CN112783046A - 基于模糊策略的双边遥操作末端平滑行为规划控制方法 - Google Patents

基于模糊策略的双边遥操作末端平滑行为规划控制方法 Download PDF

Info

Publication number
CN112783046A
CN112783046A CN202011632777.1A CN202011632777A CN112783046A CN 112783046 A CN112783046 A CN 112783046A CN 202011632777 A CN202011632777 A CN 202011632777A CN 112783046 A CN112783046 A CN 112783046A
Authority
CN
China
Prior art keywords
slave
impedance
robot
force
local
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
Application number
CN202011632777.1A
Other languages
English (en)
Other versions
CN112783046B (zh
Inventor
马志强
黄攀峰
刘正雄
刘星
张夷斋
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical 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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202011632777.1A priority Critical patent/CN112783046B/zh
Publication of CN112783046A publication Critical patent/CN112783046A/zh
Application granted granted Critical
Publication of CN112783046B publication Critical patent/CN112783046B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • 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
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25257—Microcontroller

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种基于模糊策略的双边遥操作末端平滑行为规划控制方法，基于模糊策略融合力、位信息调节机器人遥操作的闭环受控结构。在感知信息的支持下，控制器调节导纳与阻抗模式的模糊分享因子，提高两种模式之间切换过程的顺滑度，控制器设计简单，模糊逻辑容易数字化实现。与现有技术相比，本发明具有以下有益效果：通过模糊策略调节导纳和阻抗控制，增强机器人遥操作从自由空间运动到与环境交互的过程平稳性；控制作用下的双边遥操作系统的稳定过程不会有切换不连续导致的振动情况出现。

Description

基于模糊策略的双边遥操作末端平滑行为规划控制方法
技术领域
本发明属于遥操作人机交互领域，涉及一种基于模糊策略的双边遥操作末端平滑行为规划控制方法。
背景技术
遥操作是将本地操作人员的操控行为信息化后，利用通讯手段增强远端机器人操控能力的技术。双边遥操作系统的本地和远端的机器人通常是同构的，远端机器人在自由空间运行时，本地操作人员利用柔顺控制技术调节本地机器人末端，远端机器人依据本地端传递的速度和位置信息复现本地机器人行为，这种操控行为称为导纳控制模式。相对应地，远端机器人末端与环境进行交互时，需要依赖阻抗控制模式，因为采用完全遵从本地端提供的速度及位置要求，容易造成末端交互力超限，导致机械损坏。阻抗和导纳控制模式能够分别应对双边遥操作的自由空间运动和环境接触交互，但是在接触过程中的切换点选择问题尚无法妥善解决，导致操作行为不平稳，接触过程不平滑，甚至导致系统不稳定。
发明内容
要解决的技术问题
为了避免现有技术的不足之处，本发明提出一种基于模糊策略的双边遥操作末端平滑行为规划控制方法，针对遥操作的机器人环境接触过程的操作模式切换问题，基于双边遥操作架构，通过模糊策略融合力、位信息调节阻抗、导纳结构参数，构建一种面向机器人遥操作执行末端的平滑行为规划控制模式。
技术方案
一种基于模糊策略的双边遥操作末端平滑行为规划控制方法，其特征在于步骤如下：
步骤1、根据二种运动情况分别建立导纳与阻抗模式的参数结构：
1、从端机器人的末端在自由空间运动时，环境作用力为
Figure BDA0002880469860000021
主端操控端采用具有期望阻抗的导纳模式为：
Figure BDA0002880469860000022
2、从端机器人的末端与环境接触时，环境作用力
Figure BDA0002880469860000023
主端操控端感受到从端有接触行为后，选择阻抗控制模式为：
Figure BDA0002880469860000024
其中：
Figure BDA0002880469860000025
和
Figure BDA0002880469860000026
分别是本地端和远端机器人执行器末端的三维位移，
Figure BDA00028804698600000222
表示本地端的惯量矩阵，其中
Figure BDA0002880469860000028
是n关节机械臂的惯量矩阵，本地端的雅可比矩阵
Figure BDA0002880469860000029
满足
Figure BDA00028804698600000210
Figure BDA00028804698600000211
和
Figure BDA00028804698600000212
分别是本地端雅可比矩阵的广义逆矩阵和广义逆的转置矩阵；
继而
Figure BDA00028804698600000213
表示本地端的机器人末端科氏力矩阵，
Figure BDA00028804698600000214
表示主端的末端重力向量，
Figure BDA00028804698600000215
是主端执行器的关节角；
步骤2：根据力位信息确定混合导纳和阻抗模式的模型，构建式闭环系统的期望动力学模型为：
Figure BDA00028804698600000216
其中
Figure BDA00028804698600000217
表示力从本地端向从端机器人传递时的力当量，
Figure BDA00028804698600000218
为利用模糊逻辑系统确定的分配参数；
设计该闭环系统的本地机器人末端的控制律为：
Figure BDA00028804698600000219
其中：
Figure BDA00028804698600000220
是基于阻抗特征的本地端对从端环境力的预测，从端机器人末端与环境交互过程为：
Figure BDA00028804698600000221
其中：第i个运动维的环境力为
Figure BDA0002880469860000031
利用自适应律
Figure BDA0002880469860000032
实现从端环境力阻抗结构参数的估计：
Figure BDA0002880469860000033
Figure BDA0002880469860000034
继而获得对从端环境力的阻抗参数，预测从端环境力；
Figure BDA0002880469860000035
是基于RBF神经网络的系统不确定性估计，其中
Figure BDA0002880469860000036
是参数增益矩阵，初始值随机选取，
Figure BDA0002880469860000037
是高斯型的参数向量，向量中的每个元素的选取都遵循高斯函数设计；
参数增益矩阵的更新率设计为：
Figure BDA0002880469860000038
其中，
Figure BDA0002880469860000039
是
Figure BDA00028804698600000310
的第i行列构成的向量；
si＝ei+aiei
其中，
Figure BDA00028804698600000311
mi＞0，ci＞0，ki＞0是在闭环系统在平衡点
Figure BDA00028804698600000312
时的阻抗结构；
Figure BDA00028804698600000313
建立时(
Figure BDA00028804698600000314
和
Figure BDA00028804698600000315
是对角正定的)阻抗参数矩阵的对角线上的元素值，期望阻抗结构满足二阶系统是过阻尼的；
从端控制器
Figure BDA00028804698600000318
采用鲁棒控制器设计，从端机器人末端满足
Figure BDA00028804698600000317
此时从端的阻抗结构保证力和位置能够完整表现本地端操作的行为；
自由空间运动与环境接触运动模式切换的分配参数Λ可根据本地端操作人员作用下机械臂与接触面之间的相对位置与运动速度之间的关系根据模糊推理逻辑确定；
步骤3：重复步骤2，生成轨迹符合遥操作机器人的导纳与阻抗模式切换过程的期望动力学
Figure BDA0002880469860000041
有益效果
本发明提出的一种基于模糊策略的双边遥操作末端平滑行为规划控制方法，基于模糊策略融合力、位信息调节机器人遥操作的闭环受控结构。在感知信息的支持下，控制器调节导纳与阻抗模式的模糊分享因子，提高两种模式之间切换过程的顺滑度，控制器设计简单，模糊逻辑容易数字化实现。与现有技术相比，本发明具有以下有益效果：通过模糊策略调节导纳和阻抗控制，增强机器人遥操作从自由空间运动到与环境交互的过程平稳性；控制作用下的双边遥操作系统的稳定过程不会有切换不连续导致的振动情况出现。
附图说明
图1：x轴的逻辑推理图示
具体实施方式
现结合实施例、附图对本发明作进一步描述：
本发明的目的是针对遥操作过程中的导纳控制模式与阻抗控制模式间切换的过渡平滑问题，兼顾本地操作人员操控感受、行为效能和远端执行机器人能力，该方法为人机环境交互过程的平滑力位控制问题提供了一种解决方法。
为实现上述目的，本发明所采用的技术方案包括以下步骤：
步骤一：分别设计快速稳定的导纳与阻抗模式的参数结构
n自由度关节机械臂组成的机器人遥操作系统可以用如下的动力学方程描述：
Figure BDA0002880469860000042
其中
Figure BDA0002880469860000043
和
Figure BDA0002880469860000044
分别是本地端和远端机器人执行器末端的三维位移，
Figure BDA0002880469860000051
表示本地端的惯量矩阵，其中
Figure BDA0002880469860000052
是n关节机械臂的惯量矩阵，本地端的雅可比矩阵
Figure BDA0002880469860000053
满足
Figure BDA0002880469860000054
Figure BDA0002880469860000055
和
Figure BDA0002880469860000056
分别是本地端雅可比矩阵的广义逆矩阵和广义逆的转置矩阵；
继而
Figure BDA0002880469860000057
表示本地端的机器人末端科氏力矩阵，
Figure BDA0002880469860000058
表示主端的末端重力向量。
控制目标与规划效果：式(1)所示的系统在不确定时延为T，本地机器人末端输出力
Figure BDA0002880469860000059
本地操作人员作用力
Figure BDA00028804698600000510
和从端反馈力
Figure BDA00028804698600000511
共同作用下，考虑从端所处的环境特征(自由空间运动或环境接触运动)，主端能够根据期望的阻抗或导纳结构平滑调节本地机器人末端，为从端的机器人运动提供参考。
从端机器人的末端在自由空间运动时，环境作用力为
Figure BDA00028804698600000512
主端操控人员应采用具有期望阻抗的导纳模式，提高从端运动的快速性，因此需要满足
Figure BDA00028804698600000513
从端机器人的末端与环境接触时，环境作用力
Figure BDA00028804698600000514
主端操控人员感受到从端有接触行为后，应选择阻抗控制模式，提高从端机器人末端与环境交互的力保持能力
Figure BDA00028804698600000515
步骤二：根据力位信息确定混合导纳和阻抗模式的模型
利用从端机器人末端的位置传感器，能够预报末端从自由空间运动切换到环境接触运动间过度过程的进展程度，继而可以设计遥操作机器人的导纳与阻抗模式切换过程的期望动力学
Figure BDA0002880469860000061
其中
Figure BDA0002880469860000062
表示力从本地端向从端机器人传递时的力当量，
Figure BDA0002880469860000063
为利用模糊逻辑系统确定的分配参数，将在步骤三讨论。
当
Figure BDA0002880469860000064
时，存在矩阵
Figure BDA0002880469860000065
和
Figure BDA0002880469860000066
满足：
Figure BDA0002880469860000067
当
Figure BDA0002880469860000068
且Λ≠1时，主端操控人员的行为还能够继续影响机器人运动，因此
Figure BDA0002880469860000069
可快速被重新建立，因
Figure BDA00028804698600000610
且Λ≠1不是系统的最终稳定状态。
为了构建式(3)中的闭环系统，本地机器人末端的控制律可以设计为
Figure BDA00028804698600000611
其中
Figure BDA00028804698600000612
是基于阻抗特征的本地端对从端环境力的预测，从端机器人末端与环境交互过程可以用如下动力学描述
Figure BDA00028804698600000613
其中第i个运动维的环境力可以表示为
Figure BDA00028804698600000614
可利用如下的自适应律
Figure BDA00028804698600000615
实现从端环境力阻抗结构参数的估计
Figure BDA00028804698600000616
继而可以获得对从端环境力的阻抗参数，继而预测从端环境力。
Figure BDA00028804698600000617
是基于RBF神经网络的系统不确定性估计，其中
Figure BDA00028804698600000618
是参数增益矩阵，是需要在线更新的，初始值可以随机选取，
Figure BDA00028804698600000619
是高斯型的参数向量，向量中的每个元素的选取都遵循高斯函数设计。参数增益矩阵的更新率设计为
Figure BDA0002880469860000071
其中，
Figure BDA0002880469860000072
是
Figure BDA0002880469860000073
的第i行列构成的向量，
si＝ei+aiei (8)
其中，
Figure BDA0002880469860000074
mi＞0，ci＞0，ki＞0是在闭环系统在平衡点
Figure BDA0002880469860000075
时的阻抗结构
Figure BDA0002880469860000076
建立时(
Figure BDA0002880469860000077
和
Figure BDA0002880469860000078
是对角正定的)阻抗参数矩阵的对角线上的元素值，期望阻抗结构应满足二阶系统是过阻尼的，以保证不存在超调存在。从端控制器
Figure BDA0002880469860000079
可采用各类鲁棒控制器设计方法，以保证从端机器人末端满足
Figure BDA00028804698600000710
此时从端的阻抗结构可以保证力和位置能够完整表现本地端操作人员的行为。
步骤三：基于自由空间运动与环境接触运动之间相对关系确定模式分配参数
自由空间运动与环境接触运动模式切换的分配参数Λ可根据本地端操作人员作用下机械臂与接触面之间的相对位置与运动速度之间的关系根据模糊推理逻辑确定，为了说明问题，仅给出x轴的逻辑推理图示，其他轴的推理图示与x轴类似，在此不做赘述。
模糊解释器的取值表(以x轴为例)
Figure BDA00028804698600000711

Claims (1)

1.一种基于模糊策略的双边遥操作末端平滑行为规划控制方法，其特征在于步骤如下：
步骤1、根据二种运动情况分别建立导纳与阻抗模式的参数结构：
1、从端机器人的末端在自由空间运动时，环境作用力为
Figure FDA0002880469850000011
主端操控端采用具有期望阻抗的导纳模式为：
Figure FDA0002880469850000012
2、从端机器人的末端与环境接触时，环境作用力
Figure FDA0002880469850000013
主端操控端感受到从端有接触行为后，选择阻抗控制模式为：
Figure FDA0002880469850000014
其中：
Figure FDA0002880469850000015
和
Figure FDA0002880469850000016
分别是本地端和远端机器人执行器末端的三维位移，
Figure FDA0002880469850000017
表示本地端的惯量矩阵，其中
Figure FDA0002880469850000018
是n关节机械臂的惯量矩阵，本地端的雅可比矩阵
Figure FDA0002880469850000019
满足
Figure FDA00028804698500000110
Figure FDA00028804698500000111
和
Figure FDA00028804698500000112
分别是本地端雅可比矩阵的广义逆矩阵和广义逆的转置矩阵；
继而
Figure FDA00028804698500000113
表示本地端的机器人末端科氏力矩阵，
Figure FDA00028804698500000114
表示主端的末端重力向量，
Figure FDA00028804698500000115
是主端执行器的关节角；
步骤2：根据力位信息确定混合导纳和阻抗模式的模型，构建式闭环系统的期望动力学模型为：
Figure FDA00028804698500000116
其中
Figure FDA00028804698500000117
表示力从本地端向从端机器人传递时的力当量，
Figure FDA00028804698500000118
为利用模糊逻辑系统确定的分配参数；
设计该闭环系统的本地机器人末端的控制律为：
Figure FDA00028804698500000119
其中：
Figure FDA0002880469850000021
是基于阻抗特征的本地端对从端环境力的预测，从端机器人末端与环境交互过程为：
Figure FDA0002880469850000022
其中：第i个运动维的环境力为
Figure FDA0002880469850000023
利用自适应律
Figure FDA0002880469850000024
实现从端环境力阻抗结构参数的估计：
Figure FDA0002880469850000025
Figure FDA0002880469850000026
继而获得对从端环境力的阻抗参数，预测从端环境力；
Figure FDA0002880469850000027
是基于RBF神经网络的系统不确定性估计，其中
Figure FDA0002880469850000028
是参数增益矩阵，初始值随机选取，
Figure FDA0002880469850000029
是高斯型的参数向量，向量中的每个元素的选取都遵循高斯函数设计；
参数增益矩阵的更新率设计为：
Figure FDA00028804698500000210
其中，
Figure FDA00028804698500000211
是
Figure FDA00028804698500000212
的第i行列构成的向量；
si＝ei+aiei
其中，
Figure FDA00028804698500000213
mi＞0，ci＞0，ki＞0是在闭环系统在平衡点
Figure FDA00028804698500000214
时的阻抗结构；
Figure FDA00028804698500000215
建立时
Figure FDA00028804698500000216
和
Figure FDA00028804698500000217
是对角正定的，阻抗参数矩阵的对角线上的元素值，期望阻抗结构满足二阶系统是过阻尼的；
从端控制器
Figure FDA00028804698500000218
采用鲁棒控制器设计，从端机器人末端满足
Figure FDA00028804698500000219
此时从端的阻抗结构保证力和位置能够完整表现本地端操作的行为；
自由空间运动与环境接触运动模式切换的分配参数Λ可根据本地端操作人员作用下机械臂与接触面之间的相对位置与运动速度之间的关系根据模糊推理逻辑确定；
步骤3：重复步骤2，生成轨迹符合遥操作机器人的导纳与阻抗模式切换过程的期望动力学
Figure FDA0002880469850000031
CN202011632777.1A 2020-12-31 2020-12-31 基于模糊策略的双边遥操作末端平滑行为规划控制方法 Active CN112783046B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011632777.1A CN112783046B (zh) 2020-12-31 2020-12-31 基于模糊策略的双边遥操作末端平滑行为规划控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011632777.1A CN112783046B (zh) 2020-12-31 2020-12-31 基于模糊策略的双边遥操作末端平滑行为规划控制方法

Publications (2)

Publication Number Publication Date
CN112783046A true CN112783046A (zh) 2021-05-11
CN112783046B CN112783046B (zh) 2022-03-15

Family

ID=75754783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011632777.1A Active CN112783046B (zh) 2020-12-31 2020-12-31 基于模糊策略的双边遥操作末端平滑行为规划控制方法

Country Status (1)

Country Link
CN (1) CN112783046B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113485120A (zh) * 2021-08-01 2021-10-08 西北工业大学 一种基于操控行为检测的机器人遥操作轨迹规划方法

Citations (5)

* Cited by examiner, † Cited by third party
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
CN105242533A (zh) * 2015-09-01 2016-01-13 西北工业大学 一种融合多信息的变导纳遥操作控制方法
CN108803344A (zh) * 2018-07-25 2018-11-13 西北工业大学 一种基于模态切换的机器人双边遥操作对称预测控制方法
CN109358506A (zh) * 2018-10-26 2019-02-19 南京理工大学 一种基于干扰观测器的自适应模糊遥操作控制方法
CN109839894A (zh) * 2018-12-21 2019-06-04 南京理工大学 一种双边遥操作系统的控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
CN105242533A (zh) * 2015-09-01 2016-01-13 西北工业大学 一种融合多信息的变导纳遥操作控制方法
CN108803344A (zh) * 2018-07-25 2018-11-13 西北工业大学 一种基于模态切换的机器人双边遥操作对称预测控制方法
CN109358506A (zh) * 2018-10-26 2019-02-19 南京理工大学 一种基于干扰观测器的自适应模糊遥操作控制方法
CN109839894A (zh) * 2018-12-21 2019-06-04 南京理工大学 一种双边遥操作系统的控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113485120A (zh) * 2021-08-01 2021-10-08 西北工业大学 一种基于操控行为检测的机器人遥操作轨迹规划方法
CN113485120B (zh) * 2021-08-01 2022-07-05 西北工业大学 一种基于操控行为检测的机器人遥操作轨迹规划方法

Also Published As

Publication number Publication date
CN112783046B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
CN110673611B (zh) 一种基于事件触发方案和t-s模糊系统的欠驱动无人艇控制方法
CN109240091B (zh) 一种基于强化学习的水下机器人控制方法及其进行跟踪的控制方法
CN113070881B (zh) 机器人运动控制方法、装置和机器人
CN108549237A (zh) 基于深度增强学习的预观控制仿人机器人步态规划方法
CN107272677A (zh) 一种移动机器人的变结构自适应轨迹跟踪控制方法
CN113305839B (zh) 机器人的导纳控制方法、导纳控制系统和机器人
CN112783046B (zh) 基于模糊策略的双边遥操作末端平滑行为规划控制方法
CN105404154A (zh) 一种液压四足机器人单腿关节力/位切换控制方法
CN105459135A (zh) 机器人、机器人系统、控制装置以及控制方法
CN108303880B (zh) 一种基于时延补偿的机器人遥操作预测控制方法
Dantec et al. Whole-body model predictive control for biped locomotion on a torque-controlled humanoid robot
CN113093526B (zh) 一种基于强化学习的无超调pid控制器参数整定方法
CN115179295B (zh) 一种多欧拉-拉格朗日系统鲁棒二分一致性跟踪控制方法
CN109739249B (zh) 一种速度状态缺失条件下的多uuv编队协调控制方法
CN115157238A (zh) 一种多自由度机器人动力学建模和轨迹跟踪方法
Xin et al. Speed and acceleration control for a two wheel-leg robot based on distributed dynamic model and whole-body control
Risiglione et al. Passivity-based control for haptic teleoperation of a legged manipulator in presence of time-delays
CN114237247A (zh) 基于预测的可变队形非完整移动机器人一致性控制方法
Han et al. Implementation of Internet-based personal robot with Internet control architecture
CN113977572B (zh) 一种基于宽度径向基神经网络的机械臂阻抗学习控制方法
CN110744552A (zh) 一种基于奇异摄动理论的柔性机械臂运动控制方法
CN108791560B (zh) 一种可协同调控多足机器人的单腿操作和机体平移的遥操作系统及控制方法
CN109079779B (zh) 基于末端估计和操作度调整的多移动机械臂最优协同方法
WO2023116129A1 (zh) 一种协作机器人的柔顺力控制方法及系统
CN107807534B (zh) 一种多轮式机器人自适应协同控制算法及控制系统

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