CN114137982A - 机器人运动控制方法及装置、机器人控制设备和存储介质 - Google Patents
机器人运动控制方法及装置、机器人控制设备和存储介质 Download PDFInfo
- Publication number
- CN114137982A CN114137982A CN202111436543.4A CN202111436543A CN114137982A CN 114137982 A CN114137982 A CN 114137982A CN 202111436543 A CN202111436543 A CN 202111436543A CN 114137982 A CN114137982 A CN 114137982A
- Authority
- CN
- China
- Prior art keywords
- robot
- parallel
- task
- representing
- constraint
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 230000007246 mechanism Effects 0.000 claims abstract description 164
- 239000011159 matrix material Substances 0.000 claims abstract description 162
- 238000012546 transfer Methods 0.000 claims abstract description 47
- 238000009826 distribution Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 30
- 230000005540 biological transmission Effects 0.000 claims description 72
- 230000001133 acceleration Effects 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 13
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 7
- 230000005484 gravity Effects 0.000 description 4
- 239000012636 effector Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005577 local transmission Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Abstract
本申请提供一种机器人运动控制方法及装置、机器人控制设备和存储介质,涉及机器人控制技术领域。本申请根据并联机器人当前的实时状态信息和待执行任务的期望运动轨迹信息,确定执行待执行任务时的任务执行系数矩阵及动力学约束条件,并基于并联机器人的并联机构传递性能优质空间在广义关节空间下的超平面约束条件构建参数分布约束条件,接着采用任务执行系数矩阵从任务执行损失函数处求解出满足动力学约束条件以及参数分布约束条件的目标驱动参数,从而通过目标驱动参数将机器人运动学信息及并联机构的与运动/力传递性能相关的期望工作空间范围充分考虑到机器人运动控制过程中,确保机器人在实现期望运动效果的同时表现出预期的运行性能。
Description
技术领域
本申请涉及机器人控制技术领域,具体而言,涉及一种机器人运动控制方法及装置、机器人控制设备和存储介质。
背景技术
随着科学技术的不断发展,机器人技术因具有极大的研究价值及应用价值受到了各行各业的广泛重视,并联机构也因具有低惯量、高刚度、高承载能力、高速能力及出色的灵巧性等特点被逐步应用到工业机器人及足式机器人,用以提升对应机器人的运动学性能及动力学性能(例如,速度能力、加速能力等)。但在具有并联机构的并联机器人的实际应用过程中,往往会因外界事物干扰或自身任务规划不当等因素,导致并联机器人的并联机构的运动/力传递性能出现恶化现象,无法确保机器人运行性能达到预期状态。
发明内容
有鉴于此,本申请的目的在于提供一种机器人运动控制方法及装置、机器人控制设备和存储介质,能够在机器人运动控制过程中充分考虑机器人运动学信息及并联机构的与运动/力传递性能相关的期望工作空间范围,确保机器人在实现期望运动效果的同时表现出预期的运行性能。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请提供一种机器人运动控制方法,所述方法包括:
根据并联机器人当前的实时状态信息以及待执行任务所对应的期望运动轨迹信息,确定所述并联机器人执行所述待执行任务时的任务执行系数矩阵及与任务驱动参数相关的动力学约束条件;
根据所述期望运动轨迹信息以及所述实时状态信息,基于所述并联机器人的并联机构传递性能优质空间在广义关节空间下的超平面约束条件,构建与任务驱动参数相关的涉及并联机构运动松弛状况的参数分布约束条件,其中所述并联机器人的并联机构在所述并联机构传递性能优质空间内每个工作空间位置处的运动/力传递性能处于预设性能指标范围内;
采用所述任务执行系数矩阵对预存的涉及并联机构运动松弛状况的任务执行损失函数进行求解,得到满足所述动力学约束条件以及所述参数分布约束条件的目标驱动参数;
按照所述目标驱动参数控制所述并联机器人各关节端执行器运行,以执行待执行任务。
在可选的实施方式中,所述方法还包括:
获取所述并联机器人的所有并联机构各自的离散化末端可达工作空间的离散点位置信息;
针对每个并联机构,从该并联机构的离散化末端可达工作空间的离散点位置信息中筛选对应运动/力传递性能处于预设性能指标范围内的目标离散点的位置信息,并基于筛选出的目标离散点的位置信息构建该并联机构所对应的传递性能局部优质空间;
针对每个并联机构的传递性能局部优质空间,构建该传递性能局部优质空间的近似内切多面体的局部超平面约束方程;
将所述并联机器人的所有并联机构各自的局部超平面约束方程进行求并集合,得到所述并联机构传递性能优质空间的全局超平面约束方程;
将所述全局超平面约束方程在广义关节空间下进行参数换算,得到所述超平面约束条件。
在可选的实施方式中,所述全局超平面约束方程采用如下式子表达为:
所述超平面约束条件采用如下式子表达为:
所述参数分布约束条件采用如下式子表达为:
其中,p用于表示所述并联机器人的工作空间位置,m用于表示所述并联机构传递性能优质空间的空间维度数目,nh用于表示所述并联机构传递性能优质空间的超平面数目,E用于表示所述并联机构传递性能优质空间的第一约束系数矩阵,F用于表示所述并联机构传递性能优质空间的第一约束系数向量,用于表示所述并联机器人在广义关节空间下对应广义坐标位置处的广义加速度,n用于表示所述广义关节空间的空间维度数目,ε用于表示所述并联机器人的并联机构在运动时的松弛变量,V与W分别用于表示所述并联机构传递性能优质空间的第二约束系数矩阵及第二约束系数向量;在此过程中,V与W采用如下式子计算得到:
其中,V(i,j)用于表示第二约束系数矩阵的第i行第j列的元素,Δt用于表示预设时间间隔,E(i,k)用于表示第一约束系数矩阵的第i行第k列的元素,J(k,j)用于表示所述期望运动轨迹信息中的末端雅可比矩阵的第k行第j列的元素,Wi用于表示第二约束系数向量的第i个元素,Fi用于表示第一约束系数向量的第i个元素,用于表示所述实时状态信息所包括的所述并联机器人在当前时刻的工作空间位置的第k个元素,J(k,:)用于表示所述期望运动轨迹信息中的末端雅可比矩阵的第k行的全部元素,用于表示所述实时状态信息所包括的所述并联机器人在当前时刻的广义坐标位置处的广义速度,为所述末端雅可比矩阵J的一阶导数。
在可选的实施方式中,所述待执行任务包括至少一个待执行子任务,所述任务执行系数矩阵包括第一任务系数矩阵及第二任务系数矩阵,所述根据并联机器人当前的实时状态信息以及待执行任务所对应的期望运动轨迹信息,确定所述并联机器人执行所述待执行任务时的任务执行系数矩阵的步骤,包括:
针对每个待执行子任务,从所述期望运动轨迹信息中获取与该待执行子任务对应的末端雅可比矩阵,并基于获取到的所述末端雅可比矩阵构建该待执行子任务的第一执行系数子矩阵;
从所述实时状态信息中获取所述并联机器人的广义速度,从所述期望运动轨迹信息中获取与该待执行子任务对应的期望末端加速度,并根据所述广义速度、所述末端雅可比矩阵以及所述期望末端加速度构建该待执行子任务的第二执行系数子矩阵;
根据该待执行子任务的执行权重对该待执行子任务的第一执行系数子矩阵及第二执行系数子矩阵分别进行加权运算,得到该待执行子任务的第一加权参数子矩阵及第二加权参数子矩阵;
将所述待执行任务下所有待执行子任务各自的第一加权参数子矩阵进行矩阵聚合,得到所述第一任务系数矩阵,并将所述待执行任务下所有待执行子任务各自的第二加权参数子矩阵进行矩阵聚合,得到所述第二任务系数矩阵。
在可选的实施方式中,所述任务驱动参数包括所述并联机器人在广义坐标位置处的广义加速度以及机器人所受外力大小,所述任务执行损失函数采用如下式子表达为:
其中,A用于表示所述待执行任务的第一任务系数矩阵,b用于表示所述待执行任务的第二任务系数矩阵,表示所述并联机器人在广义坐标位置处的广义加速度,fext用于表示所述机器人所受外力大小,||·||2用于表示向量二范数,wx用于表示所述待执行任务的执行权重矩阵,wε用于表示所述待执行任务在所述并联机构传递性能优质空间下的松弛权重矩阵。
在可选的实施方式中,所述动力学约束条件采用如下式子表达为:
其中,q用于表示所述实时状态信息中的广义坐标位置,用于表示所述实时状态信息中的广义速度,M(·)用于表示所述期望运动轨迹信息中的机器人惯量矩阵,B(·)用于表示所述期望运动轨迹信息中的由离心力和科里奥利力产生的非线性矩阵,G(·)用于表示所述期望运动轨迹信息中的机器人重力矩阵,Jext用于表示所述期望运动轨迹信息中的外力作用点的雅可比矩阵,τ用于表示作用在所述机器人广义坐标位置上的广义力大小,表示所述并联机器人在所述广义坐标位置处的广义加速度,fext用于表示所述机器人所受外力大小。
第二方面,本申请提供一种机器人运动控制装置,所述装置包括:
任务约束确定模块,用于根据并联机器人当前的实时状态信息以及待执行任务所对应的期望运动轨迹信息,确定所述并联机器人执行所述待执行任务时的任务执行系数矩阵及与任务驱动参数相关的动力学约束条件;
运动空间限制模块,用于根据所述期望运动轨迹信息以及所述实时状态信息,基于所述并联机器人的并联机构传递性能优质空间在广义关节空间下的超平面约束条件,构建与任务驱动参数相关的涉及并联机构运动松弛状况的参数分布约束条件,其中所述并联机器人的并联机构在所述并联机构传递性能优质空间内每个工作空间位置处的运动/力传递性能处于预设性能指标范围内;
驱动参数求解模块,用于采用所述任务执行系数矩阵对预存的涉及并联机构运动松弛状况的任务执行损失函数进行求解,得到满足所述动力学约束条件以及所述参数分布约束条件的目标驱动参数;
关节运动控制模块,用于按照所述目标驱动参数控制所述并联机器人各关节端执行器运行,以执行待执行任务。
在可选的实施方式中,所述装置还包括:
空间离散获取模块,用于获取所述并联机器人的所有并联机构各自的离散化末端可达工作空间的离散点位置信息;
优质空间构建模块,用于针对每个并联机构,从该并联机构的离散化末端可达工作空间的离散点位置信息中筛选对应运动/力传递性能处于预设性能指标范围内的目标离散点的位置信息,并基于筛选出的目标离散点的位置信息构建该并联机构所对应的传递性能局部优质空间;
局部约束构建模块,用于针对每个并联机构的传递性能局部优质空间,构建该传递性能局部优质空间的近似内切多面体的局部超平面约束方程;
全局约束构建模块,用于将所述并联机器人的所有并联机构各自的局部超平面约束方程进行求并集合,得到所述并联机构传递性能优质空间的全局超平面约束方程;
并联约束换算模块,用于将所述全局超平面约束方程在广义关节空间下进行参数换算,得到所述超平面约束条件。
在可选的实施方式中,所述全局超平面约束方程采用如下式子表达为:
所述超平面约束条件采用如下式子表达为:
所述参数分布约束条件采用如下式子表达为:
其中,p用于表示所述并联机器人的工作空间位置,m用于表示所述并联机构传递性能优质空间的空间维度数目,nh用于表示所述并联机构传递性能优质空间的超平面数目,E用于表示所述并联机构传递性能优质空间的第一约束系数矩阵,F用于表示所述并联机构传递性能优质空间的第一约束系数向量,用于表示所述并联机器人在广义关节空间下对应广义坐标位置处的广义加速度,n用于表示所述广义关节空间的空间维度数目,ε用于表示所述并联机器人的并联机构在运动时的松弛变量,V与W分别用于表示所述并联机构传递性能优质空间的第二约束系数矩阵及第二约束系数向量;在此过程中,V与W采用如下式子计算得到:
其中,V(i,j)用于表示第二约束系数矩阵的第i行第j列的元素,Δt用于表示预设时间间隔,E(i,k)用于表示第一约束系数矩阵的第i行第k列的元素,J(k,j)用于表示所述期望运动轨迹信息中的末端雅可比矩阵的第k行第j列的元素,Wi用于表示第二约束系数向量的第i个元素,Fi用于表示第一约束系数向量的第i个元素,用于表示所述实时状态信息所包括的所述并联机器人在当前时刻的工作空间位置的第k个元素,J(k,:)用于表示所述期望运动轨迹信息中的末端雅可比矩阵的第k行的全部元素,用于表示所述实时状态信息所包括的所述并联机器人在当前时刻的广义坐标位置处的广义速度,为所述末端雅可比矩阵J的一阶导数。
第三方面,本申请提供一种机器人控制设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器可执行所述计算机程序,以实现前述实施方式中任意一项所述的机器人运动控制方法。
第四方面,本申请提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现前述实施方式中任意一项所述的机器人运动控制方法。
在此情况下,本申请实施例的有益效果包括以下内容:
本申请根据并联机器人当前的实时状态信息和待执行任务所对应的期望运动轨迹信息,确定并联机器人执行待执行任务时的任务执行系数矩阵及与任务驱动参数相关的动力学约束条件,并基于并联机器人的并联机构传递性能优质空间在广义关节空间下的超平面约束条件,针对任务驱动参数构建涉及并联机构运动松弛状况的参数分布约束条件,接着采用任务执行系数矩阵对预存的涉及并联机构运动松弛状况的任务执行损失函数进行求解,得到满足动力学约束条件以及参数分布约束条件的目标驱动参数,最后按照目标驱动参数控制并联机器人各关节端执行器运行来执行待执行任务,从而在机器人运动控制过程中充分考虑机器人运动学信息及并联机构的与运动/力传递性能相关的期望工作空间范围,使并联机器人在并联机构传递性能优质空间内执行对应任务,确保机器人在实现期望运动效果的同时表现出预期的运行性能。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本申请实施例提供的机器人控制设备的组成示意图;
图2为本申请实施例提供的机器人运动控制方法的流程示意图之一;
图3为图2中的步骤S210包括的子步骤的流程示意图;
图4为本申请实施例提供的机器人运动控制方法的流程示意图之二;
图5为本申请实施例提供的机器人运动控制装置的组成示意图之一;
图6为本申请实施例提供的机器人运动控制装置的组成示意图之二。
图标:10-机器人控制设备;11-存储器;12-处理器;13-通信单元;100-机器人运动控制装置;110-任务约束确定模块;120-运动空间限制模块;130-驱动参数求解模块;140-关节运动控制模块;150-空间离散获取模块;160-优质空间构建模块;170-局部约束构建模块;180-全局约束构建模块;190-并联约束换算模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要理解的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互结合。
请参照图1,图1是本申请实施例提供的机器人控制设备10的组成示意图。在本申请实施例中,所述机器人控制设备10可以与并联机器人远程通信连接,也可以与所述并联机器人集成在一起,用于对所述并联机器人的实际运动情况进行控制,使该并联机器人能够实现期望运动效果,并在实际运动过程中运行在自身并联机构所对应的与运动/力传递性能相关的期望工作空间范围内,从而表现出预期的运行性能。其中,所述并联机器人包括的并联机构数目为至少一个,所述并联机器人可以是,但不限于,四足机器人、仿人机器人、工业机械臂、外科手术机械臂等,所述并联机器人的并联机构的运动/力传递性能可采用局部传递指标(local transmission index,LTI),机器人加速能力指标(robotacceleration capacity index,RACI),功率系数(power coefficient)中任意一种或多种组合来表达。
在本实施例中,所述机器人控制设备10可以包括存储器11、处理器12、通信单元13及机器人运动控制装置100。其中,所述存储器11、所述处理器12及所述通信单元13各个元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,所述存储器11、所述处理器12及所述通信单元13这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
在本实施例中,所述存储器11可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,所述存储器11用于存储计算机程序,所述处理器12在接收到执行指令后,可相应地执行所述计算机程序。
其中,所述存储器11还用于存储与所述并联机器人的并联机构相关的预设性能指标范围,所述预设性能指标范围用于表征对应并联机构在并联机器人的实际运动过程中期望表现出的运动/力传递性能状况。所述存储器11还用于存储该并联机器人的并联机构传递性能优质空间在广义关节空间下的超平面约束条件,所述超平面约束条件用于表示对应并联机构传递性能优质空间在映射到机器人实际运动过程中的空间分布状况,其中所述并联机器人的并联机构在所述并联机构传递性能优质空间内每个工作空间位置处的运动/力传递性能处于预设性能指标范围内。
在本实施例中,所述处理器12可以是一种具有信号的处理能力的集成电路芯片。所述处理器12可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、图形处理器(Graphics Processing Unit,GPU)及网络处理器(Network Processor,NP)、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件中的至少一种。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
在本实施例中,所述通信单元13用于通过网络建立所述机器人控制设备10与其他电子设备之间的通信连接,并通过所述网络收发数据,其中所述网络包括有线通信网络及无线通信网络。例如,所述机器人控制设备10可以通过所述通信单元13从轨迹规划设备处获取并联机器人当前待执行任务所对应的期望运动轨迹信息,并通过所述通信单元13向所述并联机器人发送运动控制指令,使所述并联机器人按照所述运动控制指令进行运动来实现所述待执行任务所对应的期望运动效果。
在本实施例中,所述机器人运动控制装置100包括至少一个能够以软件或固件的形式存储于所述存储器11中或固化在所述机器人控制设备10的操作系统中的软件功能模块。所述处理器12可用于执行所述存储器11存储的可执行模块,例如所述机器人运动控制装置100所包括的软件功能模块及计算机程序等。所述机器人控制设备10通过所述机器人运动控制装置100将机器人实时运动状况有效地结合到机器人运动控制过程中,并在机器人运动控制过程中充分考虑机器人运动学信息及并联机构的与运动/力传递性能相关的期望工作空间范围,使并联机器人在实现期望运动效果的同时,有效地运行在自身并联机构的期望工作空间范围内来达到预期运行性能。
可以理解的是,图1所示的框图仅为所述机器人控制设备10的一种组成示意图,所述机器人控制设备10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
在本申请中,为确保所述机器人控制设备10能够控制并联机器人在自身并联机构传递性能优质空间内执行任务,使该并联机器人在实现期望运动效果的同时表现出预期的运行性能,本申请实施例提供一种针对并联机器人的机器人运动控制方法实现前述目的。下面对本申请提供的机器人运动控制方法进行详细描述。
请参照图2,图2是本申请实施例提供的机器人运动控制方法的流程示意图之一。在本申请实施例中,所述机器人运动控制方法可以包括步骤S210~步骤S240。
步骤S210,根据并联机器人当前的实时状态信息以及待执行任务所对应的期望运动轨迹信息,确定并联机器人执行待执行任务时的任务执行系数矩阵及与任务驱动参数相关的动力学约束条件。
在本实施例中,所述实时状态信息可由安装在并联机器人上的状态估计器向所述机器人控制设备10反馈得到,所述期望运动轨迹信息可由所述机器人控制设备10通过网络从轨迹规划设备处获得。其中,所述实时状态信息及所述期望运动轨迹信息的具体内容与所述并联机器人的机器人类型相匹配。
例如,在所述并联机器人的机器人类型是工业机械臂的情况下,该并联机器人的期望运动轨迹信息可以包括该并联机器人在执行待执行任务时期望的末端执行器运动轨迹、特定位置(例如,各关节位置或机械臂末端)与外界的期望接触力、机器人质心动量预期轨迹信息等,对应实时状态信息可以与机器人关节相关,也可以与机器人任务空间相关。此时,对应实时状态信息可以包括机器人各关节实时位置信息、各关节实时速度信息、任务空间实时位置信息、任务空间实时速度信息、末端执行器实时力反馈信息、机器人实时位姿信息及实时质心动量信息等。
在所述并联机器人的机器人类型是足式机器人的情况下,对应期望运动轨迹信息可以包括该机器人在执行待执行任务时期望的上身位姿轨迹信息、足端工作空间轨迹信息、特定位置与外界的期望接触力及机器人质心动量预期轨迹信息等,对应的实时状态信息可以包括机器人各关节实时位置信息、各关节实时速度信息、任务空间实时位置信息、任务空间实时速度信息、末端执行器实时力反馈信息、机器人实时位姿信息及实时质心动量信息等。
在本实施例中,所述任务执行系数矩阵用于表示所述待执行任务被所述并联机器人执行时与任务执行损失函数相匹配的具体系数内容,其中所述任务执行损失函数为任一任务执行过程在并联机器人的并联机构作用下采用最小二乘优化方程构建的表达通用式,其实质涉及并联机器人的并联机构在实际运动过程中相对于并联机构传递性能优质空间的运动松弛允许状况,实质用于根据指定的期望轨迹行为以及并联机构运动松弛状况对机器人实质运动状况和期望轨迹行为之间的偏离进行矫正。由此,所述机器人控制设备10可根据所述期望运动轨迹信息以及所述实时状态信息,针对所述待执行任务所包括的每个子任务细分项确定匹配的任务系数内容,进而聚合形成该待执行任务的任务执行系数矩阵。
此外,所述动力学约束条件用于表示机器人运动控制过程中满足机器人动力学规律时对应机器人所需符合的针对任务驱动参数的约束条件。其中,所述动力学约束条件可以采用全动力学方程进行表达,也可以采用质心动力学方程进行表达。其中,所述任务驱动参数可以包括对应并联机器人在广义坐标位置处的广义加速度以及机器人所受外力大小,所述机器人控制设备10可通过约束对应并联机器人的广义加速度和机器人所受外力大小各自的表达状况来限制该并联机器人的实际运动轨迹。
在本实施例的一种实施方式中,所述动力学约束条件采用全动力学方程进行表达,此时所述动力学约束条件采用如下式子表达为:
其中,q用于表示所述实时状态信息中的广义坐标位置,用于表示所述实时状态信息中的广义速度,M(·)用于表示所述期望运动轨迹信息中的机器人惯量矩阵,B(·)用于表示所述期望运动轨迹信息中的由离心力和科里奥利力产生的非线性矩阵,G(·)用于表示所述期望运动轨迹信息中的机器人重力矩阵,Jext用于表示所述期望运动轨迹信息中的外力作用点的雅可比矩阵,τ用于表示作用在所述机器人广义坐标位置上的广义力大小,表示所述并联机器人在所述广义坐标位置处的广义加速度,fext用于表示所述机器人所受外力大小。
可选地,请参照图3,图3是图2中的步骤S210包括的子步骤的流程示意图。在本实施例中,所述待执行任务包括至少一个待执行子任务,每个待执行子任务对应有一个执行权重,所述执行权重用于表示对应待执行子任务在所述并联机器人处的执行优先级,其数值越高则表达对应子任务被执行的重要程度越高。同时,所述任务执行系数矩阵可以包括第一任务系数矩阵及第二任务系数矩阵。在此情况下,所述步骤S210中的根据并联机器人当前的实时状态信息以及待执行任务所对应的期望运动轨迹信息,确定并联机器人执行待执行任务时的任务执行系数矩阵的步骤可以包括子步骤S211~子步骤S214,以通过子步骤S211~子步骤S214构建出与待执行任务匹配的任务执行系数矩阵。
子步骤S211,针对每个待执行子任务,从期望运动轨迹信息中获取与该待执行子任务对应的末端雅可比矩阵,并基于获取到的末端雅可比矩阵构建该待执行子任务的第一执行系数子矩阵。
在本实施例中,所述第一执行系数子矩阵由对应待执行子任务的末端雅可比矩阵及零矩阵拼接形成,其中所述零矩阵的矩阵行数与所述待执行任务所包括的待执行子任务总数相同,所述零矩阵的矩阵列数与所述待执行任务执行时所需的机器人外力维度保持一致。此时,所述第一执行系数子矩阵用于表示该待执行子任务在任务执行损失函数处对应的一项对机器人动作进行约束的系数内容。
子步骤S212,从实时状态信息中获取并联机器人的广义速度,从期望运动轨迹信息中获取与该待执行子任务对应的期望末端加速度,并根据广义速度、末端雅可比矩阵以及期望末端加速度构建该待执行子任务的第二执行系数子矩阵。
在本实施例中,所述第二执行系数子矩阵由对应待执行子任务的期望末端加速度减去广义速度与末端雅可比矩阵之积得到,用于表示该待执行子任务在任务执行损失函数处对应的另一项系数内容。其中,所述广义速度用于表示所述机器人在广义坐标位置处的速度,所述期望末端加速度可采用如下式子计算得到:
其中,用于表示对应待执行子任务的期望末端加速度,用于表示所述期望运动轨迹信息给出的针对所述待执行子任务的末端加速度参考值,用于表示所述期望运动轨迹信息给出的针对所述待执行子任务的末端工作空间位置参考值,γc用于表示所述实时状态信息中与所述待执行子任务对应的末端工作空间的实时位置,用于表示所述期望运动轨迹信息给出的针对所述待执行子任务的末端速度参考值,用于表示所述实时状态信息中与所述待执行子任务对应的实时末端速度,P用于表示所述期望运动轨迹信息给出的针对所述待执行子任务的比例系数矩阵,D用于表示所述期望运动轨迹信息给出的针对所述待执行子任务的微分系数矩阵。
子步骤S213,根据该待执行子任务的执行权重对该待执行子任务的第一执行系数子矩阵及第二执行系数子矩阵分别进行加权运算,得到该待执行子任务的第一加权参数子矩阵及第二加权参数子矩阵。
在本实施例中,每个待执行子任务的第一加权参数子矩阵即为该待执行子任务的执行权重与第一执行系数子矩阵之间的加权积值,每个待执行子任务的第二加权参数子矩阵即为该待执行子任务的执行权重与第二执行系数子矩阵之间的加权积值。
子步骤S214,将待执行任务下所有待执行子任务各自的第一加权参数子矩阵进行矩阵聚合,得到第一任务系数矩阵,并将待执行任务下所有待执行子任务各自的第二加权参数子矩阵进行矩阵聚合,得到第二任务系数矩阵。
在本实施例中,所述机器人控制设备10在确定出所述待执行任务所包括的每个待执行子任务的第一加权参数子矩阵及第二加权参数子矩阵后,可在同一矩阵内通过单个待执行子任务分配一个矩阵行的方式,对应地将所述待执行任务下所有待执行子任务各自的第一加权参数子矩阵进行聚合,得到该待执行任务的第一任务系数矩阵,并将所述待执行任务下所有待执行子任务各自的第二加权参数子矩阵进行聚合,得到该待执行任务的第二任务系数矩阵。
由此,本申请得以通过执行上述子步骤S211~子步骤S214,确保构建出的任务执行系数矩阵能够准确表征出对应待执行任务在执行过程中的各子任务细分项之间的相互作用状况,以便于所述机器人控制设备10基于所述任务执行系数矩阵有效地将机器人实时状态结合到机器人运动控制过程中,以确保机器人实现预期运动效果。
步骤S220,根据期望运动轨迹信息以及实时状态信息,基于并联机器人的并联机构传递性能优质空间在广义关节空间下的超平面约束条件,构建与任务驱动参数相关的涉及并联机构运动松弛状况的参数分布约束条件。
在本实施例中,所述并联机构传递性能优质空间在广义关节空间下的超平面约束条件是由该并联机构传递性能优质空间所对应的全局超平面约束方程转换到所述广义关节空间内得到的,其中所述全局超平面约束方程用于描述所述并联机构传递性能优质空间在不同超平面上对并联机器人的工作空间位置的分布约束内容,所述超平面约束条件可用于描述所述并联机构传递性能优质空间在不同超平面上对并联机器人的广义加速度的分布约束内容。因此,构建出的参数分布约束条件所针对的任务驱动参数为并联机器人在广义坐标位置处的广义加速度,同时所述参数分布约束条件涉及到了并联机构在实际运动过程中相对于并联机构传递性能优质空间的运动松弛允许状况,用以提升所述并联机器人的运动控制灵活性。
其中,所述全局超平面约束方程采用如下式子表达为:
所述超平面约束条件采用如下式子表达为:
所述参数分布约束条件采用如下式子表达为:
其中,p用于表示所述并联机器人的工作空间位置,m用于表示所述并联机构传递性能优质空间的空间维度数目,nh用于表示所述并联机构传递性能优质空间的超平面数目,E用于表示所述并联机构传递性能优质空间的第一约束系数矩阵,F用于表示所述并联机构传递性能优质空间的第一约束系数向量,用于表示所述并联机器人在广义关节空间下对应广义坐标位置处的广义加速度,n用于表示所述广义关节空间的空间维度数目,ε用于表示所述并联机器人的并联机构在运动时的松弛变量,V与W分别用于表示所述并联机构传递性能优质空间的第二约束系数矩阵及第二约束系数向量。
在此过程中,V与W可采用如下式子计算得到:
其中,V(i,j)用于表示第二约束系数矩阵的第i行第j列的元素,Δt用于表示预设时间间隔,E(i,k)用于表示第一约束系数矩阵的第i行第k列的元素,J(k,j)用于表示所述期望运动轨迹信息中的末端雅可比矩阵的第k行第j列的元素,Wi用于表示第二约束系数向量的第i个元素,Fi用于表示第一约束系数向量的第i个元素,用于表示所述实时状态信息所包括的所述并联机器人在当前时刻的工作空间位置的第k个元素,J(k,:)用于表示所述期望运动轨迹信息中的末端雅可比矩阵的第k行的全部元素,用于表示所述实时状态信息所包括的所述并联机器人在当前时刻的广义坐标位置处的广义速度,为所述末端雅可比矩阵J的一阶导数。
步骤S230,采用任务执行系数矩阵对预存的涉及并联机构运动松弛状况的任务执行损失函数进行求解,得到满足动力学约束条件以及参数分布约束条件的目标驱动参数。
在本实施例中,涉及并联机构运动松弛状况的任务执行损失函数可采用如下式子进行表达:
其中,A用于表示所述待执行任务的第一任务系数矩阵,b用于表示所述待执行任务的第二任务系数矩阵,表示所述并联机器人在广义坐标位置处的广义加速度,fext用于表示所述机器人所受外力大小,||·||2用于表示向量二范数,wx用于表示所述待执行任务的执行权重矩阵,wε用于表示所述待执行任务在所述并联机构传递性能优质空间下的松弛权重矩阵。其中,所述执行权重矩阵由所述待执行任务包括的各待执行子任务各自的执行权重聚合形成,所述松弛权重矩阵由针对待执行任务包括的各待执行子任务分别配置的与并联机构运动状况相关的松弛允许权重聚合形成。
所述机器人控制设备10在求解上述任务执行损失函数的过程中,是将得到的与所述待执行任务对应的任务执行系数矩阵、动力学约束条件及参数分布约束条件代入到所述任务执行损失函数中,而后对该任务执行损失函数通过求解QP(Quadratic Programming,凸二次规划)问题的方式,求解出满足动力学约束条件以及参数分布约束条件的目标驱动参数,以通过该目标驱动参数对所述并联机器人的实际运动状况进行控制,使该并联机器人对应执行所述待执行任务,以实现预期运动效果,并确保该并联机器人在实际运动过程中运行在自身并联机构所对应的与运动/力传递性能相关的期望工作空间范围内,以表现出预期运行性能。
在此过程中,可通过将所述任务执行损失函数作为一个QP问题的问题主体,将所述动力学约束条件作为该QP问题的一个等式约束,将所述参数分布约束条件作为该QP问题的一个不等式约束,而后将所述任务执行系数矩阵代入到所述任务执行损失函数中,接着通过对该QP问题进行迭代求解,以确定该QP问题表征的满足机器人运动规律(机器人动力学特性)并且处于在并联机构的与运动/力传递性能相关的期望工作空间范围内的任务驱动参数,即得到上述目标驱动参数,此时所述目标驱动参数包括用于实现所述待执行任务的运动效果的所述并联机器人在广义坐标位置处的目标广义加速度以及机器人目标外力数值。
步骤S240,按照目标驱动参数控制并联机器人各关节端执行器运行,以执行待执行任务。
在本实施例中,当所述机器人控制设备10确定出与待执行任务对应的目标驱动参数后,会根据并联机器人在广义坐标位置处的广义加速度值、广义力及机器人所受外力大小之间的参数关联关系,求得与所述目标驱动参数对应的目标广义力,而后根据该目标广义力在各关节端执行器处的关节力矩分量调整对应关节端执行器的运行状态,以确保所述机器人能够对应执行所述待执行任务。
其中,当确定出某个关节端执行器所对应的关节力矩分量后,会根据该关节端执行器的执行器类型,采用匹配的关节控制算法进行状态控制。例如,若某个关节端执行器的执行器类型为位控关节,则可基于对应关节力矩分量计算对应关节位置,并以计算出的关节位置来作为该关节端执行器的伺服角度;若某个关节端执行器的执行器类型为力控关节,则可直接基于该关节力矩分量作为该关节端执行器的跟踪力矩;若某个关节端执行器的执行器类型为力位混合控制关节,则可基于对应关节力矩分量计算对应关节位置及关节移动速度,而后综合利用关节力矩分量、关节位置及关节移动速度控制该关节端执行器的运行状态。
由此,本申请可通过执行上述步骤S210~步骤S240,将机器人实时运动状况有效地结合到机器人运动控制过程中,并在机器人运动控制过程中充分考虑机器人运动学信息及并联机构的与运动/力传递性能相关的期望工作空间范围,使并联机器人在实现期望运动效果的同时,有效地运行在自身并联机构的期望工作空间范围内来达到预期运行性能。
可选地,在本申请中,为确保所述机器人控制设备10能够精准测定并联机器人的并联机构传递性能优质空间的具体空间分布状况,本申请实施例通过提供一种优质空间确定方法实现前述目的。
请参照图4,图4是本申请实施例提供的机器人运动控制方法的流程示意图之二。在本申请实施例中,图4所示的机器人运动控制方法可以包括步骤S250~步骤S290。
步骤S250,获取并联机器人的所有并联机构各自的离散化末端可达工作空间的离散点位置信息。
在本实施例中,所述机器人控制设备10可在获取到所述并联机器人的所有并联机构各自的末端可达工作空间的空间分布信息后,采用某个分辨率对每个并联机构的末端可达工作空间进行离散化,得到每个末端可达工作空间的离散点位置信息。
步骤S260,针对每个并联机构,从该并联机构的离散化末端可达工作空间的离散点位置信息中筛选对应运动/力传递性能处于预设性能指标范围内的目标离散点的位置信息,并基于筛选出的目标离散点的位置信息构建该并联机构所对应的传递性能局部优质空间。
在本实施例中,每个并联机构的传递性能局部优质空间包括该并联机构的所有目标离散点,其中每个并联机构在对应目标离散点处的运动/力传递性能处于预设性能指标范围内,以确保每个传递性能局部优质空间能够初步限定对应并联机构的与运动/力传递性能相关的期望工作空间范围。
步骤S270,针对每个并联机构的传递性能局部优质空间,构建该传递性能局部优质空间的近似内切多面体的局部超平面约束方程。
在本实施例中,当确定出某个并联机构的传递性能局部优质空间后,会在该传递性能局部优质空间内构建出体积适配的近似内切多面体,以通过该近似内切多面体表征该传递性能局部优质空间,此时该近似内切多面体可采用局部超平面约束方程进行表达,即为Eip≤Fi,其中每个不等式对应该近似内切多面体的一个超平面。
步骤S280,将并联机器人的所有并联机构各自的局部超平面约束方程进行求并集合,得到并联机构传递性能优质空间的全局超平面约束方程。
在本实施例中,当所述机器人控制设备10得到所述并联机器人的所有并联机构各自的局部超平面约束方程后,可通过将所有并联机构各自的局部超平面约束方程进行求并整合,得到表征所述并联机构传递性能优质空间的全局超平面约束方程。
步骤S290,将全局超平面约束方程在广义关节空间下进行参数换算,得到超平面约束条件。
在本实施例中,当所述机器人控制设备10确定出所述并联机构传递性能优质空间的全局超平面约束方程后,可通过适用于并联机器人的工作空间位置关于运动时间的二阶泰勒展开式将全局超平面约束方程转换到广义关节空间下进行参数换算,以得到所述超平面约束条件。此时,所述并联机器人的工作空间位置关于运动时间的二阶泰勒展开式可采用如下式子进行表达:
其中,用于表示并联机器人在时刻的工作空间位置的第k个元素;用于表示并联机器人在时刻的工作空间位置的第k个元素;Δt用于表示预设时间间隔;为的一阶导数,用于表示并联机器人在时刻的工作空间速度的第k个元素;为的二阶导数,用于表示并联机器人在时刻的工作空间加速度的第k个元素。
此时,可将上述二阶泰勒展开式以及工作空间与广义关节空间之间的映射关系,代入到所述全局超平面约束方程中,得到所述超平面约束条件,以及该超平面约束条件中第二约束系数矩阵和第二约束系数向量各自的计算公式。其中,所述工作空间与广义关节空间之间的映射关系可采用如下式子进行表示:
其中,用于表示所述并联机器人的工作空间速度,用于表示所述并联机器人在广义关节空间下对应广义坐标位置处的广义加速度,为末端雅可比矩阵J的一阶导数,用于表示所述并联机器人的工作空间加速度,用于表示所述并联机器人在广义关节空间下对应广义坐标位置处的广义速度。
由此,本申请可通过执行上述步骤S250~步骤S290,精准测定并联机器人的并联机构传递性能优质空间的具体空间分布状况。
在本申请中,为确保所述机器人控制设备10能够通过所述机器人运动控制装置100执行上述机器人运动控制方法,本申请通过对所述机器人运动控制装置100进行功能模块划分的方式实现前述功能。下面对本申请提供的机器人运动控制装置100的具体组成进行相应描述。
请参照图5,图5是本申请实施例提供的机器人运动控制装置100的组成示意图之一。在本申请实施例中,所述机器人运动控制装置100可以包括任务约束确定模块110、运动空间限制模块120、驱动参数求解模块130及关节运动控制模块140。
任务约束确定模块110,用于根据并联机器人当前的实时状态信息以及待执行任务所对应的期望运动轨迹信息,确定并联机器人执行待执行任务时的任务执行系数矩阵及与任务驱动参数相关的动力学约束条件。
运动空间限制模块120,用于根据期望运动轨迹信息以及实时状态信息,基于并联机器人的并联机构传递性能优质空间在广义关节空间下的超平面约束条件,构建与任务驱动参数相关的涉及并联机构运动松弛状况的参数分布约束条件,其中并联机器人的并联机构在所述并联机构传递性能优质空间内每个工作空间位置处的运动/力传递性能处于预设性能指标范围内。
驱动参数求解模块130,用于采用任务执行系数矩阵对预存的涉及并联机构运动松弛状况的任务执行损失函数进行求解,得到满足动力学约束条件以及参数分布约束条件的目标驱动参数。
关节运动控制模块140,用于按照目标驱动参数控制并联机器人各关节端执行器运行,以执行待执行任务。
可选地,请参照图6,图6是本申请实施例提供的机器人运动控制装置100的组成示意图之二。在本申请实施例中,所述机器人运动控制装置100还可以包括空间离散获取模块150、优质空间构建模块160、局部约束构建模块170、全局约束构建模块180及并联约束换算模块190。
空间离散获取模块150,用于获取并联机器人的所有并联机构各自的离散化末端可达工作空间的离散点位置信息。
优质空间构建模块160,用于针对每个并联机构,从该并联机构的离散化末端可达工作空间的离散点位置信息中筛选对应运动/力传递性能处于预设性能指标范围内的目标离散点的位置信息,并基于筛选出的目标离散点的位置信息构建该并联机构所对应的传递性能局部优质空间。
局部约束构建模块170,用于针对每个并联机构的传递性能局部优质空间,构建该传递性能局部优质空间的近似内切多面体的局部超平面约束方程。
全局约束构建模块180,用于将并联机器人的所有并联机构各自的局部超平面约束方程进行求并集合,得到并联机构传递性能优质空间的全局超平面约束方程。
并联约束换算模块190,用于将全局超平面约束方程在广义关节空间下进行参数换算,得到超平面约束条件。
在此过程中,所述全局超平面约束方程采用如下式子表达为:
所述超平面约束条件采用如下式子表达为:
所述参数分布约束条件采用如下式子表达为:
其中,p用于表示所述并联机器人的工作空间位置,m用于表示所述并联机构传递性能优质空间的空间维度数目,nh用于表示所述并联机构传递性能优质空间的超平面数目,E用于表示所述并联机构传递性能优质空间的第一约束系数矩阵,F用于表示所述并联机构传递性能优质空间的第一约束系数向量,用于表示所述并联机器人在广义关节空间下对应广义坐标位置处的广义加速度,n用于表示所述广义关节空间的空间维度数目,ε用于表示所述并联机器人的并联机构在运动时的松弛变量,V与W分别用于表示所述并联机构传递性能优质空间的第二约束系数矩阵及第二约束系数向量;在此过程中,V与W采用如下式子计算得到:
其中,V(i,j)用于表示第二约束系数矩阵的第i行第j列的元素,Δt用于表示预设时间间隔,E(i,k)用于表示第一约束系数矩阵的第i行第k列的元素,J(k,j)用于表示所述期望运动轨迹信息中的末端雅可比矩阵的第k行第j列的元素,Wi用于表示第二约束系数向量的第i个元素,Fi用于表示第一约束系数向量的第i个元素,用于表示所述实时状态信息所包括的所述并联机器人在当前时刻的工作空间位置的第k个元素,J(k,:)用于表示所述期望运动轨迹信息中的末端雅可比矩阵的第k行的全部元素,用于表示所述实时状态信息所包括的所述并联机器人在当前时刻的广义坐标位置处的广义速度,为所述末端雅可比矩阵J的一阶导数。
需要说明的是,本申请实施例所提供的机器人运动控制装置100,其基本原理及产生的技术效果与前述的机器人运动控制方法相同。为简要描述,本实施例部分未提及之处,可参考上述的针对机器人运动控制方法的描述内容。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,在本申请实施例提供的机器人运动控制方法及装置、机器人控制设备和存储介质中,本申请通过并联机器人当前的实时状态信息和待执行任务所对应的期望运动轨迹信息,确定并联机器人执行待执行任务时的任务执行系数矩阵及与任务驱动参数相关的动力学约束条件,并基于并联机器人的并联机构传递性能优质空间在广义关节空间下的超平面约束条件,针对任务驱动参数构建涉及并联机构运动松弛状况的参数分布约束条件,接着采用任务执行系数矩阵对预存的涉及并联机构运动松弛状况的任务执行损失函数进行求解,得到满足动力学约束条件以及参数分布约束条件的目标驱动参数,最后按照目标驱动参数控制并联机器人各关节端执行器运行来执行待执行任务,从而在机器人运动控制过程中充分考虑机器人运动学信息及并联机构的与运动/力传递性能相关的期望工作空间范围,使并联机器人在并联机构传递性能优质空间内执行对应任务,确保机器人在实现期望运动效果的同时表现出预期的运行性能。
以上所述,仅为本申请的各种实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应当以权利要求的保护范围为准。
Claims (10)
1.一种机器人运动控制方法,其特征在于,所述方法包括:
根据并联机器人当前的实时状态信息以及待执行任务所对应的期望运动轨迹信息,确定所述并联机器人执行所述待执行任务时的任务执行系数矩阵及与任务驱动参数相关的动力学约束条件;
根据所述期望运动轨迹信息以及所述实时状态信息,基于所述并联机器人的并联机构传递性能优质空间在广义关节空间下的超平面约束条件,构建与任务驱动参数相关的涉及并联机构运动松弛状况的参数分布约束条件,其中所述并联机器人的并联机构在所述并联机构传递性能优质空间内每个工作空间位置处的运动/力传递性能处于预设性能指标范围内;
采用所述任务执行系数矩阵对预存的涉及并联机构运动松弛状况的任务执行损失函数进行求解,得到满足所述动力学约束条件以及所述参数分布约束条件的目标驱动参数;
按照所述目标驱动参数控制所述并联机器人各关节端执行器运行,以执行待执行任务。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述并联机器人的所有并联机构各自的离散化末端可达工作空间的离散点位置信息;
针对每个并联机构,从该并联机构的离散化末端可达工作空间的离散点位置信息中筛选对应运动/力传递性能处于预设性能指标范围内的目标离散点的位置信息,并基于筛选出的目标离散点的位置信息构建该并联机构所对应的传递性能局部优质空间;
针对每个并联机构的传递性能局部优质空间,构建该传递性能局部优质空间的近似内切多面体的局部超平面约束方程;
将所述并联机器人的所有并联机构各自的局部超平面约束方程进行求并集合,得到所述并联机构传递性能优质空间的全局超平面约束方程;
将所述全局超平面约束方程在广义关节空间下进行参数换算,得到所述超平面约束条件。
3.根据权利要求2所述的方法,其特征在于,所述全局超平面约束方程采用如下式子表达为:
所述超平面约束条件采用如下式子表达为:
所述参数分布约束条件采用如下式子表达为:
其中,p用于表示所述并联机器人的工作空间位置,m用于表示所述并联机构传递性能优质空间的空间维度数目,nh用于表示所述并联机构传递性能优质空间的超平面数目,E用于表示所述并联机构传递性能优质空间的第一约束系数矩阵,F用于表示所述并联机构传递性能优质空间的第一约束系数向量,用于表示所述并联机器人在广义关节空间下对应广义坐标位置处的广义加速度,n用于表示所述广义关节空间的空间维度数目,ε用于表示所述并联机器人的并联机构在运动时的松弛变量,V与W分别用于表示所述并联机构传递性能优质空间的第二约束系数矩阵及第二约束系数向量;在此过程中,V与W采用如下式子计算得到:
4.根据权利要求1-3中任意一项所述的方法,其特征在于,所述待执行任务包括至少一个待执行子任务,所述任务执行系数矩阵包括第一任务系数矩阵及第二任务系数矩阵,所述根据并联机器人当前的实时状态信息以及待执行任务所对应的期望运动轨迹信息,确定所述并联机器人执行所述待执行任务时的任务执行系数矩阵的步骤,包括:
针对每个待执行子任务,从所述期望运动轨迹信息中获取与该待执行子任务对应的末端雅可比矩阵,并基于获取到的所述末端雅可比矩阵构建该待执行子任务的第一执行系数子矩阵;
从所述实时状态信息中获取所述并联机器人的广义速度,从所述期望运动轨迹信息中获取与该待执行子任务对应的期望末端加速度,并根据所述广义速度、所述末端雅可比矩阵以及所述期望末端加速度构建该待执行子任务的第二执行系数子矩阵;
根据该待执行子任务的执行权重对该待执行子任务的第一执行系数子矩阵及第二执行系数子矩阵分别进行加权运算,得到该待执行子任务的第一加权参数子矩阵及第二加权参数子矩阵;
将所述待执行任务下所有待执行子任务各自的第一加权参数子矩阵进行矩阵聚合,得到所述第一任务系数矩阵,并将所述待执行任务下所有待执行子任务各自的第二加权参数子矩阵进行矩阵聚合,得到所述第二任务系数矩阵。
6.一种机器人运动控制装置,其特征在于,所述装置包括:
任务约束确定模块,用于根据并联机器人当前的实时状态信息以及待执行任务所对应的期望运动轨迹信息,确定所述并联机器人执行所述待执行任务时的任务执行系数矩阵及与任务驱动参数相关的动力学约束条件;
运动空间限制模块,用于根据所述期望运动轨迹信息以及所述实时状态信息,基于所述并联机器人的并联机构传递性能优质空间在广义关节空间下的超平面约束条件,构建与任务驱动参数相关的涉及并联机构运动松弛状况的参数分布约束条件,其中所述并联机器人的并联机构在所述并联机构传递性能优质空间内每个工作空间位置处的运动/力传递性能处于预设性能指标范围内;
驱动参数求解模块,用于采用所述任务执行系数矩阵对预存的涉及并联机构运动松弛状况的任务执行损失函数进行求解,得到满足所述动力学约束条件以及所述参数分布约束条件的目标驱动参数;
关节运动控制模块,用于按照所述目标驱动参数控制所述并联机器人各关节端执行器运行,以执行待执行任务。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
空间离散获取模块,用于获取所述并联机器人的所有并联机构各自的离散化末端可达工作空间的离散点位置信息;
优质空间构建模块,用于针对每个并联机构,从该并联机构的离散化末端可达工作空间的离散点位置信息中筛选对应运动/力传递性能处于预设性能指标范围内的目标离散点的位置信息,并基于筛选出的目标离散点的位置信息构建该并联机构所对应的传递性能局部优质空间;
局部约束构建模块,用于针对每个并联机构的传递性能局部优质空间,构建该传递性能局部优质空间的近似内切多面体的局部超平面约束方程;
全局约束构建模块,用于将所述并联机器人的所有并联机构各自的局部超平面约束方程进行求并集合,得到所述并联机构传递性能优质空间的全局超平面约束方程;
并联约束换算模块,用于将所述全局超平面约束方程在广义关节空间下进行参数换算,得到所述超平面约束条件。
8.根据权利要求7所述的装置,其特征在于,所述全局超平面约束方程采用如下式子表达为:
所述超平面约束条件采用如下式子表达为:
所述参数分布约束条件采用如下式子表达为:
其中,p用于表示所述并联机器人的工作空间位置,m用于表示所述并联机构传递性能优质空间的空间维度数目,nh用于表示所述并联机构传递性能优质空间的超平面数目,E用于表示所述并联机构传递性能优质空间的第一约束系数矩阵,F用于表示所述并联机构传递性能优质空间的第一约束系数向量,用于表示所述并联机器人在广义关节空间下对应广义坐标位置处的广义加速度,n用于表示所述广义关节空间的空间维度数目,ε用于表示所述并联机器人的并联机构在运动时的松弛变量,V与W分别用于表示所述并联机构传递性能优质空间的第二约束系数矩阵及第二约束系数向量;在此过程中,V与W采用如下式子计算得到:
9.一种机器人控制设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器可执行所述计算机程序,以实现权利要求1-5中任意一项所述的机器人运动控制方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现权利要求1-5中任意一项所述的机器人运动控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111436543.4A CN114137982A (zh) | 2021-11-29 | 2021-11-29 | 机器人运动控制方法及装置、机器人控制设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111436543.4A CN114137982A (zh) | 2021-11-29 | 2021-11-29 | 机器人运动控制方法及装置、机器人控制设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114137982A true CN114137982A (zh) | 2022-03-04 |
Family
ID=80389603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111436543.4A Pending CN114137982A (zh) | 2021-11-29 | 2021-11-29 | 机器人运动控制方法及装置、机器人控制设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114137982A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114888802A (zh) * | 2022-05-16 | 2022-08-12 | 军事科学院系统工程研究院卫勤保障技术研究所 | 一种用于并联机器人恒平控制的数据处理方法及装置 |
CN115494850A (zh) * | 2022-10-31 | 2022-12-20 | 武汉达胜泓鑫拆除工程有限公司 | 一种工业机器人的控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070083290A1 (en) * | 2005-10-12 | 2007-04-12 | Kenichiro Nagasaka | Apparatus and method for computing operational-space physical quantity |
CN111399514A (zh) * | 2020-03-30 | 2020-07-10 | 浙江钱江机器人有限公司 | 一种机器人时间最优轨迹规划方法 |
CN112775976A (zh) * | 2021-02-05 | 2021-05-11 | 深圳市优必选科技股份有限公司 | 任务执行控制方法、装置、控制设备及可读存储介质 |
CN113290555A (zh) * | 2021-05-08 | 2021-08-24 | 浙江大学 | 一种工业机器人时间最优控制轨迹的优化方法 |
-
2021
- 2021-11-29 CN CN202111436543.4A patent/CN114137982A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070083290A1 (en) * | 2005-10-12 | 2007-04-12 | Kenichiro Nagasaka | Apparatus and method for computing operational-space physical quantity |
CN111399514A (zh) * | 2020-03-30 | 2020-07-10 | 浙江钱江机器人有限公司 | 一种机器人时间最优轨迹规划方法 |
CN112775976A (zh) * | 2021-02-05 | 2021-05-11 | 深圳市优必选科技股份有限公司 | 任务执行控制方法、装置、控制设备及可读存储介质 |
CN113290555A (zh) * | 2021-05-08 | 2021-08-24 | 浙江大学 | 一种工业机器人时间最优控制轨迹的优化方法 |
Non-Patent Citations (4)
Title |
---|
RAMIN GHAEDRAHMATI: "An enhanced inverse dynamic and joint force analysis of multibody systems using constraint matrices", 《MULTIBODY SYST DYN》, 7 March 2019 (2019-03-07) * |
刘承磊: "面向踝关节康复的四自由度广义球面并联机构 运动学性能", 《机械工程学报》, 30 November 2021 (2021-11-30) * |
熊友军: "双臂冗余机器人主动自避碰控制策略研究", 《华中科技大学学报》, 31 March 2021 (2021-03-31) * |
陈鹏;项基;韦巍;: "基于GWLN方法的冗余机械臂关节力矩约束控制", 浙江大学学报(工学版), no. 01, 15 January 2017 (2017-01-15) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114888802A (zh) * | 2022-05-16 | 2022-08-12 | 军事科学院系统工程研究院卫勤保障技术研究所 | 一种用于并联机器人恒平控制的数据处理方法及装置 |
CN114888802B (zh) * | 2022-05-16 | 2023-08-08 | 军事科学院系统工程研究院卫勤保障技术研究所 | 一种用于并联机器人恒平控制的数据处理方法及装置 |
CN115494850A (zh) * | 2022-10-31 | 2022-12-20 | 武汉达胜泓鑫拆除工程有限公司 | 一种工业机器人的控制方法 |
CN115494850B (zh) * | 2022-10-31 | 2023-08-18 | 广州亿达科技有限公司 | 一种工业机器人的控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112775976B (zh) | 任务执行控制方法、装置、控制设备及可读存储介质 | |
Nguyen-Tuong et al. | Using model knowledge for learning inverse dynamics | |
Sarabakha et al. | Novel Levenberg–Marquardt based learning algorithm for unmanned aerial vehicles | |
CN114137982A (zh) | 机器人运动控制方法及装置、机器人控制设备和存储介质 | |
Iskandar et al. | Dynamic friction model with thermal and load dependency: modeling, compensation, and external force estimation | |
CN113119100B (zh) | 冗余机械臂控制方法、装置、可读存储介质及设备 | |
CN111716360B (zh) | 一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置 | |
Man et al. | Nonlinear control design for a class of underactuated systems | |
Omran et al. | Optimal task space control design of a Stewart manipulator for aircraft stall recovery | |
Sharifi et al. | Nonlinear robust adaptive Cartesian impedance control of UAVs equipped with a robot manipulator | |
Hu et al. | Proximal policy optimization with an integral compensator for quadrotor control | |
JP2022543926A (ja) | ロボットシステムのためのデリバティブフリーモデル学習のシステムおよび設計 | |
Tariq Nasir et al. | Adaptive sliding‐mode cluster space control of a non‐holonomic multi‐robot system with applications | |
Bazylev et al. | Adaptive control system for quadrotor equiped with robotic arm | |
CN114274147B (zh) | 目标跟踪控制方法及装置、机械臂控制设备和存储介质 | |
Deshpande et al. | Robust deep reinforcement learning for quadcopter control | |
JP2018030210A (ja) | シミュレーション装置、制御システム、ロボットシステム、シミュレーション方法、プログラム及び記録媒体 | |
Ginting et al. | Attitude control of a quadrotor with fuzzy logic controller on SO (3) | |
Kurode et al. | Output feedback control of flexible link manipulator using sliding modes | |
Cheng et al. | Robust tracking control of a unicycle-type wheeled mobile manipulator using a hybrid sliding mode fuzzy neural network | |
CN114161402B (zh) | 机器人稳定控制方法、模型构建方法、装置和机器人 | |
CN114115295B (zh) | 机器人运动规划方法及装置、机器人控制设备和存储介质 | |
CN112975965B (zh) | 仿人机器人的解耦控制方法、装置和仿人机器人 | |
Cruz et al. | Application of robust discontinuous control algorithm for a 5-DOF industrial robotic manipulator in real-time | |
Boujnah et al. | Motion simulation of a manipulator robot modeled by a CAD software |
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 |