CN114800442B - 基于肌电信号和运动学冗余的机器人拖动示教系统与方法 - Google Patents

基于肌电信号和运动学冗余的机器人拖动示教系统与方法 Download PDF

Info

Publication number
CN114800442B
CN114800442B CN202210280758.XA CN202210280758A CN114800442B CN 114800442 B CN114800442 B CN 114800442B CN 202210280758 A CN202210280758 A CN 202210280758A CN 114800442 B CN114800442 B CN 114800442B
Authority
CN
China
Prior art keywords
robot
ellipsoid
current
expected
matrix
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
CN202210280758.XA
Other languages
English (en)
Other versions
CN114800442A (zh
Inventor
杨辰光
叶德禧
黄浩晖
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.)
Foshan Newhinken Intelligent Technology Co ltd
South China University of Technology SCUT
Original Assignee
Foshan Newhinken Intelligent Technology Co ltd
South China University of Technology SCUT
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 Foshan Newhinken Intelligent Technology Co ltd, South China University of Technology SCUT filed Critical Foshan Newhinken Intelligent Technology Co ltd
Priority to CN202210280758.XA priority Critical patent/CN114800442B/zh
Publication of CN114800442A publication Critical patent/CN114800442A/zh
Application granted granted Critical
Publication of CN114800442B publication Critical patent/CN114800442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B25J9/0081—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
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/087—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices for sensing other physical parameters, e.g. electrical or chemical properties
    • 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
    • B25J9/1643—Programme controls characterised by the control loop redundant 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
    • B25J9/1694—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
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

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

Abstract

本发明公开了一种基于肌电信号和运动学冗余的机器人拖动示教系统与方法，该系统包括：肌电手环、机器人、六维力传感器、拖动工具和工控机；肌电手环测量手臂成对拮抗肌的原始肌电信号，工控机获取肌电信号估计出手臂末端刚度椭球，获取六维力计算离散导纳控制器输出的期望速度和位置，将机器人末端的位置误差加入位置跟踪控制器中输出主任务控制量，速度可操作性椭球跟踪控制器计算出期望速度可操作性椭球并输出次任务控制量，组合主任务控制量和次任务控制量得到期望关节角速度，积分计算得到当前期望关节角度并通过位置伺服接口发给机器人进行控制。本发明帮助示教者克服不稳定性和阻力，减轻了示教者的负担，提高了操作的稳定性。

Description

基于肌电信号和运动学冗余的机器人拖动示教系统与方法
技术领域
本发明涉及机器人控制技术领域，具体涉及一种基于肌电信号和运动学冗余的机器人拖动示教系统与方法。
背景技术
随着机器人技术的发展，越来越多的工业机器人被投入自动化生产中，其中，示教编程是赋予机器人完成指定生产任务能力的关键步骤。机器人示教分为示教器示教和拖动示教，示教器示教对示教者的编程能力和技术水平都提出了一定的要求，且示教效率低；而拖动示教操作直观简单，无需示教者编程，示教效率高，已经成为机器人示教的流行方式。
目前，拖动示教主要分为基于六维力传感器的拖动示教和基于机器人动力学补偿的拖动示教。前者需要在机器人上安装六维力传感器，后者需要获取机器人的动力学参数和摩擦力模型。然而，相当一部分的工业机器人只开放了位置伺服接口，不开放力矩控制接口，并且不提供获取机器人动力学参数的接口。这意味着使用基于机器人动力学补偿的拖动示教需要由示教者进行机器人动力学参数和摩擦力模型的辨识，而该辨识过程往往存在较大误差，不利于拖动示教。此外，上述两种拖动示教方式只能记录位置和力信息，而不能记录刚度和可操作性信息，不利于将人的技能传递给机器人。同时，上述两种拖动示教方式不能在线改变机器人末端阻抗参数和可操作性，无法对示教者手臂末端刚度的变化做出响应，不利于示教者克服拖动示教中的不稳定性和拖动阻力。
发明内容
为了克服现有技术存在的缺陷与不足，本发明提供一种基于肌电信号和运动学冗余的机器人拖动示教系统与方法，使示教者可以准确高效地对开放位置伺服接口的任意机器人进行拖动示教，通用性好，而且能够将示教者改变位置、力、刚度和可操作性的技能传递给机器人；在拖动示教过程中在线调节阻抗参数和速度可操作性椭球，帮助示教者克服不稳定性和阻力，减轻了示教者的负担，提高了操作的稳定性。
为了达到上述目的，本发明采用以下技术方案：
本发明提供一种基于肌电信号和运动学冗余的机器人拖动示教系统，包括：肌电手环、机器人、六维力传感器、拖动工具和工控机；
所述肌电手环用于测量示教者手臂成对拮抗肌的原始肌电信号，所述六维力传感器安装在机器人法兰盘末端和拖动工具之间，用于测量施加在拖动工具上的六维力；
所述工控机用于从肌电手环获取肌电信号估计出示教者的手臂末端刚度椭球，自动调整离散导纳控制器的参数以适应示教者手臂末端刚度椭球；
所述工控机用于从六维力传感器获取作用在拖动工具上的六维力，计算离散导纳控制器输出的期望速度和位置，将机器人末端的位置误差加入位置跟踪控制器中，输出跟踪期望位置控制量，使用速度可操作性椭球跟踪控制器计算出期望速度可操作性椭球并输出跟踪期望速度可操作性椭球控制量，根据冗余机械臂的零空间算法组合跟踪期望位置控制量和跟踪期望速度可操作性椭球控制量得到期望关节角速度，通过积分计算得到当前期望关节角度，将当前期望关节角度通过位置伺服接口发送给机器人进行控制。
本发明还提供一种基于肌电信号和运动学冗余的机器人拖动示教方法，包括下述步骤：
定义手臂末端刚度椭球的各个主轴方向，选取对应手臂末端刚度椭球各个主轴方向的多对拮抗肌，工控机从肌电手环获取手臂上选取的多对拮抗肌的原始肌电信号，对原始肌电信号进行整流和滤波，得到肌电信号包络；
获取肌电信号估计出示教者的手臂末端刚度椭球，调整离散导纳控制器的参数以适应示教者手臂末端刚度椭球；
工控机从六维力传感器获取作用在拖动工具上的六维力，运行离散导纳控制器，计算出当前机器人末端期望速度和位置；
根据冗余机械臂的零空间算法，定义控制机器人的主任务为跟踪离散导纳控制器输出的期望位置，定义控制机器人的次任务为跟踪期望速度可操作性椭球；
将机器人末端的位置误差加入位置跟踪控制器中，得到主任务控制量；
定义机器人的期望速度可操作性椭球对应矩阵，定义机器人的当前速度可操作性椭球对应矩阵；
构建优化函数为机器人的期望速度可操作性椭球对应矩阵和当前速度可操作性椭球对应矩阵的欧式距离，基于优化函数得到次任务控制量；
组合主任务控制量和次任务控制量得到期望关节角速度，通过积分计算得到机器人的当前期望关节角度；
工控机将机器人的当前期望关节角度通过位置伺服接口发送给机器人，完成一个周期对机器人的控制。
作为优选的技术方案，所述对原始肌电信号进行整流和滤波，得到肌电信号包络，具体计算公式为：
其中，表示肌电信号包络，Ei(k)表示原始肌电信号，k表示当前采样时刻，w为滤波滑动窗口的大小。
作为优选的技术方案，所述工控机从六维力传感器获取作用在拖动工具上的六维力，运行离散导纳控制器，计算出当前机器人末端期望速度和位置，具体计算公式为：
Cj(k)＝min(A2j-1(k)，A2j(k))
其中，x0表示机器人末端初始期望位置，和xd(k)分别为由离散导纳控制器计算出的当前机器人末端期望加速度、速度和位置，Fext(k)表示作用在拖动工具上的六维力，T是控制周期，Md为离散导纳控制器中的质量参数，k代表当前时间步，/>和分别是机器人末端各方向的刚度最大值和最小值，ρ表示尺度因子，Kd(k)、Dd(k)分别表示离散导纳控制器的刚度参数和阻尼参数，Cj(k)表示手臂末端刚度椭球各个主轴的长度，/>表示对应肌肉的最大主动收缩值，/>表示肌电信号包络。
作为优选的技术方案，所述将机器人末端的位置误差加入位置跟踪控制器中，得到主任务控制量，具体步骤包括：
主任务控制量为：
其中，Gx为对称正定矩阵，n为机器人的自由度，m为任务空间的自由度，和xd分别为由离散导纳控制器计算出的当前机器人末端期望速度和位置，J表示当前的雅可比矩阵，x表示机器人末端当前位置，I表示单位矩阵。
作为优选的技术方案，所述构建优化函数为机器人的期望速度可操作性椭球对应矩阵和当前速度可操作性椭球对应矩阵的欧式距离，基于优化函数得到次任务控制量，具体步骤包括：
机器人的期望速度可操作性椭球对应矩阵表示为：
机器人的当前速度可操作性椭球对应矩阵表示为：
Mc＝JJT
构建优化函数为：
基于优化函数得到次任务控制量具体表示为：
其中，为优化函数的梯度向量，α为根据次任务要求设计的常数，I表示单位矩阵，J表示当前的雅可比矩阵，n为机器人的自由度，m为任务空间的自由度，Md表示机器人的期望速度可操作性椭球对应矩阵，Mc表示当前速度可操作性椭球对应矩阵，/>表示机器人的期望速度可操作性椭球对应矩阵的元素，/>表示当前速度可操作性椭球对应矩阵的元素，Cj表示手臂末端刚度椭球各个主轴的长度，vd1,vd2,…,vdj为矩阵Md的特征向量，相应的特征值分别为λd1,λd2,…,λdj。
作为优选的技术方案，所述组合主任务控制量和次任务控制量得到组合控制量，具体计算公式表示为：
其中，表示主任务控制量，/>表示次任务控制量，Gx为对称正定矩阵，n为机器人的自由度，m为任务空间的自由度，/>和xd分别为由离散导纳控制器计算出的当前机器人末端期望速度和位置，J表示当前的雅可比矩阵，x表示机器人末端当前位置，I表示单位矩阵，/>为优化函数的梯度向量，α为根据次任务要求设计的常数。
作为优选的技术方案，所述通过积分计算得到机器人的当前期望关节角度，具体公式表示为：
其中，θd(k-1)表示k-1时刻的期望关节角度向量，θd(k)表示k时刻的期望关节角度向量，T表示控制周期。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明采用了拖动示教方式，示教者只需要轻松穿戴肌电手环即可进行拖动示教，解决了示教器示教效率低，专业要求高的问题，达到了示教高效方便的示教效果。
(2)本发明采用了导纳控制方案进行示教，可应用于开放位置伺服接口的任意机器人，解决了无法对不开放力矩控制环的机器人进行示教的问题，具有较好的通用性。
(3)本发明在拖动示教过程中，肌电手环采集手臂上选取的各对拮抗肌的肌电信号，可以有效估计出示教者的手臂末端刚度椭球，通过调整离散导纳控制器的参数以适应示教者手臂末端刚度椭球，可以帮助示教者克服拖动示教中各个方向上的不稳定性，提高示教精度，减轻示教者的负担。
(4)本发明将冗余机械臂的零空间算法加入拖动示教中，使机器人末端可以利用冗余，在不改变机器人末端期望位置的前提下，跟踪期望速度可操作性椭球，使示教者在期望拖动方向上更轻松地进行拖动示教。
附图说明
图1为本发明基于肌电信号和运动学冗余的机器人拖动示教系统的结构示意图；
图2为本发明基于肌电信号和运动学冗余的机器人拖动示教方法的流程示意图；
图3为本发明基于肌电信号和运动学冗余的机器人拖动示教方法的控制流程示意图；
图4为本发明手臂末端刚度椭球和速度可操作性椭球的俯视示意图。
其中，1-肌电手环，2-机器人，3-六维力传感器，4-拖动工具，5-工控机，6-手臂末端刚度椭球，7-速度可操作性椭球，8-手臂末端点。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
如图1所示，本实施例提供一种基于肌电信号和运动学冗余的机器人拖动示教系统，包括：肌电手环1、机器人2、六维力传感器3、拖动工具4和工控机5；
在本实施例中，肌电手环1的数量为2个，分别佩戴在示教者用于拖动手臂的前臂和上臂处，实现对示教者手臂成对拮抗肌的原始肌电信号的测量；
六维力传感器3安装在机器人2的法兰盘末端和拖动工具4之间，用于测量施加在拖动工具上的六维力；
工控机5获取肌电信号、六维力和机器人的运动学参数，运行变阻抗参数的离散导纳控制器、位置跟踪控制器和速度可操作性椭球跟踪控制器计算出位置控制量，并将计算出的位置控制量发送给机器人2进行控制。
如图2和图3所示，本实施例的基于肌电信号和运动学冗余的机器人拖动示教方法的具体实施方式如下：
定义工具坐标系的x,y,z轴方向为手臂末端刚度椭球6的各个主轴方向，选取对应手臂末端刚度椭球6各个主轴方向的六对拮抗肌，工控机通过蓝牙从肌电手环获取手臂上选取的六对拮抗肌的原始肌电信号，依次记为Ei(k)，i＝1,2,…,12，k为当前采样时刻，对原始肌电信号Ei(k)进行整流和滤波，得到肌电信号包络
其中，w为滤波滑动窗口的大小。
对上式中肌电信号包络使用对应肌肉的最大主动收缩值/>进行归一化，得到当前采样时刻的归一化值Ai(k)，Ai(k)∈[0,1]：
依次记手臂成对拮抗肌的共收缩值为Cj(k)，j＝1,2,…,6，Cj(k)∈[0,1]，Cj(k0为手臂末端刚度的比例值，表示了手臂末端刚度椭球各个主轴的长度，可由上式中对应的归一化值求得：
Cj(k)＝min(A2j-1(k)，A2j(k))，j＝1，2，…，6
离散导纳控制器方向和参数需要分别与手臂末端刚度椭球的主轴方向和长度匹配，从而根据示教者的意图来帮助示教者克服拖动示教过程中的不稳定性。其中，离散导纳控制器方向与手臂末端刚度椭球的主轴方向相同，所以只需要离散导纳控制器的刚度参数Kd(k)和阻尼参数Dd(k)与手臂末端刚度椭球的主轴长度Cj(k)匹配，计算方法为：
其中，和/>分别是机器人末端各方向的刚度最大值和最小值，ρ是人为选定的尺度因子。
工控机通过UDP从六维力传感器获取作用在拖动工具上的六维力Fext(k)，运行离散导纳控制器，计算出当前机器人末端期望速度
其中，x0是机器人末端初始期望位置，和xd(k)分别为由离散导纳控制器计算出的当前机器人末端期望加速度、速度和位置，Fext(k)是施加于拖动工具的外力，T是控制周期，Md为离散导纳控制器中的质量参数并设为常数，k-1代表上一个时间步(或者说是k-1时刻)的变量，k代表当前时间步(或者说是k时刻)的变量。
接着，工控机获取机器人当前的运动学参数，包括当前的雅可比矩阵J、机器人末端当前位置x和机器人当前各关节角度θ。
根据冗余机械臂的零空间算法，定义控制机器人的主任务为跟踪离散导纳控制器输出的期望位置。为了减少运动学逆解产生的累计误差，使机器人能够更加精确地跟踪末端设定轨迹，将机器人末端的位置误差(xd-x)加入位置跟踪控制器中，得到主任务控制量为：
其中，Gx为对称正定矩阵，定义n为机器人的自由度，m为任务空间的自由度，m≤n，可由下式计算：
定义机器人的期望速度可操作性椭球为矩阵Md，机器人的当前速度可操作性椭球为矩阵Mc。机器人末端在速度可操作性椭球7的长轴方向可以产生更大的速度，但同时对外界扰动更敏感。此处定义的期望速度可操作性椭球和手臂末端刚度椭球具有对称性，表现为二者对应主轴重合，但对应主轴长度成反比，使得在手臂末端刚度大的方向上，机器人手臂末端8产生速度的能力较弱，同时对扰动的抵抗能力更强，反之同理。
矩阵Mc计算如下：
Mc＝JJT
定义vc1,vc2,…,vc6为矩阵Mc的特征向量，相应的特征值分别为λc1,λc2,…,λc6，则当前速度可操作性椭球的主轴方向分别为向量vc1,vc2,…,vc6，对应主半轴长度分别为类似地，定义vd1,vd2,…,vd6为矩阵Md的特征向量，相应的特征值分别为λd1,λd2,…,λd6，则期望速度可操作性椭球的主轴方向分别为向量vd1,vd2,…,vd6，对应主半轴长度分别为/>根据以上性质，期望速度可操作性椭球和手臂末端刚度椭球对应主轴重合，则向量vd1,vd2,…,vd6已知，且可以列出关系：
可得
矩阵Md计算如下：
定义控制机器人的次任务为跟踪期望速度可操作性椭球，优化函数P(θ)为机器人的期望速度可操作性椭球对应矩阵Md和当前速度可操作性椭球对应矩阵Mc的欧式距离，记优化函数计算如下：
则可以设计次任务控制量
其中，为优化函数的梯度向量，α为根据次任务要求设计的常数，I表示单位矩阵。
通过组合主任务控制量和次任务控制量/>可以得到最终的控制量/>即机器人的期望关节角速度：
通过积分即可计算得到机器人的当前期望关节角度θd：
其中，θd(k-1)是上一个时间步(或者说k-1时刻)的期望关节角度向量，θd(k)是当前时间步(或者说k时刻)的期望关节角度向量。
最后，工控机将机器人的当前期望关节角度θd(k)通过位置伺服接口发送给机器人，完成一个周期对机器人的控制，并开始运行下一个周期。
在一个周期中，首先估计示教者手臂末端刚度椭球，根据手臂末端刚度椭球自适应地调整离散导纳控制器的参数，离散导纳控制器生成当前时刻的机器人末端期望位置和速度，然后根据手臂末端刚度椭球计算出期望速度可操作性椭球。
机器人的主任务是跟踪期望位置，次任务是跟踪期望速度可操作性椭球，通过零空间算法得到机器人的期望关节角速度，最后通过积分得到机器人的当前期望关节角度，工控机将当前期望关节角度通过位置伺服接口发送给机器人，完成一个周期的控制。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (5)

1.一种基于肌电信号和运动学冗余的机器人拖动示教方法，其特征在于，包括下述步骤：
定义手臂末端刚度椭球的各个主轴方向，选取对应手臂末端刚度椭球各个主轴方向的多对拮抗肌，工控机从肌电手环获取手臂上选取的多对拮抗肌的原始肌电信号，对原始肌电信号进行整流和滤波，得到肌电信号包络；
获取肌电信号估计出示教者的手臂末端刚度椭球，调整离散导纳控制器的参数以适应示教者手臂末端刚度椭球；
工控机从六维力传感器获取作用在拖动工具上的六维力，运行离散导纳控制器，计算出当前机器人末端期望速度和位置；
所述工控机从六维力传感器获取作用在拖动工具上的六维力，运行离散导纳控制器，计算出当前机器人末端期望速度和位置，具体计算公式为：
Cj(k)＝min(A2j-1(k),2j(k))
其中，x0表示机器人末端初始期望位置，和xd(k)分别为由离散导纳控制器计算出的当前机器人末端期望加速度、速度和位置，Fext(k)表示作用在拖动工具上的六维力，T是控制周期，Md为离散导纳控制器中的质量参数，k代表当前时间步，/>和分别是机器人末端各方向的刚度最大值和最小值，ρ表示尺度因子，Kd(k)、Dd(k)分别表示离散导纳控制器的刚度参数和阻尼参数，Cj(k)表示手臂末端刚度椭球各个主轴的长度，/>表示对应肌肉的最大主动收缩值，/>表示肌电信号包络；
根据冗余机械臂的零空间算法，定义控制机器人的主任务为跟踪离散导纳控制器输出的期望位置，定义控制机器人的次任务为跟踪期望速度可操作性椭球；
将机器人末端的位置误差加入位置跟踪控制器中，得到主任务控制量；
定义机器人的期望速度可操作性椭球对应矩阵，定义机器人的当前速度可操作性椭球对应矩阵；
构建优化函数为机器人的期望速度可操作性椭球对应矩阵和当前速度可操作性椭球对应矩阵的欧式距离，基于优化函数得到次任务控制量；
组合主任务控制量和次任务控制量得到期望关节角速度，通过积分计算得到机器人的当前期望关节角度；
所述组合主任务控制量和次任务控制量得到组合控制量，具体计算公式表示为：
其中，表示主任务控制量，/>表示次任务控制量，Gx为对称正定矩阵，n为机器人的自由度，m为任务空间的自由度，/>和xd分别为由离散导纳控制器计算出的当前机器人末端期望速度和位置，J表示当前的雅可比矩阵，x表示机器人末端当前位置，I表示单位矩阵，为优化函数的梯度向量，α为根据次任务要求设计的常数；
工控机将机器人的当前期望关节角度通过位置伺服接口发送给机器人，完成一个周期对机器人的控制。
2.根据权利要求1所述的基于肌电信号和运动学冗余的机器人拖动示教方法，其特征在于，所述对原始肌电信号进行整流和滤波，得到肌电信号包络，具体计算公式为：
其中，表示肌电信号包络，Ei(k)表示原始肌电信号，k表示当前采样时刻，w为滤波滑动窗口的大小。
3.根据权利要求1所述的基于肌电信号和运动学冗余的机器人拖动示教方法，其特征在于，所述将机器人末端的位置误差加入位置跟踪控制器中，得到主任务控制量，具体步骤包括：
主任务控制量为：
其中，Gx为对称正定矩阵，n为机器人的自由度，m为任务空间的自由度，和xd分别为由离散导纳控制器计算出的当前机器人末端期望速度和位置，J表示当前的雅可比矩阵，x表示机器人末端当前位置，I表示单位矩阵。
4.根据权利要求1所述的基于肌电信号和运动学冗余的机器人拖动示教方法，其特征在于，所述构建优化函数为机器人的期望速度可操作性椭球对应矩阵和当前速度可操作性椭球对应矩阵的欧式距离，基于优化函数得到次任务控制量，具体步骤包括：
机器人的期望速度可操作性椭球对应矩阵表示为：
机器人的当前速度可操作性椭球对应矩阵表示为：
Mc＝JJT
构建优化函数为：
基于优化函数得到次任务控制量具体表示为：
其中，为优化函数的梯度向量，α为根据次任务要求设计的常数，I表示单位矩阵，J表示当前的雅可比矩阵，n为机器人的自由度，m为任务空间的自由度，md表示机器人的期望速度可操作性椭球对应矩阵，mc表示当前速度可操作性椭球对应矩阵，/>表示机器人的期望速度可操作性椭球对应矩阵的元素，/>表示当前速度可操作性椭球对应矩阵的元素，Cj表示手臂末端刚度椭球各个主轴的长度，vd1,vd2,…,vdj为矩阵Md的特征向量，相应的特征值分别为λd1,λd2,…,λdj。
5.根据权利要求1所述的基于肌电信号和运动学冗余的机器人拖动示教方法，其特征在于，所述通过积分计算得到机器人的当前期望关节角度，具体公式表示为：
其中，θd(k-1)表示k-1时刻的期望关节角度向量，θd(k)表示k时刻的期望关节角度向量，T表示控制周期。
CN202210280758.XA 2022-03-22 2022-03-22 基于肌电信号和运动学冗余的机器人拖动示教系统与方法 Active CN114800442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210280758.XA CN114800442B (zh) 2022-03-22 2022-03-22 基于肌电信号和运动学冗余的机器人拖动示教系统与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210280758.XA CN114800442B (zh) 2022-03-22 2022-03-22 基于肌电信号和运动学冗余的机器人拖动示教系统与方法

Publications (2)

Publication Number Publication Date
CN114800442A CN114800442A (zh) 2022-07-29
CN114800442B true CN114800442B (zh) 2023-07-25

Family

ID=82531200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210280758.XA Active CN114800442B (zh) 2022-03-22 2022-03-22 基于肌电信号和运动学冗余的机器人拖动示教系统与方法

Country Status (1)

Country Link
CN (1) CN114800442B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0639754A (ja) * 1992-07-27 1994-02-15 Nippon Telegr & Teleph Corp <Ntt> ロボットハンド制御装置
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
CN109676615A (zh) * 2019-01-18 2019-04-26 合肥工业大学 一种利用手臂肌电信号与动作捕捉信号的喷涂机器人示教方法及装置
CN112454333A (zh) * 2020-11-26 2021-03-09 青岛理工大学 基于图像分割及表面肌电信号的机器人示教系统及方法
CN113059570A (zh) * 2021-04-09 2021-07-02 华南理工大学 基于人体动态臂力估计模型的人-机器人协同控制方法
CN113977602A (zh) * 2021-10-27 2022-01-28 华南理工大学 一种力反馈末端夹持器导纳控制方法
CN114102600A (zh) * 2021-12-02 2022-03-01 西安交通大学 一种多空间融合的人机技能迁移与参数补偿方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10610099B2 (en) * 2016-06-07 2020-04-07 Arizona Board Of Regents On Behalf Of Arizona State University Systems and methods for simultaneous position and impedance control for myoelectric interfaces

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0639754A (ja) * 1992-07-27 1994-02-15 Nippon Telegr & Teleph Corp <Ntt> ロボットハンド制御装置
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
CN109676615A (zh) * 2019-01-18 2019-04-26 合肥工业大学 一种利用手臂肌电信号与动作捕捉信号的喷涂机器人示教方法及装置
CN112454333A (zh) * 2020-11-26 2021-03-09 青岛理工大学 基于图像分割及表面肌电信号的机器人示教系统及方法
CN113059570A (zh) * 2021-04-09 2021-07-02 华南理工大学 基于人体动态臂力估计模型的人-机器人协同控制方法
CN113977602A (zh) * 2021-10-27 2022-01-28 华南理工大学 一种力反馈末端夹持器导纳控制方法
CN114102600A (zh) * 2021-12-02 2022-03-01 西安交通大学 一种多空间融合的人机技能迁移与参数补偿方法及系统

Also Published As

Publication number Publication date
CN114800442A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN110303471B (zh) 助力外骨骼控制系统及控制方法
CN111546315B (zh) 一种基于人机协作的机器人柔顺示教及再现方法
CN107363813B (zh) 一种基于可穿戴设备的桌面工业机器人示教系统和方法
CN106041912B (zh) 主从式蛇形机器人系统及其位置控制方法
CN107053179A (zh) 一种基于模糊强化学习的机械臂柔顺力控制方法
Chen et al. Neural learning enhanced variable admittance control for human–robot collaboration
CN112247962B (zh) 面向上肢穿戴机器人的人机博弈控制方法及系统
CN111290272B (zh) 基于多足机器人的姿态平稳性调整方法
CN109291052B (zh) 一种基于深度强化学习的按摩机械手训练方法
CN109079794B (zh) 一种基于人体姿态跟随的机器人控制与示教方法
Zhang et al. Robotic curved surface tracking with a neural network for angle identification and constant force control based on reinforcement learning
CN115469576A (zh) 一种基于人-机械臂异构运动空间混合映射的遥操作系统
CN114800442B (zh) 基于肌电信号和运动学冗余的机器人拖动示教系统与方法
CN116276962A (zh) 一种万向型气动柔性机械臂有限时间抗干扰控制方法
CN115761787A (zh) 一种融合约束的手部姿态测量方法
CN114417738A (zh) 稀疏imu实时人体动作捕捉及关节受力预测方法及系统
CN115755592B (zh) 调整三自由度外骨骼运动状态的多模态控制方法及外骨骼
CN111890364A (zh) 机器人的运动控制方法、装置、电子设备及存储介质
CN116533227A (zh) 一种基于示教轨迹优化与修正的机器人打磨系统的打磨方法
CN111358659A (zh) 一种机器人的助力控制方法、系统及下肢康复机器人
CN112936282B (zh) 一种提高工业机器人体感控制精确度的方法及系统
CN113855477B (zh) 用于下肢外骨骼机器人的分层式控制方法
CN114329986A (zh) 基于人体肌骨模型的冗余机械臂拟人运动学逆解求解方法
CN112057083B (zh) 可穿戴人体上肢位姿采集设备及采集方法
CN111563346B (zh) 基于高斯过程学习的人臂运动学建模方法

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