CN115488885A - 消除人机交互中不稳定性的方法和装置 - Google Patents
消除人机交互中不稳定性的方法和装置 Download PDFInfo
- Publication number
- CN115488885A CN115488885A CN202211127463.5A CN202211127463A CN115488885A CN 115488885 A CN115488885 A CN 115488885A CN 202211127463 A CN202211127463 A CN 202211127463A CN 115488885 A CN115488885 A CN 115488885A
- Authority
- CN
- China
- Prior art keywords
- human
- computer interaction
- stability
- instability
- observer
- 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
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
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种消除人机交互中不稳定性的方法和装置,其中,所述方法包括以下步骤:构建人机交互的稳定性观测模型;根据稳定性观测模型确定机器人的变导纳控制模型;根据变导纳控制模型调整机器人的导纳参数以消除人机交互中不稳定性。本发明能够消除HRCO稳定性观测器中高、低通滤波器相位超前和延迟带来的稳定误判影响,从而能够提高检测准确度,避免出现误判,此外,还能够保证机器人在外部阻抗突然增加而不稳定时快速恢复,并能够保证机器人在稳定后恢复到初始的导纳参数,以确保人机交互过程的轻松流畅。
Description
技术领域
本发明涉及机器人控制技术领域,具体涉及一种消除人机交互中不稳定性的方法和一种消除人机交互中不稳定性的装置。
背景技术
导纳控制策略是机器人控制领域的常用技术,被广泛运应用于机器人的柔顺控制中,因其能将传感器测量的外部作用力/力矩与机器人末端执行器的位置关联起来,即通过控制位置即可实现力控制。
然而,现有导纳控制策略存在一个问题:在与人进行交互时,若人的刚度突然增大,机器人容易出现不稳定振荡,这会对机器人和人造成危害。为保证与机器人安全、稳定的交互,人们提出了各种技术来检测和防止导纳控制下与机器人交互时的不稳定性。但是,目前的测和防止导纳控制下与机器人交互时的不稳定性的技术,因其稳定性观测器中的高通滤波器的超前和低通滤波器的延迟,仍存在影响稳定性的判断的问题。
发明内容
本发明为解决上述技术问题,提供了一种消除人机交互中不稳定性的方法,能够消除HRCO稳定性观测器中高、低通滤波器相位超前和延迟带来的稳定误判影响,从而能够提高检测准确度,避免出现误判,此外,还能够保证机器人在外部阻抗突然增加而不稳定时快速恢复,并能够保证机器人在稳定后恢复到初始的导纳参数,以确保人机交互过程的轻松流畅。
本发明采用的技术方案如下:
一种消除人机交互中不稳定性的方法,包括以下步骤:构建人机交互的稳定性观测模型;根据所述稳定性观测模型确定机器人的变导纳控制模型;根据所述变导纳控制模型调整机器人的导纳参数以消除人机交互中不稳定性。
根据本发明的一个实施例,所述稳定性观测模型用于反应人机交互中力幅值变化。
根据本发明的一个实施例,所述构建人机交互的稳定性观测模型,具体包括以下步骤:构建无限脉冲响应的巴特沃斯滤波器:根据所述无限脉冲响应的巴特沃斯滤波器构建第一类稳定性观测器;根据所述第一类稳定性观测器构建第二类稳定性观测器;根据所述第二类稳定性观测器构建人机交互的稳定性观测模型。
根据本发明的一个实施例,根据所述无限脉冲响应的巴特沃斯滤波器的 HPF和LPF幅值响应特性构建第一类稳定性观测器。
根据本发明的一个实施例,所述人机交互的稳定性观测模型为:
其中,Istd表示力幅值变化数值,η表示平滑系数,Istd表示由时域信号F的加窗标准偏差与最大允许力Fmax的比值。
根据本发明的一个实施例,所述变导纳控制模型为:
其中,m0和d0表示惯量m和阻尼d的初始值,ε表示稳定阈值,α表示权重系数。
根据本发明的一个实施例,所述根据所述变导纳控制模型调整机器人的导纳参数以消除人机交互中不稳定性,具体包括以下步骤:判断人机交互中稳定数值是否小于稳定阈值;若否,则根据所述人机交互中稳定数值、所述稳定阈值和所述所述权重系数调整机器人的导纳参数以消除人机交互中不稳定性。
一种消除人机交互中不稳定性的装置,包括:第一建模模块,所述第一建模模块用于构建人机交互的稳定性观测模型;第二建模模块,所述第二建模模块用于根据所述稳定性观测模型确定机器人的变导纳控制模型;控制模块,所述控制模块用于根据所述变导纳控制模型调整机器人的导纳参数以消除人机交互中不稳定性。
一种机器人设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述实施例所述的消除人机交互中不稳定性的方法。
一种非临时性计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例所述的消除人机交互中不稳定性的方法。
本发明的有益效果:
1)、本发明通过在HRCO稳定性观测器的基础上,引入反应力幅值变化情况的Istd以构建人机交互的稳定性观测模型IOS,从而能够消除HRCO稳定性观测器中高、低通滤波器相位超前和延迟带来的稳定误判影响,由此,能够提高检测准确度,避免出现误判;
2)、本发明通过在人机交互的稳定性观测模型的基础上构建变导纳控制模型,能够保证机器人在外部阻抗突然增加而不稳定时快速恢复,并能够保证机器人在稳定后恢复到初始的导纳参数,以确保人机交互过程的轻松流畅。
附图说明
图1为本发明实施例的消除人机交互中不稳定性的方法的流程图;
图2为现有技术中导纳控制模型的控制过程图;
图3(a)为本发明一个实施例的模拟交互力的频率变化仿真结果图;
图3(b)为本发明一个实施例的模拟交互力的数值变化仿真结果图;
图3(c)为本发明一个实施例的模拟交互力的IHRCO和I0的仿真对比结果图;
图3(d)为本发明一个实施例的模拟交互力的Ios仿真结果图
图4为本发明实施例的消除人机交互中不稳定性的装置的方框示意图。
具体实施方式
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,都属于本发明保护的范围。
图1为本发明实施例的消除人机交互中不稳定性的方法的流程图。
如图1所示,本发明实施例的消除人机交互中不稳定性的方法,包括以下步骤:
S1,构建人机交互的稳定性观测模型。
具体地,可先构建无限脉冲响应的巴特沃斯滤波器,然后可根据无限脉冲响应的巴特沃斯滤波器构建第一类稳定性观测器,进而可根据第一类稳定性观测器构建第二类稳定性观测器,最后可根据第二类稳定性观测器构建人机交互的稳定性观测模型。其中,稳定性观测模型可用于反应人机交互中力幅值变化。
更具体地,无限脉冲响应的巴特沃斯滤波器具体为:
其中,u表示输入信号,y表示输出信号,P和Q分别表示前馈滤波器和反馈滤波器的滤波阶数,a和b分别表示反馈滤波器和前馈滤波器的系数。
举例而言,可将无限脉冲响应的巴特沃斯滤波器的高通滤波器(HPF)、低通滤波器(LPF)的截止频率ωc设定为5Hz(机器人在与人交互时,人体上肢运动的频率分量在5Hz内、自主运动的频率分量在2Hz内),并可将无限脉冲响应的巴特沃斯滤波器的采样周期设定为5ms(与机器人采样周期一致),下面可通过表1展示无限脉冲响应的巴特沃斯滤波器的高通滤波器(HPF)、低通滤波器(LPF)的配置参数。
表1
滤波器类型 | a<sub>1</sub> | a<sub>2</sub> | b<sub>0</sub> | b<sub>1</sub> | b<sub>2</sub> |
HPF | -1.7786 | 0.8008 | 0.8949 | -1.7897 | 0.8949 |
LPF | -1.7786 | 0.8008 | 0.005542 | 0.011085 | 0.005542 |
进一步地,可根据无限脉冲响应的巴特沃斯滤波器的HPF和LPF幅值响应特性构建第一类稳定性观测器,其中,第一类稳定性观测器具体为:
其中,Io表示0到1之间的无量纲值,||Fh n||和||Fl n||分别表示为N自由度交互力信号经过无限脉冲响应的巴特沃斯滤波器的HPF和LPF后的欧几里得二范数。需要说明的是,为防止输出值Io突变,当||Fl n||小于0.01N时可将Io的值设置为零。
进一步地,可根据上述得到的第一类稳定性观测器构建第二类稳定性观测器,即HRCO稳定性观测器,其中,第二类稳定性观测器,即HRCO稳定性观测器具体为:
其中,η表示平滑系数,具体可设定为0.02。
进一步地,可在上述得到的第二类稳定性观测器,即HRCO稳定性观测器的基础上,引入反应人机交互中力幅值变比的Istd,以构建人机交互的稳定性观测模型,其中,人机交互的稳定性观测模型具体为:
其中,Istd表示力幅值变化数值,Istd表示由时域信号F的加窗标准偏差与最大允许力Fmax的比值,并且Istd具体表达式为:
其中,Fmax表示力信号的最大值(将Istd归一化在0到1之间),p表示计算标准偏差的窗口大小(其值等于0.1/Ts,用以计算在采样周期Ts中0.1秒内 Istd的变化情况)。
S2,根据稳定性观测模型确定机器人的变导纳控制模型。
具体地,可根据稳定性观测模型的特性,即能够反应人机交互中力幅值变化的特性确定机器人的变导纳控制模型,其中,变导纳控制模型具体为:
其中,m0和d0表示惯量m和阻尼d的初始值,ε表示稳定阈值,α表示权重系数。
需要说明的是,惯量m和阻尼d的初始值m0和d0是保证机器人稳定运行的最低导纳参数;稳定阈值ε是稳定性观测模型在2Hz输入信号下的稳定输出值,用以判断当前人机交互是否稳定;权重系数α是调整导纳参数的权重系数,可根据机器人对导纳参数的响应程度调整,以保证机器人在不稳定时能够及时迅速恢复稳定。
此外,需要说明的是,本发明的变导纳控制模型是在现有技术中导纳控制模型的基础上得到的,例如,下列表达式所代表的导纳控制模型:
Fext=Fd-Fs
其中,xr、xc分别表示参考位置和下发位置,M、D和K分别表示导纳参数中的虚拟惯量、阻尼和刚度,Fext表示导纳控制模型的输入,Fd表示交互中的虚拟力,Fs表示人或环境与机器人之间的交互力。具体地,如图2所示,Fext可输入导纳控制模型,进而导纳控制模型输出Xd,并且导纳控制模型的输出Xd可输入机器人,以控制机器人拖动X,并与期望拖动Xe比较,以确定期交互环境中的期望交互力Fe。
S3,根据变导纳控制模型调整机器人的导纳参数以消除人机交互中不稳定性。
具体地,可先判断人机交互中稳定数值是否小于稳定阈值,若否,则根据人机交互中稳定数值、稳定阈值和权重系数调整机器人的导纳参数以消除人机交互中不稳定性。
更具体地,参照上述变导纳控制模型可知,可根据当前稳定性观测模型IO的输出值和稳定阈值ε判断当前人机交互是否稳定,若是,则m(t)=m0,若否,则m(t)=m0+α(Ios(t)-ε),以调整机器人的导纳参数,从而消除人机交互中不稳定性,即机器人的不稳定抖动现象。
本发明的有益效果如下:
1)、本发明通过在HRCO稳定性观测器的基础上,引入反应力幅值变化情况的Istd以构建人机交互的稳定性观测模型IOS,从而能够消除HRCO稳定性观测器中高、低通滤波器相位超前和延迟带来的稳定误判影响,由此,能够提高检测准确度,避免出现误判;
2)、本发明通过在人机交互的稳定性观测模型的基础上构建变导纳控制模型,能够保证机器人在外部阻抗突然增加而不稳定时快速恢复,并能够保证机器人在稳定后恢复到初始的导纳参数,以确保人机交互过程的轻松流畅。
下面将通过图3(a)、图3(b)、图3(c)和图3(d)所示的仿真结果图,进一步阐述本发明的消除人机交互中不稳定性的方法的有效性。
其中,图3(a)表示模拟交互力信号频率在0到10Hz之间的变化仿真结果图,图3(b)表示模拟交互力的大小从5N到10N的变化仿真结果图,进一步地,通过第一类稳定性观测器处理模拟信号可得到图3(c)中的浅色曲线I0,通过第二类稳定性观测器,即HRCO稳定性观测器处理模拟信号可得到图3(c)中的深色曲线IHRCO。
通过比对浅色曲线I0和深色曲线IHRCO可知,经过第二类稳定性观测器,即HRCO稳定性观测器处理后的深色曲线IHRCO明显比第一类稳定性观测器处理后的浅色曲线I0平滑;但是,模拟交互力信号在19s到21s时,模拟交互力从-5N变化到10N,并且,因为第二类稳定性观测器,即HRCO稳定性观测器中高、低通滤波器相位的超前和延迟,20s处的值放大至超过稳定阈值;不止如此,在开始的0s处和结束的40s处,第二类稳定性观测器,即HRCO稳定性观测器的输出值均有明显的突起,从而可导致误判。
其中,图3(d)表示本发明的人机交互的稳定性观测模型处理模拟信号的仿真结果图,由此可知,本发明的人机交互的稳定性观测模型处理模拟信号得到的仿真曲线Ios,在0s、20s和40s处的值没有出现影响误判的突出值,且输出值接近0,由此,能够消除高、低通滤波器相位超前和延迟影响。
对应上述实施例的消除人机交互中不稳定性的方法,本发明还提出了一种消除人机交互中不稳定性的装置。
如图4所示,本发明实施例的消除人机交互中不稳定性的装置,包括第一建模模块10、第二建模模块20和控制模块30。其中,所述第一建模模块 10可用于构建人机交互的稳定性观测模型;所述第二建模模块20可用于根据所述稳定性观测模型确定机器人的变导纳控制模型;所述控制模块30可用于根据所述变导纳控制模型调整机器人的导纳参数以消除人机交互中不稳定性。
在本发明的一个实施例中,第一建模模块10可具体用于构建无限脉冲响应的巴特沃斯滤波器,然后可根据无限脉冲响应的巴特沃斯滤波器构建第一类稳定性观测器,进而可根据第一类稳定性观测器构建第二类稳定性观测器,最后可根据第二类稳定性观测器构建人机交互的稳定性观测模型。其中,稳定性观测模型可用于反应人机交互中力幅值变化。
更具体地,无限脉冲响应的巴特沃斯滤波器具体为:
其中,u表示输入信号,y表示输出信号,P和Q分别表示前馈滤波器和反馈滤波器的滤波阶数,a和b分别表示反馈滤波器和前馈滤波器的系数。
举例而言,可将无限脉冲响应的巴特沃斯滤波器的高通滤波器(HPF)、低通滤波器(LPF)的截止频率ωc设定为5Hz(机器人在与人交互时,人体上肢运动的频率分量在5Hz内、自主运动的频率分量在2Hz内),并可将无限脉冲响应的巴特沃斯滤波器的采样周期设定为5ms(与机器人采样周期一致),下面可通过表1展示无限脉冲响应的巴特沃斯滤波器的高通滤波器(HPF)、低通滤波器(LPF)的配置参数。
表1
滤波器类型 | a<sub>1</sub> | a<sub>2</sub> | b<sub>0</sub> | b<sub>1</sub> | b<sub>2</sub> |
HPF | -1.7786 | 0.8008 | 0.8949 | -1.7897 | 0.8949 |
LPF | -1.7786 | 0.8008 | 0.005542 | 0.011085 | 0.005542 |
进一步地,可根据无限脉冲响应的巴特沃斯滤波器的HPF和LPF幅值响应特性构建第一类稳定性观测器,其中,第一类稳定性观测器具体为:
其中,Io表示0到1之间的无量纲值,||Fh n||和||Fl n||分别表示为N自由度交互力信号经过无限脉冲响应的巴特沃斯滤波器的HPF和LPF后的欧几里得二范数。需要说明的是,为防止输出值Io突变,当||Fl n||小于0.01N时可将Io的值设置为零。
进一步地,可根据上述得到的第一类稳定性观测器构建第二类稳定性观测器,即HRCO稳定性观测器,其中,第二类稳定性观测器,即HRCO稳定性观测器具体为:
其中,η表示平滑系数,具体可设定为0.02。
进一步地,可在上述得到的第二类稳定性观测器,即HRCO稳定性观测器的基础上,引入反应人机交互中力幅值变比的Istd,以构建人机交互的稳定性观测模型,其中,人机交互的稳定性观测模型具体为:
其中,Istd表示力幅值变化数值,Istd表示由时域信号F的加窗标准偏差与最大允许力Fmax的比值,并且Istd具体表达式为:
其中,Fmax表示力信号的最大值(将Istd归一化在0到1之间),p表示计算标准偏差的窗口大小(其值等于0.1/Ts,用以计算在采样周期Ts中0.1秒内 Istd的变化情况)。
在本发明的一个实施例中,第二建模模块20可具体用于根据稳定性观测模型的特性,即能够反应人机交互中力幅值变化的特性确定机器人的变导纳控制模型,其中,变导纳控制模型具体为:
其中,m0和d0表示惯量m和阻尼d的初始值,ε表示稳定阈值,α表示权重系数。
需要说明的是,惯量m和阻尼d的初始值m0和d0是保证机器人稳定运行的最低导纳参数;稳定阈值ε是稳定性观测模型在2Hz输入信号下的稳定输出值,用以判断当前人机交互是否稳定;权重系数α是调整导纳参数的权重系数,可根据机器人对导纳参数的响应程度调整,以保证机器人在不稳定时能够及时迅速恢复稳定。
此外,需要说明的是,本发明的变导纳控制模型是在现有技术中导纳控制模型的基础上得到的,例如,下列表达式所代表的导纳控制模型:
Fext=Fd-Fs
其中,xr、xc分别表示参考位置和下发位置,M、D和K分别表示导纳参数中的虚拟惯量、阻尼和刚度,Fext表示导纳控制模型的输入,Fd表示交互中的虚拟力,Fs表示人或环境与机器人之间的交互力。具体地,如图2所示,Fext可输入导纳控制模型,进而导纳控制模型输出Xd,并且导纳控制模型的输出Xd可输入机器人,以控制机器人拖动X,并与期望拖动Xe比较,以确定期交互环境中的期望交互力Fe。
在本发明的一个实施例中,控制模块30可具体用于判断人机交互中稳定数值是否小于稳定阈值,若否,则根据人机交互中稳定数值、稳定阈值和权重系数调整机器人的导纳参数以消除人机交互中不稳定性。
更具体地,参照上述变导纳控制模型可知,可根据当前稳定性观测模型IOS的输出值和稳定阈值ε判断当前人机交互是否稳定,若是,则m(t)=m0,若否,则m(t)=m0+α(Ios(t)-ε),以调整机器人的导纳参数,从而消除人机交互中不稳定性,即机器人的不稳定抖动现象。
本发明的有益效果如下:
1)、本发明通过在HRCO稳定性观测器的基础上,引入反应力幅值变化情况的Istd以构建人机交互的稳定性观测模型IOS,从而能够消除HRCO稳定性观测器中高、低通滤波器相位超前和延迟带来的稳定误判影响,由此,能够提高检测准确度,避免出现误判;
2)、本发明通过在人机交互的稳定性观测模型的基础上构建变导纳控制模型,能够保证机器人在外部阻抗突然增加而不稳定时快速恢复,并能够保证机器人在稳定后恢复到初始的导纳参数,以确保人机交互过程的轻松流畅。
下面将通过图3(a)、图3(b)、图3(c)和图3(d)所示的仿真结果图,进一步阐述本发明的消除人机交互中不稳定性的方法的有效性。
其中,图3(a)表示模拟交互力信号频率在0到10Hz之间的变化仿真结果图,图3(b)表示模拟交互力的大小从5N到10N的变化仿真结果图,进一步地,通过第一类稳定性观测器处理模拟信号可得到图3(c)中的浅色曲线I0,通过第二类稳定性观测器,即HRCO稳定性观测器处理模拟信号可得到图3(c)中的深色曲线IHRCO。
通过比对浅色曲线I0和深色曲线IHRCO可知,经过第二类稳定性观测器,即HRCO稳定性观测器处理后的深色曲线IHRCO明显比第一类稳定性观测器处理后的浅色曲线I0平滑;但是,模拟交互力信号在19s到21s时,模拟交互力从-5N变化到10N,并且,因为第二类稳定性观测器,即HRCO稳定性观测器中高、低通滤波器相位的超前和延迟,20s处的值放大至超过稳定阈值;不止如此,在开始的0s处和结束的40s处,第二类稳定性观测器,即HRCO稳定性观测器的输出值均有明显的突起,从而可导致误判。
其中,图3(d)表示本发明的人机交互的稳定性观测模型处理模拟信号的仿真结果图,由此可知,本发明的人机交互的稳定性观测模型处理模拟信号得到的仿真曲线Ios,在0s、20s和40s处的值没有出现影响误判的突出值,且输出值接近0,由此,能够消除高、低通滤波器相位超前和延迟影响。
对应上述实施例,本发明还提出一种机器人设备。
本发明实施例的机器人设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,实现根据上述实施例中的消除人机交互中不稳定性的方法。
根据本发明实施例提出的机器人设备,能够消除HRCO稳定性观测器中高、低通滤波器相位超前和延迟带来的稳定误判影响,从而能够提高检测准确度,避免出现误判,此外,还能够保证机器人在外部阻抗突然增加而不稳定时快速恢复,并能够保证机器人在稳定后恢复到初始的导纳参数,以确保人机交互过程的轻松流畅。
对应上述实施例,本发明还提出一种非临时性计算机可读存储介质。
本发明实施例的非临时性计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现根据上述实施例的消除人机交互中不稳定性的方法。
根据本发明实施例提出的非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现上述实施例的消除人机交互中不稳定性的方法,由此,能够消除HRCO稳定性观测器中高、低通滤波器相位超前和延迟带来的稳定误判影响,从而能够提高检测准确度,避免出现误判,此外,还能够保证机器人在外部阻抗突然增加而不稳定时快速恢复,并能够保证机器人在稳定后恢复到初始的导纳参数,以确保人机交互过程的轻松流场。
在本发明的描述中,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一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
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针对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。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器 (CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块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,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。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)
1.一种消除人机交互中不稳定性的方法,其特征在于,包括以下步骤:
构建人机交互的稳定性观测模型;
根据所述稳定性观测模型确定机器人的变导纳控制模型;
根据所述变导纳控制模型调整机器人的导纳参数以消除人机交互中不稳定性。
2.根据权利要求1所述的消除人机交互中不稳定性的方法,其特征在于,所述稳定性观测模型用于反应人机交互中力幅值变化。
3.根据权利要求1所述的消除人机交互中不稳定性的方法,其特征在于,所述构建人机交互的稳定性观测模型,具体包括以下步骤:
构建无限脉冲响应的巴特沃斯滤波器:
根据所述无限脉冲响应的巴特沃斯滤波器构建第一类稳定性观测器;
根据所述第一类稳定性观测器构建第二类稳定性观测器;
根据所述第二类稳定性观测器构建人机交互的稳定性观测模型。
4.根据权利要求3所述的消除人机交互中不稳定性的方法,其特征在于,根据所述无限脉冲响应的巴特沃斯滤波器的HPF和LPF幅值响应特性构建第一类稳定性观测器。
7.根据权利要求6所述的消除人机交互中不稳定性的方法,其特征在于,所述根据所述变导纳控制模型调整机器人的导纳参数以消除人机交互中不稳定性,具体包括以下步骤:
判断人机交互中稳定数值是否小于稳定阈值;
若否,则根据所述人机交互中稳定数值、所述稳定阈值和所述所述权重系数调整机器人的导纳参数以消除人机交互中不稳定性。
8.一种消除人机交互中不稳定性的装置,其特征在于,包括:
第一建模模块,所述第一建模模块用于构建人机交互的稳定性观测模型;
第二建模模块,所述第二建模模块用于根据所述稳定性观测模型确定机器人的变导纳控制模型;
控制模块,所述控制模块用于根据所述变导纳控制模型调整机器人的导纳参数以消除人机交互中不稳定性。
9.一种机器人设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现根据权利要求1-7中任一项所述的消除人机交互中不稳定性的方法。
10.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现根据权利要求1-7中任一项所述的消除人机交互中不稳定性的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211127463.5A CN115488885A (zh) | 2022-09-16 | 2022-09-16 | 消除人机交互中不稳定性的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211127463.5A CN115488885A (zh) | 2022-09-16 | 2022-09-16 | 消除人机交互中不稳定性的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115488885A true CN115488885A (zh) | 2022-12-20 |
Family
ID=84467637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211127463.5A Pending CN115488885A (zh) | 2022-09-16 | 2022-09-16 | 消除人机交互中不稳定性的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115488885A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115946129A (zh) * | 2023-03-10 | 2023-04-11 | 珞石(北京)科技有限公司 | 一种用于操作大惯性物体的机器人变导纳控制方法 |
-
2022
- 2022-09-16 CN CN202211127463.5A patent/CN115488885A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115946129A (zh) * | 2023-03-10 | 2023-04-11 | 珞石(北京)科技有限公司 | 一种用于操作大惯性物体的机器人变导纳控制方法 |
CN115946129B (zh) * | 2023-03-10 | 2023-05-09 | 珞石(北京)科技有限公司 | 一种用于操作大惯性物体的机器人变导纳控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
GB2603683A (en) | Control methods for a force sensor system | |
KR102619851B1 (ko) | 견인 시스템이 고장 상태인지를 결정하기 위한 진단 감독자 | |
CN115488885A (zh) | 消除人机交互中不稳定性的方法和装置 | |
US9202496B2 (en) | Compensating for voice coil motor and microactuator disturbance in a hard drive | |
CN111443724B (zh) | 一种基于自抗扰混合切换控制的四旋翼无人机的控制方法 | |
JP7446507B2 (ja) | エアデータプローブの動作検証装置及び動作検証方法 | |
CN115756007A (zh) | 一种人、环境和机器人耦合交互的变导纳控制系统及方法 | |
JP2012211581A (ja) | 動的自動利得制御機能を有するセンサインタフェースの方法及びシステム | |
US10757519B2 (en) | Neural network-based parameter estimation of loudspeakers | |
CN115741668A (zh) | 机械臂及其自适应导纳控制系统和方法、机器人 | |
CN115793449A (zh) | 直升机飞行姿态控制器设计方法及装置、设备、存储介质 | |
TW202018263A (zh) | 壓電材料中的焦電性所致的訊號被抑制的壓力訊號檢測電路及方法 | |
CN113395639B (zh) | 扬声器振膜振动位移的计算方法、扬声器保护装置及介质 | |
CN111752149A (zh) | 一种用于伺服电机指定时间吸引的数字重复控制器设计方法 | |
CN203384159U (zh) | 基于自适应颤振的电液伺服系统死区的测定装置 | |
CN117763732A (zh) | 柔性机翼结构载荷评估方法、电子设备、存储介质及装置 | |
CN117381797A (zh) | 光伏清洁机器人、光伏清洁机器人的控制方法及电子设备 | |
TWI760707B (zh) | 揚聲器振膜振動位移之計算方法、揚聲器保護裝置及電腦可讀取記錄媒體 | |
CN115857574A (zh) | 一种管道检测器速度控制方法、电子设备及可读存储介质 | |
CN115045769A (zh) | 一种发动机负荷的控制系统、方法、电子终端及存储介质 | |
CN114114923A (zh) | 控制参数的确定方法、确定装置、压缩机系统和存储介质 | |
WO2021100348A1 (ja) | 静電容量式センサ、静電容量検出方法、及び、静電容量検出プログラム | |
Chen et al. | Compliant Control Based on Stability Observer for Physical Human-Robot-Environment Interaction | |
CN115793442A (zh) | 一种基于模型参考自适应阻抗的机械手控制器设计方法 | |
CN111310303A (zh) | 一种幅值指数衰减的正弦波参数识别方法 |
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 |