CN114310974A - 一种基于六维力信号的机器人遥操作方法和装置 - Google Patents

一种基于六维力信号的机器人遥操作方法和装置 Download PDF

Info

Publication number
CN114310974A
CN114310974A CN202111517093.1A CN202111517093A CN114310974A CN 114310974 A CN114310974 A CN 114310974A CN 202111517093 A CN202111517093 A CN 202111517093A CN 114310974 A CN114310974 A CN 114310974A
Authority
CN
China
Prior art keywords
robot
force signal
joint
teleoperation
dimensional force
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
CN202111517093.1A
Other languages
English (en)
Other versions
CN114310974B (zh
Inventor
刘辛军
李子豪
谢福贵
叶彦雷
李鹏
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202111517093.1A priority Critical patent/CN114310974B/zh
Publication of CN114310974A publication Critical patent/CN114310974A/zh
Application granted granted Critical
Publication of CN114310974B publication Critical patent/CN114310974B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Manipulator (AREA)

Abstract

本发明公开了一种基于六维力信号的机器人遥操作方法和装置,其中,该方法包括:使用遥控器采集遥操作六维力信号,其中遥控器至少包含力矩传感器;利用滤波算法对六维力信号进行滤波;对过滤后的六维力信号进行限幅处理,求得机器人在笛卡尔空间中的末端速度,以及计算求得机器人的关节角速度;根据控制器实时系统的指令下发周期,结合当前机器人的关节位置,将关节角速度积分计算得到关节期望位置,下发给各关节驱动器,各关节驱动器通过位置控制的方式,实现对机器人的遥操作。本发明利用六维力信号直接对应机器人末端在笛卡尔空间中的位姿,操作机器人的移动,对力信号有抗干扰和限幅的作用,且可以对遥操作调速,使遥操作更稳定、简单和直观。

Description

一种基于六维力信号的机器人遥操作方法和装置
技术领域
本发明涉及机器人遥操作技术领域,尤其涉及一种基于六维力信号的机器人遥操作方法和装置。
背景技术
目前遥控主要分为三大类:间接引导,直接操作和混合操控。间接引导主要是使用图像识别或声音识别。机器人通过辨别操作者的手势或者声音,执行指定的操作。直接操作主要是借助于某个硬件平台,来帮助操作者控制机器人完成某项动作。操作者通过控制手柄、摇杆或者体感遥控器,遥操作机器人完成指定的动作或者任务。混合操控主要是前两者合并。机器人通过识别动作或者声音,同时接收硬件平台的操作指令,完成具体的动作。
对于间接操控和混合操控,由于机器人需要处理图像和声音等复杂信息,需要对信息处理的算法部分有很高的要求,再者,算法的复杂程度往往较大,需要较长的处理时间,相比于直接遥控,有明显的滞后。同时,为了获取复杂信息,一般有特殊的硬件需求。
直接操作能够较为直观的控制机器人的移动。直接操作的硬件平台有很多,常见的包括游戏手柄,摇杆,VR手柄和示教器等。但大部分手柄都不能满足6自由度的操控,如果能满足,操作也较为复杂。
遥操作是人类直接操作机器人最基本的方法。现阶段的遥控器能实现六维位姿遥控的一般有三种,一种采用多个同类传感器触发的方式(如游戏手柄、示教器,采用12个触发信号,分别接收位置和姿态的正负信号),这种传感器操作方便但不直观,需要长时间的锻炼和熟悉。另一种是使用IMU来实现姿态信号的接收,而位置信号采用其他传感器进行接收(VR手柄),这种遥控器的操作较为直观,但遥控器的体积往往较大,结构复杂。还有一种是通过六维传感器,接收六维遥控信号,来控制机器人,如力矩传感器。使用力矩传感器进行遥操作的优势是能够获取六维遥操作力信号,再通过导纳控制算法和雅克比矩阵,得到关节速度,最终实现机器人的移动。而它的缺点主要是无法对力信号进行限制,力信号越大,速度越大。这在机器人遥操作中十分危险,因为机器人的运动必须是安全可靠的,速度越大,就越无法保证安全。而且从力矩传感器中得到的力信号,会有很多噪声,影响整个系统的稳定。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的目的在于提出一种基于六维力信号的机器人遥操作方法,通过把遥控器中接收到的六维力信号转化为关节位置信号,从而控制机器人的移动。该方法对力信号有抗干扰和限幅的作用,且可以对遥操作调速,使遥操作更稳定、简单和直观。
本发明的另一个目的在于提出一种基于六维力信号的机器人遥操作装置。
为达上述目的,本发明一方面提出了一种基于六维力信号的机器人遥操作方法,包括:使用遥控器采集遥操作六维力信号;其中,所述遥控器至少包含力矩传感器;利用滤波算法,对六维力信号进行滤波;利用力信号限制输出算法对过滤后的六维力信号进行处理,得到限制输出力信号;基于限制输出力信号,通过导纳控制算法求得机器人在笛卡尔空间中的末端速度,将末端速度结合雅克比矩阵,计算求得机器人的关节角速度;根据控制器实时系统的指令下发周期,结合当前机器人的关节位置,将关节角速度积分计算得到关节期望位置,并将关节期望位置下发给各关节驱动器,各关节驱动器通过位置控制的方式,实现对机器人的遥操作。
另外,根据本发明上述实施例的基于六维力信号的机器人遥操作方法还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,所述使用遥控器采集遥操作六维力信号,包括:
将含有力矩传感器的遥控器与机器人控制器连接,并根据期望力响应速率、期望最大速度和期望力限制值大小设置所述力信号限制输出算法的四个参数和导纳控制的阻尼系数矩阵;根据所述力矩传感器的坐标系和机器人末端执行器在笛卡尔空间中坐标系的对应关系,对所述机器人控制器施加相应的力以控制机器人末端执行器在笛卡尔空间中的移动,采集遥操作六维力信号。
进一步地,在本发明的一个实施例中,所述滤波算法的表达式为:
Figure BDA0003399923070000021
其中,x为原始力信号,y为过滤后的力信号,M为力信号的数量,i是当前的信号编号,j∈(0,M-1)。
进一步地,在本发明的一个实施例中,所述力信号限制输出算法的表达式为:
Figure BDA0003399923070000031
其中,b,c,d和k为常数,y为过滤后的信号,F为输出的遥控信号。
进一步地,在本发明的一个实施例中,所述导纳控制算法的表达式为:
Figure BDA0003399923070000032
其中,F为末端六维力,A为阻尼系数对角矩阵,v为机械臂末端在笛卡尔空间中的速度。
进一步地,在本发明的一个实施例中,所述雅克比矩阵的表达式为:
Figure BDA0003399923070000033
其中,J为雅克比矩阵,
Figure BDA0003399923070000034
为机械臂关节速度。
本发明实施例的基于六维力信号的机器人遥操作方法,使用遥控器采集遥操作六维力信号;其中,所述遥控器至少包含力矩传感器;利用滤波算法,对六维力信号进行滤波;利用力信号限制输出算法对过滤后的六维力信号进行处理,得到限制输出力信号;基于限制输出力信号,通过导纳控制算法求得机器人在笛卡尔空间中的末端速度,将末端速度结合雅克比矩阵,计算求得机器人的关节角速度;根据控制器实时系统的指令下发周期,结合当前机器人的关节位置,将关节角速度积分计算得到关节期望位置,并将关节期望位置下发给各关节驱动器,各关节驱动器通过位置控制的方式,实现对机器人的遥操作。本发明利用六维力信号直接对应机器人末端在笛卡尔空间中的位姿,操作机器人的移动,对力信号有抗干扰和限幅的作用,且可以对遥操作调速,使遥操作更稳定、简单和直观。
为达到上述目的,本发明另一方面提出了一种基于六维力信号的机器人遥操作装置,包括:
采集模块,用于使用遥控器采集遥操作六维力信号;其中,所述遥控器至少包括力矩传感器;
滤波模块,用于在控制器中利用滤波算法,对所述六维力信号进行滤波;
处理模块,用于利用力信号限制输出算法对过滤后的六维力信号进行处理,得到限制输出力信号;
计算模块,用于基于所述限制输出力信号,通过导纳控制算法求得所述机器人在笛卡尔空间中的末端速度,将所述末端速度结合雅克比矩阵,计算求得所述机器人的关节角速度;
控制模块,用于根据控制器实时系统的指令下发周期,结合当前机器人的关节位置,将所述关节角速度积分计算得到关节期望位置,并将所述关节期望位置下发给各关节驱动器,所述各关节驱动器通过位置控制的方式,实现对机器人的遥操作。
本发明实施例的基于六维力信号的机器人遥操作装置,利用六维力信号直接对应机器人末端在笛卡尔空间中的位姿,操作机器人的移动,对力信号有抗干扰和限幅的作用,且可以对遥操作调速,使遥操作更稳定、简单和直观。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的基于六维力信号的机器人遥操作方法的流程图;
图2为根据本发明实施例的X轴力信号滤波示意图;
图3为根据本发明实施例的参数k变化对输出F造成的影响的示意图;
图4为根据本发明实施例的参数b变化对输出F造成的影响的示意图;
图5为根据本发明实施例的参数c变化对输出F造成的影响的示意图;
图6为根据本发明实施例的参数d变化对输出F造成的影响的示意图;
图7为根据本发明实施例的x轴限制输出力信号的示意图;
图8为根据本发明实施例的基于六维力信号的机器人遥操作方法的具体示意图;
图9为根据本发明实施例的操作者通过力信号控制机器人的示意图;
图10为根据本发明实施例的基于六维力信号的机器人遥操作装置的结构示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
下面参照附图描述根据本发明实施例提出的基于六维力信号的机器人遥操作方法及装置。
图1是本发明一个实施例的基于六维力信号的机器人遥操作方法的流程图。
如图1所示,该基于六维力信号的机器人遥操作方法包括以下步骤:
S1,使用遥控器采集遥操作六维力信号;其中,遥控器至少包括力矩传感器。
可以理解的是,本发明将含有力矩传感器的遥控器与机器人控制器连接,遥控器上不仅仅包括力矩传感器,以实现对遥操作六维力信号地采集,并将采集地信号传输给控制器。
在与机器人控制器连接后,并根据期望力响应速率,期望最大速度和期望力限制值大小设置力信号限制输出算法的四个参数和导纳控制的阻尼系数矩阵;操作者根据力矩传感器的坐标系和机器人末端执行器在笛卡尔空间中坐标系的对应关系,对机器人控制器施加相应的力以控制机器人末端执行器在笛卡尔空间中的移动,采集遥操作六维力信号,即是原始三维力信号和三维扭矩信号。也就是说从力矩传感器中采集原始六维力信号,用于对机器人进行遥操作。
S2,利用滤波算法,对六维力信号进行滤波。
可以理解地是,由于力矩传感器灵敏度较高,且容易受到环境温度和湿度的影响而产生噪声,所以使用移动平均滤波算法对其进行滤波,本发明的滤波算法包括但不限于移动平均滤波算法。该算法主要通过对连续的M个信号进行叠加求平均,从而实现一个滤波的功能。其滤波算法表达式为:
Figure BDA0003399923070000051
其中,x为原始力信号,y为过滤后的力信号,M为力信号的数量,i是当前的信号编号,而j∈(0,M-1)。图1为X轴力信号滤波示意图,如图2所示,其中绿色为原始信号,红色为滤波后的信号。从图2可以看出,该滤波算法对原始信号有良好的滤波效果。
S3,利用力信号限制输出算法对过滤后的六维力信号进行处理,得到限制输出力信号。
具体的,进行过滤之后,使用力信号限制输出算法,对过滤后的力信号进行处理。其表达式为:
Figure BDA0003399923070000052
其中,参数b,c,d和k为常数,一般取b∈[1,25],c∈[0.2,3],d∈[0.2,4]和k∈[1,20],由操作者设置。y为过滤后的信号,F为输出的遥控信号。正负输出相当于某个轴两个方向的信号。这意味着,正输出信号与正方向相关,反之亦然。如果输出在(-0.001,0.001)之间,则对应的输入域被称为死区,即认为输出不会让机器人移动。如果输出接近最大值(负为-b,正为b),则该输入区域被命名为饱和区。此外,该混合函数是关于原点对称的。而当y=0时,输出始终等于0。因此,这个函数的特性可以被分为两部分。当
Figure BDA0003399923070000061
时,函数主要受k的影响,称为第一部分。当
Figure BDA0003399923070000062
函数主要受c影响,称为第二部分。因为混合函数是对称的,所以接下来将仅讨论当y>0时,混合函数受参数变化的影响。
参数k的变化主要导致死区的大小调整。死区的大小会随着k的增加而变大。图3显示了改变k对输出F的影响。从这个图中可以看出,第2部分(青色线)没有改变,因为c是不变的。如果k增加,第1部分的最大输出也会增加。图4展示了改变b对输出F的影响。该函数输出的最大值为±b,即b的变化会影响输出的最大值。同时,b的变化会对死区有明显的影响,增大b会增大死区。图5展示了改变c对输出F的影响。从该图中可以看出,第1部分(蓝色线)是不变的,因为k不变。而c的变化不仅调整了输出的上升速率,它还可以影响死区的大小,因为c会影响转折点的大小。转折点与k成正比,与c成反比。如果k增加或c减少,
Figure BDA0003399923070000063
会增加,反之亦然。从图2和图4中可以看出,第一部分和第二部分的饱和区有部分是重叠的,如果转折点靠近饱和区,增大
Figure BDA0003399923070000064
而转折点仍然在饱和区,不会对混合函数产生任何影响。如果转折点在死区,同理,因为第1部分和第2部分在死区也有重叠区域,减小
Figure BDA0003399923070000065
也不会对输出产生任何影响。此外,当输出随着y的增加而增加时,第一部分的上升速度一般大于第二部分。也就是说,第一部分F的上升斜率更大,而第二部分中斜率相对较小。当机器人被稳定上升的力触发移动时,刚开始输出时会以较大的速率变化。因此,引入d来影响输出和输入之间的上升速度。尤其是在转折点之后,d越小,输出越平滑。图6展示了改变d对输出F的影响。
由此可以得到相对稳定的力信号,图7为x轴限制输出力信号的示意图,其中k=3;b=5;c=0.8;d=0.5。从图7中可以看出,该力信号限制输出算法能够实现限幅和抗干扰的功能。
S4,基于限制输出力信号,通过导纳控制算法求得机器人在笛卡尔空间中的末端速度,将末端速度结合雅克比矩阵,计算求得机器人的关节角速度。
具体的,得到限制输出力信号后,利用导纳控制算法和雅克比矩阵,把力信号转换为机器人关节输入信号。导纳控制算法表达式为:
Figure BDA0003399923070000071
其中,F为末端六维力,A为阻尼系数对角矩阵,v为机械臂末端在笛卡尔空间中的速度。由此可以看出,F与v成正比,即v随F的增大而增大,所以通过调整F的最大值,可以相应改变v的最大值,实现限速的功能。之后,利用雅克比矩阵,把v转化为关节速度,其表达式为:
Figure BDA0003399923070000072
其中,J为雅克比矩阵,
Figure BDA0003399923070000073
为机械臂关节速度。
S5,根据机器人控制器实时系统的指令下发周期,结合当前机器人的关节位置,将关节角速度积分计算得到关节期望位置,并将关节期望位置下发给各关节驱动器,各关节驱动器通过位置控制的方式,实现对机器人的遥操作。
具体的,之后根据控制器实时系统的指令下发周期,结合当前关节位置,将关节角速度积分计算得到关节期望位置,下发给各关节驱动器。驱动器通过位置控制的方式,实现机器人的移动,完成遥操作。本发明通过转换从遥控器中采集得到的六维力信号为机器人末端速度信号,最终实现操作者对机器人在笛卡尔空间中的遥操作。
作为一种示例,本发明通过力矩传感器接收遥操作的六维力信号,使用移动平均滤波算法对其滤波,再通过力信号限制输出算法,对力信号进行限幅处理,最终得到遥控信号。之后,利用导纳控制算法和雅克比矩阵,把遥控信号转换为机器人的关节速度,再结合实时系统的周期,对速度进行积分,通过关节位置控制,实现机器人的遥控。具体的流程如图8所示。通过把遥控器中接收到的六维力信号转化为关节位置信号,从而控制机器人的移动。图9为操作者使用含力矩传感器的遥控器示意图,通过结合图8具体的流程示意图,可以实现机器人的移动,完成遥操作。
根据本发明实施例的基于六维力信号的机器人遥操作方法,使用遥控器采集遥操作六维力信号;其中,遥控器至少包括力矩传感器;利用滤波算法,对六维力信号进行滤波;利用力信号限制输出算法对过滤后的六维力信号进行处理,得到限制输出力信号;基于限制输出力信号,通过导纳控制算法求得机器人在笛卡尔空间中的末端速度,将末端速度结合雅克比矩阵,计算求得机器人的关节角速度;根据控制器实时系统的指令下发周期,结合当前机器人的关节位置,将关节角速度积分计算得到关节期望位置,并将关节期望位置下发给各关节驱动器,各关节驱动器通过位置控制的方式,实现对机器人的遥操作。本发明利用六维力信号直接对应机器人末端在笛卡尔空间中的位姿,操作机器人的移动,对力信号有抗干扰和限幅的作用,且可以对遥操作调速,使遥操作更稳定、简单和直观。
为了实现上述实施例,如图10所示,本实施例中还提供了基于六维力信号的机器人遥操作装置10,该装置10包括:采集模块100、滤波模块200、处理模块300、计算模块400和控制模块500。
采集模块100,用于使用遥控器采集遥操作六维力信号;其中,遥控器至少包含力矩传感器;
滤波模块200,用于在控制器中利用滤波算法,对六维力信号进行滤波;
处理模块300,用于利用力信号限制输出算法对过滤后的六维力信号进行处理,得到限制输出力信号;
计算模块400,用于基于限制输出力信号,通过导纳控制算法求得机器人在笛卡尔空间中的末端速度,将末端速度结合雅克比矩阵,计算求得机器人的关节角速度;
控制模块500,用于根据控制器实时系统的指令下发周期,结合当前机器人的关节位置,将关节角速度积分计算得到关节期望位置,并将关节期望位置下发给各关节驱动器,各关节驱动器通过位置控制的方式,实现对机器人的遥操作。
进一步地,上述采集模块100,还用于:
将含有力矩传感器的遥控器与机器人控制器连接,并根据期望力响应速率、期望最大速度和期望力限制值大小设置力信号限制输出算法的四个参数和导纳控制的阻尼系数矩阵;
根据力矩传感器的坐标系和机器人末端执行器在笛卡尔空间中坐标系的对应关系,对机器人控制器施加相应的力以控制机器人末端执行器在笛卡尔空间中的移动,采集遥操作六维力信号。
进一步地,滤波算法的表达式为:
Figure BDA0003399923070000081
其中,x为原始力信号,y为过滤后的力信号,M为力信号的数量,i是当前的信号编号,j∈(0,M-1)。
进一步地,力信号限制输出算法的表达式为:
Figure BDA0003399923070000082
其中,b,c,d和k为常数,一般取b∈[1,25],c∈[0.2,3],d∈[0.2,4]和k∈[1,20],y为过滤后的信号,F为输出的遥控信号。
根据本发明实施例的基于六维力信号的机器人遥操作装置,利用六维力信号直接对应机器人末端在笛卡尔空间中的位姿,操作机器人的移动,使机器人遥操作更简单直观。
需要说明的是,前述对基于六维力信号的机器人遥操作方法实施例的解释说明也适用于该实施例的基于六维力信号的机器人遥操作装置,此处不再赘述。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于六维力信号的机器人遥操作方法,其特征在于,包括以下步骤:
使用遥控器采集遥操作六维力信号;其中,所述遥控器至少包含力矩传感器;
利用滤波算法,对所述六维力信号进行滤波;
利用力信号限制输出算法对过滤后的六维力信号进行处理,得到限制输出力信号;
基于所述限制输出力信号,通过导纳控制算法求得机器人在笛卡尔空间中的末端速度,将所述末端速度结合雅克比矩阵,计算求得机器人的关节角速度;
根据控制器实时系统的指令下发周期,结合当前机器人的关节位置,将所述关节角速度积分计算得到关节期望位置,并将所述关节期望位置下发给各关节驱动器,所述各关节驱动器通过位置控制的方式,实现对机器人的遥操作。
2.根据权利要求1所述的基于六维力信号的机器人遥操作方法,其特征在于,所述使用遥控器采集遥操作六维力信号,包括:
将含有力矩传感器的遥控器与机器人控制器连接,并根据期望力响应速率、期望最大速度和期望力限制值大小设置所述力信号限制输出算法的四个参数和导纳控制的阻尼系数矩阵;
根据所述力矩传感器的坐标系和机器人末端执行器在笛卡尔空间中坐标系的对应关系,对所述机器人控制器施加相应的力以控制机器人末端执行器在笛卡尔空间中的移动,采集遥操作六维力信号。
3.根据权利要求1所述的基于六维力信号的机器人遥操作方法,其特征在于,所述滤波算法的表达式为:
Figure FDA0003399923060000011
其中,x为原始力信号,y为过滤后的力信号,M为力信号的数量,i是当前的信号编号,j∈(0,M-1)。
4.根据权利要求1所述的基于六维力信号的机器人遥操作方法,其特征在于,所述力信号限制输出算法的表达式为:
Figure FDA0003399923060000021
其中,b,c,d和k为常数,y为过滤后的信号,F为输出的遥控信号。
5.根据权利要求1所述的基于六维力信号的机器人遥操作方法,其特征在于,所述导纳控制算法的表达式为:
Figure FDA0003399923060000022
其中,F为六维力信号,A为阻尼系数对角矩阵,v为机械臂末端在笛卡尔空间中的速度。
6.根据权利要求1所述的基于六维力信号的机器人遥操作方法,其特征在于,所述雅克比矩阵的表达式为:
Figure FDA0003399923060000023
其中,J为雅克比矩阵,
Figure FDA0003399923060000024
为机械臂关节速度。
7.一种基于六维力信号的机器人遥操作装置,其特征在于,包括:
采集模块,用于使用遥控器采集遥操作六维力信号;其中,所述遥控器至少包含力矩传感器;
滤波模块,用于在控制器中利用滤波算法,对所述六维力信号进行滤波;
处理模块,用于利用力信号限制输出算法对过滤后的六维力信号进行处理,得到限制输出力信号;
计算模块,用于基于所述限制输出力信号,通过导纳控制算法求得所述机器人在笛卡尔空间中的末端速度,将所述末端速度结合雅克比矩阵,计算求得所述机器人的关节角速度;
控制模块,用于根据控制器实时系统的指令下发周期,结合当前机器人的关节位置,将所述关节角速度积分计算得到关节期望位置,并将所述关节期望位置下发给各关节驱动器,所述各关节驱动器通过位置控制的方式,实现对机器人的遥操作。
8.根据权利要求7所述的基于六维力信号的机器人遥操作装置,其特征在于,所述采集模块,还用于:
将含有力矩传感器的遥控器与所述机器人控制器连接,并根据期望力响应速率、期望最大速度和期望力限制值大小设置所述力信号限制输出算法的四个参数和导纳控制的阻尼系数矩阵;
根据所述力矩传感器的坐标系和机器人末端执行器在笛卡尔空间中坐标系的对应关系,对所述机器人控制器施加相应的力以控制机器人末端执行器在笛卡尔空间中的移动,采集遥操作六维力信号。
9.根据权利要求7所述的基于六维力信号的机器人遥操作装置,其特征在于,所述滤波算法的表达式为:
Figure FDA0003399923060000031
其中,x为原始力信号,y为过滤后的力信号,M为力信号的数量,i是当前的信号编号,j∈(0,M-1)。
10.根据权利要求7所述的基于六维力信号的机器人遥操作装置,其特征在于,所述力信号限制输出算法的表达式为:
Figure FDA0003399923060000032
其中,b,c,d和k为常数,y为过滤后的信号,F为输出的遥控信号。
CN202111517093.1A 2021-12-08 2021-12-08 一种基于六维力信号的机器人遥操作方法和装置 Active CN114310974B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111517093.1A CN114310974B (zh) 2021-12-08 2021-12-08 一种基于六维力信号的机器人遥操作方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111517093.1A CN114310974B (zh) 2021-12-08 2021-12-08 一种基于六维力信号的机器人遥操作方法和装置

Publications (2)

Publication Number Publication Date
CN114310974A true CN114310974A (zh) 2022-04-12
CN114310974B CN114310974B (zh) 2023-08-25

Family

ID=81049762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111517093.1A Active CN114310974B (zh) 2021-12-08 2021-12-08 一种基于六维力信号的机器人遥操作方法和装置

Country Status (1)

Country Link
CN (1) CN114310974B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106041926A (zh) * 2016-06-12 2016-10-26 哈尔滨工程大学 一种基于卡尔曼滤波器的工业机械臂力/位置混合控制方法
CN106475999A (zh) * 2016-12-23 2017-03-08 东南大学 刚性条件下基于阻抗模型的双臂协调的加速度控制方法
CN106774181A (zh) * 2016-12-23 2017-05-31 东南大学 基于阻抗模型的高精度牵引示教机器人的速度控制方法
CN110125936A (zh) * 2019-05-15 2019-08-16 清华大学深圳研究生院 一种空间机器人的柔顺控制方法和地面实验验证系统
CN110605721A (zh) * 2019-10-24 2019-12-24 苏州艾利特机器人有限公司 一种基于末端六维力传感器的机械臂拖动示教方法
CN110977990A (zh) * 2019-12-30 2020-04-10 苏州艾利特机器人有限公司 一种基于末端六维力传感器的机械臂拖动示教方法
CN112743541A (zh) * 2020-12-21 2021-05-04 南京埃斯顿自动化股份有限公司 一种无力/力矩传感器机械臂软浮动控制方法
EP3845346A1 (en) * 2019-12-31 2021-07-07 Fundación Tecnalia Research & Innovation Method, system and computer program product for controlling the teleoperation of a robotic arm

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106041926A (zh) * 2016-06-12 2016-10-26 哈尔滨工程大学 一种基于卡尔曼滤波器的工业机械臂力/位置混合控制方法
CN106475999A (zh) * 2016-12-23 2017-03-08 东南大学 刚性条件下基于阻抗模型的双臂协调的加速度控制方法
CN106774181A (zh) * 2016-12-23 2017-05-31 东南大学 基于阻抗模型的高精度牵引示教机器人的速度控制方法
CN110125936A (zh) * 2019-05-15 2019-08-16 清华大学深圳研究生院 一种空间机器人的柔顺控制方法和地面实验验证系统
CN110605721A (zh) * 2019-10-24 2019-12-24 苏州艾利特机器人有限公司 一种基于末端六维力传感器的机械臂拖动示教方法
CN110977990A (zh) * 2019-12-30 2020-04-10 苏州艾利特机器人有限公司 一种基于末端六维力传感器的机械臂拖动示教方法
EP3845346A1 (en) * 2019-12-31 2021-07-07 Fundación Tecnalia Research & Innovation Method, system and computer program product for controlling the teleoperation of a robotic arm
CN112743541A (zh) * 2020-12-21 2021-05-04 南京埃斯顿自动化股份有限公司 一种无力/力矩传感器机械臂软浮动控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高敬鹏: "《深度学习 卷积神经网络技术与实践》", 机械工业出版社, pages: 41 - 44 *

Also Published As

Publication number Publication date
CN114310974B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
Zhang et al. Acceleration-level pseudo-dynamic visual servoing of mobile robots with backstepping and dynamic surface control
CN110825076B (zh) 基于视线和力反馈的移动机器人编队导航半自主控制方法
Luo et al. LQ design of PID controllers for robot arms
CN110597072B (zh) 机器人导纳柔顺控制方法及系统
Luo et al. Real time human motion imitation of anthropomorphic dual arm robot based on Cartesian impedance control
CN113681543B (zh) 一种基于模型预测的机械臂零力控制方法
CN104924313A (zh) 具有模仿学习机制的手把手示教机械臂系统及方法
CN112247962B (zh) 面向上肢穿戴机器人的人机博弈控制方法及系统
KR20180038954A (ko) 다축 움직임 제어 장치 및 방법, 특히 로봇 팔을 위한 제어 장치 및 방법
CN112894821B (zh) 基于电流法的协作机器人拖动示教控制方法、装置及设备
CN111015649A (zh) 一种驱控一体化控制系统
CN112621746A (zh) 带死区的pid控制方法及机械臂视觉伺服抓取系统
CN111300451B (zh) 一种高智能变形机器人
Bednarczyk et al. Emg-based variable impedance control with passivity guarantees for collaborative robotics
Shin et al. Hand gesture-based wearable human-drone interface for intuitive movement control
Luo et al. Target tracking by grey prediction theory and look-ahead fuzzy logic control
CN114310974A (zh) 一种基于六维力信号的机器人遥操作方法和装置
CN114714358A (zh) 基于手势协议遥操作机械臂方法及系统
Choi et al. Wearable gesture control of agile micro quadrotors
Al-Okby et al. Development and testing of intelligent wheelchair controller for quadriplegic patients
Xue et al. Remote sensing and teleoperation of a mobile robot via the internet
Ruiz et al. A sensor fusion based robotic system architecture using human interaction for motion control
Yassine et al. A robust synergetic controller for Quadrotor obstacle avoidance using Bézier curve versus B-spline trajectory generation
Vadakkepat et al. Fuzzy logic controllers for navigation and control of AR. Drone using microsoft kinect
Shchekoldin et al. Adaptive head movements tracking algorithms for AR interface controlled telepresence robot

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