverse problem with applications to collaborative robotics | |
Djapic et al. | Command filtered backstepping design in MOOS-IvP helm framework for trajectory tracking of USVs | |
Lian | Cooperative path planning of dynamical multi-agent systems using differential flatness approach | |
Zhao et al. | Learning Speed Adaptation for Flight in Clutter | |
CN110703792A (zh) | 基于增强学习的水下机器人姿态控制方法 | |
Chen et al. | Trajectory selection optimization for behavior-based aerial-ground robots heterogeneous system: A predictive approach |
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 |