CN112494281B - 机器人控制装置、机器人、机器人控制方法及存储介质 - Google Patents

机器人控制装置、机器人、机器人控制方法及存储介质 Download PDF

Info

Publication number
CN112494281B
CN112494281B CN202011317875.6A CN202011317875A CN112494281B CN 112494281 B CN112494281 B CN 112494281B CN 202011317875 A CN202011317875 A CN 202011317875A CN 112494281 B CN112494281 B CN 112494281B
Authority
CN
China
Prior art keywords
value
sliding mode
motor
actual
power
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
Application number
CN202011317875.6A
Other languages
English (en)
Other versions
CN112494281A (zh
Inventor
金山海
熊小刚
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.)
Shenzhen Graduate School Harbin Institute of Technology
Yanbian University
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
Yanbian University
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 Shenzhen Graduate School Harbin Institute of Technology, Yanbian University filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN202011317875.6A priority Critical patent/CN112494281B/zh
Publication of CN112494281A publication Critical patent/CN112494281A/zh
Application granted granted Critical
Publication of CN112494281B publication Critical patent/CN112494281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00Appliances for aiding patients or disabled persons to walk about
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5058Sensors or detectors
    • A61H2201/5069Angle sensors
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00Measuring physical parameters of the user
    • A61H2230/62Posture
    • A61H2230/625Posture used as a control parameter for the apparatus

Landscapes

  • Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Pain & Pain Management (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Rehabilitation Therapy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Manipulator (AREA)

Abstract

本申请涉及一种机器人控制装置、机器人、机器人控制方法及存储介质,所述装置包括:滑模控制器、电机、滑模跟踪微分器和助力生成器,滑模控制器的输出端与电机的输入端连接,电机的输出端与滑模跟踪微分器的输入端连接,滑模跟踪微分器的输出端与助力生成器的输出端均与滑模控制器的输入端连接;滑模跟踪微分器,用于对电机输出的实际助力值进行去噪处理,得到去噪后的助力值,并将去噪后的助力值传输给滑模控制器;滑模控制器,用于根据去噪后的助力值和助力生成器得到的目标助力值之间的误差值,调整电机输出的实际助力值。本申请实施例提供的技术方案可以步行助力机器人与穿戴者的协调性。

Description

机器人控制装置、机器人、机器人控制方法及存储介质
技术领域
本申请涉及机器人控制技术领域,特别是涉及一种机器人控制装置、机器人、机器人控制方法及存储介质。
背景技术
随着机器人技术的成熟,机器人技术得到了广泛的应用,机器人也逐渐走入人们的日常生活中。其中,外骨骼步行助力机器人是一种可穿戴机器人,通过为人体提供外力支持,可以提高人体持久运动的能力,尤其在医疗助残方面有着较好的应用前景。
控制器作为步行助力机器人的核心实现控制功能,常用的控制器有比例微分(proportional-derivative controller,PD)控制器和基于代理的滑模(Proxy-basedSliding Mode Control,PSMC)控制器,PD控制器和PSMC控制器均是根据通过目标助力值和当前输入的实际助力值得到的计算结果对步行助力机器人进行控制。
然而,这两种控制器均容易产生超调现象,甚至出现抖阵,从而使得步行助力机器人发生颤抖,降低了步行助力机器人与穿戴者的协调性。
发明内容
基于此,本申请实施例提供了一种机器人控制装置、机器人、控制方法及存储介质,可以提高步行助力机器人与穿戴者的协调性。
第一方面,提供了一种机器人控制装置,该装置包括:
滑模控制器、电机、滑模跟踪微分器和助力生成器,滑模控制器的输出端与电机的输入端连接,电机的输出端与滑模跟踪微分器的输入端连接,滑模跟踪微分器的输出端与助力生成器的输出端均与滑模控制器的输入端连接;滑模跟踪微分器,用于对电机输出的实际助力值进行去噪处理,得到去噪后的助力值,并将去噪后的助力值传输给滑模控制器;滑模控制器,用于根据去噪后的助力值和助力生成器得到的目标助力值之间的误差值,调整电机输出的实际助力值。
在其中一个实施例中,上述装置还包括:步态周期估计器;步态周期估计器的输出端与助力生成器的输入端连接;步态周期估计器,用于根据关节姿态数据生成步态周期,并将步态周期传输给助力生成器;助力生成器,用于根据步态周期生成目标助力值。
在其中一个实施例中,上述装置还包括姿态传感器,姿态传感器的输出端与步态周期估计器的输入端连接;姿态传感器,用于采集关节姿态数据;关节姿态数据包括关节角度和关节角速度。
在其中一个实施例中,上述滑模跟踪微分器,用于对电机输出的实际助力值进行去噪处理,得到去噪后的助力值,包括:
滑模跟踪微分器,用于根据预设的滤波算法对实际助力值进行滤波处理,得到去噪后的助力值。
在其中一个实施例中,上述滑模跟踪微分器,还用于获取微分估计值;上述滑模控制器,用于根据误差值和微分估计值调整电机输出的实际助力值。
在其中一个实施例中,上述滑模控制器,用于根据误差值和微分估计值调整电机输出的实际助力值,包括:
滑模控制器,用于根据误差值和微分估计值计算得到电压占空比,根据电压占空比调整电机输出的实际助力值。
在其中一个实施例中,上述滑模跟踪微分器包括滤波器;滤波器的输入端与电机的输出端连接,滤波器的输出端与滑模控制器的输入端连接;滤波器用于对实际助力值进行滤波处理,得到去噪后助力值。
在其中一个实施例中,上述装置还包括助力传感器;助力传感器的输入端与电机的输出端连接,助力传感器的输出端与滑模跟踪微分器的输入端连接;助力传感器,用于采集电机输出的实际助力值。
第二方面,提供了一种机器人,该机器人包括如第一方面所述的机器人控制装置。
在其中一个实施例中,上述机器人还包括与上述机器人控制装置连接的通信模块。
第三方面,提供了一种机器人控制方法,该方法应用于如第一方面的机器人控制装置,该方法包括:
对机器人的电机输出的实际助力值进行去噪处理,得到去噪后的助力值;根据去噪后的助力值和目标助力值之间的误差值,调整电机输出的实际助力值。
在其中一个实施例中,该方法还包括:
根据机器人的关节姿态数据生成步态周期;根据步态周期生成目标助力值。
在其中一个实施例中,对机器人的电机输出的实际助力值进行去噪处理,得到去噪后的助力值,包括:
根据预设的滤波算法对实际助力值进行滤波处理,得到去噪后的助力值。
在其中一个实施例中,上述方法还包括:
根据实际助力值获取微分估计值;根据去噪后的助力值和目标助力值之间的误差值,调整电机输出的实际助力值,包括:
根据误差值和微分估计值调整电机输出的实际助力值。
在其中一个实施例中,根据误差值和微分估计值调整电机输出的实际助力值,包括:
根据误差值和微分估计值计算得到电压占空比,根据电压占空比调整电机输出的实际助力值。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述第三方面任一实施例中的方法步骤。
上述机器人控制装置、机器人、机器人控制方法及存储介质,该装置包括滑模控制器、电机、滑模跟踪微分器和助力生成器,滑模控制器的输出端与电机的输入端连接,电机的输出端与滑模跟踪微分器的输入端连接,滑模跟踪微分器的输出端与助力生成器的输出端均与滑模控制器的输入端连接;滑模跟踪微分器,用于对电机输出的实际助力值进行去噪处理,得到去噪后的助力值,并将去噪后的助力值传输给滑模控制器;滑模控制器,用于根据去噪后的助力值和助力生成器得到的目标助力值之间的误差值,调整电机输出的实际助力值。由于在输入的实际助力值存在较大噪声干扰时,通过滑模跟踪微分器可以对实际助力值进行去噪处理,降低了噪声的干扰,提高了实际助力值的真实性与准确性。并且,再通过滑模控制器对该去噪后的助力值与目标助力值进行误差计算,由于输入的实际助力值更加真实准确,也降低了去噪后的助力值与目标助力值之间的误差。进一步的,再根据误差调整电机输出的实际助力值,使得电机输出的实际助力值更加平滑,避免了步行助力机器人发生颤抖,提高了步行助力机器人与穿戴者的协调性。
附图说明
图1为本申请实施例提供的一种机器人控制装置的流程图;
图2为本申请实施例提供的一种机器人控制装置的流程图;
图3为本申请实施例提供的一种机器人控制装置的流程图;
图4为本申请实施例提供的一种机器人控制装置的流程图;
图5为本申请实施例提供的一种机器人控制装置的流程图;
图6为本申请实施例提供的一种控制结果的示意图;
图7为本申请实施例提供的一种控制器的结构图;
图8为本申请实施例提供的一种控制器的结构图;
图9为本申请实施例提供的一种控制结果的示意图;
图10为本申请实施例提供的一种控制结果的示意图;
图11为本申请实施例提供的一种控制结果的示意图;
图12为本申请实施例提供的一种机器人的结构图;
图13为本申请实施例提供的一种机器人的结构图;
图14为本申请实施例提供的一种机器人控制方法的流程图;
图15为本申请实施例提供的一种机器人控制方法的流程图;
图16为本申请实施例提供的一种机器人控制方法的流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在一个实施例中,请参考图1,其示出了本申请实施例提供的一种机器人控制装置的框图,如图1所示,该机器人控制装置10包括滑模控制器11、电机12、滑模跟踪微分器13和助力生成器14,滑模控制器11的输出端与电机12的输入端连接,电机12的输出端与滑模跟踪微分器13的输入端连接,滑模跟踪微分器13的输出端与助力生成器14的输出端均与滑模控制器11的输入端连接;滑模跟踪微分器13,用于对电机12输出的实际助力值进行去噪处理,得到去噪后的助力值,并将去噪后的助力值传输给滑模控制器11;滑模控制器11,用于根据去噪后的助力值和助力生成器14得到的目标助力值之间的误差值,调整电机12输出的实际助力值。
其中,滑模跟踪微分器13是一种可以对输入的实际助力值进行去噪处理并估计其微分值的控制器。电机12是一种能够产生驱动转矩并作为机器人的动力源的装置,电机12可以为交流电机、直流电机、步进电机等,本实施例对此不作具体限定。电机12的输出端与滑模跟踪微分器13的输入端连接,滑模跟踪微分器13可以对电机12输出的实际助力值进行去噪处理,得到去噪后的助力值,电机12输出的实际助力值可以通过助力采集装置获取,也可以通过助力传感器获取。滑模跟踪微分器13可以通过预设的滤波器对电机12输出的实际助力值去除噪声,也可以采用设定的滤波算法去除噪声。
滑模跟踪微分器13的输出端与助力生成器14的输出端均与滑模控制器11的输入端连接,滑模控制器11,又称变结构控制器,滑模控制器11是一种可以根据系统当前的状态有目的地不断变化,从而迫使系统按照预定滑动模态的状态轨迹运动的控制器。滑模跟踪微分器13输出的去噪后的实际助力值输入至滑模控制器11中,滑模控制器11根据去噪后的助力值和助力生成器14得到的目标助力值之间的误差值,调整电机12输出的实际助力值。
助力生成器14是一种可以生成目标助力值的装置,助力生成器14可以通过预设的步态周期直接得到目标助力值,也可以通过计算出的步态周期得到目标助力值。滑模跟踪微分器13的输出端与助力生成器14的输出端均与滑模控制器11的输入端连接,滑模控制器11根据去噪后的助力值和助力生成器14得到的目标助力值之间的误差值,调整电机12输出的实际助力值。去噪后的助力值可以包括去噪助力值和微分助力值,滑模控制器11可以根据去噪助力值和助力生成器14得到的目标助力值之间的误差值,调整电机12输出的实际助力值;也可以根据微分助力值和助力生成器14得到的目标助力值之间的误差值,调整电机12输出的实际助力值;还可以根据去噪助力值和助力生成器14得到的目标助力值之间的第一误差值,结合微分助力值和助力生成器14得到的目标助力值之间的第二误差值得到误差值,根据该误差值调整电机12输出的实际助力值。
本实施例中,该机器人控制装置包括滑模控制器、电机、滑模跟踪微分器和助力生成器,滑模跟踪微分器对电机输出的实际助力值进行去噪处理,得到去噪后的助力值,并将去噪后的助力值传输给滑模控制器;滑模控制器根据去噪后的助力值和助力生成器得到的目标助力值之间的误差值,调整电机输出的实际助力值。由于在输入的实际助力值存在较大噪声干扰时,通过滑模跟踪微分器可以对实际助力值进行去噪处理,降低了噪声的干扰,提高了实际助力值的真实性与准确性。并且,再通过滑模控制器对该去噪后的助力值与目标助力值进行误差计算,由于输入的实际助力值更加真实准确,也降低了去噪后的助力值与目标助力值之间的误差。进一步的,再根据误差调整电机输出的实际助力值,使得电机输出的实际助力值更加平滑,避免了步行助力机器人发生颤抖,提高了步行助力机器人与穿戴者的协调性。
在一个实施例中,请参考图2,其示出了本申请实施例提供的一种机器人控制装置的框图,如图2所示,该机器人控制装置10还包括步态周期估计器15;步态周期估计器15的输出端与助力生成器14的输入端连接;步态周期估计器15,用于根据关节姿态数据生成步态周期,并将步态周期传输给助力生成器14;助力生成器14,用于根据步态周期生成目标助力值。
其中,步态周期估计器15是用于生成步态周期的装置,步态周期估计器15可以根据关节姿态数据生成步态周期,关节姿态数据可以通过关节姿态数据检测装置获取,也可以通过姿态传感器获取,可以对关节姿态数据进行数据预处理后,根据最大关节角度计算步态周期算法或最小关节角度计算步态周期算法生成步态周期。步态周期估计器15的输出端与助力生成器14的输入端连接,步态周期估计器15生成步态周期后,将该步态周期输入至助力生成器14,助力生成器14可以根据该步态周期生成目标助力值。
本实施例中,机器人控制装置还包括步态周期估计器,步态周期估计器的输出端与助力生成器的输入端连接,步态周期估计器用于根据关节姿态数据生成步态周期,并将步态周期传输给助力生成器,助力生成器用于根据步态周期生成目标助力值。通过步态周期估计器可以直接生成步态周期,提高了步态周期生成时的快速性,并且助力生成器可以直接根据该步态周期生成目标助力值,也提高了目标助力值生成的快速性,从而提高了整个机器人控制装置响应的快速性。
在一个实施例中,请参考图3,其示出了本申请实施例提供的一种机器人控制装置的框图,如图3所示,本实施例涉及的是获取关节姿态数据的一种可能的实现方式,该机器人控制装置10还包括姿态传感器16,姿态传感器16的输出端与步态周期估计器15的输入端连接;姿态传感器16,用于采集关节姿态数据;关节姿态数据包括关节角度和关节角速度。
其中,姿态传感器16是一种用于采集机器人关节姿态数据的传感器,姿态传感器16可以实时采集机器人关节姿态数据,也可以间隔固定时长采集机器人关节姿态数据。姿态传感器16可以包含包含三轴陀螺仪、三轴加速度计、三轴电子罗盘等运动传感器,再通过内嵌的处理器得到姿态数据。关节姿态数据可以包括关节角度和关节角速度,姿态传感器16的输出端与步态周期估计器15的输入端连接,姿态传感器16将采集到的关节角度和关节角速度数据输入至步态周期估计器15中,步态周期估计器15可以根据关节角度和关节角速度数据生成步态周期。
本实施例中,机器人控制装置还包括姿态传感器,姿态传感器的输出端与步态周期估计器的输入端连接,姿态传感器用于采集关节姿态数据,通过姿态传感器采集关节姿态数据,提高了姿态数据采集时的快速性与稳定性。
在一个实施例中,请参考图4,其示出了本申请实施例提供的一种机器人控制装置的框图,如图4所示,本实施例涉及的是获取实际助力值的一种可能的实现方式,该机器人控制装置10还包括助力传感器17,助力传感器17的输入端与电机12的输出端连接,助力传感器17的输出端与滑模跟踪微分器13的输入端连接;助力传感器17,用于采集电机12输出的实际助力值。
其中,助力传感器17可以实时采集电机12输出的实际助力值,也可以间隔固定时长采集电机12输出的实际助力值。助力传感器17的输入端与电机12的输出端连接,电机12将实际助力值输入至助力传感器17中,助力传感器17的输出端与滑模跟踪微分器13的输入端连接,助力传感器17将实际助力值输入至滑模跟踪微分器13中,滑模跟踪微分器13可以对该实际助力值进行滤波处理。
本实施例中,机器人控制装置还包括助力传感器,助力传感器的输入端与电机的输出端连接,助力传感器的输出端与滑模跟踪微分器的输入端连接,助力传感器可以采集电机输出的实际助力值,通过助力传感器采集电机输出的实际助力值,提高了实际助力值采集时的快速性与稳定性。
在采集到实际助力值之后,滑模跟踪微分器对实际助力值进行滤波处理,得到去噪后的助力值。在一个实施例中,请继续参考图1,其示出了本申请实施例提供的一种机器人控制装置的框图,如图1所示,本实施例涉及的是滑模跟踪微分器对电机输出的实际助力值进行去噪处理的一种可能的实现方式的过程,上述滑模跟踪微分器13,用于对电机12输出的实际助力值进行去噪处理,得到去噪后的助力值,包括:滑模跟踪微分器13,用于根据预设的滤波算法对实际助力值进行滤波处理,得到去噪后的助力值。
其中,预设的滤波算法用于对电机12输出的实际助力值进行滤波处理,得到去噪后的助力值ff1。预设的滤波算法可以通过公式(1)-公式(5)实现。
Figure BDA0002791866440000081
Figure BDA0002791866440000082
ff1(k)=ff1(k-1)+Tff2(k) (3)
return ff1(k) (4)
Figure BDA0002791866440000091
其中,k为时刻值;k-1为k的前一时刻值;csgn为符号函数;
Figure BDA0002791866440000092
为临时变量,即中间计算值;f为实际助力值;ff1为滤波后的实际助力值;ff2为实际助力值的微分估计值;F为大于零的可自行设置的参数;H为大于1的可自行设置的参数;T为实际助力值的采样时间间隔;gsat为一般化的饱和函数。
本实施例中,滑模跟踪微分器根据预设的滤波算法对实际助力值进行滤波处理,得到去噪后的助力值,使得对实际助力值进行滤波时的稳定性、计算效率更高,同时也提高了去噪后的助力值的准确性。
在另一个实施例中,请参考图5,其示出了本申请实施例提供的一种机器人控制装置的框图,如图5所示,本实施例涉及的是滑模跟踪微分器对电机输出的实际助力值进行去噪处理的另一种可能的实现方式的过程,上述滑模跟踪微分器13包括滤波器131;滤波器131的输入端与电机12的输出端连接,滤波器131的输出端与滑模控制器11的输入端连接;滤波器131用于对实际助力值进行滤波处理,得到去噪后助力值。
其中,滤波器131的输入端与电机12的输出端连接,滤波器131用于对电机12输出的实际助力值中的噪声成分进行过滤,滤波器131可以根据噪声的特点选择低通滤波器、高通滤波器、带通滤波器、带阻滤波器等。滤波器131的输出端与滑模控制器11的输入端连接,滤波器131将去噪后的助力值输入至滑模控制器11中,滑模控制器11可以根据去噪后的助力值和目标助力值调整电机12输出的实际助力值。
本实施例中,滑模跟踪微分器包括滤波器,滤波器的输入端与电机的输出端连接,滤波器的输出端与滑模控制器的输入端连接,滤波器可以对实际助力值进行滤波处理,得到去噪后助力值,降低了噪声的干扰,提高了实际助力值的真实性与准确性。
在一个实施例中,请继续参考图1,其示出了本申请实施例提供的一种机器人控制装置的框图,如图1所示,本实施例涉及的是滑模跟踪微分器获取微分估计值的过程,上述滑模跟踪微分器13,还用于获取微分估计值;上述滑模控制器11,用于根据误差值和微分估计值调整电机12输出的实际助力值。
其中,滑模跟踪微分器13可以按照预设的微分估计算法获取实际助力值的微分估计值ff2,预设的微分估计算法也可以通过上述公式(1)-公式(5)实现。滑模跟踪微分器获取到微分估计值ff2之后,将该微分估计值ff2输入至滑模控制器11中,滑模控制器11可以根据误差值和微分估计值调整电机12输出的实际助力值,滑模控制器11可以通过误差值和微分估计值计算得到的占空比调整电机12输出的实际助力值,也可以通过误差值和微分估计值计算得到的电流值、电压值等调整电机12输出的实际助力值,可以通过控制电机正转或反转调整电机12输出的实际助力值。
可选的,滑模控制器11还可以根据误差值和微分估计值的误差值之和调整电机12输出的实际助力值。滑模控制器11可以根据误差值和微分估计值的误差值之和可以通过公式(6)计算得到。
σ(k)=fd(k)-ff1(k)+α((fd(k)-fd(k-1))/T-(ff1(k)-ff1(k-1))/T) (6)
其中,fd(k)为目标助力值;α为可自行设置的参数;σ(k)为临时变量;fd(k)-ff1(k)为实际助力值与目标助力值之间的误差值;((fd(k)-fd(k-1))/T-(ff1(k)-ff1(k-1))/T)为微分估计值的误差值。
本实施例中,滑模跟踪微分器获取微分估计值,滑模控制器根据误差值和微分估计值调整电机输出的实际助力值,综合误差值和微分估计值来调整电机输出的实际助力值,提高了对电机输出的实际助力值调整时的准确性,提高了输出实际助力值的精度。
在上述实施例的基础上,可选的,上述滑模控制器11用于根据误差值和微分估计值调整电机输出的实际助力值,包括:滑模控制器11,用于根据误差值和微分估计值计算得到电压占空比,根据电压占空比调整电机12输出的实际助力值。
其中,滑模控制器11可以通过误差值和微分估计值计算得到的电压占空比调整电机12输出的实际助力值,可以通过上述公式(6)和公式(7)-公式(10)计算占空比。
d*(k)=((Kd+KpT)/(ff1+T))σ(k)+((Kpff1-Kd)/(ff1+T))b(k-1) (7)
d(k)=Dsat(d*(k)/D) (8)
b(k)=(Kdb(k-1)+Td(k))/(B+KpT) (9)
return d(k) (10)
其中,Kd、Kp、B为可自行设置的参数;b(k)、d*(k)为临时变量,d为电压占空比量化值;D为最大占空比;sat为传统的饱和函数。
通过计算出来的电压占空比可以调整电机输出的实际助力值,在通过占空比调整电机12输出的实际助力值时,当计算得到的电压占空比量化值为正,则控制电机正转,当计算得到的电压占空比量化值为负,则控制电机反转,例如,若计算得到的电压占空比量化值d=+60,则表示电压占空比为60%,并且控制电机正向转动;若计算得到的电压占空比量化值d=-60,则表示电压占空比为60%,并且控制电机反向转动。请参考图6,图6为本申请实施例提供的一种机器人控制装置的控制结果示意图,并与现有的PD控制器以及PSMC控制器的控制结果进行了对比,图7为PD控制器结构示意图,图8为PSMC控制器结构示意图,图9和图10为PD控制器的控制结果示意图,图11为PSMC控制器的控制结果示意图。其中,图9表示PD控制器的参数Kp=3500、Kd=0.7时的控制结果,可以看出,目标助力值fd与实际助力值ff1之间存在较大误差,PD控制器虽然可以通过提高参数Kp的值在一定程度上减小了目标助力值与实际助力值之间的误差,提高了跟踪精度,但Kp的增加同时也会导致机器人的抖振,如图10所示,图10表示PD控制器的参数Kp=4500、Kd=0.7时的控制结果。图11表示PSMC控制器的参数Kp=5500、Kd=0.7时的控制结果,可以看出,在相同参数的情况下,PSMC控制器与PD控制器相比较,PSMC控制器减小了目标助力值与实际助力值之间的误差,提高了跟踪精度,并且降低了抖振,但目标助力值与实际助力值之间还是存在一定的跟踪误差。图6表示本申请实施例提供的机器人控制装置的参数Kp=5500、Kd=0.7时的控制结果,可以看出,目标助力值与实际助力值近似重合,提高了跟踪精度,并且也降低了抖振。
本实施例中,滑模控制器可以根据误差值和微分估计值计算得到电压占空比,根据电压占空比调整电机输出的实际助力值,通过电压占空比的方式调整电机输出的实际助力值,提高了整个控制装置的响应速度,并且稳定性高。
在一个实施例中,请参考图12,图12示出了本申请实施例提供的一种机器人120的结构图,所述机器人包括如上述任一实施例所述的机器人控制装置。
本实施例提供的机器人的实现原理和有益效果,可以参见上文中对于机器人控制装置各实施例的限定,在此不再赘述。
在上述实施例的基础上,请参考图13,图13示出了本申请实施例提供的一种机器人的结构图,其中,上述机器人120还包括与上述机器人控制装置连接的通信模块121。
其中,通信模块121可以实现机器人控制装置与终端通信,可以通过终端控制该机器人。机器人控制装置与终端可以采用蓝牙通信、无线通信、有线通信等方式进行通信,本实施例对此不作具体限定。本实施例中,机器人还包括与上述机器人控制装置连接的通信模块,通过通信模块可以与外部终端进行通信,采用终端对该机器人进行控制,提高了使用机器人的便捷性,并进一步的提高了人机交互的智能性。
本申请提供的机器人控制方法可以应用于机器人控制装置中。下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是,本申请提供的一种机器人控制方法,图14-图16的执行主体为机器人控制装置。
在一个实施例中,请参考图14,其示出了本申请实施例提供的一种机器人控制方法的流程图,本实施例涉及的是调整电机输出的实际助力值的过程,该方法应用于如上述任一实施例所述的机器人控制装置中,该方法可以包括以下步骤:
步骤1401、对机器人的电机输出的实际助力值进行去噪处理,得到去噪后的助力值。
步骤1402、根据去噪后的助力值和目标助力值之间的误差值,调整电机输出的实际助力值。
本实施例提供的机器人控制方法的实现原理和有益效果,可以参见上文中对于机器人控制装置各实施例的限定,在此不再赘述。
在一个实施例中,请参考图15,其示出了本申请实施例提供的一种机器人控制方法的流程图,本实施例涉及的是生成目标助力值的过程,该方法可以包括以下步骤:
步骤1501、根据机器人的关节姿态数据生成步态周期。
步骤1502、根据步态周期生成目标助力值。
本实施例提供的机器人控制方法的实现原理和有益效果,可以参见上文中对于机器人控制装置各实施例的限定,在此不再赘述。
在上述实施例的基础上,对机器人的电机输出的实际助力值进行去噪处理,得到去噪后的助力值,包括:根据预设的滤波算法对实际助力值进行滤波处理,得到去噪后的助力值。
本实施例提供的机器人控制方法的实现原理和有益效果,可以参见上文中对于机器人控制装置各实施例的限定,在此不再赘述。
在一个实施例中,请参考图16,其示出了本申请实施例提供的一种机器人控制方法的流程图,本实施例涉及的是根据误差值和微分估计值调整所述电机输出的实际助力值的过程,该方法可以包括以下步骤:
步骤1601、根据所述实际助力值获取微分估计值。
根据所述去噪后的助力值和目标助力值之间的误差值,调整所述电机输出的实际助力值,包括:
步骤1602、根据所述误差值和所述微分估计值调整所述电机输出的实际助力值。
本实施例提供的机器人控制方法的实现原理和有益效果,可以参见上文中对于机器人控制装置各实施例的限定,在此不再赘述。
在上述实施例的基础上,根据误差值和微分估计值调整电机输出的实际助力值,包括:根据误差值和微分估计值计算得到电压占空比,根据电压占空比调整电机输出的实际助力值。
本实施例提供的机器人控制方法的实现原理和有益效果,可以参见上文中对于机器人控制装置各实施例的限定,在此不再赘述。
在本申请的一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
对机器人的电机输出的实际助力值进行去噪处理,得到去噪后的助力值;根据去噪后的助力值和目标助力值之间的误差值,调整电机输出的实际助力值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据机器人的关节姿态数据生成步态周期;根据步态周期生成目标助力值。
在一个实施例中,对机器人的电机输出的实际助力值进行去噪处理,得到去噪后的助力值,包括:
计算机程序被处理器执行时还实现以下步骤:
根据预设的滤波算法对实际助力值进行滤波处理,得到去噪后的助力值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据实际助力值获取微分估计值;
根据去噪后的助力值和目标助力值之间的误差值,调整电机输出的实际助力值,包括:根据误差值和微分估计值调整电机输出的实际助力值。
在一个实施例中,根据误差值和微分估计值调整电机输出的实际助力值,包括:
计算机程序被处理器执行时还实现以下步骤:
根据误差值和微分估计值计算得到电压占空比,根据电压占空比调整电机输出的实际助力值。
本实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种机器人控制装置,其特征在于,所述装置包括:滑模控制器、电机、滑模跟踪微分器和助力生成器,所述滑模控制器的输出端与所述电机的输入端连接,所述电机的输出端与所述滑模跟踪微分器的输入端连接,所述滑模跟踪微分器的输出端与所述助力生成器的输出端均与所述滑模控制器的输入端连接;
所述滑模跟踪微分器,用于对所述电机输出的实际助力值进行去噪处理,得到去噪后的助力值,并将所述去噪后的助力值传输给所述滑模控制器;
所述滑模控制器,用于根据所述去噪后的助力值和所述助力生成器得到的目标助力值之间的误差值,调整所述电机输出的实际助力值;
其中,所述滑模跟踪微分器还用于获取微分估计值;所述滑模控制器具体用于根据所述误差值和所述微分估计值计算得到电压占空比,根据所述电压占空比调整电机输出的实际助力值;
其中,若计算得到的所述电压占空比的量化值为正,则控制所述电机正转;若计算得到的所述电压占空比的量化值为负,则控制所述电机反转。
2.根据权利要求1所述的装置,其特征在于,所述装置还包括:步态周期估计器;所述步态周期估计器的输出端与所述助力生成器的输入端连接;
所述步态周期估计器,用于根据关节姿态数据生成步态周期,并将所述步态周期传输给所述助力生成器;
所述助力生成器,用于根据所述步态周期生成所述目标助力值。
3.根据权利要求2所述的装置,其特征在于,所述装置还包括姿态传感器,所述姿态传感器的输出端与所述步态周期估计器的输入端连接;
所述姿态传感器,用于采集所述关节姿态数据;所述关节姿态数据包括关节角度和关节角速度。
4.根据权利要求1-3任一项所述的装置,其特征在于,所述滑模跟踪微分器,用于对所述电机输出的实际助力值进行去噪处理,得到去噪后的助力值,包括:
所述滑模跟踪微分器,用于根据预设的滤波算法对所述实际助力值进行滤波处理,得到所述去噪后的助力值。
5.根据权利要求1-3任一项所述的装置,其特征在于,所述滑模跟踪微分器包括滤波器;所述滤波器的输入端与所述电机的输出端连接,所述滤波器的输出端与所述滑模控制器的输入端连接;
所述滤波器用于对所述实际助力值进行滤波处理,得到所述去噪后助力值。
6.根据权利要求1-3任一项所述的装置,其特征在于,所述装置还包括助力传感器;所述助力传感器的输入端与所述电机的输出端连接,所述助力传感器的输出端与所述滑模跟踪微分器的输入端连接;
所述助力传感器,用于采集所述电机输出的实际助力值。
7.一种机器人,其特征在于,所述机器人包括如权利要求1-6任一项所述的机器人控制装置。
8.根据权利要求7所述的机器人,其特征在于,所述机器人还包括与所述机器人控制装置连接的通信模块。
9.一种机器人控制方法,其特征在于,应用于如权利要求1-6任一项所述的机器人控制装置,所述方法包括:
对机器人的电机输出的实际助力值进行去噪处理,得到去噪后的助力值;
根据所述去噪后的助力值和目标助力值之间的误差值,调整所述电机输出的实际助力值;
所述方法还包括:根据所述实际助力值获取微分估计值;
对应地,所述根据所述去噪后的助力值和目标助力值之间的误差值,调整所述电机输出的实际助力值,包括:
根据所述误差值和所述微分估计值计算得到电压占空比,根据所述电压占空比调整电机输出的实际助力值;
其中,若计算得到的所述电压占空比的量化值为正,则控制所述电机正转;若计算得到的所述电压占空比的量化值为负,则控制所述电机反转。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
根据所述机器人的关节姿态数据生成步态周期;
根据所述步态周期生成所述目标助力值。
11.根据权利要求9或10任一项所述的方法,其特征在于,所述对机器人的电机输出的实际助力值进行去噪处理,得到去噪后的助力值,包括:
根据预设的滤波算法对所述实际助力值进行滤波处理,得到所述去噪后的助力值。
12.一种计算机可读存储介质,其特征在于,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如权利要求9至11任一项所述的方法的步骤。
CN202011317875.6A 2020-11-23 2020-11-23 机器人控制装置、机器人、机器人控制方法及存储介质 Active CN112494281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011317875.6A CN112494281B (zh) 2020-11-23 2020-11-23 机器人控制装置、机器人、机器人控制方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011317875.6A CN112494281B (zh) 2020-11-23 2020-11-23 机器人控制装置、机器人、机器人控制方法及存储介质

Publications (2)

Publication Number Publication Date
CN112494281A CN112494281A (zh) 2021-03-16
CN112494281B true CN112494281B (zh) 2023-02-17

Family

ID=74958783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011317875.6A Active CN112494281B (zh) 2020-11-23 2020-11-23 机器人控制装置、机器人、机器人控制方法及存储介质

Country Status (1)

Country Link
CN (1) CN112494281B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015013841A1 (zh) * 2013-08-01 2015-02-05 北京理工大学 基于滑模和自抗扰技术的坦克炮控系统的复合控制方法
CN105717936A (zh) * 2014-11-30 2016-06-29 中国科学院沈阳自动化研究所 一种无缆自治水下机器人的潜浮控制方法
JP2018073720A (ja) * 2016-11-02 2018-05-10 パナソニックIpマネジメント株式会社 電子機器組立装置および電子機器組立方法
CN108181914A (zh) * 2017-12-11 2018-06-19 西北工业大学 一种中性浮力机器人姿态与轨迹自抗扰控制方法
CN108873704A (zh) * 2018-07-19 2018-11-23 北京空间技术研制试验中心 基于预测跟踪微分器的线性自抗扰控制器的设计方法
CN109079763A (zh) * 2018-10-29 2018-12-25 河北工业大学 一种可穿戴柔性步行助力机器人控制系统及控制方法
CN109358501A (zh) * 2018-09-28 2019-02-19 中国科学院长春光学精密机械与物理研究所 自抗扰控制方法、控制器及精跟踪控制系统
CN110711114A (zh) * 2019-10-17 2020-01-21 河北工业大学 一种基于动力学模型的外骨骼自抗扰控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102324746A (zh) * 2011-06-07 2012-01-18 江苏威凡智能电气科技有限公司 一种基于自抗扰控制技术的高压链式statcom功率单元模块直流母线电压控制方法
US11392094B2 (en) * 2018-12-11 2022-07-19 Dalian University Of Technology Steady state and transition state multi-variable control method of a turbofan engine based on an active disturbance rejection control theory (ADRC)
CN110653817B (zh) * 2019-08-20 2022-04-15 南京航空航天大学 一种基于神经网络的外骨骼机器人助力控制系统与方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015013841A1 (zh) * 2013-08-01 2015-02-05 北京理工大学 基于滑模和自抗扰技术的坦克炮控系统的复合控制方法
CN105717936A (zh) * 2014-11-30 2016-06-29 中国科学院沈阳自动化研究所 一种无缆自治水下机器人的潜浮控制方法
JP2018073720A (ja) * 2016-11-02 2018-05-10 パナソニックIpマネジメント株式会社 電子機器組立装置および電子機器組立方法
CN108181914A (zh) * 2017-12-11 2018-06-19 西北工业大学 一种中性浮力机器人姿态与轨迹自抗扰控制方法
CN108873704A (zh) * 2018-07-19 2018-11-23 北京空间技术研制试验中心 基于预测跟踪微分器的线性自抗扰控制器的设计方法
CN109358501A (zh) * 2018-09-28 2019-02-19 中国科学院长春光学精密机械与物理研究所 自抗扰控制方法、控制器及精跟踪控制系统
CN109079763A (zh) * 2018-10-29 2018-12-25 河北工业大学 一种可穿戴柔性步行助力机器人控制系统及控制方法
CN110711114A (zh) * 2019-10-17 2020-01-21 河北工业大学 一种基于动力学模型的外骨骼自抗扰控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
可穿戴上肢外骨骼机器人的算法和仿真;吴攀等;《自 动 化 仪 表》;20170301;第38卷(第2期);全文 *
基于跟踪微分器的骨骼服阻抗控制方法;杨智勇等;《华 东 理 工 大 学 学 报 (自 然 科 学 版)》;20191215;第35卷(第6期);全文 *
跟踪微分器在陀螺信号去噪方面的应用;朱枫等;《中国光学》;20170615(第03期);全文 *

Also Published As

Publication number Publication date
CN112494281A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN104942809A (zh) 基于视觉伺服系统的机械臂动态模糊逼近器
US20180085280A1 (en) Walking assistance apparatus and its control method
Scheidegger et al. A novel multimodal cognitive interaction for walker-assisted rehabilitation therapies
CN112494281B (zh) 机器人控制装置、机器人、机器人控制方法及存储介质
Solea et al. Head movement control of powered wheelchair
Fazli et al. Real-time implementation of a super twisting control algorithm for an upper limb wearable robot
US10386252B2 (en) Position control apparatus for identifying low-frequency disturbance
Chinimilli et al. Human locomotion assistance using two-dimensional features based adaptive oscillator
CN111358659B (zh) 一种机器人的助力控制方法、系统及下肢康复机器人
JP2011120786A (ja) 動作推定装置及び動作補助装置
JP6297951B2 (ja) 運動推定装置
WO2017035461A1 (en) Methods for controlling equipment and controlled equipment using inverse user models
Baek et al. A motion phase-based hybrid assistive controller for lower limb exoskeletons
CN114569411A (zh) 用于偏瘫患者的步态自适应控制方法及系统
KR101338082B1 (ko) 착용식 로봇의 외란제거방법 및 외란제거시스템
Khajeh et al. Design new intelligent PID like fuzzy backstepping controller
Park et al. Data-driven modeling for gait phase recognition in a wearable exoskeleton using estimated forces
Yan et al. Limbs synergies based human motion intention estimation algorithm for using cane-type walking-aid robot
Yun et al. Mobile robot navigation: neural Q-learning
Orhan et al. ExoRecovery: Push Recovery with a Lower-Limb Exoskeleton based on Stepping Strategy
Zhang et al. Walking Speed Learning and Generalization Using Seq2Seq Gated and Adaptive Continuous-Time Recurrent Neural Network (S2S-GACTRNN) for a Hip Exoskeleton
Kalani et al. Assistive Control of a Hip Exoskeleton Robot, using a DQN-Adjusted Delayed Output Feedback Method
CN110647035B (zh) 一种膝关节外骨骼角度的无模型自适应反演控制方法
Cuevas et al. Fuzzy condensed algorithm applied to control a robotic head for visual tracking
Chotikunnan et al. The Utilization of Fuzzy Logic Controllers in Steering Control Systems for Electric Ambulance Golf Carts

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