CN112873208A - 一种抗噪与动力学约束的机器人实时运动规划方法及装置 - Google Patents
一种抗噪与动力学约束的机器人实时运动规划方法及装置 Download PDFInfo
- Publication number
- CN112873208A CN112873208A CN202110125245.7A CN202110125245A CN112873208A CN 112873208 A CN112873208 A CN 112873208A CN 202110125245 A CN202110125245 A CN 202110125245A CN 112873208 A CN112873208 A CN 112873208A
- Authority
- CN
- China
- Prior art keywords
- robot
- joint
- theta
- derivative
- angular acceleration
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000001133 acceleration Effects 0.000 claims abstract description 186
- 239000011159 matrix material Substances 0.000 claims abstract description 96
- 239000003960 organic solvent Substances 0.000 claims description 48
- 239000013641 positive control Substances 0.000 claims description 36
- 238000013178 mathematical model Methods 0.000 claims description 20
- 239000012636 effector Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 5
- 230000005484 gravity Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 239000012456 homogeneous solution Substances 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 150000004508 retinoic acid derivatives Chemical class 0.000 description 1
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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种抗噪与动力学约束的机器人实时运动规划方法及装置,其中,所述方法包括:读取当前时刻机器人的关节角度、关节角速度的反馈;基于当前的关节角和关节角加速度与机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩推导当前角加速度的上下限;获得机器人的期望轨迹,计算机器人的跟踪误差及其对应的导数;在机器人的控制系统存在噪声情况下,设置机器人在实现轨迹跟踪时的加速度等式约束条件;计算机器人角加速度以及辅助变量的变化率;基于机器人角加速度以及辅助变量的变化率更新机器人的角加速度指令。在本发明实施例中,能够在控制系统存在噪声的情况下,实现机器人末端对期望轨迹的高精度轨迹跟踪。
Description
技术领域
本发明涉及机器人控制技术领域,尤其涉及一种抗噪与动力学约束的机器人实时运动规划方法及装置。
背景技术
机器人运动规划是机器人高精度运动控制的重要前提。其核心问题是针对机器人末端执行器的期望运动,从机器人关节空间规划相应的运动指令,是机器人末端执行器在遵循预设轨迹的同时,保证机器人自身的固有约束。
目前机器人的运动规划可以离线运动规划与在线运动规划分为两大类。顾名思义,离线规划无法在机器人作业的过程中同时进行规划,效率略低。目前的在线运动规划以雅克比矩阵求逆法为主,其做法基本都是将问题的解描述为一个最小范数解加上一个同类解,即解析解的形式。对实际机器人系统而言,机器人的物理约束是多层面的,这些约束不仅包括角度、角速度,更包括角加速度与驱动力矩,这是机器人机电系统的本质决定的。此外,机器人系统必然受到外界测量噪声的影响,如何在系统受到诸多约束与噪声影响下,设计机器人的高效在线运动规划方法,是一个待解决的重要难题。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种抗噪与动力学约束的机器人实时运动规划方法及装置,能够在控制系统存在噪声的情况下,实现机器人末端对期望轨迹的高精度轨迹跟踪。
为了解决上述技术问题,本发明实施例提供了一种抗噪与动力学约束的机器人实时运动规划方法,所述方法包括:
读取当前时刻机器人的关节角度、关节角速度的反馈,获得机器人的关节角度和关节角加速度;
基于当前的关节角和关节角加速度与所述机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩推导当前角加速度的上下限;同时,
获得所述机器人的期望轨迹,基于所述期望轨迹计算所述机器人的跟踪误差及其对应的导数;
在所述机器人的控制系统存在噪声情况下,基于所述跟踪误差及其对应的导数设置所述机器人在实现轨迹跟踪时的加速度等式约束条件;
基于所述当前角加速度的上下限和所述加速度等式约束条件计算机器人角加速度以及辅助变量的变化率;
基于机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令。
2、根据权利要求1所述的机器人实时运动规划方法,其特征在于,所述方法还包括:
建立机器人数学模型,并基于机器人当前的关节角、关节角速度、关节角加速度以及关节力矩的约束建立机器人的物理约束模型;
基于所述机器人数学模型及所述物理约束模型建立与角加速度相关的综合物理不等式模型。
3、根据权利要求2所述的机器人实时运动规划方法,其特征在于,所述机器人数学模型如下:
所述物理约束模型如下:
其中,r为机器人末端执行器的坐标;θ为机器人关节角度;f(θ)为机器人的前向运动学模型;为r的一阶导数,为r的二阶导数;为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;J表示机器人的雅克比矩阵;为J的一阶导数;τ为机器人的关节力矩;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限。
4、根据权利要求2所述的机器人实时运动规划方法,其特征在于,所述综合物理不等式模型如下:
其中,M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限。
5、根据权利要求1所述的机器人实时运动规划方法,其特征在于,所述加速度等式约束条件如下:
其中,θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;;J表示机器人的雅克比矩阵;为J的一阶导数;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
6、根据权利要求1所述的机器人实时运动规划方法,其特征在于,所述基于所述当前角加速度的上下限和所述加速度等式约束条件计算机器人角加速度以及辅助变量的变化率,还包括:
建立所述加速度等式约束条件和综合物理不等式模型与加速度优化指标的问题描述模型;
基于所述问题描述模型在迭代的机器人控制器求解模型中进行方案求解,获得机器人角加速度以及辅助变量的变化率。
7、根据权利要求6所述的机器人实时运动规划方法,其特征在于,所述问题描述模型如下:
其中,M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为的转置;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
8、根据权利要求6所述的机器人实时运动规划方法,其特征在于,所述迭代的机器人控制器求解模型如下:
其中,∈>0,λ1、λ2、λ3均为辅助变量,PΩ为饱和函数,该函数的上限为下限为 分别为λ1、λ2、λ3的一阶导数;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为θ的三阶导数;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数,JT为J的转置;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
9、根据权利要求1所述的机器人实时运动规划方法,其特征在于,所述基于机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令,包括:
将所述机器人角加速度以及辅助变量的变化率反馈至所述机器人的控制系统中,在所述机器人的控制系统内根据所述机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令。
10、一种抗噪与动力学约束的机器人实时运动规划装置,其特征在于,所述装置包括:
读取模块:用于读取当前时刻机器人的关节角度、关节角速度的反馈,获得机器人的关节角度和关节角加速度;
推导模块:用于基于当前的关节角和关节角加速度与所述机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩推导当前角加速度的上下限;同时,
第一计算模块:用于获得所述机器人的期望轨迹,基于所述期望轨迹计算所述机器人的跟踪误差及其对应的导数;
设置模块:用于在所述机器人的控制系统存在噪声情况下,基于所述跟踪误差及其对应的导数设置所述机器人在实现轨迹跟踪时的加速度等式约束条件;
第二计算模块:用于基于所述当前角加速度的上下限和所述加速度等式约束条件计算机器人角加速度以及辅助变量的变化率;
更新模块:用于基于机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令。
在本发明实施例中,解决在控制系统存在关节角度约束、关节角速度约束、关节加速度约束、力矩约束以及受到噪声影响的情况下,实时规划机器人的实时加速度指令,从而实现机器人对给定末端执行器操作轨迹的高精度跟踪;并且能够在控制系统存在噪声的情况下,实现机器人末端对期望轨迹的高精度轨迹跟踪;能够避免机器人的关节角与角速度超限,同时能够有效避免机器人的加速度与驱动力矩过大,这对于实现全过程的机器人高精度控制具有重要意义。
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,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,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的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例中的抗噪与动力学约束的机器人实时运动规划方法的流程示意图;
图2是本发明实施例中的抗噪与动力学约束的机器人实时运动规划装置的结构组成示意图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例
请参阅图1,图1是本发明实施例中的抗噪与动力学约束的机器人实时运动规划方法的流程示意图。
如图1所述,一种抗噪与动力学约束的机器人实时运动规划方法,所述方法包括:
S11:建立机器人数学模型,并基于机器人当前的关节角、关节角速度、关节角加速度以及关节力矩的约束建立机器人的物理约束模型;
在本发明具体实施过程中,所述机器人数学模型如下:
所述物理约束模型如下:
其中,r为机器人末端执行器的坐标;θ为机器人关节角度;f(θ)为机器人的前向运动学模型;为r的一阶导数,为r的二阶导数;为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;J表示机器人的雅克比矩阵;为J的一阶导数;τ为机器人的关节力矩;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限。
具体的,需要建立机器人数学模型,该机器人数学模型是根据机器人的关节角度、机器人末端执行器的坐标、机器人的前向运动学模型;机器人的雅克比矩阵、机器人的关节力矩、机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩建立的,具体如下:
在建立机器人数学模型之后,还根据机器人当前的关节角、关节角速度、关节角加速度以及关节力矩的约束建立的物理约束模型,具体如下:
其中,r为机器人末端执行器的坐标;θ为机器人关节角度;f(θ)为机器人的前向运动学模型;为r的一阶导数,为r的二阶导数;为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;J表示机器人的雅克比矩阵;为J的一阶导数;τ为机器人的关节力矩;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限。
S12:基于所述机器人数学模型及所述物理约束模型建立与角加速度相关的综合物理不等式模型;
在本发明具体实施过程中,所述综合物理不等式模型如下:
其中,M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限。
具体的,需要根据机器人数学模型和物理约束模型来建立与角加速度相关的综合物理不等式模型,该综合物理不等式模型如下:
其中,M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限。
S13:读取当前时刻机器人的关节角度、关节角速度的反馈,获得机器人的关节角度和关节角加速度;
在本发明具体实施过程中,通过设置在该机器人各个关节上的传感器设备来读取当前时刻机器人的关节角度、关节角速度的反馈,从而获得机器人的关节角度和关节角加速度。
S14:基于当前的关节角和关节角加速度与所述机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩推导当前角加速度的上下限;
在本发明具体实施过程中,在得到当前的关节角和关节角加速度之后,结合机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩即可推导当前角加速度的上下限。
S15:获得所述机器人的期望轨迹,基于所述期望轨迹计算所述机器人的跟踪误差及其对应的导数;
在本发明具体实施过程中,该机器人的期望轨迹一般由用户设置,机器人当前的运动轨迹可以根据当前机器人的实时状态获得,即可通过机器人的当前运动轨迹与期望轨迹计算比较,得到跟踪误差,然后对该跟踪误差进行求导,即可得到跟踪误差的导数。
S16:在所述机器人的控制系统存在噪声情况下,基于所述跟踪误差及其对应的导数设置所述机器人在实现轨迹跟踪时的加速度等式约束条件;
在本发明具体实施过程中,所述加速度等式约束条件如下:
其中,θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;;J表示机器人的雅克比矩阵;为J的一阶导数;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
具体的,在设置具有抗噪能力的机器人跟踪条件,需要在机器人控制系统存在噪声的情况下,根据跟踪误差及其对应的导数设置所述机器人在实现轨迹跟踪时的加速度等式约束条件;该加速度等式约束条件如下:
其中,θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;;J表示机器人的雅克比矩阵;为J的一阶导数;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
S17:基于所述当前角加速度的上下限和所述加速度等式约束条件计算机器人角加速度以及辅助变量的变化率;
在本发明具体实施过程中,所述基于所述当前角加速度的上下限和所述加速度等式约束条件计算机器人角加速度以及辅助变量的变化率,还包括:建立所述加速度等式约束条件和综合物理不等式模型与加速度优化指标的问题描述模型;基于所述问题描述模型在迭代的机器人控制器求解模型中进行方案求解,获得机器人角加速度以及辅助变量的变化率。
进一步的,所述问题描述模型如下:
其中,M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为的转置;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
进一步的,所述迭代的机器人控制器求解模型如下:
其中,∈>0,λ1、λ2、λ3均为辅助变量,PΩ为饱和函数,该函数的上限为下限为 分别为λ1、λ2、λ3的一阶导数;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为θ的三阶导数;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数,JT为J的转置;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
具体的,在得到加速度等式约束条件和综合物理不等式模型之后,需要根据加速度等式约束条件和综合物理不等式模型与加速度优化指标建立问题描述模型,该问题描述模型如下:
其中,M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为的转置;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
然后通过该问题描述模型在迭代的机器人控制器求解模型中进行方案求解,获得机器人角加速度以及辅助变量的变化率;该迭代的机器人控制器求解模型如下:
其中,∈>0,λ1、λ2、λ3均为辅助变量,PΩ为饱和函数,该函数的上限为下限为 分别为λ1、λ2、λ3的一阶导数;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为θ的三阶导数;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数,JT为J的转置;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
S18:基于机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令。
在本发明具体实施过程中,所述基于机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令,包括:将所述机器人角加速度以及辅助变量的变化率反馈至所述机器人的控制系统中,在所述机器人的控制系统内根据所述机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令。
具体的,通过将该机器人角加速度以及辅助变量的变化率反馈至所述机器人的控制系统中,在该机器人控制系统接收到机器人角加速度以及辅助变量的变化率后,根据机器人角加速度以及辅助变量的变化率更新该机器人的角加速度指令,最终通过该角加速度指令实现对该机器人的控制。
在本发明实施例中,解决在控制系统存在关节角度约束、关节角速度约束、关节加速度约束、力矩约束以及受到噪声影响的情况下,实时规划机器人的实时加速度指令,从而实现机器人对给定末端执行器操作轨迹的高精度跟踪;并且能够在控制系统存在噪声的情况下,实现机器人末端对期望轨迹的高精度轨迹跟踪;能够避免机器人的关节角与角速度超限,同时能够有效避免机器人的加速度与驱动力矩过大,这对于实现全过程的机器人高精度控制具有重要意义。
实施例
请参阅图2,图2是本发明实施例中的抗噪与动力学约束的机器人实时运动规划装置的结构组成示意图。
如图2所示,一种抗噪与动力学约束的机器人实时运动规划装置,所述装置包括:
第一建立模块21:用于建立机器人数学模型,并基于机器人当前的关节角、关节角速度、关节角加速度以及关节力矩的约束建立机器人的物理约束模型;
在本发明具体实施过程中,所述机器人数学模型如下:
所述物理约束模型如下:
其中,r为机器人末端执行器的坐标;θ为机器人关节角度;f(θ)为机器人的前向运动学模型;为r的一阶导数,为r的二阶导数;为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;J表示机器人的雅克比矩阵;为J的一阶导数;τ为机器人的关节力矩;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限。
具体的,需要建立机器人数学模型,该机器人数学模型是根据机器人的关节角度、机器人末端执行器的坐标、机器人的前向运动学模型;机器人的雅克比矩阵、机器人的关节力矩、机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩建立的,具体如下:
在建立机器人数学模型之后,还根据机器人当前的关节角、关节角速度、关节角加速度以及关节力矩的约束建立的物理约束模型,具体如下:
其中,r为机器人末端执行器的坐标;θ为机器人关节角度;f(θ)为机器人的前向运动学模型;为r的一阶导数,为r的二阶导数;为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;J表示机器人的雅克比矩阵;为J的一阶导数;τ为机器人的关节力矩;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限。
第二建立模块22:用于基于所述机器人数学模型及所述物理约束模型建立与角加速度相关的综合物理不等式模型;
在本发明具体实施过程中,所述综合物理不等式模型如下:
其中,M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限。
具体的,需要根据机器人数学模型和物理约束模型来建立与角加速度相关的综合物理不等式模型,该综合物理不等式模型如下:
其中,M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限。
读取模块23:用于读取当前时刻机器人的关节角度、关节角速度的反馈,获得机器人的关节角度和关节角加速度;
在本发明具体实施过程中,通过设置在该机器人各个关节上的传感器设备来读取当前时刻机器人的关节角度、关节角速度的反馈,从而获得机器人的关节角度和关节角加速度。
推导模块24:用于基于当前的关节角和关节角加速度与所述机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩推导当前角加速度的上下限;
在本发明具体实施过程中,在得到当前的关节角和关节角加速度之后,结合机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩即可推导当前角加速度的上下限。
第一计算模块25:用于获得所述机器人的期望轨迹,基于所述期望轨迹计算所述机器人的跟踪误差及其对应的导数;
在本发明具体实施过程中,该机器人的期望轨迹一般由用户设置,机器人当前的运动轨迹可以根据当前机器人的实时状态获得,即可通过机器人的当前运动轨迹与期望轨迹计算比较,得到跟踪误差,然后对该跟踪误差进行求导,即可得到跟踪误差的导数。
设置模块26:用于在所述机器人的控制系统存在噪声情况下,基于所述跟踪误差及其对应的导数设置所述机器人在实现轨迹跟踪时的加速度等式约束条件;
在本发明具体实施过程中,所述加速度等式约束条件如下:
其中,θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;;J表示机器人的雅克比矩阵;为J的一阶导数;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
具体的,在设置具有抗噪能力的机器人跟踪条件,需要在机器人控制系统存在噪声的情况下,根据跟踪误差及其对应的导数设置所述机器人在实现轨迹跟踪时的加速度等式约束条件;该加速度等式约束条件如下:
其中,θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度;;J表示机器人的雅克比矩阵;为J的一阶导数;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
第二计算模块27:用于基于所述当前角加速度的上下限和所述加速度等式约束条件计算机器人角加速度以及辅助变量的变化率;
在本发明具体实施过程中,所述基于所述当前角加速度的上下限和所述加速度等式约束条件计算机器人角加速度以及辅助变量的变化率,还包括:建立所述加速度等式约束条件和综合物理不等式模型与加速度优化指标的问题描述模型;基于所述问题描述模型在迭代的机器人控制器求解模型中进行方案求解,获得机器人角加速度以及辅助变量的变化率。
进一步的,所述问题描述模型如下:
其中,M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为的转置;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
进一步的,所述迭代的机器人控制器求解模型如下:
其中,∈>0,λ1、λ2、λ3均为辅助变量,PΩ为饱和函数,该函数的上限为下限为 分别为λ1、λ2、λ3的一阶导数;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为θ的三阶导数;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数,JT为J的转置;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
具体的,在得到加速度等式约束条件和综合物理不等式模型之后,需要根据加速度等式约束条件和综合物理不等式模型与加速度优化指标建立问题描述模型,该问题描述模型如下:
其中,M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为的转置;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
然后通过该问题描述模型在迭代的机器人控制器求解模型中进行方案求解,获得机器人角加速度以及辅助变量的变化率;该迭代的机器人控制器求解模型如下:
其中,∈>0,λ1、λ2、λ3均为辅助变量,PΩ为饱和函数,该函数的上限为下限为 分别为λ1、λ2、λ3的一阶导数;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为θ的三阶导数;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数,JT为J的转置;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
更新模块28:用于基于机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令。
在本发明具体实施过程中,所述基于机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令,包括:将所述机器人角加速度以及辅助变量的变化率反馈至所述机器人的控制系统中,在所述机器人的控制系统内根据所述机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令。
在本发明实施例中,解决在控制系统存在关节角度约束、关节角速度约束、关节加速度约束、力矩约束以及受到噪声影响的情况下,实时规划机器人的实时加速度指令,从而实现机器人对给定末端执行器操作轨迹的高精度跟踪;并且能够在控制系统存在噪声的情况下,实现机器人末端对期望轨迹的高精度轨迹跟踪;能够避免机器人的关节角与角速度超限,同时能够有效避免机器人的加速度与驱动力矩过大,这对于实现全过程的机器人高精度控制具有重要意义。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的一种抗噪与动力学约束的机器人实时运动规划方法及装置进行了详细介绍,本文中应采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 (10)
1.一种抗噪与动力学约束的机器人实时运动规划方法,其特征在于,所述方法包括:
读取当前时刻机器人的关节角度、关节角速度的反馈,获得机器人的关节角度和关节角加速度;
基于当前的关节角和关节角加速度与所述机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩推导当前角加速度的上下限;同时,
获得所述机器人的期望轨迹,基于所述期望轨迹计算所述机器人的跟踪误差及其对应的导数;
在所述机器人的控制系统存在噪声情况下,基于所述跟踪误差及其对应的导数设置所述机器人在实现轨迹跟踪时的加速度等式约束条件;
基于所述当前角加速度的上下限和所述加速度等式约束条件计算机器人角加速度以及辅助变量的变化率;
基于机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令。
2.根据权利要求1所述的机器人实时运动规划方法,其特征在于,所述方法还包括:
建立机器人数学模型,并基于机器人当前的关节角、关节角速度、关节角加速度以及关节力矩的约束建立机器人的物理约束模型;
基于所述机器人数学模型及所述物理约束模型建立与角加速度相关的综合物理不等式模型。
6.根据权利要求1所述的机器人实时运动规划方法,其特征在于,所述基于所述当前角加速度的上下限和所述加速度等式约束条件计算机器人角加速度以及辅助变量的变化率,还包括:
建立所述加速度等式约束条件和综合物理不等式模型与加速度优化指标的问题描述模型;
基于所述问题描述模型在迭代的机器人控制器求解模型中进行方案求解,获得机器人角加速度以及辅助变量的变化率。
7.根据权利要求6所述的机器人实时运动规划方法,其特征在于,所述问题描述模型如下:
8.根据权利要求6所述的机器人实时运动规划方法,其特征在于,所述迭代的机器人控制器求解模型如下:
其中,∈>0,λ1、λ2、λ3均为辅助变量,PΩ为饱和函数,该函数的上限为下限为 分别为λ1、λ2、λ3的一阶导数;M、C、G分别为机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩;κ1、κ2、均为正控制常数;θ为机器人关节角度,为θ的一阶导数,表示机器人关节角速度,为θ的二阶导数,表示机器人关节角加速度,为θ的三阶导数;τ为机器人的关节力矩;θ-表示θ下限,θ+表示θ上限;表示下限,表示上限;表示下限,表示上限;τ-表示τ下限,τ+表示τ上限;J表示机器人的雅克比矩阵;为J的一阶导数,JT为J的转置;α、β、γ均为正控制常数;e为机器人对期望轨迹的跟踪误差,e=r-rd,为e的一阶导数,r为机器人的实际轨迹,rd为机器人的期望轨迹;t表示时间。
9.根据权利要求1所述的机器人实时运动规划方法,其特征在于,所述基于机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令,包括:
将所述机器人角加速度以及辅助变量的变化率反馈至所述机器人的控制系统中,在所述机器人的控制系统内根据所述机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令。
10.一种抗噪与动力学约束的机器人实时运动规划装置,其特征在于,所述装置包括:
读取模块:用于读取当前时刻机器人的关节角度、关节角速度的反馈,获得机器人的关节角度和关节角加速度;
推导模块:用于基于当前的关节角和关节角加速度与所述机器人的惯性矩阵、哥矢力与离心力矩阵和重力矩推导当前角加速度的上下限;同时,
第一计算模块:用于获得所述机器人的期望轨迹,基于所述期望轨迹计算所述机器人的跟踪误差及其对应的导数;
设置模块:用于在所述机器人的控制系统存在噪声情况下,基于所述跟踪误差及其对应的导数设置所述机器人在实现轨迹跟踪时的加速度等式约束条件;
第二计算模块:用于基于所述当前角加速度的上下限和所述加速度等式约束条件计算机器人角加速度以及辅助变量的变化率;
更新模块:用于基于机器人角加速度以及辅助变量的变化率更新所述机器人的角加速度指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110125245.7A CN112873208A (zh) | 2021-01-29 | 2021-01-29 | 一种抗噪与动力学约束的机器人实时运动规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110125245.7A CN112873208A (zh) | 2021-01-29 | 2021-01-29 | 一种抗噪与动力学约束的机器人实时运动规划方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112873208A true CN112873208A (zh) | 2021-06-01 |
Family
ID=76053518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110125245.7A Pending CN112873208A (zh) | 2021-01-29 | 2021-01-29 | 一种抗噪与动力学约束的机器人实时运动规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112873208A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023024278A1 (zh) * | 2021-08-24 | 2023-03-02 | 深圳市优必选科技股份有限公司 | 机器人关节位姿优化方法、机器人控制方法和机器人 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106426164A (zh) * | 2016-09-27 | 2017-02-22 | 华南理工大学 | 一种冗余度双机械臂的多指标协调运动规划方法 |
CN106625680A (zh) * | 2017-02-07 | 2017-05-10 | 华侨大学 | 一种冗余度机械臂加速度层容噪控制方法 |
CN106737670A (zh) * | 2016-12-15 | 2017-05-31 | 华侨大学 | 一种具有抗噪特性的冗余度机械臂重复运动规划方法 |
CN108714894A (zh) * | 2018-05-03 | 2018-10-30 | 华南理工大学 | 一种求解双冗余机械臂互相碰撞的动力学方法 |
US20190184560A1 (en) * | 2017-01-19 | 2019-06-20 | Beijing University Of Technology | A Trajectory Planning Method For Six Degree-of-Freedom Robots Taking Into Account of End Effector Motion Error |
CN110977989A (zh) * | 2019-12-27 | 2020-04-10 | 广东省智能制造研究所 | 一种协作机器人的运动规划与实时避障方法及系统 |
CN111037560A (zh) * | 2019-12-25 | 2020-04-21 | 广东省智能制造研究所 | 一种协作机器人柔顺力控制方法及系统 |
-
2021
- 2021-01-29 CN CN202110125245.7A patent/CN112873208A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106426164A (zh) * | 2016-09-27 | 2017-02-22 | 华南理工大学 | 一种冗余度双机械臂的多指标协调运动规划方法 |
CN106737670A (zh) * | 2016-12-15 | 2017-05-31 | 华侨大学 | 一种具有抗噪特性的冗余度机械臂重复运动规划方法 |
US20190184560A1 (en) * | 2017-01-19 | 2019-06-20 | Beijing University Of Technology | A Trajectory Planning Method For Six Degree-of-Freedom Robots Taking Into Account of End Effector Motion Error |
CN106625680A (zh) * | 2017-02-07 | 2017-05-10 | 华侨大学 | 一种冗余度机械臂加速度层容噪控制方法 |
CN108714894A (zh) * | 2018-05-03 | 2018-10-30 | 华南理工大学 | 一种求解双冗余机械臂互相碰撞的动力学方法 |
CN111037560A (zh) * | 2019-12-25 | 2020-04-21 | 广东省智能制造研究所 | 一种协作机器人柔顺力控制方法及系统 |
CN110977989A (zh) * | 2019-12-27 | 2020-04-10 | 广东省智能制造研究所 | 一种协作机器人的运动规划与实时避障方法及系统 |
Non-Patent Citations (2)
Title |
---|
XUEFENG ZHOU: "Collision-Free Compliance Control for Redundant Manipulators: An Optimization Case", <FRONTIERS IN NEUROROBOTICS> * |
程韬波: "基于递归神经网络的多机器人智能协同控制", 《机电工程技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023024278A1 (zh) * | 2021-08-24 | 2023-03-02 | 深圳市优必选科技股份有限公司 | 机器人关节位姿优化方法、机器人控制方法和机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109159151B (zh) | 一种机械臂空间轨迹跟踪动态补偿方法和系统 | |
CN104339349B (zh) | 机器人装置及机器人控制方法 | |
CA2735262C (en) | Inverse kinematics | |
CN108638068B (zh) | 一种携带冗余度机械臂的飞行机器人控制系统设计方法 | |
CN110850895B (zh) | 一种路径跟踪方法、装置、设备及存储介质 | |
JP2018149606A (ja) | 生産ラインにおける運用を考慮した学習制御を行うロボット及びその制御方法 | |
CN114952868B (zh) | 7自由度srs型机械臂控制方法及装置、弹琴机器人 | |
CN111522351B (zh) | 水下机器人三维编队及避障方法 | |
CN109445274B (zh) | 一种柔性空间机械臂振动控制方法及系统 | |
CN107363832B (zh) | 一种工业机器人前馈力矩实时计算方法 | |
CN108267952B (zh) | 一种水下机器人自适应有限时间控制方法 | |
CN112809666B (zh) | 一种基于神经网络的5-dof机械臂力位跟踪算法 | |
CN106708078A (zh) | 一种适用于空间机器人执行器故障下的快速姿态稳定方法 | |
CN114523477A (zh) | 关节位姿的校准方法、系统及存储介质 | |
CN112847373B (zh) | 一种机器人轨迹同步控制方法、计算机可读存储介质 | |
CN112873208A (zh) | 一种抗噪与动力学约束的机器人实时运动规划方法及装置 | |
CN115480583A (zh) | 飞行作业机器人的视觉伺服跟踪与阻抗控制方法 | |
CN112596389A (zh) | 基于闭环交叉耦合迭代学习的水晶研磨控制方法与系统 | |
WO2023165174A1 (zh) | 构建机器人的控制器的方法、机器人的运动控制方法、装置以及机器人 | |
WO2023116129A1 (zh) | 一种协作机器人的柔顺力控制方法及系统 | |
CN112894819A (zh) | 一种基于双神经网络的机器人动力学运动控制方法及装置 | |
Shang et al. | Finite-time tracking for UUV with system uncertainty using fast adaptive nonsingular terminal high-order sliding mode control | |
CN115268480B (zh) | 一种基于李代数的欠驱动航天器姿态控制方法、设备和介质 | |
WO2023165192A1 (zh) | 机器人控制方法、装置、机器人以及计算机可读存储介质 | |
CN113787514B (zh) | 机械臂动态避碰规划方法 |
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 |