CN111136633B - 针对时变时延下柔性主-从机器人系统的全状态控制方法 - Google Patents
针对时变时延下柔性主-从机器人系统的全状态控制方法 Download PDFInfo
- Publication number
- CN111136633B CN111136633B CN202010033899.2A CN202010033899A CN111136633B CN 111136633 B CN111136633 B CN 111136633B CN 202010033899 A CN202010033899 A CN 202010033899A CN 111136633 B CN111136633 B CN 111136633B
- Authority
- CN
- China
- Prior art keywords
- robot
- master
- slave
- controller
- slave 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J3/00—Manipulators of master-slave type, i.e. both controlling unit and controlled unit perform corresponding spatial movements
-
- 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
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1689—Teleoperation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0084—Programme-controlled manipulators comprising a plurality of 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39195—Control, avoid oscillation, vibration due to low rigidity
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39219—Trajectory tracking
Abstract
本发明公开了一种针对时变时延下柔性主‑从机器人系统的全状态控制方法,在主机器人和从机器人通过网络组成的遥操作系统中,针对主机器人和从机器人分别设计基于位置误差和速度的比例阻尼控制器和基于反步递推技术的全状态反馈控制器;设计高维一致精确差分器实现对虚拟控制器的精确差分;构造李雅普诺夫(Lyapunov)方程,建立系统时滞相关稳定准则,给出控制器参数选取标准,实现柔性主‑从机器人系统在时变时延下的全局稳定。针对柔性主‑从机器人系统,采用基于反步递推技术以及高维一致精确差分器的全状态反馈控制器,实现了控制系统在全局范围内的位置精确追踪,保证了系统的全局渐近收敛,提高了系统的鲁棒性。
Description
技术领域
本发明涉及柔性主-从机器人系统控制领域,尤其涉及一种针对时变时延下柔性主-从机器人系统的全状态控制方法。
背景技术
柔性主-从机器人系统是针对机器人系统中机械臂关节灵活度的研究,是一个非常复杂且具有高度非线性、强耦合性以及时变时延的动力学系统。在完成一些复杂且高难度的工作中,与刚性关节相比,柔性关节具有体积小、灵活度高、负载自重比高、能耗低以及工作空间更为宽泛等优点。通常遥操作系统就是一种柔性主-从机器人系统,而遥操作系统是一种完成比较复杂操作的远距离操作系统。它主要由操作者、主机器人系统、网络信息传输通道、从机器人系统和外界工作环境组成。其工作流程大致可描述为:人类操作者发出控制指令到主机器人,主机器人将控制指令经由网络信息传输通道环节传递给从机器人,然后从机器人根据指令作用于外界环境,且将获取到的相关信息及时反馈回操作者,构成一个闭环系统,从而有效地完成操作任务。对于从机器人系统,通常使用柔性关节的n自由度机器人来执行主端下达的命令。
随着科技的发展进步,人类的探索领域不断拓展,结合柔性关节自身体积小、灵活度高的特点,人们更加广泛地使用柔性主-从机器人系统。但柔性关节会存在振动形态,可能影响到控制的精度与系统的稳定。因此,设计的控制方法不仅能使机器人完成工作目标,同时也要消除柔性关节的振动,保证系统的稳定性。
针对柔性主-从机器人系统,采用基于反步递推技术的全状态反馈控制方法,即利用时延下的主-从机器人之间的位置误差进行全局跟踪性能的分析,实现了系统在全局范围内的位置精确追踪,提高了系统的鲁棒性,高维一致精确差分器的设计实现了对虚拟控制器的精确差分,提高了系统的收敛性。
发明内容
本发明的目的在于针对柔性主-从机器人系统中存在的位置追踪与稳定性问题,提供了一种针对时变时延下柔性主-从机器人系统的全状态控制方法,为实现上述目的,采用了以下技术方案:
一种针对时变时延下柔性主-从机器人系统的全状态控制方法,包括以下步骤:
步骤1:连接主机器人和从机器人,通过网络组成遥操作系统;
步骤2:测量主机器人和从机器人的各项系统参数,其中,关节和电机位置、速度信息实时进行测量;
步骤3:分别设计第一虚拟控制器和第二虚拟控制器,其中
其中,下标m表示主机器人,下标s表示从机器人,均为虚拟控制器,为虚拟控制器的一阶导数,Tm(t),Ts(t)分别为主机器人到从机器人的正向时延和从机器人到主机器人的反馈时延,αs为正常数的阻尼系数,km,ks为大于零的比例系数,分别为包含从机器人关节刚度的常数对角正定矩阵Ss的逆矩阵和转置矩阵,k1选取为正常数;
步骤4:分别设计高维一致精确差分器对第一虚拟控制器和第二虚拟控制器进行精确差分;
步骤41:
由式(1)(2)得到,
式中,表示虚拟控制器,表示虚拟控制器的一阶导数,表示虚拟控制器的二阶导数,Y1为虚拟控制器的估计值,Y2为的估计值,σ1,σ2为估计误差,λ1,λ2,α1>0为系统控制增益,P为大于1的常数,且存在一个常数界L3使得不等式成立,在参数选取满足时,估计误差σ1,σ2将快速收敛于原点,从而得到的精确差分值
步骤42:
由式(4)(5)得到,
式中,表示虚拟控制器,表示虚拟控制器的一阶导数,表示虚拟控制器的二阶导数,Y3为虚拟控制器的估计值,Y4为的估计值,σ3,σ4为估计误差,λ3,λ4,α2>0为系统控制增益,且存在一个常数界L4使得不等式成立,在参数选取满足时,估计误差σ3,σ4将快速收敛于原点,从而得到的精确差分值
步骤5:利用反步递推控制技术,设计柔性主-从机器人的控制器;
τm=-km(Xm1-Xs1(t-Ts(t)))-αmXm2
其中,τm,τs为控制器提供的控制力矩,均为虚拟控制器,分别为虚拟控制器的一阶导数,Tm(t),Ts(t)分别为主机器人到从机器人的正向时延和从机器人到主机器人的反馈时延,αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,分别为包含从机器人关节刚度的常数对角正定矩阵Ss的逆矩阵和转置矩阵,Js为执行器转动惯量的常数对角矩阵,k1,k2均选取为正常数;
步骤6:构造李雅普诺夫(Lyapunov)方程,建立系统时滞相关稳定准则,给出控制器参数选取标准,实现柔性主-从机器人系统在时变时延下的全局稳定;
当控制器参数选取使得以下不等式
当操作者施加到主机器人的力Fh和外界环境施加到从端机器人的力Fe均为零时,控制器设计如式(7),
其中,τm∈Rn,τs∈Rn为控制器提供的控制力矩,均为虚拟控制器,分别为虚拟控制器的一阶导数,Tm(t),Ts(t)分别为主机器人到从机器人的正向时延和从机器人到主机器人的反馈时延,αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,分别为包含从机器人关节刚度的常数对角正定矩阵Ss的逆矩阵和转置矩阵,Gm(Xm1),Gs(Xs1)分别为主机器人和从机器人的重力矩阵,Js为执行器转动惯量的常数对角矩阵,k1,k2均选取为正常数;
当控制器参数选取使得以下不等式
可优选地是,所述主机器人和从机器人的各项系统参数包括主机器人和从机器人的机械臂的长度信息和质量信息、主机器人和从机器人的关节、电机位置和速度信息,以及利用力传感器测量的操作者施加的力和外界环境施加的力。
可优选地是,第一虚拟控制器和第二虚拟控制器的设计过程如下:
第一虚拟控制器:选取第一步李雅普诺夫(Lyapunov)方程如下:
其中,积分项满足Z,P为正定矩阵,假设时延Tm(t),Ts(t)有界,即存在正标量使得Mm(Xm1),Ms(Xs1)分别为主机器人和从机器人的正定惯性矩阵,Um(Xm1),Us(Xs1)分别为主机器人和从机器人的重力势能,且存在正标量βm,βs,使得Um(Xm1)≥βm,Us(Xs1)≥βs,km,ks为大于零的比例系数,
对V11进行求导得,
第二虚拟控制器:选取第二步李雅普诺夫(Lyapunov)方程如下:
对V2进行求导得,
可优选地是,高维一致精确差分器设计过程如下:
由式(12)(13)得到,
式中,表示虚拟控制器,表示虚拟控制器的一阶导数,表示虚拟控制器的二阶导数,Y1为虚拟控制器的估计值,Y2为的估计值,σ1,σ2为估计误差,λ1,λ2,α1>0为系统控制增益,P为大于1的常数,且存在一个常数界L3使得不等式成立,在参数选取满足时,估计误差σ1,σ2将快速收敛于原点,从而得到的精确差分值
由式(15)(16)得到,
式中,表示虚拟控制器,表示虚拟控制器的一阶导数,表示虚拟控制器的二阶导数,Y3为虚拟控制器的估计值,Y4为的估计值,σ3,σ4为估计误差,λ3,λ4,α2>0为系统控制增益,且存在一个常数界L4使得不等式成立,在参数选取满足时,估计误差σ3,σ4将快速收敛于原点,从而得到的精确差分值
可优选地是,构造李雅普诺夫(Lyapunov)方程,建立系统时滞相关稳定准则,给出控制器参数选取标准,步骤如下;
S1、选取第一步李雅普诺夫(Lyapunov)方程如下:
其中,积分项满足Z,P为正定矩阵,假设时延Tm(t),Ts(t)有界,即存在正标量使得Mm(Xm1),Ms(Xs1)分别为主机器人和从机器人的正定惯性矩阵,Um(Xm1),Us(Xs1)分别为主机器人和从机器人的重力势能,且存在正标量βm,βs,使得Um(Xm1)≥βm,Us(Xs1)≥βs,km,ks为大于零的比例系数,对V1进行求导得,
其中,I为单位矩阵,Z-1,P-1分别为正定矩阵Z,P的逆矩阵,Ss为包含从机器人关节刚度的常数对角正定矩阵,αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,假设时延Tm(t),Ts(t)有界,即存在正标量使得 为虚拟控制器,
S2、选取第二步李雅普诺夫(Lyapunov)方程如下:
对V2进行求导得,
S3、选取第三步李雅普诺夫(Lyapunov)方程如下:
对V3进行求导,
当操作者施加到主机器人的力Fh和外界环境施加到从端机器人的力Fe均为零时,控制器设计如式(24),
其中,τm,τs为控制器提供的控制力矩,均为虚拟控制器,分别为虚拟控制器的一阶导数,Tm(t),Ts(t)分别为主机器人到从机器人的正向时延和从机器人到主机器人的反馈时延,αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,分别为包含从机器人关节刚度的常数对角正定矩阵Ss的逆矩阵和转置矩阵,Gm(Xm1),Gs(Xs1)分别为主机器人和从机器人的重力矩阵,Js为执行器转动惯量的常数对角矩阵,k1,k2均选取为正常数;
与现有技术相比,本发明方法具有如下优点:
1、相比于局部状态控制方法,利用全状态控制方法,可以更好地实现主-从系统的全局渐近稳定。
2、基于反步递推技术的全状态反馈控制器实现了系统在全局范围内的位置精确追踪,提高了系统的鲁棒性。
3、高维一致精确差分器的设计实现了对虚拟控制器的精确差分,提高了系统的收敛性,且适用于高阶控制系统。
附图说明
图1为本发明方法的控制原理框图。
具体实施方式
下面结合附图对本发明做进一步说明:
如图1所示,本发明方法的步骤如下:
步骤1,分别选取主机器人和从机器人并通过网络相连组成遥操作系统,再分别测量主机器人和从机器人的各项系统参数,并利用力传感器测量操作者施加的力和外界环境施加的力;
主、从机器人的系统参数包括:机械臂的长度信息和质量信息,以及根据机械臂的长度和质量信息分别计算出的主机器人和从机器人的正定惯性矩阵Mm(qm),Ms(qs)、哥氏力及离心力向量重力矩阵Gm(qm),Gs(qs)、执行器转动惯量的常数对角矩阵Js、包含从机器人关节刚度的常数对角正定矩阵Ss,进一步利用力传感器测量操作者施加到主机器人的力Fh和外界环境施加到从机器人的力Fe。
得到系统动力学方程为,
其中,下标m,s分别表示主机器人和从机器人,qm,qs∈Rn为关节位移向量;为关节速度向量;为关节加速度向量;θs∈Rn为电机位移向量;为电机加速度向量;Mm(qm),Ms(qs)∈Rn×n为系统的正定惯性矩阵;为哥氏力及离心力向量;Gm(qm),Gs(qs)∈Rn为重力力矩;Js∈Rn×n为执行器转动惯量的常数对角矩阵;Ss∈Rn×n为包含从机器人关节刚度的常数对角正定矩阵;Fh∈Rn和Fe∈Rn分别为人类操作者施加到主机器人的力和外界环境施加到从机器人的力;τm∈Rn和τs∈Rn为控制器提供的控制力矩。
步骤2,实时测量主机器人和从机器人的关节和电机位置、速度信息,针对主机器人设计基于位置误差和速度的比例阻尼控制器,针对从机器人结合李雅普诺夫(Lyapunov)方程设计基于反步递推技术的全状态反馈控制器;
其中,下标m表示主机器人,qm∈Rn为关节位移向量,为关节速度向量,为主机器人系统正定惯性矩阵Mm(Xm1)的逆矩阵,τm∈Rn为控制器提供的控制力矩,Cm(Xm1,Xm2)为哥氏力及离心力向量,Gm(Xm1)为重力矩阵,Fh为人类操作者施加到主机器人的力。
其中,下标s表示从机器人,qs∈Rn为关节位移向量,为关节速度向量,θs∈Rn为电机位移向量,为电机速度向量,为从机器人系统正定惯性矩阵Ms(Xs1)的逆矩阵,为执行器转动惯量的常数对角矩阵Js的逆矩阵,τs∈Rn为控制器提供的控制力矩,Cs(Xs1,Xs2)为哥氏力及离心力向量,Gs(Xs1)为重力矩阵,Fe为外界环境施加到从机器人的力,Ss为包含从机器人关节刚度的常数对角正定矩阵,
1)选取第一步李雅普诺夫(Lyapunov)方程如下:
其中,积分项满足Z,P为正定矩阵,假设时延Tm(t),Ts(t)有界,即存在正标量使得Mm(Xm1),Ms(Xs1)分别为主机器人和从机器人的正定惯性矩阵,Um(Xm1),Us(Xs1)分别为主机器人和从机器人的重力势能,且存在正标量βm,βs,使得Um(Xm1)≥βm,Us(Xs1)≥βs,km,ks为大于零的比例系数,
对V1,V11,V12,V13进行求导得,
根据不等式,
则得到,
其中,I为单位矩阵,Z-1,P-1分别为正定矩阵Z,P的逆矩阵,Ss为包含从机器人关节刚度的常数对角正定矩阵,αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,假设时延Tm(t),Ts(t)有界,即存在正标量使得 为第一虚拟控制器,
2)选取第二步李雅普诺夫(Lyapunov)方程如下:
对V2进行求导得,
3)选取第三步李雅普诺夫(Lyapunov)方程如下:
对V3进行求导,
其中,由公式(13)推得全状态反馈控制器
将得到的全状态反馈控制器τs代入式(13)得,
利用反步递推控制技术,得到柔性主-从机器人的控制器为,
其中,τm,τs为控制器提供的控制力矩,分别为第一虚拟控制器和第二虚拟控制器,分别为的一阶导数,Tm(t),Ts(t)分别为正向时延(主机器人到从机器人)和反馈时延(从机器人到主机器人),αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,分别为包含从机器人关节刚度的常数对角正定矩阵Ss的逆矩阵和转置矩阵,Js为执行器转动惯量的常数对角矩阵,k1,k2均选取为正常数。
步骤3,设计高维一致精确差分器实现对第一虚拟控制器和第二虚拟控制器的精确差分;
由式(16)(17)得到,
式中,表示第一虚拟控制器,表示第一虚拟控制器的一阶导数,表示第一虚拟控制器的二阶导数,Y1为第一虚拟控制器的估计值,Y2为的估计值,σ1,σ2为估计误差,λ1,λ2,α1>0为系统控制增益,P为大于1的常数,且存在一个常数界L3使得不等式成立,在参数选取满足时,估计误差σ1,σ2将快速收敛于原点,从而得到的精确差分值
由式(19)(20)得到,
式中,表示第二虚拟控制器,表示第二虚拟控制器的一阶导数,表示第二虚拟控制器的二阶导数,Y3为第二虚拟控制器的估计值,Y4为的估计值,σ3,σ4为估计误差,λ3,λ4,α2>0为系统控制增益,且存在一个常数界L4使得不等式成立,在参数选取满足时,估计误差σ3,σ4将快速收敛于原点,从而得到的精确差分值
步骤4,构造李雅普诺夫(Lyapunov)方程,建立系统时滞相关稳定准则,给出控制器参数选取标准,实现柔性主-从机器人系统在时变时延下的全局稳定;
选取李雅普诺夫(Lyapunov)方程如下:
对V3进行求导,
当操作者施加到主机器人的力Fh和外界环境施加到从端机器人的力Fe均为零时,控制器如式(24),
其中,分别为第一虚拟控制器和第二虚拟控制器,分别为的一阶导数,Tm(t),Ts(t)分别为正向时延(主机器人到从机器人)和反馈时延(从机器人到主机器人),αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,分别为包含从机器人关节刚度的常数对角正定矩阵Ss的逆矩阵和转置矩阵,Gm(Xm1),Gs(Xs1)分别为主机器人和从机器人的重力矩阵,Js为执行器转动惯量的常数对角矩阵,k1,k2均选取为正常数,
在柔性主-从机器人系统工作过程中:首先由人类操作者发出控制指令到主机器人,主机器人由比例阻尼控制器τm控制,将接收到的控制指令经网络信息传输通道环节传递给从机器人,随后由全状态反馈控制器τs控制的从机器人将控制指令作用于外界环境,并将感知到的位置和力信息及时反馈回操作者,构成一个闭环系统,从而有效地完成操作任务。
本文基于反步递推技术以及高维一致精确差分器的全状态反馈控制器的设计,实现了主-从系统在全局范围内的位置精确追踪,保证了系统的全局渐进收敛,提高了系统的鲁棒性。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (4)
1.一种针对时变时延下柔性主-从机器人系统的全状态控制方法,其特征在于,包括以下步骤:
步骤1:连接主机器人和从机器人,通过网络组成遥操作系统;
步骤2:测量主机器人和从机器人的各项系统参数,其中,关节和电机位置、速度信息实时进行测量;
步骤3:分别设计第一虚拟控制器和第二虚拟控制器,其中
其中,下标m表示主机器人,下标s表示从机器人,均为虚拟控制器,为虚拟控制器的一阶导数,Xm1为主机器人关节位移向量,Xs1为从机器人关节位移向量、Xs2为从机器人关节速度向量、Xs3为从机器人电机位移向量,Tm(t),Ts(t)分别为主机器人到从机器人的正向时延和从机器人到主机器人的反馈时延,αs为正常数的阻尼系数,km,ks为大于零的比例系数,分别为包含从机器人关节刚度的常数对角正定矩阵Ss的逆矩阵和转置矩阵,k1选取为正常数;
步骤4:分别设计高维一致精确差分器对第一虚拟控制器和第二虚拟控制器进行精确差分;
步骤41:
由式(1)(2)得到,
式中,表示虚拟控制器,表示虚拟控制器的一阶导数,表示虚拟控制器的二阶导数,Y1为虚拟控制器的估计值,Y2为的估计值,σ1,σ2为估计误差,λ1,λ2,α1>0为系统控制增益,P为大于1的常数,且存在一个常数界L3使得不等式成立,在参数选取满足时,估计误差σ1,σ2将快速收敛于原点,从而得到的精确差分值
步骤42:
由式(4)(5)得到,
式中,表示虚拟控制器,表示虚拟控制器的一阶导数,表示虚拟控制器的二阶导数,Y3为虚拟控制器的估计值,Y4为的估计值,σ3,σ4为估计误差,λ3,λ4,α2>0为系统控制增益,且存在一个常数界L4使得不等式成立,在参数选取满足时,估计误差σ3,σ4将快速收敛于原点,从而得到的精确差分值
步骤5:利用反步递推控制技术,设计柔性主-从机器人的控制器;
τm=-km(Xm1-Xs1(t-Ts(t)))-αmXm2
其中,τm,τs为控制器提供的控制力矩,均为虚拟控制器,分别为虚拟控制器的一阶导数,Xm1为主机器人关节位移向量,Xm2为主机器人关节速度向量,Xs1为从机器人关节位移向量,Xs2为从机器人关节速度向量,Xs3为从机器人电机位移向量,Xs4为从机器人电机速度向量,Tm(t),Ts(t)分别为主机器人到从机器人的正向时延和从机器人到主机器人的反馈时延,αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,分别为包含从机器人关节刚度的常数对角正定矩阵Ss的逆矩阵和转置矩阵,Js为执行器转动惯量的常数对角矩阵,k1,k2均选取为正常数;
步骤6:构造李雅普诺夫(Lyapunov)方程,建立系统时滞相关稳定准则,给出控制器参数选取标准,实现柔性主-从机器人系统在时变时延下的全局稳定;
当控制器参数选取使得以下不等式
当操作者施加到主机器人的力Fh和外界环境施加到从端机器人的力Fe均为零时,控制器设计如式(7),
其中,τm,τs为控制器提供的控制力矩,均为虚拟控制器,分别为虚拟控制器的一阶导数,Tm(t),Ts(t)分别为主机器人到从机器人的正向时延和从机器人到主机器人的反馈时延,αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,分别为包含从机器人关节刚度的常数对角正定矩阵Ss的逆矩阵和转置矩阵,Gm(Xm1),Gs(Xs1)分别为主机器人和从机器人的重力矩阵,Js为执行器转动惯量的常数对角矩阵,k1,k2均选取为正常数;
当控制器参数选取使得以下不等式
2.根据权利要求1所述的针对时变时延下柔性主-从机器人系统的全状态控制方法,其特征在于,所述主机器人和从机器人的各项系统参数包括主机器人和从机器人的机械臂的长度信息和质量信息,主机器人和从机器人的关节、电机位置和速度信息,以及利用力传感器测量的操作者施加的力和外界环境施加的力。
3.根据权利要求1所述的针对时变时延下柔性主-从机器人系统的全状态控制方法,其特征在于,第一虚拟控制器和第二虚拟控制器的设计过程如下:
第一虚拟控制器:选取第一步李雅普诺夫(Lyapunov)方程如下:
其中,积分项满足Z,P为正定矩阵,假设时延Tm(t),Ts(t)有界,即存在正标量使得Mm(Xm1),Ms(Xs1)分别为主机器人和从机器人的正定惯性矩阵,Um(Xm1),Us(Xs1)分别为主机器人和从机器人的重力势能,且存在正标量βm,βs,使得Um(Xm1)≥βm,Us(Xs1)≥βs,km,ks为大于零的比例系数,
对V11进行求导得,
第二虚拟控制器:选取第二步李雅普诺夫(Lyapunov)方程如下:
对V2进行求导得,
4.根据权利要求1所述的针对时变时延下柔性主-从机器人系统的全状态控制方法,其特征在于,构造李雅普诺夫(Lyapunov)方程,建立系统时滞相关稳定准则,给出控制器参数选取标准,步骤如下;
S1、选取第一步李雅普诺夫(Lyapunov)方程如下:
其中,积分项满足Z,P为正定矩阵,假设时延Tm(t),Ts(t)有界,即存在正标量使得Mm(Xm1),Ms(Xs1)分别为主机器人和从机器人的正定惯性矩阵,Um(Xm1),Us(Xs1)分别为主机器人和从机器人的重力势能,且存在正标量βm,βs,使得Um(Xm1)≥βm,Us(Xs1)≥βs,km,ks为大于零的比例系数,
对V1进行求导得,
其中,I为单位矩阵,Z-1,P-1分别为正定矩阵Z,P的逆矩阵,Ss为包含从机器人关节刚度的常数对角正定矩阵,αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,假设时延Tm(t),Ts(t)有界,即存在正标量使得 为虚拟控制器,
S2、选取第二步李雅普诺夫(Lyapunov)方程如下:
对V2进行求导得,
S3、选取第三步李雅普诺夫(Lyapunov)方程如下:
对V3进行求导,
当操作者施加到主机器人的力Fh和外界环境施加到从端机器人的力Fe均为零时,控制器设计如式(24),
其中,τm,τs为控制器提供的控制力矩,均为虚拟控制器,分别为虚拟控制器的一阶导数,Tm(t),Ts(t)分别为主机器人到从机器人的正向时延和从机器人到主机器人的反馈时延,αm,αs为正常数的阻尼系数,km,ks为大于零的比例系数,分别为包含从机器人关节刚度的常数对角正定矩阵Ss的逆矩阵和转置矩阵,Gm(Xm1),Gs(Xs1)分别为主机器人和从机器人的重力矩阵,Js为执行器转动惯量的常数对角矩阵,k1,k2均选取为正常数;
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010033899.2A CN111136633B (zh) | 2020-01-13 | 2020-01-13 | 针对时变时延下柔性主-从机器人系统的全状态控制方法 |
US17/145,442 US11453114B2 (en) | 2020-01-13 | 2021-01-11 | Full-state control method for the master-slave robot system with flexible joints and time-varying delays |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010033899.2A CN111136633B (zh) | 2020-01-13 | 2020-01-13 | 针对时变时延下柔性主-从机器人系统的全状态控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111136633A CN111136633A (zh) | 2020-05-12 |
CN111136633B true CN111136633B (zh) | 2021-04-09 |
Family
ID=70524709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010033899.2A Active CN111136633B (zh) | 2020-01-13 | 2020-01-13 | 针对时变时延下柔性主-从机器人系统的全状态控制方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11453114B2 (zh) |
CN (1) | CN111136633B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW202045323A (zh) * | 2019-02-07 | 2020-12-16 | 學校法人慶應義塾 | 位置與力的控制裝置、位置與力的控制方法及程式 |
CN111360830B (zh) * | 2020-03-18 | 2021-07-16 | 华南理工大学 | 一种基于协同跟踪的柔性机械臂的振动控制方法 |
CN111482966B (zh) * | 2020-05-14 | 2022-08-09 | 重庆邮电大学 | 一种机器人力觉遥控系统的力和位置控制方法 |
CN112428247B (zh) * | 2020-09-28 | 2021-12-21 | 燕山大学 | 一种针对多主-多从遥操作系统的增强透明性能控制方法 |
CN113296398A (zh) * | 2021-04-14 | 2021-08-24 | 山东师范大学 | 一种柔性单链机械臂基于事件触发的命令滤波控制方法 |
CN113820978B (zh) * | 2021-09-08 | 2023-05-26 | 华侨大学 | 一种网络遥操作机器人系统的准同步控制方法 |
CN114047744B (zh) * | 2021-09-08 | 2023-06-13 | 哈尔滨工程大学 | 基于采样通信的自适应反步滑模多无人艇编队控制方法 |
CN113805484B (zh) * | 2021-09-22 | 2023-05-19 | 燕山大学 | 一种基于自适应动态面的轧机扭振抑制控制方法 |
CN114474049B (zh) * | 2021-12-29 | 2024-03-08 | 山东师范大学 | 单连杆机械臂的指定时间受约的容错控制方法及系统 |
CN114347031B (zh) * | 2022-01-18 | 2024-01-16 | 广东省智能机器人研究院 | 一种考虑时变时滞的移动机械臂避碰控制方法及装置 |
CN114721258B (zh) * | 2022-02-21 | 2023-03-10 | 电子科技大学 | 基于非线性扩展状态观测器的下肢外骨骼反步控制方法 |
CN115008456B (zh) * | 2022-06-14 | 2023-02-10 | 中国科学院数学与系统科学研究院 | 一种柔性单链机械臂多智能体的跟踪控制方法和系统 |
CN115462909B (zh) * | 2022-09-16 | 2023-05-16 | 哈尔滨工业大学 | 用于微创手术机器人的主操作手性能优化方法 |
CN116572249B (zh) * | 2023-06-07 | 2024-01-02 | 哈尔滨理工大学 | 一种基于三模态切换机制的柔性机械臂遥操作控制方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060290311A1 (en) * | 2005-06-28 | 2006-12-28 | Nikhil Chopra | Method and System for Synchronizing Networked Passive Systems |
WO2011028627A2 (en) * | 2009-08-26 | 2011-03-10 | The Research Foundation Of State University Of New York | System and method for endovascular telerobotic access |
JP2016032326A (ja) * | 2014-07-28 | 2016-03-07 | キヤノン株式会社 | モータ制御装置、ロボット装置、モータ制御方法、プログラム及び記録媒体 |
US10726686B2 (en) * | 2016-09-19 | 2020-07-28 | Telefonaktiebolaget Lm Ericsson (Publ) | Encoding and decoding multichannel haptic data by determining an order of a plurality of channels |
EP3538328B1 (en) * | 2016-11-10 | 2020-06-10 | Cognibotics AB | System and method for instructing a robot |
CN106647281B (zh) * | 2017-01-18 | 2019-11-22 | 燕山大学 | 一种基于终端滑模的遥操作系统干扰有限时间补偿方法 |
WO2019012812A1 (ja) * | 2017-07-12 | 2019-01-17 | ソニー株式会社 | 制御装置及び制御方法、並びにマスタ-スレーブ・システム |
US10843330B2 (en) * | 2017-12-07 | 2020-11-24 | Sarcos Corp. | Resistance-based joint constraint for a master robotic system |
CN108227497B (zh) * | 2018-01-11 | 2021-01-08 | 燕山大学 | 一种考虑系统性能受限下网络化遥操作系统的控制方法 |
CN108427288B (zh) * | 2018-04-25 | 2020-01-07 | 江南大学 | 一类具有时变时延的网络化线性参数变化系统的h∞容错控制方法 |
EP3566823A1 (en) * | 2018-05-11 | 2019-11-13 | Siemens Aktiengesellschaft | Method, apparatus and system for robotic programming |
CN110000788B (zh) * | 2019-04-17 | 2020-10-09 | 燕山大学 | 用于远程操作系统的有限时间容错控制方法 |
CN110340894B (zh) * | 2019-07-18 | 2020-10-16 | 浙江大学 | 一种基于模糊逻辑的遥操作系统自适应多边控制方法 |
CN110336506B (zh) * | 2019-08-20 | 2021-02-09 | 贵州大学 | 一种pmsm混沌系统神经网络反演控制方法 |
CN110658811B (zh) * | 2019-09-09 | 2020-09-18 | 华南理工大学 | 基于神经网络的受限移动机器人协同路径跟踪控制方法 |
-
2020
- 2020-01-13 CN CN202010033899.2A patent/CN111136633B/zh active Active
-
2021
- 2021-01-11 US US17/145,442 patent/US11453114B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11453114B2 (en) | 2022-09-27 |
CN111136633A (zh) | 2020-05-12 |
US20210213602A1 (en) | 2021-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111136633B (zh) | 针对时变时延下柔性主-从机器人系统的全状态控制方法 | |
CN106483964B (zh) | 一种基于接触力观测器的机器人柔顺控制方法 | |
de Queiroz et al. | Adaptive nonlinear boundary control of a flexible link robot arm | |
CN107045557B (zh) | 面向约束的可重构机械臂非奇异终端滑模力位置控制方法 | |
CN108628172B (zh) | 一种基于扩张状态观测器的机械臂高精度运动控制方法 | |
CN111230867B (zh) | 机器人运动控制方法、运动控制设备及机器人 | |
CN102189550A (zh) | 具有学习控制功能的机器人 | |
CN112171673A (zh) | 机械臂作业控制方法、控制设备及计算机可读存储介质 | |
CN111506095B (zh) | 一种双刚体特征点间饱和固定时间相对位姿跟踪控制方法 | |
CN110597051A (zh) | 基于RBF神经网络的Stewart稳定平台控制方法 | |
JP3283650B2 (ja) | ロボット制御装置 | |
CN115480583A (zh) | 飞行作业机器人的视觉伺服跟踪与阻抗控制方法 | |
JP3698770B2 (ja) | 負荷重量の推定方法 | |
CN108227493B (zh) | 一种机器人轨迹跟踪方法 | |
Salmasi et al. | A manoeuvre control strategy for flexible-joint manipulators with joint dry friction | |
US8670869B2 (en) | Robot controller | |
Chen et al. | Observer-Based Adaptive Robust Precision Motion Control of a Multi-Joint Hydraulic Manipulator | |
CN114310914A (zh) | 多自由度机械臂模糊自适应迭代轨迹跟踪控制方法及系统 | |
Garcia-Valdovinos et al. | Cartesian sliding PID force/position control for transparent bilateral teleoperation | |
Garcia-Valdovinos et al. | Bilateral Cartesian sliding PID force/position control for tracking in finite time of master-slave systems | |
Abou Elyazed et al. | Trajectory planning of five DOF manipulator: dynamic feed forward controller over computed torque controller | |
US20230302642A1 (en) | Systems and Hybrid Position Force Control Processes of an Industrial Robot | |
US20230302643A1 (en) | Systems and Hybrid Position Force Control Processes of an Industrial Robot | |
CN113500602B (zh) | 多连杆机械手系统的分布式采样控制 | |
US20230302637A1 (en) | Systems and Hybrid Position Force Control Processes of an Industrial Robot |
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 |