CN113601508A - 一种机器人运动控制方法、系统及机器人 - Google Patents

Abstract

本发明涉及一种机器人运动控制方法、系统及机器人，包括以下步骤：获取机器人末端在目标轨迹的当前点在机器人基坐标系下的实际坐标信息；根据当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的扰动观测模型得到扰动估计值；根据扰动估计值、当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的滑模控制器模型得到目标点的控制坐标信息；接收获得的目标点的控制坐标信息，控制机器人动作，使得机器人末端移动至目标点，本发明的方法能够实现机器人更高的定位精度和更强的鲁棒性。

Description

一种机器人运动控制方法、系统及机器人

技术领域

本发明涉及机器人技术领域，具体涉及一种机器人运动控制方法、系统及机器人。

背景技术

这里的陈述仅提供与本发明相关的背景技术，而不必然地构成现有技术。

工业机器人操作空间大，灵活性高，在航空航天大型构件的加工上有广阔的应用前景，但其绝对定位精度较低，误差甚至达到毫米级，严重限制了工业机器人在高精度加工中的应用。目前提升工业机器人绝对定位精度的方法主要有以下三类：

(1)建立精确的机器人运动学模型并标定运动学参数。

(2)由数据求得绝对位置误差与机器人关节角度的对应关系并建立补偿模型。

(3)在线测量机器人绝对位置并根据实测误差实时补偿。

发明人发现，第(1)类方法只能一定程度上修正由基座不对中、部件制造和安装不精确等因素导致的几何误差，但不能补偿来源于齿轮齿隙和外部负载变化的非几何误差。第(2)类方法对机器人的几何和非几何误差均可做出补偿，但较好的补偿效果需要以大量的训练数据为基础。且该方法是通用性较差的离线补偿，补偿模型仅适用于提供训练数据的特定工况，任务改变时需重新训练模型。第(3)类方法可在无先验模型的情况下同时补偿机器人的几何误差和非几何误差，对不同工况的适应性强，补偿效果通常优于前两类方法。但是，目前这类方法大多使用简单的PID算法计算误差补偿量，响应速度慢且对扰动的抵抗能力弱，在负载突变等情况下容易出现较大的误差。因此，现有的各类绝对定位精度提升方法不能在工况复杂的实际加工任务中满足工业机器人对高绝对定位精度的需要。

发明内容

本发明的目的是为克服上述现有技术的不足，提供一种机器人运动控制方法，可同时提升机器人的几何与非几何定位误差且不易受到外界扰动的影响，能解决工业机器人绝对定位精度低、对扰动抵抗能力弱的问题。

为实现上述目的，本发明采用如下技术方案：

本发明的实施例提供了一种机器人运动控制方法，包括以下步骤：

接收检测信息，并基于所述检测信息确定机器人末端的当前点在机器人基坐标系下的实际坐标信息；

根据当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的扰动观测模型得到扰动估计值；

根据扰动估计值、当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的滑模控制器模型得到目标点的控制坐标信息；

根据获得的目标点的控制坐标信息，控制机器人的运动。

可选的，接收检测装置采集的当前点在检测装置坐标系下的坐标信息，然后对当前点在检测装置坐标系下的坐标信息进行转换，得到当前点在机器人基坐标系下的坐标信息。

可选的，利用罗德里格矩阵得到检测装置坐标系与机器人基坐标系之间的转换矩阵，利用转换矩阵得到当前点在机器人基坐标系下的坐标信息。

可选的，接收至少三组机器人设定位姿下的机器末端在检测装置坐标系和机器人基坐标系下的坐标信息，利用罗德里格矩阵获得旋转矩阵和平移算子，通过旋转矩阵和平移算子获得转换矩阵。

可选的，所述滑模控制模型中的系统状态矩阵参数和增益矩阵参数利用系统辨识的方法获得。

可选的，在设定机器人运动控制参数及开环状态下接受沿机器人基座系三个方向的斜坡信号，并记录响应，然后进行二级系统辨识，获得系统状态矩阵和增益矩阵。

可选的，根据扰动观测模型得到滑动曲面，根据滑动曲面得到滑模面动态模型，根据滑模面动态模型得到滑模控制器模型。

第二方面，本发明的实施例提供了一种机器人运动控制系统，包括：

当前点坐标获取模块：用于接收检测信息，并基于所述检测信息确定机器人末端的当前点在机器人基坐标系下的实际坐标信息；

扰动估计值获取模块：用于根据当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的扰动观测模型得到扰动估计值；

控制坐标获取模块：用于根据扰动估计值、当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的滑模控制模型得到目标点的控制坐标信息；

运动控制模块：用于根据获得的目标点的控制坐标信息，控制机器人的运动。

可选的，所述当前点坐标获取模块包括接收模块和转换模块，所述接收模块用于检测装置采集的当前点在检测装置坐标系下的坐标信息，所述转换模块用于将接收到的当前点在检测装置坐标系下的坐标信息转换为在机器人基坐标系下的坐标信息。

第三方面，本发明的实施例提供了一种机器人，包括：

处理器，

存储器，所述存储器包括一组指令，所述一组指令在由所述处理器执行时使所述机器人执行如权利要求1-7任一项所述的方法。

上述本发明的有益效果如下：

1.本发明的方法，设计了扰动观测模型和滑模控制模型，它们共同作用可准确估计机器人所受的扰动，并尽可能抑制扰动造成的影响，这是基于PID控制的在线补偿算法无法实现的，可提升在线补偿过程中机器人对于扰动的抵抗能力，获得更高的绝对定位精度，在航空航天大型构件的机器人加工方面具有很大的应用潜力。

2.本发明的方法，使用了一种基于罗德里格矩阵的坐标测量和转换方法，减少了坐标转换过程中参数的数量，有利于激光跟踪仪测量原始值的高效转换。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的限定。

图1是本发明实施例1整体方法原理图；

图2是本发明实施例1机器人末端实际坐标信息测量示意图；

图3是本发明实施例1机器人控制实物图；

图4是基于PID的在线补偿方法的对比试验理想轨迹示意图；

图5是无外部扰动时实施例1方法和PID方法x方向追踪效果图；

图6是无外部扰动时实施例1方法和PID方法y方向追踪效果图；

图7是无外部扰动时实施例1方法和PID方法z方向追踪效果图；

图8是无外部扰动时实施例1方法x方向扰动观测值；

图9是无外部扰动时实施例1方法y方向扰动观测值；

图10是无外部扰动时实施例1方法z方向扰动观测值；

图11是有外部扰动时实施例1方法和PID方法x方向追踪效果图；

图12是有外部扰动时实施例1方法和PID方法y方向追踪效果图；

图13是有外部扰动时实施例1方法和PID方法z方向追踪效果图；

图14是有外部扰动时实施例1方法x方向扰动观测值；

图15是有外部扰动时实施例1方法y方向扰动观测值；

图16是有外部扰动时实施例1方法z方向扰动观测值；

具体实施方式

实施例1

本实施例公开了一种机器人运动控制方法，所述机器人的机械臂末端法兰安装有反射靶球(SMR)，如图1所示，包括以下步骤：

步骤1：获取机器人末端在目标轨迹的当前点在机器人基坐标系下的坐标信息。

具体的，接收检测装置采集的当前点在检测装置坐标系下的坐标信息，然后对当前点在检测装置坐标系下的坐标信息进行转换，得到当前点在机器人基坐标系下的坐标信息。

本实施例中，所述检测装置采用激光跟踪仪，所述激光跟踪仪能够追踪安装于机器人机械臂末端法兰的反射靶球。

如图2所示，所述激光跟踪仪采集到的机械臂末端反射靶球安装点Ps即目标轨迹上当前点在激光跟踪仪坐标系O_L-x_Ly_Lz_L下的坐标信息为

P_LS＝(p_sx，p_sy，p_sz)^T。

采用罗德里格矩阵求解激光跟踪仪坐标系与机器人基坐标系O_B-xyz之间的转换矩阵，利用转换矩阵将当前点在激光跟踪仪坐标系下的坐标转换为在机器人基坐标系下的实际坐标信息。

当前点在机器人基坐标系下的实际坐标信息为P_BR＝(p_rx，p_ry，p_rz)^T。

由SMR安装点与末端法兰中心点、激光跟踪仪坐标系与机器人基座标系都相对固定的性质可知，对任意机器人末端位置，P_LS与P_BR都有唯一对应的值。可建立坐标转换方程将激光跟踪仪的测量值转换到机器人基坐标系：

式中，P_BL＝(x₁，y₁，z₁)^T，

为由激光跟踪仪测量结果P_LS转换得到的基坐标系下机器人末端法兰中心点坐标，

为待求的转换矩阵，

和

分别为转换矩阵中的旋转矩阵和平移算子。本实施例利用罗德里格矩阵求解转换矩阵

陡需计算3个未知参数即可完成求解，具有很高的计算效率和转换精度，其具体过程如下：

首先驱动机器人在空间内运动，记录n组机器人位姿下的P_LS和P_BR坐标，n≥3。将旋转矩阵

表示为如下所示的罗德里格矩阵形式：

定义Θ＝[a，b，c]^T，将n组机器人位姿下的P_LS和P_BR坐标带入下式，通过最小二乘法求得未知参数Θ：

Θ＝(Φ^TΦ)^-1Φ^TL (3)

式中，

上式中对有不同坐标轴下标的pⁱ¹均定义为pⁱ¹＝pⁱ-p¹，其中pⁱ代表第i组机器人末端位置下的坐标分量值，i＝2，…，n。参数λ为尺度参数：

通过式(3)-(6)获得旋转矩阵

后，可由下式求得平移算子Δl：

通过旋转矩阵

和平移算子Δl即可完全确定转换矩阵

将

带入式(1) 即可实时且快速的将激光跟踪仪的原始测量结果转换为机器人基坐标系下的末端法兰中心点即当前点的坐标。

步骤2：根据当前点在机器人基坐标系下的实际坐标信息、理想坐标信息及预先设置的扰动观测模型得到扰动估计值。

步骤3：根据扰动估计值、当前点在机器人基坐标系下的实际坐标信息、理想坐标信息及预先设置的滑模控制器模型得到目标点的控制坐标信息。

以下对扰动观测模型和滑模控制器模型的建立进行详细说明：

机器人位置控制模型建立方法为：

本实施例的机器人位置控制模型设计以工业机器人的位置环控制为基础，其中机器人的真实动力学模型往往被封装，无需访问机器人底层控制器；且机器人的加工过程多为低速运动，除奇点外各方运动的耦合性较弱，奇点又可以通过合理的路径规划来规避，故可将机器人末端的运动模型分解并简化为三个独立但结构相同的带扰动二阶动态系统，分别代表机器人末端沿机器人基坐标系中x、y、 z坐标轴的运动。建立包含扰动项的工业机器人的位置控制模型如下：

式中，x＝(x₁，x₂)^T，y＝(y₁，y₂)^T，z＝(z₁，z₂)^T为系统的状态，分别代表机械臂末端中心点沿x、y、z方向的位移和速度，其中x₁，y₁，z₁就是步骤1中由激光跟踪仪测量结果转换得到的机器人坐标系下法兰末端中心点即当前点P_BL的坐标值，x₂，y₂，z₂是 x₁，y₁，z₁对时间的微分。A_k、B_k和D_k分别代表系统状态矩阵，输入增益矩阵和扰动矩阵，定义为：

式中，k＝x，y，z。在位置控制模型(8)中，系统状态矩阵A_k和输入增益矩阵B_k的各参数通过系统辨识获得。扰动矩阵D_k包含的扰动有外部扰动以及系统参数变动所引起的模型不精确，由扰动观测模型观测获得。本实施例的方法假设系统所受的扰动及其前两阶导数连续且有界，即|d^jd_ki/dt^j|≤μ_kij，其中μ_ij为扰动界限，i＝1，2， j＝0，1，2。

由(8)式可得机器人位置控制模型沿机器人基座标系各坐标轴的动态为：

式中，k＝x，y，z，a_k＝(a_k1，a_k2)^T为机器人沿各坐标轴方向运动的系统参数，b_k和u_k分别为对应方向的输入增益与输入，d_k1和d_k2为该方向运动所受的扰动。为便于说明，定义x_d＝(x_1d，x_2d)^T为系统状态x的期望值，x_1d，x_2d连续有界且x_1d始终处于机器人系统的工作空间内。同时定义

为控制误差，其中

为机器人末端轨迹的跟随误差，

为机器人末端速度与理想速度的差值。类似的，y_d、z_d、

分别为系统状态y、z的期望值和控制误差。

机器人位置控制模型中的系统状态矩阵A_k和输入增益矩阵B_k未知，采用如下方式辨识：设置机器人的运动控制参数为指定值，在开环状态下通过位置控制系统分别向工业机器人输入沿机器人坐标系x、y、z轴方向的斜坡信号，记录其响应并使用MATLAB系统辨识工具箱进行二阶系统辨识，获得系统参数。

预先建立的扰动观测模型的建立方法：

本实施例中，在机器人位置控制模型基础上设计二阶扰动观测模型。

基于机器人位置控制模型设计的扰动观测模型为：

式中，r_i1和r_i2为辅助变量，定义为：

式中

和

分别是扰动d_i和

的估计量，s_ij是观测模型参数，i＝1，2，j＝1，2， k＝x，y，z。

式(10)-式(15)共同构成本实施例中的二阶扰动观测模型部分，此观测模型可基于步骤2中构建的机器人位置控制模型观测机器人在运动过程中收到的扰动。

证明扰动观测模型的稳定性：

定义观测误差为

其中，

分别对应观测器对外部扰动d_ki和

的观测误差。因机器人各运动方向扰动观测器的结构相同，故在此仅证明沿机器人坐标系x轴方向观测器的稳定性，其他方向观测器稳定性的证明完全相同不再赘述。为简化表述此处的证明中将省略方向下标k。

将式(10)对时间t求导并带入式(9)和式(12)可得

对公式(11)求导，结合式(9)和式(13)，得：

同理有：

由式(17)-(20)可知观测误差

动态对于不同的下标i具有相同的形式，统一表示为：

式中，i＝1，2。状态矩阵S_i具有两个参数s_i1和s_i2，因此，总是存在适当的参数 s_i1和s_i2，使得S_i的所有特征值都位于复平面的左半平面使观测器稳定。在此基础上，构造李雅普诺夫函数：

式中，i＝1，2，P_i为给定的正定矩阵，因S_i的所有特征值都位于左半平面，故存在正定矩阵Q_i使得：

定义矩阵Q_i的最小特征值为λ_i ，将V_i对时间t求导并引入式(21)，得到李雅普诺夫函数V_i(23)的动态为：

式中，i＝1，2，定义l_1i＝2||P_iT_i||μ_i2/λ_i ，由上式可知，当

时，

因此该观测器的识别误差

最终有界，将收敛到以0为中心，l_1i为半径的圆内，增大λ_i 可任意减小界限l_1i。再令l_1max＝max{l₁₁，l₁₂}。经过足够长的时间后，对于任意的i，

均成立。至此本实施例中设计的扰动观测模型的稳定性得到证明。

预先建立的滑模控制模型的建立方法为：根据扰动观测模型得到滑动曲面，根据滑动曲面得到滑模面动态模型，根据滑模面动态模型得到具有强鲁棒性的滑模控制器模型以补偿观测得到的扰动。

所述滑动曲面为：

式中，ρ_k为速度/位移误差控制系数，k＝x，y，z。对上式求导并带入式(9)，得到滑模面的动态模型为：

则滑模控制器为：

式中，K₁＞0，K₂＞0为控制增益，k＝x，y，z，饱和函数sat(σ_k)定义为：

式中，ε＞0为控制器参数，k＝x，y，z。通过将滑模控制器中常用的sgn函数替换为饱和函数sat，可以有效的消除滑模控制器产生的颤振。

证明滑模控制器的稳定性：

因机器人各运动方向滑模控制器的结构相同，故在此仅证明沿机器人坐标系x 轴方向控制器的稳定性，其他方向稳定性的证明完全相同不再赘述。为简化表述此处的证明中将省略方向下标k。

首先证明滑模面的稳定性。将式(28)带入式(27)并结合式(11)和式(17)得到：

将上式两侧同乘σ，可得：

定义l₂＝[l_1max(s₁₁+ρ-K₂)]/K₁，由上式可知当|σ|＞l₂时，

因此经过足够长时间后σ将收敛至以l₂为界的0的邻域内，即σ最终有界，|σ|≤l₂，此界限可通过增大K₁来减小。

在此基础上研究系统输出的稳定性。将式(9)带入式(26)并化简可得：

上式两侧同乘

结合

和σ最终有界可得：

因此，跟随误差

也最终有界。定义l₃＝(l_1max+l₂)/ρ，经足够长的时间后

因期望轨迹x_1d有界，故机器人系统在x轴方向的输出

也最终有界，输出将收敛在期望轨迹附近的小邻域内。可见，通过建立的滑模控制器，机器人系统的输出可实现渐进稳定性。

步骤4：接收获得的目标点的控制坐标信息，控制机器人执行机构动作，使得机器人末端移动至目标点。

当机器人移动至目标点后，目标点作为当前点，采用步骤1-步骤4的方法，控制机器人末端移动至下一个目标点，直至机器人末端移动至目标轨迹的末端。

本实施例方法的一个实际应用中，所述机器人控制方法包括以下具体步骤：

步骤1：按图2所示的测量方案摆放工业机器人、激光跟踪仪以及反射靶球。其中，激光跟踪仪追踪安装于机械臂末端法兰的反射靶球(SMR)，P_LS＝(p_sx，p_sy，p_sz)^T为激光跟踪仪测量到的SMR安装点P_S在激光跟踪仪坐标系O_L-x_Ly_Lz_L中的位置， P_BR＝(p_rx，p_ry，p_rz)^T为工业机器人内部传感器测得的末端法兰中心点在机器人基座标系O_B-xyz中的位置。按照此测量方案搭建的实际测量系统如图3所示。

因机器人控制算法的坐标值是相对于机器人基座标系，但激光跟踪仪的测量结果是相对于激光跟踪仪坐标系，故必须转换原始测量结果，统一坐标系。由SMR 安装点与末端法兰中心点、激光跟踪仪坐标系与机器人基座标系都相对固定的性质可知，对任意机器人末端位置，P_LS与P_BR都有唯一对应的值，故可建立坐标转换方程将激光跟踪仪的测量值转换到机器人基座标系：

式中，

为由激光跟踪仪测量结果P_LS转换得到的基座标系下机器人末端法兰中心点坐标，

为待求的转换矩阵，

和

分别为转换矩阵中的旋转矩阵和平移算子。本方法利用罗德里格矩阵求解转换矩阵

仅需计算3个未知参数即可完成求解，具有很高的计算效率和转换精度，其具体过程如下：

首先驱动机器人依次移动到以默认位姿状态(本实例中机器人的默认位姿状态各关节角为{0°，0°，-90°，0°，10°，0°})为中心，边长200mm的立方体的8个顶点上，记录各顶点位置。随后将旋转矩阵

表示为如下所示的罗德里格矩阵形式：

定义Θ＝[a，b，c]^T。将测量得到的8组机器人位姿下的P_LS和P_BR坐标带入下式，可通过最小二乘法求得未知参数Θ：

Θ＝(Φ^TΦ)^-1Φ^TL (3)

式中，

上式中对有不同坐标轴下标的pⁱ¹均定义为pⁱ¹＝pⁱ-p¹，其中pⁱ代表测量的8组坐标值中第i组机器人末端位置的坐标分量值，i＝2，3，…，8。参数λ为尺度参数：

通过式(3)-(6)获得旋转矩阵

后，可由下式求得平移算子Δl：

此时已完全确定旋转矩阵

和平移算子Δl，且可进一步得到转换矩阵

将

带入式(1)即可实时且快速的将激光跟踪仪的原始测量结果转换为机器人基座标系下的末端法兰中心点坐标，为系统中的扰动观测器和滑模控制器提供准确的末端位置数据。

步骤2：根据当前点在机器人基坐标系下的实际坐标信息、理想坐标信息及预先设置的扰动观测模型得到扰动估计值。

步骤3：根据扰动估计值、当前点在机器人基坐标系下的实际坐标信息、理想坐标信息及预先设置的滑模控制器模型得到目标点的控制坐标信息。

建立包含扰动项的机器人位置控制模型。工业机器人的位置控制系统中，真实动力学模型往往被封装，无需访问机器人底层控制器；且机器人的加工过程多为低速运动，除奇点外各方运动的耦合性较弱，奇点又可以通过合理的路径规划来规避，故可将机器人末端的运动模型分解并简化为三个独立但结构相同的带扰动二阶动态系统，分别代表机器人末端沿机器人基座标系中x、y、z坐标轴的运动。建立包含扰动项的工业机器人的位置控制模型如下：

式中，x＝(x₁，x₂)^T，y＝(y₁，y₂)^T，z＝(z₁，z₂)^T为系统的状态，分别代表机械臂末端中心点沿x、y、z方向的位移和速度，其中x₁，y₁，z₁就是步骤1中由激光跟踪仪测量结果转换得到的机器人坐标系下法兰末端中心点P_BL的坐标值，x₂，y₂，z₂是x₁，y₁，z₁对时间的微分。A_k、B_k和D_k分别代表系统状态矩阵，输入增益矩阵和扰动矩阵，定义为：

式中，k＝x，y，z。在位置控制模型(8)中，扰动矩阵D_k包含的扰动有外部扰动以及系统参数变动所引起的模型不精确。在本文中假设系统所受的扰动及其前两阶导数连续且有界，即为|d^jd_ki/dt^j|≤μ_kij，其中μ_ij为扰动界限，i＝1，2，j＝0，1，2。系统状态矩阵A_k和输入矩阵B_k的参数通过系统辨识获得，在本实施示例中辨识的具体方法为设置机器人控制器的运动加速度为50mm/s^2，在开环状态下通过位置控制系统分别向工业机器人输入沿机器人坐标系x、y、z轴方向斜率为5mm/s的斜坡信号，记录其响应并使用MATLAB系统辨识工具箱进行二阶系统辨识，获得系统参数如下：

注意到此模型中对应机器人坐标系x，y，z坐标轴方向的运动模型结构相同，因此各方向的观测器和控制器结构也相同。由(8)式可得机器人位置控制模型沿机器人基座标系各坐标轴的动态为：

式中，k＝x，y，z，k＝x，y，z，a_k＝(a_k1，a_k2)^T为机器人沿各坐标轴方向运动的系统参数，b_k和u_k分别为对应方向的输入增益与输入，d_k1和d_k2为该方向运动所受的扰动。为便于说明，定义x_d＝(x_1d，x_2d)^T为系统状态x的期望值， x_1d，x_2d连续有界且x_1d始终处于机器人系统的工作空间内。同时定义

为控制误差，其中

为机器人末端轨迹的跟随误差，

为机器人末端速度与理想速度的差值。类似的，y_d、z_d、

分别为系统状态y、z的期望值和控制误差。设计二阶扰动观测器估计机器人受到的扰动。首先设计扰动观测器如下：

式中，r_i1和r_i2为辅助变量，定义为：

式中

和

分别是扰动d_i和

的估计量，s_ij是观测模型参数，i＝1，2，j＝1，2， k＝x，y，z，k＝x，y，z。在本实例中，给定s₁₁＝s₂₁＝25，s₁₂＝s₂₂＝10。

设计具有强鲁棒性的滑模控制器以补偿观测到的扰动。根据扰动观测模型定义滑动曲面：

式中，ρ为速度/位移误差控制系数，k＝x，y，z。在本实例中，给定ρ＝5。对上式求导并带入式(9)，得到滑模面的动态为：

定义滑模控制器的控制律为：

式中，k＝x，y，z，k＝x，y，z，K₁＞0，K₂＞0为控制增益，在本实例中，给定K₁＝10，K₂＝5。饱和函数sat(σ_k)定义为：

式中，ε＞0为控制器参数，k＝x，y，z，在本实例中，ε＝0.5。

步骤4：接收获得的目标点的控制坐标信息，控制机器人动作，使得机器人末端移动至目标点。在本实际应用中，机器人上位机和激光跟踪仪上位机均运行 Linux实时操作系统，扰动观测模型和滑模控制模型通过C语言编写实时运行于机器人上位机。系统中，激光跟踪仪与激光跟踪仪上位机、激光跟踪仪上位机与机器人上位机均通过UDP-Socket实时交换数据，机器人上位机依托工业机器人的开发控制框架C5Gopen将控制指令写入机器人控制器驱动机器人运动。本示例中闭环控制频率为1000Hz，可满足实时控制的需要。至此基于扰动观测模型的工业机器人高精度闭环鲁棒控制系统构建完成。

为验证本实施例提出的方法相对于传统精度补偿的优势，本实例方法还与传统机器人精度补偿中效果最好的基于PID的在线补偿方法进行对比。其中，基于 PID的在线补偿方法中控制器参数为k_p＝5，k_d＝0.1，k_i＝2，分别代表追踪误差的比例、微分和积分项增益。本实例的对比实验中，机器人初始姿态的各关节角度为{0°，0°，-90°，0°，10°，0°}，测试轨迹为沿轴机器人基座标系x轴平移80mm，加减速过程采用型加减速曲线，如图4所示。

为便于表述，后续的对比中将本发明建立的基于扰动观测器的工业机器人高精度闭环鲁棒控制系统简称为DOBC(Disturbance Observer Based Control)，将基于PID控制的工业机器人精度在线补偿方法简称为PID。

首先进行无外部扰动的对比实验，在此实验中闭环控制系统所受的扰动主要来自于机器人绝对定位误差。PID和DOBC在无外部扰动的条件下对于给定轨迹的追踪控制效果如图5-图7所示。由图5可知，在运动的主要方向x，DOBC的控制效果明显好于PID。尤其是在加速阶段的0-4s和减速阶段的16-20s，DOBC追踪误差的最大值明显小于PID，同时误差的收敛速度也更快。由图6-图7可知，对于理想位移为0的y方向和z方向，DOBC的跟踪误差略小于PID控制器，且位移抖动更小。

图8-图10所示为DOBC各扰动观测值，系统中的扰动观测器会对干扰进行估计，完成扰动观测值的更新。因此，机器人动力学参数变动导致的系统参数矩阵不准确的影响被削弱。反观PID，受限于机器人较低的控制带宽，难以设置很大的增益k_d，因此只有在误差已经被放大时控制器才能有较强的补偿作用，难以实现良好的轨迹追踪效果。

之后进行有外部扰动的对比试验。此实验的目标轨迹和初始姿态与无扰动时相同，在机器人运行至第10s时向末端法兰中心点施加沿轴负方向的200N载荷作为外部扰动并一直持续至实验结束。PID和DOBC的控制效果如图7所示。

由图11-13可知，在第10s外部扰动加入的瞬间，PID各方向的误差都迅速增大，相比之下DOBC仅在直接受到外部扰动作用的向出现较大追踪误差，且误差最大值、收敛速度及后续震荡明显优于PID，因此DOBC相对于PID具有更强的鲁棒性，可以实现本发明的预期效果。同时，对比图6和图12，可以发现两种控制方法在无外部扰动时控制效果接近，但在扰动作用下会出现巨大的差异，进一步验证了DOBC的鲁棒性。

图14-16为有外部扰动时DOBC各扰动观测器的观测值，由图14-16可知，在 10s外部扰动加入时，观测器的观测值都发生了突变，其中对应方向扰动的图16 变化最为显著。对比图10和图16，扰动值的整体变化趋势基本相同，区别只在于图16在10s-10.5s的时间段内发生了剧烈的改变，而后基本稳定。由此可以推断，观测器在0.5s内完成了对于扰动值的观测和收敛，并将观测值应用于滑模控制器，有效抑制了外界扰动。

由本实施实例可知，本实施例提供的方法可被成功应用到工业机器人的实际控制中，具有很强的实用性。本实施示例中的对比试验也进一步说明，相对于现有技术，本实施例的方法在控制系统鲁棒性、工业机器人绝对定位精度等方面均具有显著优势，能实现发明所期望的有益效果。

实施例2：

本实施例公开了一种机器人运动控制系统，包括：

当前点坐标获取模块：用于执行步骤1所述的操作，接收检测信息，并基于所述检测信息确定机器人末端的当前点在机器人基坐标系下的实际坐标信息；

扰动估计值获取模块：用于执行步骤2所述的操作，根据当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的扰动观测模型得到扰动估计值；

控制坐标获取模块：用于执行步骤3所述的操作，根据扰动估计值、当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的滑模控制模型得到目标点的控制坐标信息；

运动控制模块：用于执行步骤4所述的操作，根据获得的目标点的控制坐标信息，控制机器人的运动。

在一些实施例中，所述当前点坐标获取模块包括接收模块和转换模块，所述接收模块用于检测装置采集的当前点在检测装置坐标系下的坐标信息，所述转换模块用于将接收到的当前点在检测装置坐标系下的坐标信息转换为在机器人基坐标系下的坐标信息。

实施例3：

本实施例公开了一种机器人，所述机器人包括：

处理器，

存储器，所述存储器包括一组指令，所述一组指令在由所述处理器执行时使所述机器人执行实施例1所述的方法。

所述机器人末端安装有反射靶球，激光跟踪仪能够通过反射靶球追踪机器人末端的坐标信息。

其中，所述处理器用于执行程序指令。所述存储器在机器人中可以以不同形式的程序储存单元以及数据储存单元存在，例如硬盘、只读存储器(ROM)、随机存取存储器(RAM)，其能够用于存储处理器处理和/或执行目标跟踪过程中使用的各种数据文件，以及处理器所执行的可能的程序指令。虽然未在图中示出，但机器人还可以包括一个输入/输出组件，支持机器人与其他组件之间的输入/输出数据流。机器人也可以通过通信端口从网络发送和接收信息及数据。

处理器、存储器呈现为单独的模块，本领域技术人员可以理解，上述设备模块可以被实现为单独的硬件设备，也可以被集成为一个或多个硬件设备。只要能够实现本公开描述的原理，不同的硬件设备的具体实现方式不应作为限制本公开保护范围的因素。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种机器人运动控制方法，其特征在于，包括以下步骤：

接收检测信息，并基于所述检测信息确定机器人末端的当前点在机器人基坐标系下的实际坐标信息；

根据当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的扰动观测模型得到扰动估计值；

根据扰动估计值、当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的滑模控制器模型得到目标点的控制坐标信息；

根据获得的目标点的控制坐标信息，控制机器人的运动。

2.如权利要求1所述的一种机器人运动控制方法，其特征在于，接收检测装置采集的当前点在检测装置坐标系下的坐标信息，然后对当前点在检测装置坐标系下的坐标信息进行转换，得到当前点在机器人基坐标系下的坐标信息。

3.如权利要求2所述的一种机器人运动控制方法，其特征在于，利用罗德里格矩阵得到检测装置坐标系与机器人基坐标系之间的转换矩阵，利用转换矩阵得到当前点在机器人基坐标系下的坐标信息。

4.如权利要求3所述的一种机器人运动控制方法，其特征在于，接收至少三组机器人设定位姿下的机器末端在检测装置坐标系和机器人基坐标系下的坐标信息，利用罗德里格矩阵获得旋转矩阵和平移算子，通过旋转矩阵和平移算子获得转换矩阵。

5.如权利要求1所述的一种机器人运动控制方法，其特征在于，所述滑模控制模型中的系统状态矩阵参数和增益矩阵参数利用系统辨识的方法获得。

6.如权利要求5所述的一种机器人运动控制方法，其特征在于，在设定机器人运动控制参数及开环状态下接受沿机器人基座系三个方向的斜坡信号，并记录响应，然后进行二级系统辨识，获得系统状态矩阵和增益矩阵。

7.如权利要求1所述的一种机器人运动控制方法，其特征在于，根据扰动观测模型得到滑动曲面，根据滑动曲面得到滑模面动态模型，根据滑模面动态模型得到滑模控制器模型。

8.一种机器人运动控制系统，其特征在于，包括：

当前点坐标获取模块：用于接收检测信息，并基于所述检测信息确定机器人末端的当前点在机器人基坐标系下的实际坐标信息；

扰动估计值获取模块：用于根据当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的扰动观测模型得到扰动估计值；

控制坐标获取模块：用于根据扰动估计值、当前点在机器人基坐标系下的实际坐标信息、预先设定的理想坐标信息及预先设置的滑模控制模型得到目标点的控制坐标信息；

运动控制模块：用于根据获得的目标点的控制坐标信息，控制机器人的运动。

9.如权利要求8所述的一种机器人运动控制系统，其特征在于，所述当前点坐标获取模块包括接收模块和转换模块，所述接收模块用于检测装置采集的当前点在检测装置坐标系下的坐标信息，所述转换模块用于将接收到的当前点在检测装置坐标系下的坐标信息转换为在机器人基坐标系下的坐标信息。

10.一种机器人，包括：

处理器，

存储器，所述存储器包括一组指令，其特征在于，所述一组指令在由所述处理器执行时使所述机器人执行如权利要求1-7任一项所述的方法。

Images