CN113618717B - 人体上肢技能动作感测学习装置及方法 - Google Patents

人体上肢技能动作感测学习装置及方法 Download PDF

Info

Publication number
CN113618717B
CN113618717B CN202111044414.0A CN202111044414A CN113618717B CN 113618717 B CN113618717 B CN 113618717B CN 202111044414 A CN202111044414 A CN 202111044414A CN 113618717 B CN113618717 B CN 113618717B
Authority
CN
China
Prior art keywords
skill
connecting rod
module
angle sensor
upper limb
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
CN202111044414.0A
Other languages
English (en)
Other versions
CN113618717A (zh
Inventor
张恩政
李子文
陈本永
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.)
Zhejiang Sci Tech University ZSTU
Original Assignee
Zhejiang Sci Tech University ZSTU
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 Zhejiang Sci Tech University ZSTU filed Critical Zhejiang Sci Tech University ZSTU
Priority to CN202111044414.0A priority Critical patent/CN113618717B/zh
Publication of CN113618717A publication Critical patent/CN113618717A/zh
Application granted granted Critical
Publication of CN113618717B publication Critical patent/CN113618717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/0081—Programme-controlled manipulators with master teach-in means
    • 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
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • 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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • 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
    • B25J9/1671—Programme controls characterised by programming, planning systems for manipulators characterised by simulation, either to verify existing program or to create and verify new program, CAD/CAM oriented, graphic oriented programming systems
    • 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
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种人体上肢技能动作感测学习装置及方法。包括人体上肢技能感测模块、工业机器人、机器人控制器、数据采集处理模块、技能学习模块；人体上肢技能感测模块包括肩关节检测模块、上臂臂长适应模块、肘关节检测模块、前臂旋转检测模块、前臂臂长适应模块、腕关节检测模块；由穿戴可实时感测手臂动作的人体上肢技能感测模块实时采集手臂动作，经数据采集处理模块处理并经机器人控制器来遥操作工业机器人进行技能示教，通过人体上肢技能感测模块和机器人控制器获取到的数据进行技能学习。本发明通过遥操作的方式进行工业机器人的技能示教和技能学习，示教过程直接可观、技能学习效率高，适应智能制造等领域机器人技能学习和泛化的发展需求。

Description

人体上肢技能动作感测学习装置及方法
技术领域
本发明涉及人体运动感知技术领域的一种肢体动作控制装置及方法，特别涉及工业机器人遥操作技能学习领域的一种人体上肢技能动作感测学习装置及方法。
背景技术
制造业从数字制造向智能制造转型升级对工业机器人智能化提出了更高的要求，智能规划、智能控制是工业机器人智能制造系统的重要组成部分，机器人遥操作技术是机器人智能控制中的一个关键技术，同时机器人遥操作还可以为机器人技能学习提供学习数据，通过学习实现机器人的智能规划。
运动捕捉技术是工业机器人遥操作的关键技术之一。根据感知原理分类，目前的运动捕捉技术主要可以分为光学式，电磁式，机械式三种。光学式感知通过视觉传感器或其他光学设备对捕捉对象进行跟踪，其采样频率高，且对操作者的运动无影响，但后期数据处理复杂，且易受环境光线，障碍物等因素干扰。电磁式感知技术主要包括感知操作者体表生物电信号或通过MEMS传感器感知绑定点的速度加速度信息以还原操作者的运动，该方式对操作者的动作有些许影响，后期数据处理复杂，易受环境因素干扰。机械式运动感知方式对操作者动作影响较大，对感知设备的安全性要求和适应性要求较高，但后期的数据处理最为简便，还原的操作者运动最为准确。
目前机器人技能编程方法需要对技能工艺进行分析，随后通过示教盒进行编程，完成一个技能的编程需要进行多次实验、调整，且编程时无法直观的感受技能的好坏。
发明内容
为了解决工业机器人传统技能编程方法编程过程不可观，编程效率低的技术问题，本发明的目的在于提供一种人体上肢技能动作感测学习装置及方法，将工业生产中操作工人的作业技能可观高效的迁移到工业机器人上。
本发明解决其技术问题所采用的技术方案是：
一、一种人体上肢技能动作感测学习装置：
装置包括人体上肢技能感测模块、数据采集处理模块、技能学习模块、机器人控制器、工业机器人，人体上肢技能感测模块分别经数据采集处理模块、技能学习模块后和机器人控制器连接，机器人控制器和工业机器人连接；数据采集处理模块控制人体上肢技能感测模块采集人体上肢手臂运动的角度数据并转换成机器人运动的关节角数据发送给机器人控制器，机器人控制器接收数据采集处理模块的关节角数据并转发到技能学习模块，同时根据关节角数据规划并控制工业机器人进行关节空间的运动，技能学习模块从机器人控制器收集并保存数据采集处理模块的关节角数据，将关节角数据与机器人控制器控制工业机器人产生的运动插值数据并进行学习与优化，最后生成工业机器人技能模型保存到机器人控制器中。
所述人体上肢技能感测模块采用串联式结构设计，从上到下包括依次连接的肩关节检测模块、上臂臂长适应模块、肘关节检测模块、前臂旋转传动检测模块、前臂臂长适应模块和腕关节检测模块。
肩关节检测模块包括肩关节固定连杆、角度传感器一、联轴器一、肩展收-旋转连接杆、角度传感器二、联轴器二、肩旋转-屈伸连接杆、角度传感器三和联轴器三；角度传感器一固定安装在肩关节固定连杆上，人体的肩膀绑定在肩关节固定连杆上，角度传感器一的输入端经联轴器一和L形的肩展收-旋转连接杆的一端固定连接；角度传感器二固定安装在肩展收-旋转连接杆的另一端，角度传感器二的输入轴经联轴器二和L形的肩旋转-屈伸连接杆的一端固定连接；角度传感器三固定安装在肩旋转-屈伸连接杆的另一端，角度传感器三的输入轴经联轴器三和上臂臂长适应模块的条形的上臂连杆一的一端固定连接。
上臂臂长适应模块包括上臂连杆一、上臂连杆二、上臂人机接触单元，上臂连杆一另一端和上臂连杆二一端可调节长度地固定连接，上臂连杆二中部上安装有上臂人机接触单元，手臂的后臂绑定在上臂人机接触单元上。
肘关节检测模块包括角度传感器四和联轴器四，角度传感器四固定安装在上臂连杆二另一端上，角度传感器四的输入轴经联轴器四和前臂旋转传动检测模块的条形的前臂连杆一的一端固定连接。
前臂旋转传动检测模块包括前臂连杆一、角度传感器五、角度传感器安装架、齿轮齿条安装架、小齿轮、弧形齿条和齿轮齿条安装架挡板；前臂连杆一另一端固定安装角度传感器安装架和齿轮齿条安装架，角度传感器安装架上固定安装角度传感器五，角度传感器五的输入轴和小齿轮同轴连接；齿轮齿条安装架挡板与齿轮齿条安装架通过螺栓连接，弧形齿条通过微型滚轮型轴承可旋转地装夹在齿条安装架挡板与齿轮齿条安装架之间，小齿轮通过轴承钢珠可旋转地装夹在齿条安装架挡板与齿轮齿条安装架之间，弧形齿条和小齿轮相啮合，前臂臂长适应模块的前臂连杆二一端和弧形齿条固定连接。
前臂臂长适应模块包括前臂连杆二、前臂连杆三、前臂人机接触单元，前臂连杆二另一端和前臂连杆三一端可调节长度地固定连接，前臂连杆三中部上安装有前臂人机接触单元，手臂的前臂绑定在前臂人机接触单元上。
腕关节检测模块包括腕倾斜运动检测部分和腕屈伸运动检测部分；腕倾斜运动检测部分包括角度传感器六和联轴器五，角度传感器六固定安装在前臂连杆三的另一端，角度传感器六的输入轴经联轴器五和腕屈伸运动检测部分的L形的倾斜-屈伸连接杆的一端固定连接；腕屈伸运动检测部分包括腕倾斜-屈伸连接杆、角度传感器七、联轴器六和腕屈伸连接杆，角度传感器七固定安装在腕倾斜-屈伸连接杆的另一端，角度传感器七的输入轴经联轴器六和L形的腕屈伸连接杆的一端固定连接，腕屈伸连接杆的一端安装有握把，人手握持在握把上。
所述的角度传感器二的输入轴和角度传感器一的输入轴相垂直布置，角度传感器三的输入轴和角度传感器二的输入轴相垂直布置，角度传感器四的输入轴和角度传感器三的输入轴相平行布置，角度传感器五的输入轴和角度传感器四的输入轴相垂直布置，角度传感器六的输入轴和角度传感器五的输入轴相垂直布置，角度传感器七的输入轴和角度传感器六的输入轴相垂直布置。
所述的上臂连杆一和上臂连杆二之间通过设置直线排列的多个连接孔，螺栓选择性穿过其中一个连接孔将上臂连杆一和上臂连杆二之间进行长度调节连接；所述的前臂连杆二和前臂连杆三之间通过设置直线排列的多个连接孔，螺栓选择性穿过其中一个连接孔将前臂连杆二和前臂连杆三之间进行长度调节连接。
二、一种人体上肢技能感测学习方法，方法包括如下步骤：
1)根据示教者前臂与上臂的长度，通过所述上臂臂长适应模块与前臂臂长适应模块调整人体上肢技能感测模块上臂与前臂的臂长至适当的长度。
随后示教者通过上臂人机接触单元、前臂人机接触单元、腕屈伸连杆握把与人体上肢建立接触关系。
2)由示教者运动并带动人体上肢技能感测模块进行同步运动，数据采集处理模块采集示教者的运动，经机器人控制器操控工业机器人进行相应的跟随运动并实时采集工业机器人的运动数据；
3)根据数据采集处理模块采集的示教者的运动数据和机器人控制器采集的工业机器人的运动数据，在技能学习模块中开展机器人技能学习，建立机器人技能模型并存储到机器人控制器中的机器人技能库中，在机器人需要执行技能时，从机器人技能库中调出技能模型数据复现技能。
所述步骤2)具体为：
2.1)示教者通过步骤1)调整并与人体上肢技能感测模块建立接触关系后，人体上肢技能感测模块肩关节检测模块各关节的旋转轴与示教者的肩关节自由运动旋转轴同轴，肘关节检测模块的旋转轴与示教者的肘关节自由运动旋转轴同轴，前臂旋转传动检测模块额旋转轴与示教者的前臂旋转自由运动旋转轴同轴，腕关节检测模块各关节的旋转轴与示教者腕关节自由运动旋转轴同轴，以手掌掌心作为手功能中心，以握把作为人体上肢技能感测模块末端，示教者手功能中心与人体上肢技能感测模块末端相连；
2.2)通过人体上肢技能感测模块感知获得人体上肢手臂各部位和关节的运动数据，数据采集处理模块内预先存有人体上肢D-H模型，数据采集处理模块根据步骤2.1)调整后人体上肢技能感测模块的配置更新人体上肢D-H模型参数；
2.3)随后使工业机器人与人体上肢技能感测模块进入初始状态，根据工业机器人初始状态与人体上肢技能感测模块初始状态初始化学习装置，更新人体上肢技能感测模块-工业机器人位姿转换矩阵Ttrans，采取以下公式计算转换矩阵Ttrans：
Figure BDA0003250690900000041
其中，
Figure BDA0003250690900000042
为工业机器人初始状态的末端位姿矩阵，
Figure BDA0003250690900000043
为人体上肢技能感测模块初始状态的末端位姿矩阵；
2.4)随后，示教者开始演示技能，人体上肢技能感测模块跟随示教者上肢的运动，人体上肢技能感测模块的各个角度传感器实时采集关节的角度数据并传输至数据采集处理模块；
角度数据包括人体肩关节检测模块、肘关节检测模块、前臂旋转传动检测模块、腕关节检测模块的角度数据θe＝[θe1,θe2,...,θe7]，θe1,θe2,...,θe7分别表示肩关节检测模块检测的肩展收、旋转、屈伸、肘关节检测模块检测的肘屈伸运动，前臂旋转传动检测模块检测的前臂旋转运动，腕关节检测模块检测的腕倾斜、屈伸运动的角度数据，根据角度数据θe计算人体上肢D-H模型的正运动学方程
Figure BDA0003250690900000044
并通过人体上肢技能感测模块-工业机器人位姿转换矩阵Ttrans将人体上肢D-H模型正运动学方程
Figure BDA0003250690900000045
转换为工业机器人的目标位姿
Figure BDA0003250690900000046
2.5)机器人控制器应用解析逆解法对人体上肢技能感测模块转换的工业机器人的目标位姿
Figure BDA0003250690900000047
进行逆解，得到8组可行逆解θr；
先根据工业机器人关节运动范围限制进行筛选获得2-4组可行逆解，然后在人体上肢技能检测模块与工业机器人末端位姿一致的条件下进行技能相关连杆的相似性映射，通过以下公式计算得到连杆相似性约束S：
S＝Smulti+Ssin+SminΔθ
其中，Smulti为多连杆相似性约束，Ssin为单连杆相似性约束，SminΔθ为关节运动幅度约束；
对于2-4组可行逆解再应用连杆相似性约束S进行筛选，获得最优的一组解输入机器人控制器。
所述步骤2.5)中，对于工业机器人逆解的每一组可行逆解求解连杆相似性约束S，筛选连杆相似性约束S值最小的一组可行逆解作为最优，成功逆解之后，获得工业机器人末端位姿对应的关节角θR＝[θR1,θR2,...,θR6]，θR1,θR2,...,θR6表示各个工业机器人关节1、2、…、6的关节角的值，将工业机器人关节数据输入机器人控制器，由机器人控制器依据关节角数据规划并控制工业机器人运动。
对于超出工业机器人工作空间而无法逆解的目标位姿，将该目标位姿与工业机器人基坐标系的原点相连组成线段与工业机器人工作空间边界之间的交点为目标位姿点，并在没有回到工业机器人工作空间内时跟随目标位姿在工业机器人工作空间边界上运动。
所述的技能相关连杆包括人体上肢技能检测模块与工业机器人中的连杆结构对，上臂连杆结构对包括人体上肢技能检测模块上以15、16组成的一个连杆和工业机器人中的机器人第四个和第三个关节之间的连杆，前臂连杆结构对包括人体上肢技能检测模块上以前臂旋转传动检测模块、29、31组成的一个连杆和工业机器人中的第五个关节和第四个关节之间的连杆，手连杆结构对包括人体上肢技能检测模块上以34、37组成的一个连杆和工业机器人中的机器人末端和第五个关节之间的连杆。
所述的单连杆相似性约束Ssin通过计算人体上肢技能检测模块与工业机器人之间的技能相关连杆中的连杆结构对的空间向量夹角得到。
以人体上肢手功能中心至腕关节旋转中心组成的连杆与工业机器人手连杆为例，人体上肢运动感知模块的末端位置phand为人体上肢的手功能中心，通过角度数据[θe1,θe2,...,θe5]计算人体上肢技能感测模块至腕关节感测模块旋转轴交点的正运动学方程
Figure BDA0003250690900000051
θe1,θe2,...,θe5分别表示肩关节检测模块检测的肩展收、旋转、屈伸、肘关节检测模块检测的肘屈伸运动，前臂旋转传动检测模块检测的前臂旋转运动的角度数据，正运动学方程
Figure BDA0003250690900000052
的位置向量pwrist为人体上肢腕关节的旋转中心，则根据人体上肢技能检测模块中的手连杆空间向量
Figure BDA0003250690900000053
和工业机器人的手连杆空间向量为
Figure BDA0003250690900000054
按照以下公式计算得到单连杆相似性约束Ssin：
Figure BDA0003250690900000055
Figure BDA0003250690900000056
其中，θhand为人体上肢腕关节旋转中心至手功能中心的空间向量与工业机器人手连杆的空间向量之间的夹角；
当对多个连杆进行单连杆相似性约束计算时，将多个连杆进行空间向量夹角计算并加权相加：
Ssin＝λ1θhand+λ2θforearm
其中，λ1、λ2分别表示手连杆结构对权重和前臂连杆结构对权重，依据连杆对技能的重要程度设置；θforearm表示前臂连杆结构对的空间向量之间的夹角
所述的多连杆相似性约束Smulti通过计算多个连杆组成的几何图形的重叠面积获得，将工业机器人连杆端点组成的空间几何图形映射到人体上肢技能感测模块连杆端点组成的空间几何图形所在的平面上获得投影点，计算三个投影点在平面组成的平面几何图形与人体上肢技能感测模块连杆端点在平面组成的平面几何图形的重叠面积。
以手和前臂为例，手功能中心phand、腕关节旋转中心pwrist和肘关节旋转中心pelbow的三个端点组成了一个空间三角形，选择将机器人对应手连杆与前臂连杆连接形成的三个端点prhand、prwrist、prelbow组成的空间三角形映射到人体手功能中心、腕关节旋转中心、肘关节旋转中心三个端点组成的空间三角形所在的平面上，得到投影点p’rhand、p’rwrist、p’relbow，并在同一平面上计算三个投影点组成的三角形的重叠面积S1。
多连杆相似性约束Smulti根据重叠面积计算，相似程度越高，多连杆相似性约束Smulti的值越小。
多连杆相似性约束Smulti通过以下公式求得：
Figure BDA0003250690900000061
其中，S2为人体手功能中心、腕关节旋转中心、肘关节旋转中心三点组成的空间三角形在所在平面上的面积。
工业机器人与人体上肢技能检测模块末端位姿相同，手功能中心phand与手连杆的外端点prhand重合，对于拥有一个相同端点的两个三角形，其重叠部分的几何图形可以为四边形，也可以为三角形：
当重叠部分为四边形时，根据婆罗摩笈多公式通过如下公式求解重叠面积S1：
Figure BDA0003250690900000062
Figure BDA0003250690900000063
其中，a、b、c、d分别为四边形的边长，θ为四边形任一对对角和的一半。
当重叠部分为三角形时，根据海伦公式通过如下公式求解重叠面积S1：
Figure BDA0003250690900000071
其中，m、n、l分别为三角形的三边长。
所述的关节运动幅度约束SminΔθ为机器人运动幅度限制约束，通过以下公式计算：
Figure BDA0003250690900000072
Δθi＝|θi,j-θi,j-1|
其中，θi为当前逆解中第i个关节的关节值，θi,j-1为前一次数据采集处理模块输出的工业机器人角度指令中第i个关节的值，j表示数据采集处理模块输出到机器人控制器中的关节角数据的序列号；Δθi表示当前逆解中第i个关节的值与前一次数据采集处理模块输出的工业机器人角度指令中第i个关节的值的差值的绝对值；
所述步骤3)具体为：技能学习模块中，通过数据采集处理模块采集的人体上肢技能数据、转换的工业机器人末端位姿矩阵、机器人控制器接收的关节角数据以及机器人控制器规划的工业机器人运动插值数据进行技能学习，具体是以人体上肢技能数据为轨迹与姿态参考，以机器人控制器接收的关节角数据以及机器人控制器规划的工业机器人运动插值数据为速度加速度参考，学习并优化工业机器人执行技能时的末端轨迹，优化机器人技能模型的关节速度与加速度。
本发明的人体上肢技能感测模块包括肩关节检测模块，上臂臂长适应模块，肘关节检测模块，前臂旋转检测模块，前臂臂长适应模块，腕关节检测模块。由穿戴可实时感测手臂动作的人体上肢技能感测模块实时采集手臂动作，经数据数据采集处理模块处理并经机器人控制器来遥操作工业机器人进行技能示教，通过人体上肢技能感测模块和机器人控制器获取到的数据进行技能学习。
本发明通过遥操作的方式进行工业机器人的技能示教和技能学习，示教过程直接可观、技能学习效率高，适应智能制造等领域机器人技能学习和泛化的发展需求。
本发明具有的有益效果是：
(1)本发明基于人体上肢技能动作感测学习装置对工业机器人进行技能编程，相较于传统示教器编程方式，示教过程安全可观，编程效率高。
(2)本发明相对于现有的人体上肢技能感测模块，不易受到示教环境的干扰，设备结构简单，制造成本低，数据处理效率高。
(3)本发明基于末端位姿一致的前提下对任务相关的连杆采用连杆相似性约束，可以根据技能的特征选取适当的映射效果，适用性广。且对于几种无法逆解的位姿提出了解决方案，示教过程中不会出现无法逆解的情况。
(4)本发明技能学习模块的参考数据全面，可以在轨迹、速度、加速度、工业机器人姿态等角度优化技能，使机器人可以复现优化后的操作技能。
附图说明
图1所示为一种人体上肢技能动作感测学习装置结构示意图；
图2为人体上肢技能感测模块肩关节检测模块的结构放大图；
图3为人体上肢技能感测模块上臂臂长适应模块的结构放大图；
图4为人体上肢技能感测模块肘关节检测模块的结构放大图；
图5为人体上肢技能感测模块前臂旋转传动检测模块的结构放大图。
图6为人体上肢技能感测模块前臂臂长适应模块及腕关节检测模块的结构放大图；
图7为人体上肢技能感测模块腕关节检测模块侧面的结构放大图。
图中：1、人体上肢技能感测模块，2、数据采集处理模块，3、技能学习模块，4、机器人控制器，5、工业机器人，6、肩关节固定连杆，7、角度传感器一，8、联轴器一，9、肩展收-旋转连接杆，10、角度传感器二，11、联轴器二，12、肩旋转-屈伸连接杆，13、角度传感器三，14、联轴器三，15、上臂连杆一，16、上臂连杆二，17、上臂人机接触单元，18、角度传感器四，19、联轴器四，20、前臂连杆一，21、角度传感器安装架，22、角度传感器五，23、齿轮齿条安装架，24、微型滚轮轴承组，25、弧形齿条、26、小齿轮，27、齿轮齿条安装架挡板，28、轴承钢珠，29、前臂连杆二，30、前臂人机接触单元，31、前臂连杆三，32、角度传感器六，33、联轴器五，34、腕倾斜-屈伸连接杆，35、角度传感器七，36、联轴器六，37、腕屈伸连接杆。
具体实施方式
下面结合附图和实施例对本发明加以详细说明。
本发明的实施例具体如下：
具体实施的一种人体上肢技能动作感测学习装置如图1所示，包括人体上肢技能感测模块1、数据采集处理模块2、技能学习模块3、机器人控制器4、工业机器人5，人体上肢技能感测模块1分别经数据采集处理模块2、技能学习模块3后和机器人控制器4连接，机器人控制器4和工业机器人5连接；
数据采集处理模块2控制人体上肢技能感测模块1采集人体上肢手臂运动的角度数据并转换成机器人运动的关节角数据发送给机器人控制器4，机器人控制器4接收数据采集处理模块2的关节角数据并转发到技能学习模块3，同时根据关节角数据规划并控制工业机器人5进行关节空间的运动，技能学习模块3从机器人控制器4收集并保存数据采集处理模块2的关节角数据，将关节角数据与机器人控制器4控制工业机器人5产生的运动插值数据并进行学习与优化，最后生成工业机器人技能模型保存到机器人控制器4中。
人体上肢技能感测模块能准确测量使用者上肢的运动信息，数据采集处理模块能采集人体上肢技能感测模块的数据，高效还原人体上肢的运动，并根据人体上肢的运动经人体上肢-工业机器人映射方法控制机器人进行相应的跟随运动，最后通过技能学习模块学习并存储技能数据到机器人技能库中，工业机器人在工作的时候可以直接调用机器人技能库技能数据复现操作工人迁移到工业机器人上的技能数据。
人体上肢技能感测模块1采用串联式结构设计，从上到下包括依次连接的肩关节检测模块、上臂臂长适应模块、肘关节检测模块、前臂旋转传动检测模块、前臂臂长适应模块和腕关节检测模块；
如图2所示，肩关节检测模块用于检测采集肩部运动的旋转角度，包括肩关节固定连杆6、角度传感器一7、联轴器一8、肩展收-旋转连接杆9、角度传感器二10、联轴器二11、肩旋转-屈伸连接杆12、角度传感器三13和联轴器三14；
角度传感器一7固定安装在肩关节固定连杆6上，人体的肩膀绑定在肩关节固定连杆6上，角度传感器一7的输入端穿过肩关节固定连杆6经联轴器一8和L形的肩展收-旋转连接杆9的一端固定连接；肩关节固定连杆6、角度传感器一7、联轴器一8、肩展收-旋转连接杆9组成肩关节检测模块的肩展收运动检测部分。具体地，角度传感器一7通过固定槽口和肩关节固定连杆6对应的固定孔固定在肩关节固定连杆6上，联轴器一8通过轴环侧面的螺纹孔与角度传感器一7的D形转轴经锁紧螺栓绑定，肩展收-旋转连接杆9与联轴器一8通过联轴器一8轴肩上的通孔以及肩展收-旋转连接杆9的沉头孔连接，肩展收-旋转连接杆9的槽口与肩关节固定连杆6的凸出圆柱形成槽口配合，限制肩关节检测模块肩展收自由度的运动范围。
角度传感器二10固定安装在肩展收-旋转连接杆9的另一端，使得角度传感器二10的输入轴和角度传感器一7的输入轴相垂直布置，角度传感器二10的输入轴穿过肩展收-旋转连接杆9经联轴器二11和L形的肩旋转-屈伸连接杆12的一端固定连接；肩展收-旋转连接杆9、角度传感器二10、联轴器二11、肩旋转-屈伸连接杆12组成肩关节检测模块肩旋转运动检测部分。具体地，角度传感器二10通过固定槽口和肩展收-旋转连接杆9上对应的固定孔与肩展-收旋连接杆9连接，其转轴通过联轴器二11轴环侧面的锁紧螺纹孔与联轴器二11绑定，联轴器二11通过轴肩上的通孔以及肩旋转-屈伸连接杆12的沉头孔与肩旋转-屈伸连接杆12连接，肩旋转-屈伸连接杆12的槽口与肩展收-旋转连接杆9的凸出圆柱形成槽口配合，限制肩关节检测模块肩旋转运动的运动范围。
角度传感器三13固定安装在肩旋转-屈伸连接杆12的另一端，使得角度传感器三13的输入轴和角度传感器二10的输入轴相垂直布置，角度传感器三13的输入轴穿过肩旋转-屈伸连接杆12经联轴器三14和上臂臂长适应模块的条形的上臂连杆一15的一端固定连接；肩旋转-屈伸连接杆12、角度传感器三13、联轴器三14、上臂连杆一15组成肩屈伸运动检测部分。具体地，角度传感器三13通过固定槽口和和肩旋转-屈伸连接杆12对应固定孔固定在肩旋转-屈伸连接杆12上，其转轴通过联轴器三14轴环侧面的锁紧螺纹孔经锁紧螺栓与联轴器三14绑定，联轴器三14通过上臂连杆一15的沉头孔以及轴肩上的通孔与上臂连杆一15连接，上臂连杆一15的槽口与肩旋转-屈伸连接杆12的凸出圆柱形成槽口配合，限制肩关节检测模块肩屈伸运动的运动范围。
如图3所示，上臂臂长适应模块用于适应调节后臂的长度，包括上臂连杆一15、上臂连杆二16、上臂人机接触单元17，上臂连杆一15另一端和上臂连杆二16一端可调节长度地固定连接，上臂连杆二16中部上安装有上臂人机接触单元17，手臂的后臂绑定在上臂人机接触单元17上；具体地，上臂连杆一15和上臂连杆二16具有一系列对应的连接孔，选择不同组合的连接孔用螺栓连接，人体上肢技能感测模块上臂就能具有不同的臂长，上臂人机接触单元17安装在上臂连杆二16上。
如图4所示，肘关节检测模块用于检测采集肘部运动的旋转角度，包括角度传感器四18和联轴器四19，角度传感器四18固定安装在上臂连杆二16另一端上，使得角度传感器四18的输入轴和角度传感器三13的输入轴相平行布置，角度传感器四18的输入轴穿过上臂连杆二16经联轴器四19和前臂旋转传动检测模块的条形的前臂连杆一20的一端固定连接；具体地，角度传感器四18通过角度传感器上的固定槽口和上臂连杆二16对应的固定孔固定在上臂连杆二16上，其转轴通过联轴器四19轴环侧面的锁紧螺纹孔经锁紧螺栓与联轴器四19绑定，联轴器四19与前臂连杆一20通过螺栓进行连接，前臂连杆一20的槽口与上臂连杆二16的凸出圆柱形成槽口配合，限制肩关节检测模块肩屈伸运动的运动范围。
如图5所示，前臂旋转传动检测模块用于检测采集前臂运动的旋转角度，包括前臂连杆一20、角度传感器五22、角度传感器安装架21、齿轮齿条安装架23、小齿轮26、弧形齿条25和齿轮齿条安装架挡板27；前臂连杆一20另一端固定安装角度传感器安装架21和齿轮齿条安装架23，角度传感器安装架21上固定安装角度传感器五22，角度传感器五22的输入轴和角度传感器四18的输入轴相垂直布置，角度传感器五22的输入轴穿过角度传感器安装架21和齿轮齿条安装架23后和小齿轮26同轴连接；齿轮齿条安装架挡板27与齿轮齿条安装架23通过螺栓连接，弧形齿条25通过微型滚轮型轴承24可旋转地装夹在齿条安装架挡板27与齿轮齿条安装架23之间，小齿轮26通过轴承钢珠28可旋转地装夹在齿条安装架挡板27与齿轮齿条安装架23之间，弧形齿条25和小齿轮26相啮合，前臂臂长适应模块的前臂连杆二29一端和弧形齿条25固定连接；
具体地，角度传感器五22通过角度传感器上的固定槽口和角度传感器安装架21对应的固定孔固定在角度传感器安装架21上，角度传感器安装架21与前臂连杆一20通过螺栓连接，齿轮齿条安装架23通过螺栓与前臂连杆连接，且安装在角度传感器安装架21下方，弧形齿条25与小齿轮26中，弧形齿条25由大齿轮加工而得，为主动齿轮，跟随人体运动，通过安装在齿轮齿条安装架23下表面于齿轮齿条安装架挡板27上表面的轴承钢珠固定垂直方向上的位置并减轻想对运动的摩擦力，通过安装在齿轮齿条安装架23上的微型滚轮轴承24结合弧形齿条25的圆弧槽口固定水平方向上的位置，保持与人体前臂的同轴旋转运动，同时限制前臂旋转传动检测模块旋转运动的运动范围，小齿轮26与弧形齿条25形成齿轮传动机构，小齿轮26通过安装在齿轮齿条安装架23下表面于齿轮齿条安装架挡板27上表面的轴承钢珠28结合小齿轮26上的半圆凹槽固定垂直方向上的位置，同时减轻相对运动时的摩擦力，角度传感器五22的转轴穿过齿轮齿条安装架23对应位置的圆形通孔与小齿轮26的D形孔连接，跟随小齿轮26转动。齿轮齿条安装架挡板27与齿轮齿条安装架23通过螺栓连接，中间从上到下依次为轴承钢珠28，弧形齿条25/小齿轮26，轴承钢珠。前臂连杆二29与弧形齿条25通过螺栓连接。
如图6所示，前臂臂长适应模块用于适应调节前臂的长度，包括前臂连杆二29、前臂连杆三31、前臂人机接触单元30，前臂连杆二29另一端和前臂连杆三31一端可调节长度地固定连接，前臂连杆三31中部上安装有前臂人机接触单元30，手臂的前臂绑定在前臂人机接触单元30上；具体地，前臂连杆二29和前臂连杆三31具有一系列对应的连接孔，选择不同组合的连接孔用螺栓连接，人体上肢技能感测模块前臂就能具有不同的臂长，前臂人机接触单元30可依据臂长安装在前臂连杆二29合适位置。
腕关节检测模块用于检测采集腕部运动的旋转角度，包括腕倾斜运动检测部分和腕屈伸运动检测部分；
如图6所示，腕倾斜运动检测部分包括角度传感器六32和联轴器五33，角度传感器六32固定安装在前臂连杆三31的另一端，使得角度传感器六32的输入轴和角度传感器五22的输入轴相垂直布置，角度传感器六32的输入轴穿过前臂连杆三31经联轴器五33和腕屈伸运动检测部分的L形的倾斜-屈伸连接杆34的一端固定连接；具体地，角度传感器六32通过角度传感器上的固定槽口和前臂连杆三31对应的固定孔固定在前臂连杆三31上，其转轴通过联轴器五33轴环侧面的锁紧螺纹孔经锁紧螺栓与联轴器五33绑定，腕倾斜-屈伸连接杆34通过沉头孔和联轴器五33轴肩上的通孔与联轴器五33连接，腕倾斜-屈伸连接杆34的槽口与前臂连杆三31的凸出圆柱形成槽口配合，限制腕关节检测模块腕倾斜运动的运动范围。
如图7所示，腕屈伸运动检测部分包括腕倾斜-屈伸连接杆34、角度传感器七35、联轴器六36和腕屈伸连接杆37，角度传感器七35固定安装在腕倾斜-屈伸连接杆34的另一端，使得角度传感器七35的输入轴和角度传感器六32的输入轴相垂直布置，角度传感器七35的输入轴穿过腕倾斜-屈伸连接杆34后经联轴器六36和L形的腕屈伸连接杆37的一端固定连接，腕屈伸连接杆37的一端安装有握把，人手握持在握把上。
具体地，角度传感器七35通过角度传感器七35上的固定槽口和腕倾斜-屈伸连接杆34对应的固定孔固定在腕倾斜-屈伸连接杆34上，其转轴通过联轴器六36轴环侧面的锁紧螺纹孔经锁紧螺栓与联轴器六36绑定，腕屈伸连接杆37通过沉头孔和联轴器六36轴肩上的通孔与联轴器六36连接，腕屈伸连接杆37的槽口与腕倾斜-屈伸连接杆34的凸出圆柱形成槽口配合，限制腕关节检测模块腕屈伸运动的运动范围。
本发明实例中，工业机器人5为埃夫特ER3B-C10型六自由度机器人，本体质量27kg，有效负载3kg。机器人控制器4为新汉公司的线程总线工业计算机NIFE300，配备
Figure BDA0003250690900000121
CoreTM i7-6700TE处理器，通过Visual studio2015C#机器人控制程序以及IntervalZero RTX实时软件操控工业机器人5，数据采集处理模块2通过USB扩展分线器经7个USB口分别采集角度传感器的数据，通过集成与机器人控制程序上的数据采集处理程序进行处理，角度传感器一7、传感器角度二10、角度传感器三13、角度传感器四18、角度传感器五22、角度传感器六32、角度传感器35为咏为传感的高精度数字型角度传感器LAT216T，全范围精度0.05°，输出频率100Hz。
如图1所示，本发明实施例的具体实施过程为：
1)根据示教者前臂与上臂的长度，通过所述上臂臂长适应模块与前臂臂长适应模块调整人体上肢技能感测模块上臂与前臂的臂长至适当的长度。随后示教者通过上臂人机接触单元17、前臂人机接触单元30、腕屈伸连杆37与人体上肢建立接触关系，数据采集处理模块根据调整后人体上肢技能感测模块的配置更新人体上肢D-H模型参数。
2.1)使工业机器人5与人体上肢技能感测模块1进入初始状态，更新人体上肢技能感测模块-工业机器人位姿转换矩阵Ttrans，采取以下公式计算转换矩阵Ttrans
Figure BDA0003250690900000131
其中
Figure BDA0003250690900000132
为初始状态机器人的末端位姿矩阵，
Figure BDA0003250690900000133
为初始状态人体上肢技能感测模块的末端位姿矩阵。
随后，示教者开始演示技能，人体上肢技能感测模块跟随示教者上肢的运动，各关节的角度传感器实时采集关节的角度数据并传输至数据采集处理模块。
2.2)数据采集处理模块2实时采集人体上肢的角度数据θe＝[θe1,θe2,...,θe7]，并计算的人体上肢D-H模型正运动学方程
Figure BDA0003250690900000134
通过Ttrans将
Figure BDA0003250690900000135
转换为机器人的目标位姿
Figure BDA0003250690900000136
其中
Figure BDA0003250690900000137
通过以下公式计算：
Figure BDA0003250690900000138
2.3)机器人控制器应用解析逆解法对人体上肢技能感测模块转换的工业机器人目标位姿
Figure BDA0003250690900000139
进行逆解，根据工业机器人关节运动范围限制进行筛选，对于仍然可行的每一组逆解计算连杆相似性约束S：
S＝Smulti+Ssin+SminΔθ
其中Smulti为多连杆相似性约束，Ssin为单连杆相似性约束，SminΔθ为关节运动幅度约束。
其中单连杆相似性约束Ssin通过计算人体上肢手、前臂与机器人手连杆、前臂连杆的空间向量夹角
Figure BDA00032506909000001310
Figure BDA00032506909000001311
Figure BDA00032506909000001312
其中
Figure BDA0003250690900000141
为人体上肢腕关节旋转中心至手功能中心的空间向量，
Figure BDA0003250690900000142
为机器人手连杆的空间向量，
Figure BDA0003250690900000143
为人体前臂的空间向量，
Figure BDA0003250690900000144
为机器人前臂连杆的空间向量，θhand为人体上肢腕关节旋转中心至手功能中心的空间向量与机器人手连杆的空间向量的夹角，θforearm为人体前臂空间向量与机器人前臂连杆空间向量的夹角。
对工业机器人的手连杆与前臂连杆进行多连杆相似性约束，将工业机器人手连杆与前臂连杆连接形成的三个端点prhand、prwrist、prelbow组成的空间三角形映射到人体手功能中心phand，腕关节旋转中心pwrist以及肘关节旋转中心pelbow三点组成的空间三角形所在的平面上，得p’rhand、p’rwrist、p’relbow，计算三角形p’rhand p’rwrist p’relbow与三角形phand pwristpelbow的重叠面积。因为工业机器人与人体上肢技能检测模块末端位姿相同，因此phand、prhand重合，p’rhand与phand、prhand重合，对于拥有相同端点的两个三角形，其重叠部分的几何图形可以为四边形，也可以为三角形，当其重叠部分为四边形时，根据婆罗摩笈多公式，重叠面积S1可以通过如下公式求解：
Figure BDA0003250690900000145
Figure BDA0003250690900000146
其中a、b、c、d分别为四边形的边长，θ为四边形任一对对角和的一半而其重叠部分为三角形时，重叠面积可以通过如下海伦公式求解：
Figure BDA0003250690900000147
其中，m、n、l分别为三角形的三边长。
多连杆相似性约束Smulti根据重叠面积计算，相似程度越高，Smulti的值越小，则多连杆相似性约束Smulti可以通过以下公式求得：
Figure BDA0003250690900000148
其中S2为人体手功能中心phand、腕关节旋转中心pwrist、肘关节旋转中心pelbow三点组成的三角形的面积。
关节运动幅度约束SminΔθ为机器人运动幅度限制约束，可以通过以下公式计算：
Figure BDA0003250690900000149
Δθi＝|θi,j-θi,j-1|
其中，θi为当前逆解中第i个关节的值，θi,j-1为前一次数据采集处理模块输出的工业机器人关节角数据中第i个关节的值，j表示数据采集处理模块输出到机器人控制器中的关节角数据的序列号，Δθi表示当前逆解中第i个关节的值与前一次数据采集处理模块输出的工业机器人关节角数据中第i个关节的值的差值的绝对值；
对于工业机器人逆解的每一组解的相似性约束S，相似性约束S值最小的一组解为符合要求的解，输入机器人控制器。
对于超出工业机器人工作空间而无法逆解的末端位姿点，将该末端位姿点与基坐标系原点相连组成线段与工业机器人工作空间边界的交点为目标位姿点，并在没有回到工业机器人工作空间内时跟随末端位姿点在工业机器人工作空间边界上运动。成功逆解之后，获得工业机器人目标位姿对应的关节角θR＝[θR1,θR2,...,θR6]，将工业机器人的关节角数据输入机器人控制器，由机器人控制器依据关节角数据规划并控制工业机器人运动。
3)通过数据采集处理模块采集的人体上肢技能模块的角度数据序列、末端位姿序列，工业机器人目标位姿序列，机器人控制器接收的关节角数据序列以及机器人控制器规划的工业机器人运动数据序列。以人体上肢技能数据为轨迹与姿态参考，以机器人控制器接收的关节角数据以及控制器规划的工业机器人运动插值数据为速度加速度参考，学习并优化工业机器人执行技能时的末端轨迹，优化机器人技能模型的关节速度与加速度。
上述具体实施方式用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。

Claims (9)

1.一种人体上肢技能动作感测学习装置，其特征在于：包括人体上肢技能感测模块(1)、数据采集处理模块(2)、技能学习模块(3)、机器人控制器(4)、工业机器人(5)，人体上肢技能感测模块(1)分别经数据采集处理模块(2)、技能学习模块(3)后和机器人控制器(4)连接，机器人控制器(4)和工业机器人(5)连接；数据采集处理模块(2)控制人体上肢技能感测模块(1)采集人体上肢手臂运动的角度数据并转换成机器人运动的关节角数据发送给机器人控制器(4)，机器人控制器(4)接收数据采集处理模块(2)的关节角数据并转发到技能学习模块(3)，同时根据关节角数据规划并控制工业机器人(5)进行关节空间的运动，技能学习模块(3)从机器人控制器(4)收集并保存数据采集处理模块(2)的关节角数据，将关节角数据与机器人控制器(4)控制工业机器人(5)产生的运动插值数据并进行学习与优化，最后生成工业机器人技能模型保存到机器人控制器(4)中；
所述人体上肢技能感测模块(1)采用串联式结构设计，从上到下包括依次连接的肩关节检测模块、上臂臂长适应模块、肘关节检测模块、前臂旋转传动检测模块、前臂臂长适应模块和腕关节检测模块；
肩关节检测模块包括肩关节固定连杆(6)、角度传感器一(7)、联轴器一(8)、肩展收-旋转连接杆(9)、角度传感器二(10)、联轴器二(11)、肩旋转-屈伸连接杆(12)、角度传感器三(13)和联轴器三(14)；角度传感器一(7)固定安装在肩关节固定连杆(6)上，人体的肩膀绑定在肩关节固定连杆(6)上，角度传感器一(7)的输入端经联轴器一(8)和L形的肩展收-旋转连接杆(9)的一端固定连接；角度传感器二(10)固定安装在肩展收-旋转连接杆(9)的另一端，角度传感器二(10)的输入轴经联轴器二(11)和L形的肩旋转-屈伸连接杆(12)的一端固定连接；角度传感器三(13)固定安装在肩旋转-屈伸连接杆(12)的另一端，角度传感器三(13)的输入轴经联轴器三(14)和上臂臂长适应模块的条形的上臂连杆一(15)的一端固定连接；
上臂臂长适应模块包括上臂连杆一(15)、上臂连杆二(16)、上臂人机接触单元(17)，上臂连杆一(15)另一端和上臂连杆二(16)一端可调节长度地固定连接，上臂连杆二(16)中部上安装有上臂人机接触单元(17)，手臂的后臂绑定在上臂人机接触单元(17)上；
肘关节检测模块包括角度传感器四(18)和联轴器四(19)，角度传感器四(18)固定安装在上臂连杆二(16)另一端上，角度传感器四(18)的输入轴经联轴器四(19)和前臂旋转传动检测模块的条形的前臂连杆一(20)的一端固定连接；
前臂旋转传动检测模块包括前臂连杆一(20)、角度传感器五(22)、角度传感器安装架(21)、齿轮齿条安装架(23)、小齿轮(26)、弧形齿条(25)和齿轮齿条安装架挡板(27)；前臂连杆一(20)另一端固定安装角度传感器安装架(21)和齿轮齿条安装架(23)，角度传感器安装架(21)上固定安装角度传感器五(22)，角度传感器五(22)的输入轴和小齿轮(26)同轴连接；齿轮齿条安装架挡板(27)与齿轮齿条安装架(23)通过螺栓连接，弧形齿条(25)通过微型滚轮型轴承(24)可旋转地装夹在齿条安装架挡板(27)与齿轮齿条安装架(23)之间，小齿轮(26)通过轴承钢珠(28)可旋转地装夹在齿条安装架挡板(27)与齿轮齿条安装架(23)之间，弧形齿条(25)和小齿轮(26)相啮合，前臂臂长适应模块的前臂连杆二(29)一端和弧形齿条(25)固定连接；
前臂臂长适应模块包括前臂连杆二(29)、前臂连杆三(31)、前臂人机接触单元(30)，前臂连杆二(29)另一端和前臂连杆三(31)一端可调节长度地固定连接，前臂连杆三(31)中部上安装有前臂人机接触单元(30)，手臂的前臂绑定在前臂人机接触单元(30)上；
腕关节检测模块包括腕倾斜运动检测部分和腕屈伸运动检测部分；腕倾斜运动检测部分包括角度传感器六(32)和联轴器五(33)，角度传感器六(32)固定安装在前臂连杆三(31)的另一端，角度传感器六(32)的输入轴经联轴器五(33)和腕屈伸运动检测部分的L形的倾斜-屈伸连接杆(34)的一端固定连接；腕屈伸运动检测部分包括腕倾斜-屈伸连接杆(34)、角度传感器七(35)、联轴器六(36)和腕屈伸连接杆(37)，角度传感器七(35)固定安装在腕倾斜-屈伸连接杆(34)的另一端，角度传感器七(35)的输入轴经联轴器六(36)和L形的腕屈伸连接杆(37)的一端固定连接，腕屈伸连接杆(37)的一端安装有握把，人手握持在握把上。
2.根据权利要求1所述的一种人体上肢技能动作感测学习装置，其特征在于：所述的角度传感器二(10)的输入轴和角度传感器一(7)的输入轴相垂直布置，角度传感器三(13)的输入轴和角度传感器二(10)的输入轴相垂直布置，角度传感器四(18)的输入轴和角度传感器三(13)的输入轴相平行布置，角度传感器五(22)的输入轴和角度传感器四(18)的输入轴相垂直布置，角度传感器六(32)的输入轴和角度传感器五(22)的输入轴相垂直布置，角度传感器七(35)的输入轴和角度传感器六(32)的输入轴相垂直布置。
3.根据权利要求1所述的一种人体上肢技能动作感测学习装置，其特征在于：所述的上臂连杆一(15)和上臂连杆二(16)之间通过设置直线排列的多个连接孔，螺栓选择性穿过其中一个连接孔将上臂连杆一(15)和上臂连杆二(16)之间进行长度调节连接；所述的前臂连杆二(29)和前臂连杆三(31)之间通过设置直线排列的多个连接孔，螺栓选择性穿过其中一个连接孔将前臂连杆二(29)和前臂连杆三(31)之间进行长度调节连接。
4.应用于权利要求1-3任一所述人体上肢技能动作感测学习装置的一种人体上肢技能感测学习方法，其特征在于：方法包括如下步骤：
1)根据示教者前臂与上臂的长度，通过所述上臂臂长适应模块与前臂臂长适应模块调整人体上肢技能感测模块上臂与前臂的臂长至适当的长度；
随后示教者通过上臂人机接触单元、前臂人机接触单元、腕屈伸连杆握把与人体上肢建立接触关系；
2)由示教者运动并带动人体上肢技能感测模块进行同步运动，数据采集处理模块采集示教者的运动，经机器人控制器操控工业机器人进行相应的跟随运动并实时采集工业机器人的运动数据；
3)根据数据采集处理模块采集的示教者的运动数据和机器人控制器采集的工业机器人的运动数据，在技能学习模块中开展机器人技能学习，建立机器人技能模型并存储到机器人控制器中的机器人技能库中，在机器人需要执行技能时，从机器人技能库中调出技能模型数据复现技能。
5.根据权利要求4所述的人体上肢技能感测学习方法，其特征在于：
所述步骤2)具体为：
2.1)示教者通过步骤1)调整并与人体上肢技能感测模块(1)建立接触关系后，人体上肢技能感测模块(1)肩关节检测模块各关节的旋转轴与示教者的肩关节自由运动旋转轴同轴，肘关节检测模块的旋转轴与示教者的肘关节自由运动旋转轴同轴，前臂旋转传动检测模块额旋转轴与示教者的前臂旋转自由运动旋转轴同轴，腕关节检测模块各关节的旋转轴与示教者腕关节自由运动旋转轴同轴，以手掌掌心作为手功能中心，以握把作为人体上肢技能感测模块(1)末端，示教者手功能中心与人体上肢技能感测模块(1)末端相连；
2.2)通过人体上肢技能感测模块(1)感知获得人体上肢手臂各部位和关节的运动数据，数据采集处理模块(2)内预先存有人体上肢D-H模型，数据采集处理模块(2)根据步骤2.1)调整后人体上肢技能感测模块(1)的配置更新人体上肢D-H模型参数；
2.3)随后使工业机器人(5)与人体上肢技能感测模块(1)进入初始状态，根据工业机器人(5)初始状态与人体上肢技能感测模块(1)初始状态初始化学习装置，更新人体上肢技能感测模块-工业机器人位姿转换矩阵Ttrans，采取以下公式计算转换矩阵Ttrans：
Figure FDA0003921455930000041
其中，
Figure FDA0003921455930000042
为工业机器人(5)初始状态的末端位姿矩阵，
Figure FDA0003921455930000043
为人体上肢技能感测模块(1)初始状态的末端位姿矩阵；
2.4)随后，示教者开始演示技能，人体上肢技能感测模块(1)跟随示教者上肢的运动，人体上肢技能感测模块(1)的各个角度传感器实时采集关节的角度数据并传输至数据采集处理模块(2)；
角度数据包括人体肩关节检测模块、肘关节检测模块、前臂旋转传动检测模块、腕关节检测模块的角度数据θe＝[θe1,θe2,...,θe7]，θe1,θe2,...,θe7分别表示肩关节检测模块检测的肩展收、旋转、屈伸、肘关节检测模块检测的肘屈伸运动，前臂旋转传动检测模块检测的前臂旋转运动，腕关节检测模块检测的腕倾斜、屈伸运动的角度数据，根据角度数据θe计算人体上肢D-H模型的正运动学方程
Figure FDA0003921455930000045
并通过人体上肢技能感测模块-工业机器人位姿转换矩阵Ttrans将人体上肢D-H模型正运动学方程
Figure FDA0003921455930000046
转换为工业机器人(5)的目标位姿
Figure FDA0003921455930000044
2.5)机器人控制器(4)应用解析逆解法对人体上肢技能感测模块转换的工业机器人的目标位姿
Figure FDA0003921455930000047
进行逆解，得到8组可行逆解θr；
先根据工业机器人关节运动范围限制进行筛选获得2-4组可行逆解，然后在人体上肢技能检测模块与工业机器人末端位姿一致的条件下进行技能相关连杆的相似性映射，通过以下公式计算得到连杆相似性约束S：
S＝Smulti+Ssin+SminΔθ
其中，Smulti为多连杆相似性约束，Ssin为单连杆相似性约束，SminΔθ为关节运动幅度约束；
对于2-4组可行逆解再应用连杆相似性约束S进行筛选，获得最优的一组解输入机器人控制器。
6.根据权利要求5所述的人体上肢技能感测学习方法，其特征在于：
所述步骤2.5)中，对于工业机器人逆解的每一组可行逆解求解连杆相似性约束S，筛选连杆相似性约束S值最小的一组可行逆解作为最优，获得工业机器人末端位姿对应的关节角θR＝[θR1,θR2,...,θR6]，θR1,θR2,...,θR6表示各个工业机器人关节的关节角的值，将工业机器人关节数据输入机器人控制器，由机器人控制器依据关节角数据规划并控制工业机器人运动。
7.根据权利要求5所述的人体上肢技能感测学习方法，其特征在于：
所述的单连杆相似性约束Ssin通过计算人体上肢技能检测模块与工业机器人之间的连杆结构对的空间向量夹角得到。
8.根据权利要求5所述的人体上肢技能感测学习方法，其特征在于：
所述的多连杆相似性约束Smulti通过计算多个连杆组成的几何图形的重叠面积获得，将工业机器人连杆端点组成的空间几何图形映射到人体上肢技能感测模块连杆端点组成的空间几何图形所在的平面上获得投影点，计算三个投影点在平面组成的平面几何图形与人体上肢技能感测模块连杆端点在平面组成的平面几何图形的重叠面积。
9.根据权利要求5所述的人体上肢技能感测学习方法，其特征在于：
所述的关节运动幅度约束SminΔθ为机器人运动幅度限制约束，通过以下公式计算：
Figure FDA0003921455930000051
Δθi＝|θi,j-θi,j-1|
其中，θi为当前逆解中第i个关节的关节值，θi,j-1为前一次数据采集处理模块输出的工业机器人角度指令中第i个关节的值，j表示数据采集处理模块输出到机器人控制器中的关节角数据的序列号；Δθi表示当前逆解中第i个关节的值与前一次数据采集处理模块输出的工业机器人角度指令中第i个关节的值的差值的绝对值。
CN202111044414.0A 2021-09-07 2021-09-07 人体上肢技能动作感测学习装置及方法 Active CN113618717B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111044414.0A CN113618717B (zh) 2021-09-07 2021-09-07 人体上肢技能动作感测学习装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111044414.0A CN113618717B (zh) 2021-09-07 2021-09-07 人体上肢技能动作感测学习装置及方法

Publications (2)

Publication Number Publication Date
CN113618717A CN113618717A (zh) 2021-11-09
CN113618717B true CN113618717B (zh) 2023-01-24

Family

ID=78389291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111044414.0A Active CN113618717B (zh) 2021-09-07 2021-09-07 人体上肢技能动作感测学习装置及方法

Country Status (1)

Country Link
CN (1) CN113618717B (zh)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104827457B (zh) * 2014-02-07 2016-09-14 广明光电股份有限公司 机器手臂的教导装置及方法
CN107363813B (zh) * 2017-08-17 2020-08-04 北京航空航天大学 一种基于可穿戴设备的桌面工业机器人示教系统和方法
CN108127669A (zh) * 2018-02-08 2018-06-08 华南理工大学 一种基于动作融合的机器人示教系统及实施方法
CN109590987B (zh) * 2018-12-03 2021-06-29 深圳市越疆科技有限公司 半智能示教学习方法、智能机器人和存储介质
CN110181482A (zh) * 2019-05-23 2019-08-30 北京邮电大学 一种模块化七自由度上肢外骨骼机器人
CN111110509A (zh) * 2019-12-25 2020-05-08 南京理工大学 一种可互换且避奇异的七自由度上肢外骨骼康复机器人
CN213499242U (zh) * 2020-07-30 2021-06-22 苏州晨本智能科技有限公司 一种带有压力反馈的人形机器人双臂示教操纵杆
CN112201091A (zh) * 2020-09-30 2021-01-08 陈洁婷 一种儿童运动教学的人工智能机器人及其使用方法
CN112297015A (zh) * 2020-10-30 2021-02-02 通道鹏达炭业有限责任公司 一种具有力反馈的易用机械臂示教系统
CN112605973B (zh) * 2020-11-19 2022-11-01 广东省科学院智能制造研究所 一种机器人运动技能学习方法及系统

Also Published As

Publication number Publication date
CN113618717A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN107943283B (zh) 基于手势识别的机械臂位姿控制系统
CN107856014B (zh) 基于手势识别的机械臂位姿控制方法
CN111645093B (zh) 一种用于遥操作的力觉反馈数据手套
JP7067816B1 (ja) 画像分割及び表面筋電図に基づくロボットの教示システム及び方法
CN109877827B (zh) 一种连杆机械手的非定点物料视觉识别与抓取装置及方法
Li et al. Neural learning and kalman filtering enhanced teaching by demonstration for a baxter robot
JP4591043B2 (ja) ロボットによる任意形状物体の把持方法
CN112959330B (zh) 基于主从动态运动基元的机器人双臂运动人机对应装置及方法
Falck et al. DE VITO: A dual-arm, high degree-of-freedom, lightweight, inexpensive, passive upper-limb exoskeleton for robot teleoperation
CN113618717B (zh) 人体上肢技能动作感测学习装置及方法
Wang et al. Design and implementation of humanoid robot behavior imitation system based on skeleton tracking
CN216098969U (zh) 一种人体上肢技能动作感测装置
CN114714358A (zh) 基于手势协议遥操作机械臂方法及系统
CN111002295A (zh) 一种二指抓取机器人的示教手套及示教系统
Liu et al. Wireless Control of Six-axis Robot Arms by Leap Motion Sensor.
CN111300421A (zh) 一种应用于人形机器人双手动作模仿的映射方法
Bai et al. Kinect-based hand tracking for first-person-perspective robotic arm teleoperation
Lane et al. Aspects of the design and development of a subsea dextrous grasping system
Graziano et al. A wireless haptic data suit for controlling humanoid robots
Wang et al. Integrating sensor fusion for teleoperation control of anthropomorphic dual-arm robots
Chu et al. Research on Gesture Guidance and Teaching of Cooperative Robot Based on Nine-axis AirMouse
TWI831531B (zh) 利用機械手臂模擬人體姿態的方法及系統
CN113370223B (zh) 跟随式排爆机器人装置及控制方法
Crăciun et al. Robotic Arm Control via Hand Movements
CN212352006U (zh) 一种二指抓取机器人的示教手套及示教系统

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