CN111037571A - 一种机器人自适应变阻尼阻抗控制方法 - Google Patents
一种机器人自适应变阻尼阻抗控制方法 Download PDFInfo
- Publication number
- CN111037571A CN111037571A CN201911418791.9A CN201911418791A CN111037571A CN 111037571 A CN111037571 A CN 111037571A CN 201911418791 A CN201911418791 A CN 201911418791A CN 111037571 A CN111037571 A CN 111037571A
- Authority
- CN
- China
- Prior art keywords
- robot
- joint
- variable damping
- force
- matrix
- 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
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
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
- Manipulator (AREA)
Abstract
本发明提供一种机器人自适应变阻尼阻抗控制方法,包括以下几个步骤:S1.基于牛顿拉格朗日法建立六自由度机器人动力学模型;S2.对所述机器人动力学模型进行线性化表示,并采用加权最小二乘法对所述动力学模型进行参数辨识;S3.参考所述动力学模型,构建二阶变阻尼阻抗控制器;S4.根据任务需求,设计参考轨迹,结合所述动力学模型前馈控制。本发明能够自动适应环境,限制环境接触力超调量,环境接触力与期望力稳态误差收敛为零。
Description
技术领域
本发明涉及工业机器人控制相关技术领域,更具体地,涉及一种机器人自适应变阻尼阻抗控制方法。
背景技术
随着科学、经济的发展,人力成本的攀升,机器人开始广泛应用于制造、汽车、电子和航天航等领域。传统机器人广泛应用于搬运、码垛、喷漆等非接触场合,在这种应用场合往往只需要位置控制,而且精度要求不高。在常见的工业任务中,如抛光、打磨场合,很多工厂还是采用人力的方式,对工人伤害很大,人力成本较高。在这种场合采用位置控制往往达不到期望的柔顺接触效果,容易损害工件、刀具。特别是在精密装配场合,对末端接触力有很高的要求,位置控制容易损坏零件。因此,在接触场合下,必须将接触力作为控制对象引入到控制模型中,综合考虑位置、速度、加速度和接触力输入信号,经过控制器决策,输出考虑实际任务的控制量。
传统的力控制有PD力控制、阻抗控制、力位混合控制等方法。PD力控制不需要对机器人进行建模,具有一定的鲁棒性,可以适用于对接触力精度要求不高的场合。阻抗控制通过将机器人等效为质量阻尼刚度二阶系统,针对特定任务,可调节相应的质量、阻尼和刚度参数,以达到期望的柔顺效果。在工程实际中,往往需要不断调节参数,才能达到可以工作的状态。力位混合控制通过将接触点分为两个状态子空间,进行独立控制,法线方向进行力控制,切线方向进行位置控制。
但传统的控制方法无法自动适应环境的不确定性,如表面误差、凸点、凹槽、刚度等。
发明内容
本发明为克服上述背景技术所述的传统的控制方法无法自动适应环境的不确定性,如表面误差、凸点、凹槽、刚度等的问题,提供一种机器人自适应变阻尼阻抗控制方法。本发明能够自动适应环境,限制环境接触力超调量,环境接触力与期望力稳态误差收敛为零。
为解决上述技术问题,本发明采用的技术方案是:一种机器人自适应变阻尼阻抗控制方法,包括以下几个步骤:
S1.基于牛顿拉格朗日法建立六自由度机器人动力学模型;
S2.对所述机器人动力学模型进行线性化表示,并采用加权最小二乘法对所述动力学模型进行参数辨识;
S3.参考所述动力学模型,构建二阶变阻尼阻抗控制器;
S4.根据任务需求,设计参考轨迹,结合所述动力学模型前馈控制,计算输出力矩。
进一步的,所述六自由度机器人动力学模型为下式:
式中,x=[X,Y,Z,RX,RY,RZ]T;为机器人末端执行器空间六个自由度位置;为机器人末端执行器六个自由度速度;M(x)为机器人的惯性矩阵;为机器人科里奥利力和广义离心力矩阵是,g(x)为重力向量;τfl为摩擦力向量;J为雅各比矩阵;τ为关节力矩向量;Fext为外界作用力向量。
进一步的,所述加权最小二乘法对所述动力学模型进行参数辨识包括构建摩擦力模型与力矩测量噪音协方差矩阵。
进一步的,所述对机器人动力学模型进行线性化表示为下式:
χst=[XXj,XYj,XZj,YYj,YZj,ZZj,MXj,MYj,MZj,Fvlj,Fclj,offj]T
式中,τ为关节力传感器输出力矩向量;为观测矩阵,主要为关节位置、速度和加速度的多项式;χst为系统参数辨识向量;j=1,2,…6为机器人关节数量;XXj=∫∫∫(y2+z2)ρdxdydz为关节i对x轴的主惯性矩; YYj=∫∫∫(x2+z2)ρdxdydz为关节i对y轴的主惯性矩;ZZj=∫∫∫(y2+ x2)ρdxdydz为关节i对z轴的主惯性矩;XZj=-∫∫∫xz ρdxdydz为关节i对x、z 轴的惯性叉积;XYj=-∫∫∫xy ρdxdydz为关节i对x、y轴的惯性叉积; YZj=-∫∫∫yz ρdxdydz为关节i对y、z轴的惯性叉积;ρ为材料密度。
进一步的,所述摩擦力模型表示为:
进一步的,所述力矩测量噪音协方差矩阵可表述为:
式中,ω为力矩测量噪音协方差矩阵;为各关节力矩测量方差;I为单位矩阵;N为运行周期内的采样点数;L为采样次数;τij(k)为i关节在j周期内k次采样的力矩输出值;为i关节在j周期内N次采样的力矩输出平均值;
最终将考虑力矩观测误差的加权最小二乘法对所述动力学模型进行参数辨识表达为:
χst=(IDMst Tω-1IDMst)-1IDMst Tω-1τ。
进一步的,所述变阻尼阻抗控制器模型表达为下式:
B(t)=Binit+ΔB(t)
式中,Md为期望惯量矩阵;B(t)为期望阻尼矩阵;为参考轨迹加速度;为参考轨迹速度;为末端执行器实际加速度状态;为末端执行器实际速度状态;Fr为期望环境作用力;F为实际环境作用力;Binit为初始阻尼值;α为接触力误差增益因子;β为接触力误差一阶微分增益因子。
与现有技术相比,有益效果是:
1.本发明能够自动适应环境的不确定性(表面误差、凸点、凹槽、刚度等),限制环境接触力超调量,环境接触力与期望力稳态误差收敛为零;简单易用,容易实现。
附图说明
图1是本发明中变阻尼阻抗控制器的原理框图。
图2是本发明中α增益因子响应调节图。
图3是本发明中β增益因子调节响应图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
本实施例提供一种机器人自适应变阻尼阻抗控制方法,如图1所示,为变阻尼自适应阻抗控制器系统结构框图,主要包括系统参数辨识、变阻尼自适应控制器两大模块。自适应变阻尼阻抗控制器通过在线计算接触力,设置α、β增益因子,动态调整期望阻尼参数,以实现与环境柔顺接触。该变阻尼阻抗控制器控制方法主要由以下几个步骤构成:
步骤一,采用牛顿欧拉迭代法(在动力学问题求解上,牛顿-欧拉法与拉格朗日法是等价的)构建六自由度机器人动力学模型,为下式:
粘性库伦摩擦力模型为:
步骤二,机器人参数辨识采用加权最小二乘法,采用改进的五次傅里叶级数作为激励轨迹。
机器人动力学模型线性化:
χst=[XXj,XYj,XZj,YYj,YZj,ZZj,MXj,MYj,MZj,Fvlj,Fclj,offj]T
式中,τ为关节力传感器输出力矩向量;为观测矩阵,主要为关节位置、速度和加速度的多项式;χst为系统参数辨识向量;j=1,2,...6为机器人关节数量;XXj=∫∫∫(y2+z2)ρdxdydz为关节i对x轴的主惯性矩; YYj=∫∫∫(x2+z2)ρdxdydz为关节i对y轴的主惯性矩;ZZj=∫∫∫(y2+ x2)ρdxdydz为关节i对z轴的主惯性矩;XZj=-∫∫∫xz ρdxdydz为关节i对x、z 轴的惯性叉积;XYj=-∫∫∫xy ρdxdydz为关节i对x、y轴的惯性叉积; YZj=-∫∫∫yzρdxdydz为关节i对y、z轴的惯性叉积;ρ为材料密度。
辨识过程中,为了保证连续运行的周期性以及起始停止的平稳性,考虑如下约束:
采用改进的五次傅里叶级数作为激励函数:
式中,ai,k,bi,k为傅里叶级数系数;ωf为傅里叶级数基频。
通过matlab遗传算法工具箱,考虑周期性、平稳性约束,即可求得五次傅里叶级数参数。
机器人系统在通过激励轨迹的作用之后,记录采样时刻的观测矩阵值,力矩传感器测量值,采样观测矩阵为:
考虑力矩传感器存在噪音,通过加权力矩测量噪音的方式,提高测量置信度,力矩测量噪音协方差矩阵可表述为:
式中,ω为力矩测量噪音协方差矩阵;为各关节力矩测量方差;I为单位矩阵;N为运行周期内的采样点数;L为采样次数;τij(k)为i关节在j周期内k次采样的力矩输出值;为i关节在j周期内N次采样的力矩输出平均值。
综上,基于加权最小二乘的参数辨识可表述为:
χst=(ΦTω-1Φ)-1ΦTω-lτ
经过上述步骤,即可获得机器人实际动力学模型。
步骤三,所描述的二阶变阻尼阻抗控制器模型可表述为:
B(t)=Binit+ΔB(t)
式中,Md为期望惯量矩阵;B(t)为期望阻尼矩阵;为参考轨迹加速度;为参考轨迹速度;为末端执行器实际加速度状态;为末端执行器实际速度状态;Fr为期望环境作用力;F为实际环境作用力;Binit为初始阻尼值;α为接触力误差增益因子;β为接触力误差一阶微分增益因子。
为便于实际工作编程使用,上述二阶变阻尼阻抗控制可等效为:
所述自适应变阻尼控制方法考虑环境不确定性等因素,设置期望的运动轨迹、期望接触力,实时在线获取机器人末端执行器的位置、速度、加速度和接触力信号作为自适应变阻尼控制器反馈信号,通过增益因子和接触力误差更新阻尼参数,进而获得更新后的轨迹参数,通过逆动力学转换为对应的力矩输入信号,并通过雅各比矩阵映射到各个关节输入力矩。
步骤四,在实际任务中,如抛光、打磨等场景,往往只能够获得环境的理论参数,无法获得精确参数,如毛刺、凹坑、凸点等。在轨迹规划环节,对理论环境参数进行五次多项式轨迹规划。根据任务需求,设置期望接触力。
步骤五,设置变阻尼阻抗控制器期望惯量矩阵Md=diag(1,1,1,1,1,1),设置初始阻尼矩阵Bd=diag(150,150,150,150,150,150)。考虑法向接触,径向移动变结构环境模型如下:
通过matlab仿真,如图2、图3所示,选择α增益因子为15,β增益因子为 0.5,可使因环境变化而导致的超调量降至最低,达到一个理想的柔顺接触效果。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种机器人自适应变阻尼阻抗控制方法,其特征在于,包括以下几个步骤:
S1.基于牛顿拉格朗日法建立六自由度机器人动力学模型;
S2.对所述机器人动力学模型进行线性化表示,并采用加权最小二乘法对所述动力学模型进行参数辨识;
S3.参考所述动力学模型,构建二阶变阻尼阻抗控制器;
S4.根据任务需求,设计参考轨迹,结合所述动力学模型前馈控制,计算输出力矩。
3.根据权利要求1所述的机器人自适应变阻尼阻抗控制方法,其特征在于,所述加权最小二乘法对所述动力学模型进行参数辨识包括构建摩擦力模型与力矩测量噪音协方差矩阵。
4.根据权利要求1所述的机器人自适应变阻尼阻抗控制方法,其特征在于,所述对机器人动力学模型进行线性化表示为下式:
χst=[XXj,XYj,XZj,YYj,YZj,ZZj,MXj,MYj,MZj,Fvlj,Fclj,offj]T
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911418791.9A CN111037571B (zh) | 2019-12-31 | 2019-12-31 | 一种机器人自适应变阻尼阻抗控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911418791.9A CN111037571B (zh) | 2019-12-31 | 2019-12-31 | 一种机器人自适应变阻尼阻抗控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111037571A true CN111037571A (zh) | 2020-04-21 |
CN111037571B CN111037571B (zh) | 2022-12-16 |
Family
ID=70243067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911418791.9A Active CN111037571B (zh) | 2019-12-31 | 2019-12-31 | 一种机器人自适应变阻尼阻抗控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111037571B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112959217A (zh) * | 2021-03-25 | 2021-06-15 | 中国科学院宁波材料技术与工程研究所 | 一种减小磨抛振动的力控制方法及装置 |
CN112959363A (zh) * | 2021-03-03 | 2021-06-15 | 珞石(北京)科技有限公司 | 一种机器人模型信息辨识方法 |
CN112989605A (zh) * | 2021-03-12 | 2021-06-18 | 北京控制工程研究所 | 一种机器人自适应交互阻抗学习方法 |
CN113009819A (zh) * | 2021-02-09 | 2021-06-22 | 南京航空航天大学 | 一种基于力控制的椭圆振动切削加工方法 |
CN113400313A (zh) * | 2021-07-02 | 2021-09-17 | 西北工业大学 | 基于Zener模型的机器人-环境柔顺接触过程的阻抗控制方法 |
CN114310888A (zh) * | 2021-12-28 | 2022-04-12 | 广东省科学院智能制造研究所 | 一种协作机器人可变刚度运动技能学习与调控方法及系统 |
CN115157271A (zh) * | 2022-09-05 | 2022-10-11 | 杭州柳叶刀机器人有限公司 | 机械臂控制方法、装置、控制终端及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5206930A (en) * | 1988-03-15 | 1993-04-27 | International Business Machines Corporation | Method of compliance control of a manipulator |
US20170144302A1 (en) * | 2015-11-19 | 2017-05-25 | Kuka Roboter Gmbh | Control of A Robot |
CN109062032A (zh) * | 2018-10-19 | 2018-12-21 | 江苏省(扬州)数控机床研究院 | 一种基于近似动态逆的机器人pid变阻抗控制方法 |
CN109366488A (zh) * | 2018-12-07 | 2019-02-22 | 哈尔滨工业大学 | 一种面向机器人装配的叠加振荡力笛卡尔阻抗控制方法 |
CN110065070A (zh) * | 2019-04-29 | 2019-07-30 | 华中科技大学 | 一种基于动力学模型的机器人自适应阻抗控制系统 |
CN110202574A (zh) * | 2019-06-05 | 2019-09-06 | 南京航空航天大学 | 基于环境刚度估计的机器人自适应混合阻抗/导纳控制方法 |
CN110609566A (zh) * | 2019-09-04 | 2019-12-24 | 北京控制工程研究所 | 一种针对空间非合作目标抓捕的稳定控制方法及系统 |
-
2019
- 2019-12-31 CN CN201911418791.9A patent/CN111037571B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5206930A (en) * | 1988-03-15 | 1993-04-27 | International Business Machines Corporation | Method of compliance control of a manipulator |
US20170144302A1 (en) * | 2015-11-19 | 2017-05-25 | Kuka Roboter Gmbh | Control of A Robot |
CN109062032A (zh) * | 2018-10-19 | 2018-12-21 | 江苏省(扬州)数控机床研究院 | 一种基于近似动态逆的机器人pid变阻抗控制方法 |
CN109366488A (zh) * | 2018-12-07 | 2019-02-22 | 哈尔滨工业大学 | 一种面向机器人装配的叠加振荡力笛卡尔阻抗控制方法 |
CN110065070A (zh) * | 2019-04-29 | 2019-07-30 | 华中科技大学 | 一种基于动力学模型的机器人自适应阻抗控制系统 |
CN110202574A (zh) * | 2019-06-05 | 2019-09-06 | 南京航空航天大学 | 基于环境刚度估计的机器人自适应混合阻抗/导纳控制方法 |
CN110609566A (zh) * | 2019-09-04 | 2019-12-24 | 北京控制工程研究所 | 一种针对空间非合作目标抓捕的稳定控制方法及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113009819A (zh) * | 2021-02-09 | 2021-06-22 | 南京航空航天大学 | 一种基于力控制的椭圆振动切削加工方法 |
CN112959363A (zh) * | 2021-03-03 | 2021-06-15 | 珞石(北京)科技有限公司 | 一种机器人模型信息辨识方法 |
CN112989605A (zh) * | 2021-03-12 | 2021-06-18 | 北京控制工程研究所 | 一种机器人自适应交互阻抗学习方法 |
CN112989605B (zh) * | 2021-03-12 | 2023-08-29 | 北京控制工程研究所 | 一种机器人自适应交互阻抗学习方法 |
CN112959217A (zh) * | 2021-03-25 | 2021-06-15 | 中国科学院宁波材料技术与工程研究所 | 一种减小磨抛振动的力控制方法及装置 |
CN112959217B (zh) * | 2021-03-25 | 2022-08-05 | 中国科学院宁波材料技术与工程研究所 | 一种减小磨抛振动的力控制方法及装置 |
CN113400313A (zh) * | 2021-07-02 | 2021-09-17 | 西北工业大学 | 基于Zener模型的机器人-环境柔顺接触过程的阻抗控制方法 |
CN113400313B (zh) * | 2021-07-02 | 2022-07-26 | 西北工业大学 | 基于Zener模型的机器人-环境柔顺接触过程的阻抗控制方法 |
CN114310888A (zh) * | 2021-12-28 | 2022-04-12 | 广东省科学院智能制造研究所 | 一种协作机器人可变刚度运动技能学习与调控方法及系统 |
CN114310888B (zh) * | 2021-12-28 | 2024-05-31 | 广东省科学院智能制造研究所 | 一种协作机器人可变刚度运动技能学习与调控方法及系统 |
CN115157271A (zh) * | 2022-09-05 | 2022-10-11 | 杭州柳叶刀机器人有限公司 | 机械臂控制方法、装置、控制终端及存储介质 |
CN115157271B (zh) * | 2022-09-05 | 2022-12-16 | 杭州柳叶刀机器人有限公司 | 机械臂控制方法、装置、控制终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111037571B (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111037571B (zh) | 一种机器人自适应变阻尼阻抗控制方法 | |
CN108942924B (zh) | 基于多层神经网络的模型不确定性机械臂运动控制方法 | |
Zeng et al. | Force/torque sensorless compliant control strategy for assembly tasks using a 6-DOF collaborative robot | |
Kallu et al. | Sensorless reaction force estimation of the end effector of a dual-arm robot manipulator using sliding mode control with a sliding perturbation observer | |
Han et al. | Toward sensorless interaction force estimation for industrial robots using high-order finite-time observers | |
Dong et al. | Compliance control for robot manipulation in contact with a varied environment based on a new joint torque controller | |
Zhang et al. | Design and implementation of novel fractional-order controllers for stabilized platforms | |
Lin et al. | Unified method for task-space motion/force/impedance control of manipulator with unknown contact reaction strategy | |
CN111673742A (zh) | 一种工业机器人轨迹跟踪控制算法 | |
Bai et al. | Identification of generalized friction for an experimental planar two-link flexible manipulator using strong tracking filter | |
Trung et al. | High-performance positioning using decoupling controllers for flexible two-link robots with strain wave gears | |
Boscariol et al. | Design of a controller for trajectory tracking for compliant mechanisms with effective vibration suppression | |
Salmasi et al. | A manoeuvre control strategy for flexible-joint manipulators with joint dry friction | |
Zhu et al. | Position-based visual servoing of a 6-RSS parallel robot using adaptive sliding mode control | |
Zhou et al. | AI based robot safe learning and control | |
Mohammad et al. | Towards human-robot collaboration with parallel robots by kinetostatic analysis, impedance control and contact detection | |
Wang et al. | Active compliance control based on EKF torque fusion for robot manipulators | |
Park et al. | Disturbance observer based robust control for industrial robots with flexible joints | |
CN113341724B (zh) | 一种多模态机械臂的异步滑模控制方法 | |
CN114952858A (zh) | 一种基于摩擦补偿控制的工业机器人轨迹跟踪方法和系统 | |
Cruz et al. | Application of robust discontinuous control algorithm for a 5-DOF industrial robotic manipulator in real-time | |
Chen et al. | Iterative learning control with sensor fusion for robots with mismatched dynamics and mismatched sensing | |
Mendoza-Gutiérrez et al. | Proportional–derivative impedance control of robot manipulators for interaction tasks | |
Ferguene et al. | Dynamic external force feedback loop control of a robot manipulator using a neural compensator—Application to the trajectory following in an unknown environment | |
CN114516050A (zh) | 基于位形雅可比条件数优化的机器人外力估计方法及系统 |
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 |