CN111444459A - 一种遥操作系统的接触力的确定方法及系统 - Google Patents

Abstract

本发明涉及一种遥操作系统的接触力的确定方法及系统。方法包括获取主机器人当前的运动信息；所述运动信息包括运动位置及速度；根据所述主机器人当前的运动信息同步从机器人当前的运动信息；根据所述从机器人当前的运动信息确定与环境相接触得到的从端接触力；对所述从端接触力进行优化，确定优化后的从端接触力。本发明所提供的一种遥操作系统的接触力的确定方法及系统，在不同环境中遥操作系统的接触力确定的准确性和实时性。

Description

一种遥操作系统的接触力的确定方法及系统

技术领域

本发明涉及遥操作机器系统的接触力确定领域，特别是涉及一种遥操作系统的接触力的确定方法及系统。

背景技术

遥操作系统由一名操作者操作一台本地机器人通过网络控制远程机器人完成指定工作任务。遥操作技术已经被广泛应用于空间技术，深海探索，远程医疗和极限环境中。在遥操作系统应用中如果远程机器人能将外界环境的触觉信息反馈到主机器人端，操作者的临场感将得到极大的改善。临场感技术是人机交互遥操作的核心。具有临场感的遥操作机器人系统是主从式遥控机器人的一种发展，侧重于远地环境在操作者周围的再现，这需要力传感器来实现。一方面，在实际应用中，力传感器存在惯性力的影响严重、动态频率低、维间干扰较大以及体积大等问题,而且在某些恶劣环境下不允许传感器的使用。另一方面，考虑节省传感器本身昂贵成本费用的问题。因此迫切需要提出新的快速、准确的力估计方法，从而代替遥操作机器人系统对力传感器的需求。

接触力模型是对机器人末端与作业环境互相作用而产生的接触力进行的动态行为表达，其具体表达式取决于接触两物体的材料属性及两者的相互运动状态，对不同的接触材料，模型参数不一样，对差异较大的材料甚至会有不同的模型表达形式。对于系统的接触环境，接触的材料属性预先是未知的，不同的作业环境会有不同的操作对象，有些是接触较硬的材料，有些是接触较软的材料。对于这种复杂的操作环境，接触力模型应能够较准确地表达环境中任何属性材料的接触力，并能在不同材料切换时能进行快速准确的转换。

现有的KVM模型和HCM模型容易产生抖动，造成测量不稳定，并且也不适用于硬质材料间的接触环境。可见，对于不同环境的接触力的确定仍不能快速、准确的得到。

发明内容

本发明的目的是提供一种遥操作系统的接触力的确定方法及系统，提高在不同环境中遥操作系统的接触力确定的准确性和实时性。

为实现上述目的，本发明提供了如下方案：

一种遥操作系统的接触力的确定方法，包括：

获取主机器人当前的运动信息；所述运动信息包括运动位置及速度；

根据所述主机器人当前的运动信息同步从机器人当前的运动信息；

根据所述从机器人当前的运动信息确定与环境相接触得到的从端接触力；

对所述从端接触力进行优化，确定优化后的从端接触力。

可选的，通过Mini45力传感器确定所述从端接触力。

可选的，所述对所述从端接触力进行优化，确定优化后的从端接触力，具体包括：

获取基于接触力恢复系数的非线性接触力模型；

将非线性接触力模型转化为线性接触力模型；

利用所述线性接触力模型对所述从端接触力进行优化，确定优化后的从端接触力。

可选的，所述将所述非线性接触力模型转化为线性接触力模型，之后还包括：

对所述线性接触力模型采用最小二乘递推混合方法确定实时模型参数；

根据所述实时模型参数更新所述线性接触力模型。

一种遥操作系统的接触力的确定系统，包括：

主机器人当前的运动信息获取模块，用于获取主机器人当前的运动信息；所述运动信息包括运动位置及速度；

从机器人当前的运动信息确定模块，用于根据所述主机器人当前的运动信息同步从机器人当前的运动信息；

从端接触力确定模块，用于根据所述从机器人当前的运动信息确定与环境相接触得到的从端接触力；

优化后的从端接触力确定模块，用于对所述从端接触力进行优化，确定优化后的从端接触力。

可选的，通过Mini45力传感器确定所述从端接触力。

可选的，所述优化后的从端接触力确定模块具体包括：

非线性接触力模型获取单元，用于获取基于接触力恢复系数的非线性接触力模型；

非线性接触力模型转化单元，用于将非线性接触力模型转化为线性接触力模型；

优化后的从端接触力确定单元，用于利用所述线性接触力模型对所述从端接触力进行优化，确定优化后的从端接触力。

可选的，所述优化后的从端接触力确定模块还包括：

实时模型参数确定单元，用于对所述线性接触力模型采用最小二乘递推混合方法确定实时模型参数；

线性接触力模型更新单元，用于根据所述实时模型参数更新所述线性接触力模型。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明所提供的一种遥操作系统的接触力的确定方法及系统，通过对所述从端环境接触力模型进行优化确定优化后的环境接触力模型，传回主端，可以在主端进行实时力反馈，操作者产生一种触觉再现的感受，提高对不同环境的适应性，提高在不同环境中遥操作系统的接触力确定的准确性和实时性。

附图说明

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，下面将对实施例中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的一种遥操作系统的接触力的确定方法流程示意图；

图2为本发明所提供的一种遥操作系统的接触力的确定系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种遥操作系统的接触力的确定方法及系统，提高在不同环境中遥操作系统的接触力确定的准确性和实时性。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

遥操作系统主要由操作者、主机器人、网络传输通道、从机器人和外界环境组成。操作者在本地对主机器人进行操作,其相关运动信息通过网络传输至从机器人,从机器人按照主机器人的运动信息进行同步运动,并将与环境相接触得到的信息反馈回主机器人。

操作者与主机器人进行交互操作，采集记录的运动信息通过网络通讯传输至从机器人计算机上，控制从机器人的机构进行位置伺服运动。从机器人在一定网络时延后跟随主机器人运动并与操作环境发生相互作用。而从机器人末端与环境的接触力通过Mini45力传感器进行测量，并根据实际的从端接触力-运动状态数据对基于接触力恢复系数的非线性接触力模型参数进行在线辨识计算，得到的模型参数经网络通讯传至主机器人，修正主机器人的本地接触模型参数，实时计算从机器人的接触力，主机器人输出该反馈力，给操作者产生一种触觉再现的感受。

主机器人分两个线程进行，一个线程负责主机器人与虚拟环境的信息交互，主要有位置采集、接触力的计算，另一个线程负责主机器人与从机器人间的网络通信，主要有主机器人位置发送和从机器人接触模型参数的接收，该线程为socket通信部分，接收到的模型参数等信息用于环境的修正与更新，使得接触力模型更加接近于实际的从机器人操作环境。从机器人分三个线程进行，第一个线程负责与主机器人计算机的通信部分：接收主机器人位置、发送接触模型参数，该线程与主机器人的通信线程对应，网络的堵塞不会影响到其他任务的进行。第二个线程负责运动控制卡的控制命令发送部分，驱动从机器人机构各关节进行位置伺服运动，如此，控制卡的通信时间不会影响到其他任务的进行。最后一个线程负责力传感器的接触力测量及模型参数辨识部分，接触力的获取也是一个本地socket通信过程，将该部分独立开来可避免与前两个线程通信之间互相冲突延迟的问题，同时辨识后的模型参数可与网络通信线程进行数据共享传输。主从端各有一台控制计算机，两者之间以TCP协议进行socket网络通信。

初始时，首先分别对主、从机器人进行初始化设置：主机器人、从机器人机构复位，力传感器初始化。然后分别配置两端的socket通信参数，建立两者之间的网络通信连接，并进入相应的主循环程序，通过多线程设计并行执行各任务程序，确保主机器人实时的虚拟环境交互及正常的网络信息交互。主机器人通过网络通信接收到接触力模型数据用于更新修正虚拟环境，从机器人接收到的位置信息用于机构的位置伺服跟随运动，同时接触力模型参数也根据实际的从机器人接触力-运动状态数据不断在线辨识更新。最后，程序在异常情况及输入结束命令情况下同时结束主、从两端的所有线程程序。

图1为本发明所提供的一种遥操作系统的接触力的确定方法流程示意图，如图1所示，本发明所提供的一种遥操作系统的接触力的确定方法，包括：

S101，获取主机器人当前的运动信息；所述运动信息包括运动位置及速度。

S102，根据所述主机器人当前的运动信息同步从机器人当前的运动信息。

S103，根据所述从机器人当前的运动信息确定与环境相接触得到的从端接触力。通过Mini45力传感器确定所述从端接触力。

S104，对所述从端接触力进行优化，确定优化后的从端接触力。

获取基于接触力恢复系数的非线性接触力模型。所述非线性接触力模型的为

其中，k,λ分别为非线性弹簧项及阻尼项的系数，n,α为调整参数，具体数值取决于材料本身，且有以下约束范围：

将非线性接触力模型转化为线性接触力模型。所述线性接触力模型为：

对所述线性接触力模型采用最小二乘递推混合方法确定实时模型参数；

根据所述实时模型参数更新所述线性接触力模型。

利用所述线性接触力模型对所述从端接触力进行优化，确定优化后的从端接触力。

其中，非线性接触力模型中的四个参数k，λ，n，α，这些参数随接触材料属性的不同而有不同的取值，可根据从端末端接触处实际的接触力和运动状态最优化估计辨识得到。

将模型的非线性形式转化为线性形式，然后再利用单一阶段辨识方法对其中各参数进行辨识。

对非线性接触力模型两边同时取对数函数得

根据很多实际的接触环境(一般地，

)，式中

可被认为很接近于零，尤其对于严格的遥操作环境。因此，函数

可在

附近进行泰勒级数展开估计：

根据前面模型参数的约束范围，α∈[0,1]。指数项xⁿ(n∈[1,2])可被分解成一次项和二次项的线性组合，在x较小的情况下，通过调整两者系数可使得这种估计很准确且两项的系数基本不变。对于接触碰撞的实际现象，接触两物体的穿刺深度很小，基本保持在0.04m以内，太大的接触深度会造成物体的变形损坏。故式4-15中的

可被分解为：

其中a₁,a₂分别为分解后的一次项和二次项系数，具体数值取决于穿刺深度x的范围及幂指数α的大小。

最后，确定线性接触力模型：

线性接触力模型包含四个线性参数lnk,m,

只要接触环境确定了，这些参数基本也就确定了，不会有较大的变化，除非接触的材料属性改变了。

对所述线性接触力模型采用最小二乘递推混合方法确定实时模型参数。即四个线性参数lnk,m,

通过最小二乘递推混合方法中的渐消记忆的遗忘因子和自干扰函数来解决模型中渐变和突变参数的情况。

将

转化为最小二乘法统一的表达形式

为输入控制矩阵，包含接触过程的刺入深度及速度x,

ε_k为高斯随机噪声，主要由测量误差及线性化估计误差引起；θ_k为需要估计的线性参数向量，根据测量的数据序列不断迭代更新。每项参数的具体形式如下：y_k＝lnF，

θ_k＝[lnk,m,b₁,b₂]^T。

每当测量到新的接触力及运动信息时，算法即可根据上一次的辨识结果与本次新数据递推计算出新的模型参数，具体计算方法如下：

其中P_k为在时刻k的协方差矩阵，维数为4×4，K_k参数更新增益，表示当前测量的新数据对模型参数的更新影响。λ为遗忘因子，其大小根据新数据的有效性进行自适应调整，具体如下：

λ₀＜1为最小的遗忘因子；Δx_k＝x_k+1-x_k，为前后两次刺入深度的差值。当刺入深度变化很慢或者基本不变时，根据上式，遗忘因子λ接近于零，意味着对旧数据没有遗忘效果，各数据对参数更新所占的比重相同；当刺入深度变化很快时，此时前后两次深度的差值较大，λ接近于λ₀，对旧数据有一定的遗忘效果。通过调整λ₀和ρ_k，可以分别调节最小的遗忘因子及对刺入深度差值的敏感程度。通过这种自适应遗忘因子的方式，辨识算法会对渐变模型参数进行自适应调整，并能弥补式6中a₁,a₂系数改变带来的影响。此外，为了适应参数突变的情况，增加了自干扰函数以对突变的参数进行快速的调整，其函数形式如下：

其中，

为k时刻参数估计的误差且δ是一个较大的数值。

当参数估计误差较大时，此时

P_k的数值将变成很大，而较大的数值正好也是刚开始设定的初始值P₀，这意味着，辨识算法将此时刻当做刚开始辨识的初始时刻，不考虑之前的测量数据，完全取决于后面的测量数据，很好地解决了突变参数的快速自适应。如果没有这个自干扰过程，协方差矩阵P_k的数值将随着递推的进行而变得越来越小，通过自干扰更新，使辨识过程重新回到最初的递推时刻，快速适应突变的环境。

在每一步辨识过程完成后，辨识得到的模型参数将会传至主端，根据当前主操作手的运动位置及速度实时估计此刻的虚拟反馈力。实时反馈力估计的准确性不仅取决于实际测量的接触力与运动位置速度的可靠性。

本发明所提供的一种遥操作系统的接触力的确定方法，参数的辨识是在线进行的且能根据接触环境的改变而进行自适应的调整，准确反映接触力变化情况。对非线性项线性化的方法更有助于实现参数辨识，参数辨识计算过程是实时准确的，也就是说，每当测量到新的接触力及运动状态信息，辨识的参数就会实时进行更新，而且该过程的计算量较小。利用递推最小二乘法来实时辨识连续变化的模型参数，对比其他力估计过程，该方法省时省力。

图2为本发明所提供的一种遥操作系统的接触力的确定系统结构示意图，如图2所示，本发明所提供的一种遥操作系统的接触力的确定系统包括：主机器人当前的运动信息获取模块201、从机器人当前的运动信息确定模块202、从端接触力确定模块203和优化后的从端接触力确定模块204。

主机器人当前的运动信息获取模块201用于获取主机器人当前的运动信息；所述运动信息包括运动位置及速度。

从机器人当前的运动信息确定模块202用于根据所述主机器人当前的运动信息同步从机器人当前的运动信息。进而，控制从机器人运动。

从端接触力确定模块203用于根据所述从机器人当前的运动信息确定与环境相接触得到的从端接触力。通过Mini45力传感器确定所述从端接触力。

优化后的从端接触力确定模块204用于对所述从端接触力进行优化，确定优化后的从端接触力。

所述优化后的从端接触力确定模块204具体包括：非线性接触力模型获取单元、非线性接触力模型转化单元和优化后的从端接触力确定单元。

非线性接触力模型获取单元用于获取基于接触力恢复系数的非线性接触力模型。

非线性接触力模型转化单元用于将非线性接触力模型转化为线性接触力模型。

优化后的从端接触力确定单元用于利用所述线性接触力模型对所述从端接触力进行优化，确定优化后的从端接触力。

所述优化后的从端接触力确定模块204还包括：实时模型参数确定单元和线性接触力模型更新单元。

实时模型参数确定单元用于对所述线性接触力模型采用最小二乘递推混合方法确定实时模型参数。

线性接触力模型更新单元用于根据所述实时模型参数更新所述线性接触力模型。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本发明中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种遥操作系统的接触力的确定方法，其特征在于，包括：

获取主机器人当前的运动信息；所述运动信息包括运动位置及速度；

根据所述主机器人当前的运动信息同步从机器人当前的运动信息；

根据所述从机器人当前的运动信息确定与环境相接触得到的从端接触力；

对所述从端接触力进行优化，确定优化后的从端接触力。

2.根据权利要求1所述的一种遥操作系统的接触力的确定方法，其特征在于，通过Mini45力传感器确定所述从端接触力。

3.根据权利要求1所述的一种遥操作系统的接触力的确定方法，其特征在于，所述对所述从端接触力进行优化，确定优化后的从端接触力，具体包括：

获取基于接触力恢复系数的非线性接触力模型；

将非线性接触力模型转化为线性接触力模型；

利用所述线性接触力模型对所述从端接触力进行优化，确定优化后的从端接触力。

4.根据权利要求3所述的一种遥操作系统的接触力的确定方法，其特征在于，所述将所述非线性接触力模型转化为线性接触力模型，之后还包括：

对所述线性接触力模型采用最小二乘递推混合方法确定实时模型参数；

根据所述实时模型参数更新所述线性接触力模型。

5.一种遥操作系统的接触力的确定系统，其特征在于，包括：

主机器人当前的运动信息获取模块，用于获取主机器人当前的运动信息；所述运动信息包括运动位置及速度；

从机器人当前的运动信息确定模块，用于根据所述主机器人当前的运动信息同步从机器人当前的运动信息；

从端接触力确定模块，用于根据所述从机器人当前的运动信息确定与环境相接触得到的从端接触力；

优化后的从端接触力确定模块，用于对所述从端接触力进行优化，确定优化后的从端接触力。

6.根据权利要求5所述的一种遥操作系统的接触力的确定系统，其特征在于，通过Mini45力传感器确定所述从端接触力。

7.根据权利要求5所述的一种遥操作系统的接触力的确定系统，其特征在于，所述优化后的从端接触力确定模块具体包括：

非线性接触力模型获取单元，用于获取基于接触力恢复系数的非线性接触力模型；

非线性接触力模型转化单元，用于将非线性接触力模型转化为线性接触力模型；

优化后的从端接触力确定单元，用于利用所述线性接触力模型对所述从端接触力进行优化，确定优化后的从端接触力。

8.根据权利要求3所述的一种遥操作系统的接触力的确定方法，其特征在于，所述优化后的从端接触力确定模块还包括：

实时模型参数确定单元，用于对所述线性接触力模型采用最小二乘递推混合方法确定实时模型参数；

线性接触力模型更新单元，用于根据所述实时模型参数更新所述线性接触力模型。

Images