CN113568313A - 基于操作意图识别的变导纳辅助大部件装配方法及系统 - Google Patents

基于操作意图识别的变导纳辅助大部件装配方法及系统 Download PDF

Info

Publication number
CN113568313A
CN113568313A CN202111118004.6A CN202111118004A CN113568313A CN 113568313 A CN113568313 A CN 113568313A CN 202111118004 A CN202111118004 A CN 202111118004A CN 113568313 A CN113568313 A CN 113568313A
Authority
CN
China
Prior art keywords
robot
admittance
value
virtual
variable
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
CN202111118004.6A
Other languages
English (en)
Other versions
CN113568313B (zh
Inventor
田威
沈烨
段晋军
王品章
刘明轩
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202111118004.6A priority Critical patent/CN113568313B/zh
Publication of CN113568313A publication Critical patent/CN113568313A/zh
Application granted granted Critical
Publication of CN113568313B publication Critical patent/CN113568313B/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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

本发明涉及利用重载工业机器人进行大尺寸部件人机交互装配的领域，提供了一种基于操作意图识别的变导纳辅助大部件装配方法及系统，变导纳柔顺辅助装配方法包括：考虑抑制系统惯性与人机交互工作柔顺性，优化定导纳控制方法，搭建基于人类操作意图识别的变导纳控制模型；结合导纳系数对控制的影响，设计选取导纳系数的实验方案，分析变导纳控制特性；针对辅助装配不同阶段的要求，定制自由空间与约束空间下相应的机器人末端运动规则；基于机器人的安全工作空间，建立虚限位壁限制拖拽范围。本发明的方法，操作柔顺性好、克服惯性能力强，同时考虑了重载机器人在自由空间与约束空间下进行大部件辅助装配的应用，实用性及通用性好。

Description

基于操作意图识别的变导纳辅助大部件装配方法及系统
技术领域
本发明涉及领域为G05D：非电变量的控制或调节系统，具体涉及基于操作意图识别的变导纳辅助大部件装配方法及系统。
背景技术
随着航空制造自动化程度的要求不断提高，各大飞机制造公司都先后开始了将工业机器人应用于飞机自动装配的研究，旨在提高装配精度及装配安全性。合理的柔顺控制方法不仅可以保证协作任务的安全和高效，还能大大减轻人类在任务中的负担。机器人主动顺应控制分为阻抗控制、导纳控制、位置力混合控制等。导纳控制相比其他两种方式具有对环境要求不高、不依赖机器人动力学模型的特点，能够提高重载工业机器人在人机交互过程中的顺应性与安全性。虽然机器人在导纳控制下能顺应人手操作，但是由于重载工业机器人本身惯性大的特点，针对一些特殊情况如突然加减速、装配件接触、机器人运动超出安全工作空间等，仍会造成装配不稳定与不安全。
由于固定导纳控制模型难以适应时变的运动状态，人机交互的安全性和舒适度欠佳。中国专利“CN111390877A，一种外骨骼装置及外骨骼变导纳控制方法”，采用虚拟阻抗与虚拟刚度成比例调整的策略，达到可变导纳控制的目的。该专利方案中导纳调整策略仍较为僵硬，忽略了惯性对系统的影响，也未考虑操作员的舒适度，对于一些特殊情况如机器人的启停、突然改变方向等仍会因惯性导致动作不柔顺或系统不稳定。且其设计的基于机械结构的硬限位和基于红外光电传感器的软限位的安全区间是依靠硬件装置实现的，未在软件层面上进行判断与保护。中国专利“CN111660306A，一种基于操作者舒适度的机器人可变导纳控制方法及系统”，根据考虑了操作员舒适度的虚阻尼调整策略构建机器人六自由度导纳控制模型，由该导纳控制模型获取的交互力与期望力间的偏差力可修正机器人末端的位置、速度以及加速度。然而上述专利方案中对舒适力并未做定义，仅以一种舒适力对拖拽的不同情况进行控制，难以满足操作者对舒适力的要求，且其根据操作者舒适力生成的虚阻尼调整策略是通过机器人运动速度进行系数控制，这不仅需要在运动初期施加更大的力，停止机器人时也会较慢，导致系统惯性较大，会造成安全隐患。此外该系统仅考虑了调整虚拟阻尼值，忽略了虚拟质量对系统的影响，易影响系统极点后出现不稳定现象。于是针对现有技术中的人机交互型机器人不能快速灵敏的响应操作者意图的缺陷，中国专利“CN109910005A，用于机器人的变导纳控制方法以及系统”，设计了在人类纯加速与纯减速意图下各导纳系数的控制规律，但其未考虑在反向意图阶段机器人由减速变为加速过程导致的导纳系数突变对系统运动状态的影响，也未考虑在机器人速度较大或人类希望机器人停止运动等情况下对系统惯性的抑制，控制稳定性与安全性较差。且其设置的安全措施为当拖拽的运动速度超过一定值时，控制机器人强制停止，该设置不仅使操作舒适度减低，且突然停止的发生会使操作员不能及时反应，出于惯性仍会继续拖拽部件，从而易对传感器造成损害。同时，该系统仅考虑了自由空间下的人机交互，未涉及约束空间下的情况，工程应用较弱。硕士论文“飞机襟翼机器人辅助装配柔顺控制技术”提出了考虑自由空间与无轨约束空间中基于人类意图识别的变导纳控制方法，然而忽略了系统惯性对拖拽大负载部件的影响，未对系统惯性进行有效抑制，使改变机器人运动状态较为迟钝，系统柔顺性较低，同时其未考虑重载机器人的安全工作空间问题，存在较大安全隐患。
综上，现有控制方案中对重载机器人的惯性抑制不明显，对导纳系数的设定难以满足大负载情况下准确跟踪操作意图的变化，系统操作舒适度及安全度较低。
发明内容
发明目的：本发明提出基于操作意图识别的变导纳辅助大部件装配方法，以解决现有技术存在的上述问题。
技术方案：第一方面，提出基于操作意图识别的变导纳辅助大部件装配方法，该方法基于下述硬件实现：重载工业机器人、六维力传感器、装配件、装配体。其中六维力传感器安装在机器人法兰盘与装配件之间，所述装配体位于机器人安全工作范围之内，并与装配件可通过插销连接。
具体步骤如下：
步骤S1、选择当前装配模式；
步骤S2、在机器人初始运动阶段，选择当前装配模式为有轨约束模式；
步骤S3、机器人进入装配空间运动时，选择当前装配模式为自由拖拽模式；
步骤S4、对人类操作意图进行逻辑识别并分类；
步骤S5、根据步骤S4中的分类，顺应操作平滑度要求，优化定导纳控制模型，得到变导纳控制模型；
步骤S6、考虑导纳系数对控制的影响，通过实验标定方法确定步骤S5所建模型中各参数值；
步骤S7、将步骤S6中各参数值带入步骤S5的变导纳控制模型得到变导纳控制方程，分析变导纳控制特性；
步骤S8、对力传感器信号值进行重力补偿后，获得施加外力值，输入至步骤S7中变导纳控制方程，得到机器人末端理论运动信息，包括理论位移值、理论速度值与理论加速度值；
步骤S9、根据自由拖拽模式的设置，得到自由拖拽模式下的机器人末端实际运动信息，包括实际位移值、实际速度值与实际加速度值；
步骤S10、当机器人在装配点附近准备装配时，选择当前装配模式为无轨约束模式；
步骤S11、重复步骤S4-S8，根据无轨约束模式的设置，得到无轨约束模式下的机器人末端实际运动信息，包括实际位移值、实际速度值与实际加速度值；
步骤S12、根据机器人的安全工作空间，建立虚限位壁来限制拖拽范围；
步骤S13、拖拽过程中时刻监测机器人当前时刻位姿信息，以判断是否超出虚限位壁范围。
在第一方面进一步的实施例中，步骤S1中所述装配模式的选择主要分为有轨约束、自由拖拽与无轨约束三种模式。首先在有轨约束模式下，机器人可从初始姿态自动依据既定轨迹运动至装配空间，期间操作员可施加拖拽行为使其暂时偏离既定轨迹以执行其他任务或躲避障碍，但当拖拽结束，机器人能自动修正位移，回到设定的轨迹上继续运动。在自由拖拽模式中，机器人可在操作员施加力作用下，依据操作者意图在装配空间中自由实现变导纳柔顺运动，直至其被拖拽至装配点附近。无轨约束模式主要用于装配过程，用于抵抗弹性势能对机器人装配的影响，以改善装配时工件反复弹跳现象。
上述装配模式下应用的导纳控制模型均基于如下定导纳控制模型变化得到。
Figure 112291DEST_PATH_IMAGE001
其中
Figure 708488DEST_PATH_IMAGE002
为相互作用力，即操作者的施加力，
Figure 139470DEST_PATH_IMAGE003
为虚拟质量，
Figure 112105DEST_PATH_IMAGE004
为虚拟阻尼，
Figure 148194DEST_PATH_IMAGE005
为虚拟刚度，
Figure 712031DEST_PATH_IMAGE006
、
Figure 630308DEST_PATH_IMAGE007
、
Figure 905169DEST_PATH_IMAGE008
分别表示机器人末端的加速度，速度与位置，
Figure 326923DEST_PATH_IMAGE009
、
Figure 858399DEST_PATH_IMAGE010
、
Figure 873759DEST_PATH_IMAGE011
分别表示期望的运动加速度，速度与位置。
在第一方面进一步的实施例中，步骤S2中所述有轨约束模式下应用的导纳控制模型，期望加速度
Figure 578410DEST_PATH_IMAGE009
与期望速度
Figure 995616DEST_PATH_IMAGE010
可设为零，则该情况下机器人的导纳控制模型可写成：
Figure 760310DEST_PATH_IMAGE012
其中，
Figure 262966DEST_PATH_IMAGE013
表示有轨约束模式下的有效虚拟质量，
Figure 708991DEST_PATH_IMAGE014
表示有轨约束模式下的有效虚拟阻尼，
Figure 105338DEST_PATH_IMAGE015
表示有轨约束模式下的有效虚拟刚度，此三个系数可依据具体情况选择采用定导纳控制方法或变导纳控制方法。
Figure 149255DEST_PATH_IMAGE011
可用于设置期望轨迹。
参考力位双环控制策略控制原理，将位置偏差量
Figure 529420DEST_PATH_IMAGE016
转换成力矩修正量，则上式可表示为
Figure 185661DEST_PATH_IMAGE017
其中
Figure 702093DEST_PATH_IMAGE018
为结合力矩修正量与操作者施加力的导纳力。当操作者不施力时，为使机器人沿既定轨迹运动，该力值也不为零，且会随着速度
Figure 418376DEST_PATH_IMAGE007
与加速度
Figure 223521DEST_PATH_IMAGE006
的变化而变化。
在第一方面进一步的实施例中，步骤S4中人类操作意图的识别与分类，从一维角度考虑，可分为加速、减速、停止、静止四种情况，判断逻辑为
1)若
Figure 73665DEST_PATH_IMAGE019
且
Figure 319970DEST_PATH_IMAGE020
，则人类意图是加速。
2)若
Figure 331788DEST_PATH_IMAGE021
，则人类意图是静止。
3)剩余情况，若
Figure 529289DEST_PATH_IMAGE022
，则人类意图是减速；若
Figure 120808DEST_PATH_IMAGE023
，则人类意图是停止。
其中
Figure 346253DEST_PATH_IMAGE024
为上一采样时刻的机器人末端速度，
Figure 404338DEST_PATH_IMAGE025
为上一采样时刻的机器人末端加速度，
Figure 980813DEST_PATH_IMAGE002
为操作员施加的拖拽力。
在第一方面进一步的实施例中，步骤S5中所述变导纳控制模型同时适用于自由拖拽模式与无轨约束模式。由于过程中无轨迹约束，虚拟刚度
Figure 782547DEST_PATH_IMAGE005
以及期望加速度
Figure 862499DEST_PATH_IMAGE009
，期望速度
Figure 357065DEST_PATH_IMAGE010
，期望位置
Figure 420836DEST_PATH_IMAGE011
均可设为零，则机器人的变导纳控制模型可写为：
Figure 548234DEST_PATH_IMAGE026
其中，
Figure 482691DEST_PATH_IMAGE027
表示有效虚拟质量，
Figure 476055DEST_PATH_IMAGE028
表示有效虚拟阻尼。
通过引入步骤S4中人类操作意图识别，结合系统对拖拽平滑度的要求，对导纳系数进行分类设置。静止操作意图一般出现在机器人开始运动前与停止运动后，导纳系数设置为：
Figure 636909DEST_PATH_IMAGE029
其中
Figure 905080DEST_PATH_IMAGE030
代表虚拟阻尼的默认值，
Figure 100569DEST_PATH_IMAGE031
代表虚拟质量的默认值。
加速操作意图时，导纳系数设置为：
Figure 61571DEST_PATH_IMAGE032
其中
Figure 444142DEST_PATH_IMAGE033
用来控制虚拟阻尼的变化速率；
Figure 719266DEST_PATH_IMAGE034
为设置的虚拟阻尼理想变化区域边缘最小值，通过限制虚拟阻尼值的大小间接约束惯性，防止机器人在具有较大移动速度时仍加速较快，导致系统的不稳定与安全事故的发生；r表示当前时刻有效虚拟阻尼与默认虚拟阻尼之比，即
Figure 893895DEST_PATH_IMAGE035
；
Figure 134122DEST_PATH_IMAGE036
为可调节方程用以抑制系统惯性，使其在反向加速过程更快响应，具体形式在步骤S6中叙述。
减速操作意图与加速操作意图的导纳系数设置在基本形式上相差不大，其导纳系数设置为：
Figure 394202DEST_PATH_IMAGE037
其中
Figure 145120DEST_PATH_IMAGE038
用来控制虚拟阻尼的变化速率；
Figure 174256DEST_PATH_IMAGE039
为设置的虚拟阻尼理想变化区域边缘最大值；
Figure 86848DEST_PATH_IMAGE040
为可调节方程，具体形式在步骤S6中叙述。
停止操作意图相较于减速操作意图的区别在于，当操作者不施加力时，希望机器人更快停下，防止其因大负载工件惯性较大而移动较远的距离。停止操作意图的导纳系数设置为：
Figure 568645DEST_PATH_IMAGE041
其中
Figure 857675DEST_PATH_IMAGE042
为选定虚拟质量（
Figure 6897DEST_PATH_IMAGE043
）。由此得到变导纳控制模型。
在第一方面进一步的实施例中，步骤S6中所提导纳系数对控制的影响为：当虚拟阻尼c越小，机器人运动速度越快；虚拟质量m与虚拟阻尼c的比值
Figure 854505DEST_PATH_IMAGE044
越小，机器人的运动更灵活；在改变导纳系数的同时，应使其比值
Figure 823598DEST_PATH_IMAGE044
在合理范围内，否则会导致机器人在运动过程中发生抖动。对此设计实验标定方案如下：
1）建立六组坐标轴，分别对应机器人末端运动的X,Y,Z,A,B,C轴，横轴设置为虚拟阻尼c，纵轴设置为虚拟质量与虚拟阻尼的比值
Figure 978636DEST_PATH_IMAGE044
。
2）以机器人X轴标定为例，先选取虚拟阻尼值为a1，后由大到小选取
Figure 857730DEST_PATH_IMAGE044
的值，带入定导纳控制方程，关闭机器人其他轴向运动，找到外力拖拽X轴方向时使机器人发生临界抖动的横纵坐标值，记录下第一点。
3）选取虚拟阻尼值为a2（a2＞a1），重复步骤2后面的过程，记录下第二点。
4）重复上述步骤记录≥10个点，将各点相连成线，记为标定线，即完成机器人X轴实验标定。其余Y,Z,A,B,C轴标定同理。
5）实验标定图中，标定线下方区域为抖动区域，标定线上方区域为稳定区。且基于导纳系数对控制效果的影响知，当操作者施加相同的力，选定的导纳系数越靠近纵轴，机器人的运动速度更快；越靠近横轴，则机器人的运动更灵活。
在第一方面进一步的实施例中，步骤S6中获得机器人六轴实验标定图后，变导纳控制模型中各系数选取规则如下：
1）对有效虚拟阻尼
Figure 502338DEST_PATH_IMAGE028
中的
Figure 834093DEST_PATH_IMAGE033
和
Figure 589560DEST_PATH_IMAGE038
进行计算：
Figure 651056DEST_PATH_IMAGE045
其中
Figure 138670DEST_PATH_IMAGE046
与
Figure 456256DEST_PATH_IMAGE039
是在实验标定图中设置的虚拟阻尼理想变化区域的最小值与最大值，选取原则为兼顾机器人响应速度与运动速度情况下使稳定区面积越大越好，其作用已在步骤S2中进行说明。
Figure 953097DEST_PATH_IMAGE047
为根据实验具体需求设定的最大加速度，可配合
Figure 665838DEST_PATH_IMAGE046
与
Figure 527614DEST_PATH_IMAGE039
的应用，限制机器人移动加速度不超过
Figure 958596DEST_PATH_IMAGE047
的值以保障加速阶段的安全，直接抑制系统惯性；也可考虑拖拽柔顺性，不限制机器人移动加速度，仅通过
Figure 196810DEST_PATH_IMAGE046
与
Figure 764058DEST_PATH_IMAGE048
间接抑制系统惯性。
2）在实验标定图中，存在当虚拟阻尼小于一定值时抖动区域面积会急速变大的情况，选择该临界值为
Figure 124632DEST_PATH_IMAGE049
，用以确定[
Figure 918276DEST_PATH_IMAGE046
,
Figure 553656DEST_PATH_IMAGE048
]范围的边界，并选择
Figure 880470DEST_PATH_IMAGE050
，近而为约束导纳系数值一直处在稳定区域提供基准。
3）在标定图中抖动区域面积变化较平缓的区段内，选择较靠近纵轴的虚拟阻尼值为默认值
Figure 208683DEST_PATH_IMAGE030
，
Figure 224044DEST_PATH_IMAGE051
。
4）由变导纳系数的定义公式可知，在机器人加速阶段，虚拟质量
Figure 131957DEST_PATH_IMAGE027
与虚拟阻尼
Figure 673797DEST_PATH_IMAGE028
的比值（
Figure 313857DEST_PATH_IMAGE052
）始终随着虚拟阻尼
Figure 941147DEST_PATH_IMAGE028
的减小而从
Figure 793697DEST_PATH_IMAGE053
值处增加，体现在实验标定图中为纵坐标随横坐标的减小而增大。因此，为在获得较优控制效果的前提下更简便直观地限制导纳系数值只在稳定区域变化，在
Figure 455622DEST_PATH_IMAGE049
所在横轴位置画竖线，与标定线相交于Q点，过Q点做纵轴的垂线，与
Figure 499539DEST_PATH_IMAGE030
所在横轴位置竖线相交于O点，选择O点为默认点，即默认点坐标为（
Figure 817388DEST_PATH_IMAGE030
，
Figure 863842DEST_PATH_IMAGE053
），由此得虚拟质量的默认值
Figure 255640DEST_PATH_IMAGE031
。
5）标记标定线在
Figure 96557DEST_PATH_IMAGE030
时的纵坐标值为
Figure 901702DEST_PATH_IMAGE054
，选择该纵坐标值偏上的坐标点（
Figure 361633DEST_PATH_IMAGE030
，
Figure 998151DEST_PATH_IMAGE055
），确定
Figure 885335DEST_PATH_IMAGE042
值。
6）
Figure 912197DEST_PATH_IMAGE036
的设置用以在不降低操作舒适感同时平滑过渡反向加速过程，并通过限制加速度起到抑制系统惯性的作用，其具体表达形式为
Figure 300453DEST_PATH_IMAGE056
其中
Figure 899800DEST_PATH_IMAGE057
是放大系数，用以调节加速度变化对导纳系数的影响，依据经验选取。
7）
Figure 82519DEST_PATH_IMAGE040
是为了在保持函数连续性的前提下，使机器人在减速阶段获得更低的虚拟质量以得到更大的负加速度，其具体表达形式为
Figure 534360DEST_PATH_IMAGE058
其中
Figure 726307DEST_PATH_IMAGE059
是用于调整稳态虚拟质量与虚拟阻尼比的参数，需大于
Figure 681625DEST_PATH_IMAGE060
的值。
Figure 300825DEST_PATH_IMAGE061
是用于调整比率变化平滑度的参数，依据经验选取。
在第一方面进一步的实施例中，步骤S9中自由拖拽模式对机器人末端运动信息的处理，源于移动机器人所需外力与执行精细移动能力之间存在的互斥关系，单纯依靠变导纳系数的变化满足不了快速切换精细移动能力的要求，因此引入切换系数p，使
Figure 708804DEST_PATH_IMAGE062
其中
Figure 438862DEST_PATH_IMAGE063
为机器人末端理论位移值，
Figure 12801DEST_PATH_IMAGE064
为机器人末端实际位移值。通过调节切换系数p可快速选择是使机器人通过较小的力大范围移动装配件或是使机器人进行微小姿态修正。
在第一方面进一步的实施例中，步骤S11中无轨约束模式的处理是在自由拖拽模式处理基础上，对机器人末端理论速度进行消耗，即无轨约束空间也存在切换系数p。由于装配件与装配体接触时，系统的动能与弹性势能会不断相互转化，而动能
Figure 802902DEST_PATH_IMAGE065
，消耗机器人速度便能间接的消耗接触产生的弹性势能，因此引入消耗系数
Figure 26073DEST_PATH_IMAGE066
，使
Figure 435189DEST_PATH_IMAGE067
其中
Figure 489733DEST_PATH_IMAGE068
用以调整消耗动能的程度，改善装配时工件因接触力发生反复弹跳的现象。
在第一方面进一步的实施例中，步骤S12中建立的虚限位壁可分为内壁与外壁两个部分。内壁范围内，不对机器人运动做限制。当超出内壁范围时，限制设计为：
Figure 857260DEST_PATH_IMAGE069
其中
Figure 833306DEST_PATH_IMAGE070
为限制机器人运动后的机器人相对位移值，
Figure 780534DEST_PATH_IMAGE071
为机器人末端当前时刻位姿，
Figure 689584DEST_PATH_IMAGE072
为设置的内壁中心位置，
Figure 195389DEST_PATH_IMAGE073
为设置的内壁边缘位置，h为比例系数，可根据期望效果设置。
当超出外壁范围时，设置
Figure 455469DEST_PATH_IMAGE070
恒等于0，此时机器人无论受多大力，均不发生位移即机器人运动锁定。且仅当解除锁定开关开启时，操作员可在一定时间内将机器人推回围墙内。若操作时间超过设定的时间或错误操作使机器人继续朝围墙外运动均会再次触发锁定。
第二方面，提出基于操作意图识别的变导纳辅助大部件装配系统，该系统包括处理器以及存储有计算机程序指令的存储器。所述处理器读取并执行所述计算机程序指令，以实现第一方面所述的变导纳辅助大部件装配方法。
第三方面，提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现第一方面所述的变导纳辅助大部件装配方法。
有益效果：
1）本发明提出的重载工业机器人基于操作意图识别的变导纳辅助大部件装配方法，通过高柔性机器人平台，结合六维力传感器、装配件、装配体，实现了自由空间与约束空间下大部件的人机交互柔顺装配，该方法对于人机辅助装配过程具有通用性，有操作柔顺性好、安全性高等特点，可以根据机器人实际工况进行实验标定选取相关模型参数，对各类机器人具有通用性；
2）本发明中创新了基于人类操作意图识别的变导纳控制模型，通过对人类操作意图进行逻辑判断，分类导纳控制系数的调节阶段，遵循抑制系统惯性的方针，采用符合人体操作舒适度的变化规则，提高了在突然加减速、反向施力及放弃拖拽时克服系统惯性的能力，改善了辅助装配过程中系统的操作舒适性和响应性能；
3）本发明提出的导纳系数实验标定方案，适用于各类机器人工况。通过绘制机器人各活动轴方向上的实验标定图，选取标定线以区分抖动区与平稳区，结合所提变导纳控制模型各系数选取规则，确定系统各参数值，得到变导纳控制方程，为导纳控制模型及相关变导纳控制模型在实际应用中的参数选择提供一般解决方案；
4）本发明考虑的装配模式切换功能，针对辅助装配不同阶段的要求，主要对应自由空间与约束空间下的交互效果，通过引入调节系数，定制相应的机器人末端运动规则，实现了自由空间运动模式的多样性，保障了约束空间装配的平稳性与安全性。
5）本发明通过机器人安全工作空间设置的虚限位壁，分为内壁与外壁两个部分，分别起警示与强制停止功能，遵循向内正常通行、向外艰难通行的原则，将现实环境“笼子”外的机器人限制在软件的“笼子”中，实现了对辅助装配系统的安全性保障。
附图说明
图1为重载工业机器人变导纳柔顺辅助装配流程图。
图2为人类操作意图逻辑判断流程图。
图3为工业机器人X轴向实验标定图示例。
图4为虚限位壁示意图。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
申请人研究发现，现有控制方案中对重载机器人的惯性抑制不明显，对导纳系数的设定难以满足大负载情况下准确跟踪操作意图的变化，系统操作舒适度及安全度较低。
因此，在重载工业机器人柔顺辅助装配时，如何选取合理的机器人导纳控制系数及相关系统参数以配合人类操作意图识别环节来提高人机交互过程柔顺性、装配平稳性与安全性是一个重要的研究问题。
本实施例中，申请人提出一种重载工业机器人基于操作意图识别的变导纳辅助大部件装配方法，用于自由空间与约束空间下大部件的人机交互柔顺装配，并为导纳控制模型及相关变导纳控制模型在实际应用中的参数选择提供了一般解决方案，此外本方法还考虑多种功能模块，保障了拖拽装配过程的平稳性与安全性。其基于如下硬件实现：重载工业机器人、六维力传感器、装配件、装配体。其中六维力传感器安装在机器人法兰盘与装配件之间，所述装配体位于机器人安全工作范围之内，并与装配件可通过插销连接。
见图1，具体步骤如下：
步骤S1、选择当前装配模式；
装配模式的选择主要分为有轨约束、自由拖拽与无轨约束三种模式。首先在有轨约束模式下，机器人可从初始姿态自动依据既定轨迹运动至装配空间，期间操作员可施加拖拽行为使其暂时偏离既定轨迹以执行其他任务或躲避障碍，但当拖拽结束，机器人能自动修正位移，回到设定的轨迹上继续运动。在自由拖拽模式中，机器人可在操作员施加力作用下，依据操作者意图在装配空间中自由实现变导纳柔顺运动，直至其被拖拽至装配点附近。无轨约束模式主要用于装配过程，用于抵抗弹性势能对机器人装配的影响，以改善装配时工件反复弹跳现象。
上述装配模式下应用的导纳控制模型均基于如下定导纳控制模型变化得到。
Figure 206388DEST_PATH_IMAGE001
……………………………… (1)
其中
Figure 235524DEST_PATH_IMAGE002
为相互作用力，即操作者的施加力，
Figure 476012DEST_PATH_IMAGE003
为虚拟质量，
Figure 98754DEST_PATH_IMAGE004
为虚拟阻尼，
Figure 777997DEST_PATH_IMAGE005
为虚拟刚度，
Figure 537006DEST_PATH_IMAGE006
、
Figure 948396DEST_PATH_IMAGE007
、
Figure 917489DEST_PATH_IMAGE008
分别表示机器人末端的加速度，速度与位置，
Figure 774324DEST_PATH_IMAGE009
、
Figure 512473DEST_PATH_IMAGE010
、
Figure 360343DEST_PATH_IMAGE011
分别表示期望的运动加速度，速度与位置。
步骤S2、在机器人初始运动阶段，选择当前装配模式为有轨约束模式；
有轨约束模式下应用的导纳控制模型，期望加速度
Figure 692099DEST_PATH_IMAGE009
与期望速度
Figure 713144DEST_PATH_IMAGE010
可设为零，则该情况下机器人的导纳控制模型可写成：
Figure 446745DEST_PATH_IMAGE012
……………………………………………… (2)
其中，
Figure 262254DEST_PATH_IMAGE013
表示有轨约束模式下的有效虚拟质量，
Figure 143623DEST_PATH_IMAGE014
表示有轨约束模式下的有效虚拟阻尼，
Figure 578146DEST_PATH_IMAGE015
表示有轨约束模式下的有效虚拟刚度，此三个系数可依据具体情况选择采用定导纳控制方法或变导纳控制方法。
Figure 556467DEST_PATH_IMAGE011
可用于设置期望轨迹。
参考力位双环控制策略控制原理，将位置偏差量
Figure 916778DEST_PATH_IMAGE016
转换成力矩修正量，则式
Figure 551022DEST_PATH_IMAGE074
可表示为
Figure 320395DEST_PATH_IMAGE017
……………………………………………………… (3)
其中
Figure 90905DEST_PATH_IMAGE018
为结合力矩修正量与操作者施加力的导纳力。当操作者不施力时，为使机器人沿既定轨迹运动，该力值也不为零，且会随着速度
Figure 248217DEST_PATH_IMAGE007
与加速度
Figure 41860DEST_PATH_IMAGE006
的变化而变化。
步骤S3、机器人进入装配空间运动时，选择当前装配模式为自由拖拽模式；
步骤S4、对人类操作意图进行逻辑识别并分类；
一方面，由于本系统装配过程是一个不重复的过程，通过重复性任务进行导纳系数控制不可取；另一方面，对于重载工业机器人进行大部件装配时，如果通过机器人运动速度快慢来控制系数，由于系统惯性较大，不仅需要在运动初期施加更大的力，停止机器人时也会较慢，会造成安全隐患。因此为了实现通过较小的力移动机器人以及快速停止机器人，利用人类操作意图来改变导纳系数更加适宜。
一般，操作员对机器人移动的意图分为两种：第一种是使机器人从静止到运动及加速度与速度同向的加速意图，此时为了更快的移动机器人，应减少虚拟质量和虚拟阻尼；第二种是使机器人从运动到静止及加速度与速度反向的减速意图，此时为了更快的减速机器人，应增加虚拟质量和虚拟阻尼。
特殊情况下，当操作员想反向移动机器人时，可分为机器人先减速到静止状态，再从静止状态往反方向加速两个阶段。根据一般情况的讨论，这两个阶段导纳系数的变化其实是自相矛盾的，因为前者需要减小导纳系数，而后者需要增大导纳系数。因此，本系统将反向意图视为减速和加速的结合，不单独分类，但对状态突变时的系数变化进行定义以保证平滑与系统稳定。
还有一种特殊情况是机器人处于静止状态，此时加速度和速度为零，可将人类意图视为静止。然而，由于重载机器人大部件装配系统本身惯性较大，惯性成为其拖拽过程不可忽视的影响因素，若不对运动惯性进行控制，系统的拖拽柔顺性、稳定性、安全性均难以保证。因此，对于重载机器人大部件装配过程而言，需单独考虑一种停止状态，用来描述操作员不施加力给机器人后机器人逐渐停止的过程，即克服惯性的过程。
根据上述分析，从一维角度考虑，可以把人类意图分为加速、减速、停止、静止四种情况，其判断逻辑如图2所示，可表述为
1）若
Figure 942820DEST_PATH_IMAGE019
且
Figure 505520DEST_PATH_IMAGE020
，则人类意图是加速。
2）若
Figure 36995DEST_PATH_IMAGE021
，则人类意图是静止。
3）剩余情况，若
Figure 176990DEST_PATH_IMAGE022
，则人类意图是减速；若
Figure 255542DEST_PATH_IMAGE023
，则人类意图是停止。
其中
Figure 797382DEST_PATH_IMAGE024
为上一采样时刻的机器人末端速度，
Figure 499758DEST_PATH_IMAGE025
为上一采样时刻的机器人末端加速度，
Figure 2415DEST_PATH_IMAGE002
为操作员施加的拖拽力。
步骤S5、根据步骤S4中的分类，顺应操作平滑度要求，优化定导纳控制模型，得到变导纳控制模型；
该变导纳控制模型同时适用于自由拖拽模式与无轨约束模式。由于过程中无轨迹约束，虚拟刚度
Figure 245178DEST_PATH_IMAGE005
以及期望加速度
Figure 48048DEST_PATH_IMAGE009
，期望速度
Figure 718064DEST_PATH_IMAGE010
，期望位置
Figure 442438DEST_PATH_IMAGE011
均可设为零，则机器人的变导纳控制模型可写为：
Figure 692153DEST_PATH_IMAGE026
………………………………………………………… (4)
其中，
Figure 208585DEST_PATH_IMAGE027
表示有效虚拟质量，
Figure 688983DEST_PATH_IMAGE028
表示有效虚拟阻尼。
通过引入步骤S4中人类操作意图识别，结合系统对拖拽平滑度的要求，对导纳系数进行分类设置。静止操作意图一般出现在机器人开始运动前与停止运动后，导纳系数设置为：
Figure 25286DEST_PATH_IMAGE029
………………………………………………………………… (5)
其中
Figure 813114DEST_PATH_IMAGE030
代表虚拟阻尼的默认值，
Figure 59419DEST_PATH_IMAGE031
代表虚拟质量的默认值。
加速操作意图时，导纳系数设置为：
Figure 336816DEST_PATH_IMAGE032
……………………………………………(6)
其中
Figure 301361DEST_PATH_IMAGE033
用来控制虚拟阻尼的变化速率；
Figure 627300DEST_PATH_IMAGE034
为设置的虚拟阻尼理想变化区域边缘最小值，通过限制虚拟阻尼值的大小间接约束惯性，防止机器人在具有较大移动速度时仍加速较快，导致系统的不稳定与安全事故的发生；r表示当前时刻有效虚拟阻尼与默认虚拟阻尼之比，即
Figure 118324DEST_PATH_IMAGE035
；
Figure 176410DEST_PATH_IMAGE036
为可调节方程用以抑制系统惯性，使其在反向加速过程更快响应，具体形式在步骤S6中叙述。
减速操作意图与加速操作意图的导纳系数设置在基本形式上相差不大，其导纳系数设置为：
Figure 752885DEST_PATH_IMAGE037
…………………………………………… (7)
其中
Figure 53154DEST_PATH_IMAGE038
用来控制虚拟阻尼的变化速率；
Figure 601947DEST_PATH_IMAGE039
为设置的虚拟阻尼理想变化区域边缘最大值；
Figure 955568DEST_PATH_IMAGE040
为可调节方程，具体形式在步骤S6中叙述。
停止操作意图相较于减速操作意图的区别在于，当操作者不施加力时，希望机器人更快停下，防止其因大负载工件惯性较大而移动较远的距离。停止操作意图的导纳系数设置为：
Figure 894705DEST_PATH_IMAGE041
…………………………………………………………(8)
其中
Figure 624764DEST_PATH_IMAGE042
为选定虚拟质量（
Figure 700167DEST_PATH_IMAGE043
）。由此得到变导纳控制模型。
步骤S6、考虑导纳系数对控制的影响，通过实验标定方法确定步骤S5所建模型中各参数值；
由于导纳系数对控制的影响为：当虚拟阻尼c越小，机器人运动速度越快；虚拟质量m与虚拟阻尼c的比值
Figure 427952DEST_PATH_IMAGE044
越小，机器人的运动更灵活；在改变导纳系数的同时，应使其比值
Figure 713440DEST_PATH_IMAGE044
在合理范围内，否则会导致机器人在运动过程中发生抖动。对此需绘制实验标定图如图3所示，以确定系统取值的合理范围，设计的实验标定方案如下：
1）建立六组坐标轴，分别对应机器人末端运动的X,Y,Z,A,B,C轴，横轴设置为虚拟阻尼c，纵轴设置为虚拟质量与虚拟阻尼的比值
Figure 388135DEST_PATH_IMAGE044
。
2）以机器人X轴标定为例（见图3），先选取虚拟阻尼值为a1，后由大到小选取
Figure 442678DEST_PATH_IMAGE044
的值，带入定导纳控制方程，关闭机器人其他轴向运动，找到外力拖拽X轴方向时使机器人发生临界抖动的横纵坐标值，记录下第一点。
3）选取虚拟阻尼值为a2（a2＞a1），重复步骤2后面的过程，记录下第二点。
4）重复上述步骤记录≥10个点，将各点相连成线，记为标定线，即完成机器人X轴实验标定。其余Y,Z,A,B,C轴标定同理。
5）实验标定图中，标定线下方阴影区域为抖动区域，标定线上方区域为稳定区。且基于导纳系数对控制效果的影响知，当操作者施加相同的力，选定的导纳系数越靠近纵轴，机器人的运动速度更快；越靠近横轴，则机器人的运动更灵活。
在获得机器人六轴实验标定图后，变导纳控制模型中各系数选取规则如下：
1）对有效虚拟阻尼
Figure 512003DEST_PATH_IMAGE028
中的
Figure 488050DEST_PATH_IMAGE033
和
Figure 559911DEST_PATH_IMAGE038
进行粗略估计：
Figure 609906DEST_PATH_IMAGE076
……………………………………………………………(9)
其中
Figure 476231DEST_PATH_IMAGE077
与
Figure 346098DEST_PATH_IMAGE078
是在实验标定图中设置的虚拟阻尼理想变化区域的最小值与最大值，选取原则为兼顾机器人响应速度与运动速度情况下使稳定区面积越大越好，其作用已在步骤S2中进行说明。
Figure 487230DEST_PATH_IMAGE079
为根据实验具体需求设定的最大加速度，可配合
Figure 860573DEST_PATH_IMAGE077
与
Figure 428958DEST_PATH_IMAGE078
的应用，限制机器人移动加速度不超过
Figure 284656DEST_PATH_IMAGE079
的值以保障加速阶段的安全，直接抑制系统惯性；也可考虑拖拽柔顺性，不限制机器人移动加速度，仅通过
Figure 901582DEST_PATH_IMAGE077
与
Figure 785225DEST_PATH_IMAGE080
间接抑制系统惯性。
2）在实验标定图中，存在当虚拟阻尼小于一定值时抖动区域面积会急速变大的情况，选择该临界值为
Figure 134297DEST_PATH_IMAGE081
，用以确定[
Figure 368970DEST_PATH_IMAGE077
,
Figure 461691DEST_PATH_IMAGE078
]范围的边界，并选择
Figure 199840DEST_PATH_IMAGE082
，近而为约束导纳系数值一直处在稳定区域提供基准。
3）在标定图中抖动区域面积变化较平缓的区段内，选择较靠近纵轴的虚拟阻尼值为默认值
Figure 47710DEST_PATH_IMAGE083
，
Figure 379465DEST_PATH_IMAGE084
。
4）由变导纳系数的定义公式可知，在机器人加速阶段，虚拟质量
Figure 400511DEST_PATH_IMAGE085
与虚拟阻尼
Figure 656084DEST_PATH_IMAGE086
的比值（
Figure 940435DEST_PATH_IMAGE087
）始终随着虚拟阻尼
Figure 759486DEST_PATH_IMAGE086
的减小而从
Figure 584223DEST_PATH_IMAGE088
值处增加，体现在图3的实验标定图中为纵坐标随横坐标的减小而增大。因此，为在获得较优控制效果的前提下更简便直观地限制导纳系数值只在稳定区域变化，在
Figure 172330DEST_PATH_IMAGE081
所在横轴位置画竖线，与标定线相交于Q点，过Q点做纵轴的垂线，与
Figure 158741DEST_PATH_IMAGE083
所在横轴位置竖线相交于O点，选择O点为默认点，即默认点坐标为（
Figure 527405DEST_PATH_IMAGE083
，
Figure 500041DEST_PATH_IMAGE088
），由此得虚拟质量的默认值
Figure 598447DEST_PATH_IMAGE089
。
5）标记标定线在
Figure 129660DEST_PATH_IMAGE083
时的纵坐标值为
Figure 782358DEST_PATH_IMAGE090
，选择该纵坐标值偏上的坐标点（
Figure 886580DEST_PATH_IMAGE083
，
Figure 449280DEST_PATH_IMAGE091
），确定
Figure 777493DEST_PATH_IMAGE092
值。
6）
Figure 792853DEST_PATH_IMAGE036
的设置用以在不降低操作舒适感同时平滑过渡反向加速过程，并通过限制加速度起到抑制系统惯性的作用，其具体表达形式为
Figure 497504DEST_PATH_IMAGE093
…………………………………………………………… (10)
其中
Figure 914710DEST_PATH_IMAGE057
是放大系数，用以调节加速度变化对导纳系数的影响，依据经验选取。
7）
Figure 617087DEST_PATH_IMAGE040
是为了在保持函数连续性的前提下，使机器人在减速阶段获得更低的虚拟质量以得到更大的负加速度，其具体表达形式为
Figure 244377DEST_PATH_IMAGE094
…………………………………………………(11)
其中
Figure 861041DEST_PATH_IMAGE095
是用于调整稳态虚拟质量与虚拟阻尼比的参数，需大于图3中
Figure 522967DEST_PATH_IMAGE096
的值。
Figure 68349DEST_PATH_IMAGE061
是用于调整比率变化平滑度的参数，依据经验选取。
步骤S7、将步骤S6中各参数值带入步骤S5的变导纳控制模型得到变导纳控制方程，分析变导纳控制特性；
步骤S8、对力传感器信号值进行重力补偿后，获得施加外力值，输入至步骤S7中变导纳控制方程，得到机器人末端理论运动信息，包括位移值、速度值与加速度值；
该过程经变导纳控制方程推导，基于操作员施加的外力值，机器人末端理论运动信息可获得，
Figure DEST_PATH_IMAGE097
Figure 917356DEST_PATH_IMAGE098
Figure DEST_PATH_IMAGE099
其中
Figure 370334DEST_PATH_IMAGE100
为机器人末端理论位移值。后文提及的不同装配模式对机器人末端运动信息处理的讨论主要以自由拖拽模式与无轨约束模式为例展开，也可同理应用于有轨约束模式。
步骤S9、根据自由拖拽模式的设置，得到机器人末端实际运动信息，包括位移值、速度值与加速度值；
自由拖拽模式对机器人末端运动信息的处理，源于移动机器人所需外力与执行精细移动能力之间存在的互斥关系，单纯依靠变导纳系数的变化满足不了快速切换精细移动能力的要求，因此引入切换系数p，使
Figure DEST_PATH_IMAGE101
……………………………………………………………(12)
其中
Figure 293291DEST_PATH_IMAGE100
为机器人末端理论位移值，
Figure 337470DEST_PATH_IMAGE102
为机器人末端实际位移值。通过调节切换系数p可快速选择是使机器人通过较小的力大范围移动装配件或是使机器人进行微小姿态修正。
步骤S10、当机器人在装配点附近准备装配时，选择当前装配模式为无轨约束模式；
步骤S11、重复步骤S4-S8，根据无轨约束模式的设置，得到机器人末端实际运动信息，包括位移值、速度值与加速度值；
无轨约束模式的处理是在自由拖拽模式处理基础上，对机器人末端理论速度进行消耗，即无轨约束空间也存在切换系数p。由于装配件与装配体接触时，系统的动能与弹性势能会不断相互转化，而动能
Figure 313254DEST_PATH_IMAGE103
，消耗机器人速度便能间接的消耗接触产生的弹性势能，因此引入消耗系数
Figure 897819DEST_PATH_IMAGE066
，使
Figure 409703DEST_PATH_IMAGE104
……………………………………………………………… (13)
其中
Figure 421522DEST_PATH_IMAGE105
用以调整消耗动能的程度，改善装配时工件因接触力发生反复弹跳的现象。
步骤S12、根据机器人的安全工作空间，建立虚限位壁限制拖拽范围；
建立的虚限位壁如图4所示，可分为内壁与外壁两个部分，其功能设置为当机器人运动未超出设置的虚拟内壁范围时，机器人拖拽正常。当超出设置的内壁范围而不超出外壁范围时，机器人越向外壁方向移动，所需拖拽力越大；而向内壁方向移动时，拖拽正常。若超出设置的外壁范围，机器人无论受多大力，均停止运动，直到位姿锁定解除。
因此在内壁范围内，不对机器人运动做限制。当超出内壁范围时，限制设计为：
Figure 386066DEST_PATH_IMAGE106
………………………………………………(14)
其中
Figure 508743DEST_PATH_IMAGE107
为限制机器人运动后的机器人相对位移值，
Figure 937451DEST_PATH_IMAGE108
为机器人末端当前时刻位姿，
Figure 261116DEST_PATH_IMAGE109
为设置的内壁中心位置，
Figure 837591DEST_PATH_IMAGE110
为设置的内壁边缘位置，h为比例系数，可根据期望效果设置。
当超出外壁范围时，设置
Figure 137860DEST_PATH_IMAGE107
恒等于0，此时机器人无论受多大力，均不发生位移即机器人运动锁定。且仅当解除锁定开关开启时，操作员可在一定时间内将机器人推回围墙内。若操作时间超过设定的时间或错误操作使机器人继续朝围墙外运动均会再次触发锁定。
步骤S13、拖拽过程中时刻监测机器人当前时刻位姿信息，以判断是否超出虚限位壁范围。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。

Claims (10)

1.基于操作意图识别的变导纳辅助大部件装配方法，其特征在于包括如下步骤：
步骤S1、选择当前装配模式；
步骤S2、在机器人初始运动阶段，选择当前装配模式为有轨约束模式；
步骤S3、机器人进入装配空间运动时，选择当前装配模式为自由拖拽模式；
步骤S4、对人类操作意图进行逻辑识别并分类；
步骤S5、根据步骤S4中的分类，顺应操作平滑度要求，优化定导纳控制模型，得到变导纳控制模型；
步骤S6、考虑导纳系数对控制的影响，通过实验标定方法确定步骤S5所建模型中各参数值；
步骤S7、将步骤S6中各参数值带入步骤S5的变导纳控制模型得到变导纳控制方程，分析变导纳控制特性；
步骤S8、对力传感器信号值进行重力补偿后，获得施加外力值，输入至步骤S7中变导纳控制方程，得到机器人末端理论运动信息，包括理论位移值、理论速度值与理论加速度值；
步骤S9、根据自由拖拽模式的设置，得到自由拖拽模式下的机器人末端实际运动信息，包括实际位移值、实际速度值与实际加速度值；
步骤S10、当机器人在装配点附近准备装配时，选择当前装配模式为无轨约束模式；
步骤S11、重复步骤S4-S8，根据无轨约束模式的设置，得到无轨约束模式下的机器人末端实际运动信息，包括实际位移值、实际速度值与实际加速度值；
步骤S12、根据机器人的安全工作空间，建立虚限位壁来限制拖拽范围；
步骤S13、拖拽过程中时刻监测机器人当前时刻位姿信息，以判断是否超出虚限位壁范围。
2.根据权利要求1所述的基于操作意图识别的变导纳辅助大部件装配方法，其特征在于，步骤S1中装配模式包括有轨约束、自由拖拽、以及无轨约束；
上述装配模式下应用的导纳控制模型均基于如下定导纳控制模型变化得到：
Figure DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE004
为操作者施加的拖拽力，
Figure DEST_PATH_IMAGE006
为虚拟质量，
Figure DEST_PATH_IMAGE008
为虚拟阻尼，
Figure DEST_PATH_IMAGE010
为虚拟刚度，
Figure DEST_PATH_IMAGE012
分别表示机器人末端的加速度，速度与位置，
Figure DEST_PATH_IMAGE014
分别表示期望的运动加速度、速度、位置。
3.根据权利要求1所述的基于操作意图识别的变导纳辅助大部件装配方法，其特征在于，步骤S2中在有轨约束模式下，期望加速度
Figure DEST_PATH_IMAGE016
与期望速度
Figure DEST_PATH_IMAGE018
为零，此情况下机器人的导纳控制模型表达式如下：
Figure DEST_PATH_IMAGE020
式中，
Figure DEST_PATH_IMAGE022
表示有轨约束模式下的有效虚拟质量，
Figure DEST_PATH_IMAGE024
表示有轨约束模式下的有效虚拟阻尼，
Figure DEST_PATH_IMAGE026
表示有轨约束模式下的有效虚拟刚度，此三个系数依据具体情况选择采用定导纳控制方法或变导纳控制方法；
将位置偏差量
Figure DEST_PATH_IMAGE028
转变为力矩修正量，此时导纳控制模型表达式如下：
Figure DEST_PATH_IMAGE030
式中，
Figure DEST_PATH_IMAGE032
为结合力矩修正量与操作者施加力的导纳力，其余各符号含义同上。
4.根据权利要求1所述的基于操作意图识别的变导纳辅助大部件装配方法，其特征在于，步骤S4对人类操作意图进行逻辑识别并分类的判断逻辑包括：
若
Figure DEST_PATH_IMAGE034
且
Figure DEST_PATH_IMAGE036
，则人类意图是加速；
若
Figure DEST_PATH_IMAGE038
，则人类意图是静止；
剩余情况，若
Figure DEST_PATH_IMAGE040
，则人类意图是减速；若
Figure DEST_PATH_IMAGE042
，则人类意图是停止；
其中
Figure DEST_PATH_IMAGE044
为上一采样时刻的机器人末端速度，
Figure DEST_PATH_IMAGE046
为上一采样时刻的机器人末端加速度，
Figure 28744DEST_PATH_IMAGE004
为操作员施加的拖拽力。
5.根据权利要求1所述的基于操作意图识别的变导纳辅助大部件装配方法，其特征在于，步骤S5中所述变导纳控制模型表达式如下：
Figure DEST_PATH_IMAGE048
式中，
Figure DEST_PATH_IMAGE050
表示有效虚拟质量，
Figure DEST_PATH_IMAGE052
表示有效虚拟阻尼；
通过引入步骤S4中人类操作意图识别，结合系统对拖拽平滑度的要求，对导纳系数进行分类设置；
静止操作意图时，导纳系数设置如下：
Figure DEST_PATH_IMAGE054
式中，
Figure DEST_PATH_IMAGE056
表示虚拟阻尼的默认值，
Figure DEST_PATH_IMAGE058
表示虚拟质量的默认值；
加速操作意图时，导纳系数设置如下：
Figure DEST_PATH_IMAGE060
式中，
Figure DEST_PATH_IMAGE062
用来控制虚拟阻尼的变化速率；
Figure DEST_PATH_IMAGE064
为设置的虚拟阻尼理想变化区域边缘最小值，r表示当前时刻有效虚拟阻尼与默认虚拟阻尼之比，即
Figure DEST_PATH_IMAGE066
；
Figure DEST_PATH_IMAGE068
为可调节方程；
减速操作意图时，导纳系数设置如下：
Figure DEST_PATH_IMAGE070
式中，
Figure DEST_PATH_IMAGE072
用来控制虚拟阻尼的变化速率；
Figure DEST_PATH_IMAGE074
为设置的虚拟阻尼理想变化区域边缘最大值；
Figure DEST_PATH_IMAGE076
为可调节方程；
停止操作意图时，导纳系数设置如下：
Figure DEST_PATH_IMAGE078
式中，
Figure DEST_PATH_IMAGE080
为选定虚拟质量、且
Figure DEST_PATH_IMAGE082
。
6.根据权利要求1所述的基于操作意图识别的变导纳辅助大部件装配方法，其特征在于，在步骤S6中实验标定的过程进一步包括：
步骤S6-1、建立六组坐标轴，分别对应机器人末端运动的X、Y、Z、A、B、C轴，横轴设置为虚拟阻尼c，纵轴设置为虚拟质量与虚拟阻尼的比值
Figure DEST_PATH_IMAGE084
；
步骤S6-2、标定机器人X轴，选取虚拟阻尼值为a1，后由大到小选取
Figure 807869DEST_PATH_IMAGE084
的值，带入定导纳控制方程，关闭机器人除X轴以外的其它轴向运动，找到外力拖拽X轴方向时使机器人发生临界抖动的横纵坐标值，记录下第一点；
步骤S6-3、选取虚拟阻尼值为a2，a2＞a1，重复步骤S6-2的过程，记录下第二点；
步骤S6-4、重复步骤S6-1至步骤S6-3，记录至少10个点，将各点相连成线，记为标定线，即完成机器人X轴实验标定；
步骤S6-5、重复步骤S6-2至步骤S6-4，完成其余Y、Z、A、B、C轴的标定过程。
7.根据权利要求1所述的基于操作意图识别的变导纳辅助大部件装配方法，其特征在于，步骤S6中获得机器人六轴实验标定图后，变导纳控制模型中各系数选取规则如下：
对有效虚拟阻尼
Figure 118764DEST_PATH_IMAGE052
中的
Figure 310711DEST_PATH_IMAGE062
和
Figure 656242DEST_PATH_IMAGE072
进行计算：
Figure DEST_PATH_IMAGE086
式中，
Figure 822912DEST_PATH_IMAGE064
与
Figure 621104DEST_PATH_IMAGE074
是在实验标定图中设置的虚拟阻尼理想变化区域的最小值与最大值；
Figure DEST_PATH_IMAGE088
为根据实验具体需求设定的最大加速度，配合
Figure 131588DEST_PATH_IMAGE064
与
Figure 534888DEST_PATH_IMAGE074
的应用，限制机器人移动加速度不超过
Figure 59410DEST_PATH_IMAGE088
的值以保障加速阶段的安全，直接抑制系统惯性；
在实验标定图中，存在当虚拟阻尼小于预定值时抖动区域面积会急速变大的情况，选择该临界值为
Figure DEST_PATH_IMAGE090
，用以确定
Figure DEST_PATH_IMAGE092
范围的边界，并选择
Figure DEST_PATH_IMAGE094
，进而为约束导纳系数值一直处在稳定区域提供基准；
在标定图中抖动区域面积变化较平缓的区段内，选择较靠近纵轴的虚拟阻尼值为默认值
Figure 220264DEST_PATH_IMAGE056
，
Figure DEST_PATH_IMAGE096
；
在
Figure 268861DEST_PATH_IMAGE090
所在横轴位置画竖线，与标定线相交于Q点，过Q点做纵轴的垂线，与
Figure 588983DEST_PATH_IMAGE056
所在横轴位置竖线相交于O点，选择O点为默认点，即默认点坐标为
Figure DEST_PATH_IMAGE098
，由此得虚拟质量的默认值
Figure 831877DEST_PATH_IMAGE058
；
标记标定线在
Figure 807923DEST_PATH_IMAGE056
时的纵坐标值为
Figure DEST_PATH_IMAGE100
，选择该纵坐标值偏上的坐标点
Figure DEST_PATH_IMAGE102
，确定
Figure 942101DEST_PATH_IMAGE080
值。
8.根据权利要求1所述的基于操作意图识别的变导纳辅助大部件装配方法，其特征在于，步骤S12中建立的虚限位壁分为内壁与外壁；
内壁范围内，不对机器人运动做限制；
当超出内壁范围时，限制设计为：
Figure DEST_PATH_IMAGE104
其中
Figure DEST_PATH_IMAGE106
为限制机器人运动后的机器人相对位移值，
Figure DEST_PATH_IMAGE108
为机器人末端当前时刻位姿，
Figure DEST_PATH_IMAGE110
为设置的内壁中心位置，
Figure DEST_PATH_IMAGE112
为设置的内壁边缘位置，h为比例系数，根据期望效果设置；
当超出外壁范围时，设置
Figure 569261DEST_PATH_IMAGE106
恒等于0，此时机器人无论受多大力，均不发生位移；且仅当解除锁定开关开启时，操作员在预定时间内将机器人推回围墙内，超出预定时间则再次触发锁定。
9.基于操作意图识别的变导纳辅助大部件装配系统，其特征在于，包括：
处理器以及存储有计算机程序指令的存储器；
所述处理器读取并执行所述计算机程序指令，以实现如权利要求1-8任意一项所述的变导纳辅助大部件装配方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-8任意一项所述的变导纳辅助大部件装配方法。
CN202111118004.6A 2021-09-24 2021-09-24 基于操作意图识别的变导纳辅助大部件装配方法及系统 Active CN113568313B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111118004.6A CN113568313B (zh) 2021-09-24 2021-09-24 基于操作意图识别的变导纳辅助大部件装配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111118004.6A CN113568313B (zh) 2021-09-24 2021-09-24 基于操作意图识别的变导纳辅助大部件装配方法及系统

Publications (2)

Publication Number Publication Date
CN113568313A true CN113568313A (zh) 2021-10-29
CN113568313B CN113568313B (zh) 2021-12-17

Family

ID=78174204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111118004.6A Active CN113568313B (zh) 2021-09-24 2021-09-24 基于操作意图识别的变导纳辅助大部件装配方法及系统

Country Status (1)

Country Link
CN (1) CN113568313B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114434444A (zh) * 2022-01-27 2022-05-06 南京航空航天大学 一种重载工业机器人辅助装配安全空间的规划方法
CN114750152A (zh) * 2022-04-02 2022-07-15 南京航空航天大学 一种用于变刚度外骨骼的志愿柔顺辅助控制方法
CN114770511A (zh) * 2022-05-09 2022-07-22 上海傅利叶智能科技有限公司 基于物理触觉的机器人控制方法、装置及机器人
CN114932557A (zh) * 2022-06-24 2022-08-23 合肥工业大学 一种运动学约束下基于能量消耗的自适应导纳控制方法
CN115946129A (zh) * 2023-03-10 2023-04-11 珞石（北京）科技有限公司 一种用于操作大惯性物体的机器人变导纳控制方法
CN116619393A (zh) * 2023-07-24 2023-08-22 杭州键嘉医疗科技股份有限公司 基于svm的机械臂变导纳控制方法、装置及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103496633A (zh) * 2012-03-21 2014-01-08 通用汽车环球科技运作有限责任公司 推断让机器人系统运动的操作者的意图的方法
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
CN107053179A (zh) * 2017-04-21 2017-08-18 哈尔滨思哲睿智能医疗设备有限公司 一种基于模糊强化学习的机械臂柔顺力控制方法
CN108227506A (zh) * 2018-02-08 2018-06-29 常州普旺科技有限公司 一种基于自适应最优化方法的机器人导纳控制系统
CN109910005A (zh) * 2019-03-04 2019-06-21 上海电气集团股份有限公司 用于机器人的变导纳控制方法以及系统
CN111390877A (zh) * 2020-04-23 2020-07-10 电子科技大学 一种外骨骼装置及外骨骼变导纳控制方法
JP2020113214A (ja) * 2019-01-16 2020-07-27 国立大学法人広島大学 制御装置
CN111515951A (zh) * 2020-04-29 2020-08-11 江苏集萃华科智能装备科技有限公司 机器人的遥操作系统及遥操作控制方法
CN111660306A (zh) * 2020-05-27 2020-09-15 华中科技大学 一种基于操作者舒适度的机器人可变导纳控制方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103496633A (zh) * 2012-03-21 2014-01-08 通用汽车环球科技运作有限责任公司 推断让机器人系统运动的操作者的意图的方法
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
CN107053179A (zh) * 2017-04-21 2017-08-18 哈尔滨思哲睿智能医疗设备有限公司 一种基于模糊强化学习的机械臂柔顺力控制方法
CN108227506A (zh) * 2018-02-08 2018-06-29 常州普旺科技有限公司 一种基于自适应最优化方法的机器人导纳控制系统
JP2020113214A (ja) * 2019-01-16 2020-07-27 国立大学法人広島大学 制御装置
CN109910005A (zh) * 2019-03-04 2019-06-21 上海电气集团股份有限公司 用于机器人的变导纳控制方法以及系统
CN111390877A (zh) * 2020-04-23 2020-07-10 电子科技大学 一种外骨骼装置及外骨骼变导纳控制方法
CN111515951A (zh) * 2020-04-29 2020-08-11 江苏集萃华科智能装备科技有限公司 机器人的遥操作系统及遥操作控制方法
CN111660306A (zh) * 2020-05-27 2020-09-15 华中科技大学 一种基于操作者舒适度的机器人可变导纳控制方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SEULJUNG: "Admittance Force Tracking Control for Position-Controlled Robot Manipulators Under Unknown Environment", 《2020 20TH INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND SYSTEMS》 *
周朝政: "基于力传感器的机器人变导纳控制人机交互策略", 《江西师范大学学报(自然科学版)》 *
王飞: "机器人手臂运动轨迹跟踪变导纳控制仿真", 《计算机仿真》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114434444A (zh) * 2022-01-27 2022-05-06 南京航空航天大学 一种重载工业机器人辅助装配安全空间的规划方法
CN114434444B (zh) * 2022-01-27 2023-08-08 南京航空航天大学 一种重载工业机器人辅助装配安全空间的规划方法
CN114750152A (zh) * 2022-04-02 2022-07-15 南京航空航天大学 一种用于变刚度外骨骼的志愿柔顺辅助控制方法
CN114750152B (zh) * 2022-04-02 2023-09-05 南京航空航天大学 一种用于变刚度外骨骼的志愿柔顺辅助控制方法
CN114770511A (zh) * 2022-05-09 2022-07-22 上海傅利叶智能科技有限公司 基于物理触觉的机器人控制方法、装置及机器人
CN114770511B (zh) * 2022-05-09 2023-06-23 上海傅利叶智能科技有限公司 基于物理触觉的机器人控制方法、装置及机器人
CN114932557A (zh) * 2022-06-24 2022-08-23 合肥工业大学 一种运动学约束下基于能量消耗的自适应导纳控制方法
CN114932557B (zh) * 2022-06-24 2023-07-28 合肥工业大学 一种运动学约束下基于能量消耗的自适应导纳控制方法
CN115946129A (zh) * 2023-03-10 2023-04-11 珞石（北京）科技有限公司 一种用于操作大惯性物体的机器人变导纳控制方法
CN115946129B (zh) * 2023-03-10 2023-05-09 珞石（北京）科技有限公司 一种用于操作大惯性物体的机器人变导纳控制方法
CN116619393A (zh) * 2023-07-24 2023-08-22 杭州键嘉医疗科技股份有限公司 基于svm的机械臂变导纳控制方法、装置及设备
CN116619393B (zh) * 2023-07-24 2023-11-14 杭州键嘉医疗科技股份有限公司 基于svm的机械臂变导纳控制方法、装置及设备

Also Published As

Publication number Publication date
CN113568313B (zh) 2021-12-17

Similar Documents

Publication Publication Date Title
CN113568313B (zh) 基于操作意图识别的变导纳辅助大部件装配方法及系统
CN111660306B (zh) 一种基于操作者舒适度的机器人可变导纳控制方法及系统
Lecours et al. Variable admittance control of a four-degree-of-freedom intelligent assist device
KR102350703B1 (ko) 스티어 휠 동역학에 기초한 견인 속도 복구
EP2042278B1 (en) Robot controller for halting a robot based on the speed of a robot hand portion
CN112809667B (zh) 工业机器人的力控制方法、装置及其应用
CN113126623B (zh) 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法
CN111098309A (zh) 一种机械臂混杂控制方法、装置及系统
US11400975B2 (en) High speed straight ahead tiller desensitization
Allenspach et al. Human-state-aware controller for a tethered aerial robot guiding a human by physical interaction
CN115723137A (zh) 一种基于平面恒定力的柔顺任务控制方法
Ficuciello et al. Impedance control of redundant manipulators for safe human-robot collaboration
Tseng et al. Multiobjective PID control design in uncertain robotic systems using neural network elimination scheme
US20220144272A1 (en) Braking and driving force control device
CN117192977A (zh) 一种基于改进交叉耦合的双轴同步控制方法及系统
WO2022247615A1 (zh) 降低机器人对安装平台作用力的方法、装置及存储介质
Winkler et al. Explicit and implicit force control of an industrial manipulator—An experimental summary
CN112305916B (zh) 基于势垒函数的移动机器人自适应控制方法及系统
CN113602102A (zh) 一种电动汽车主动防抖控制方法及系统
JP2000099105A (ja) 負荷機械の制御方法
CN111376242B (zh) 基于模式控制的机器人拖动示教方法和系统
Chi et al. Research on Ackerman Driverless Vehicle Control Strategy Based on IMU Steering Calibration and Inverted Parabolic Speed Control
JP7483177B1 (ja) 制御装置、ロボットシステム、および制御方法
Zhang et al. Path-following control of remotely operated vehicle based on improved hybrid fuzzy PID control
JP2008253132A (ja) サーボモータおよび多関節ロボットの異常負荷検出制御方法

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
GR01 Patent grant
GR01 Patent grant