CN116277016A - 机械臂速度控制方法、装置、计算机设备及存储介质 - Google Patents
机械臂速度控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116277016A CN116277016A CN202310370331.3A CN202310370331A CN116277016A CN 116277016 A CN116277016 A CN 116277016A CN 202310370331 A CN202310370331 A CN 202310370331A CN 116277016 A CN116277016 A CN 116277016A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- speed
- control
- state parameter
- parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 17
- 230000001276 controlling effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 5
- 230000036962 time dependent Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000002829 reductive effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 108010065920 Insulin Lispro Proteins 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- WNRQPCUGRUFHED-DETKDSODSA-N humalog Chemical compound C([C@H](NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CO)NC(=O)[C@H](CS)NC(=O)[C@H]([C@@H](C)CC)NC(=O)[C@H](CO)NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CS)NC(=O)[C@H](CS)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](C(C)C)NC(=O)[C@@H](NC(=O)CN)[C@@H](C)CC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CC=1C=CC(O)=CC=1)C(=O)N[C@@H](CS)C(=O)N[C@@H](CC(N)=O)C(O)=O)C1=CC=C(O)C=C1.C([C@@H](C(=O)N[C@@H](CC(C)C)C(=O)N[C@H](C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC=1C=CC(O)=CC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CS)C(=O)NCC(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)NCC(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](CC=1C=CC(O)=CC=1)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CCCCN)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H]([C@@H](C)O)C(O)=O)C(C)C)NC(=O)[C@H](CO)NC(=O)CNC(=O)[C@H](CS)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC=1NC=NC=1)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](CC(N)=O)NC(=O)[C@@H](NC(=O)[C@@H](N)CC=1C=CC=CC=1)C(C)C)C1=CN=CN1 WNRQPCUGRUFHED-DETKDSODSA-N 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 229960002068 insulin lispro Drugs 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- B25J9/1651—Programme controls characterised by the control loop acceleration, rate control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及机械臂控制领域，公开了一种机械臂速度控制方法、装置、计算机设备及存储介质，该方法包括：获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置；根据所述实际位置和所述期望位置以及预设的轨迹跟踪模型计算得到当前时刻所述机械臂的控制速度；对所述控制速度进行雅克比逆变换，得到相应的电机输出力，并根据所述电机输出力进行相应控制。可以通过速度控制的方式控制机械臂的运动，提高了控制速度以及实时性，并减少控制误差。
Description
技术领域
本发明涉及机械臂控制领域，尤其涉及一种机械臂速度控制方法、装置、计算机设备及存储介质。
背景技术
在实际口腔种植机械臂项目临床过程中，机械臂涉及一般以位置控制为主，控制机械臂位置移动，以达到机械臂主动跟随病人移动，从而达到诸如随动钻孔，随动跟随目标点等功能。对于传统的pid控制，需要进行多个参数的人为整定，在调参过程中，会因为参数选择不合适，从而引起控制器的跟踪误差变大，照成控制效果不稳定；且一般的位置响应过慢，实时性较差，在实际临床过程中可能产生不良后果。
发明内容
第一方面，本申请提供一种机械臂速度控制方法，包括：
获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置；
根据所述实际位置和所述期望位置以及预设的轨迹跟踪模型计算得到当前时刻所述机械臂的控制速度；
对所述控制速度进行雅克比逆变换，得到相应的电机输出力，并根据所述电机输出力进行相应控制。
进一步的，所述轨迹跟踪模型的建立方法包括：
获取所述机械臂的状态参数，建立跟踪误差方程，并根据所述状态参数，建立所述机械臂的运动方程；
根据李雅普诺夫稳定性判定条件，确定使得所述运动方程在所述跟踪误差方程收敛在0时的稳定条件，根据所述稳定条件，确定所述轨迹跟踪模型。
进一步的，所述获取所述机械臂的状态参数，包括：
确定所述状态参数是否有确切值；
若所述状态参数有确切值，则直接根据所述状态参数建立所述机械臂的运动方程；
若所述状态参数没有确切值，则建立所述状态参数的估计方程关系式，根据所述估计方程关系式，对所述状态参数进行参数化估计。
进一步的，所述估计方程关系式为：
式中，
为估计误差，a为所述状态参数，/>
为估计的状态参数，/>
为所述估计误差对时间的导，/>
为所述状态参数对时间的导数，/>
为所述估计的状态参数对时间的导数。
进一步的，所述轨迹跟踪模型表达式为：
式中，u表示所述控制速度，
为所述期望位置关于时间的导数，x为当前的位置，e为跟踪误差，K为通过整定得到的调节收敛速度的速度收敛参数。
进一步的，所述速度收敛参数的整定方法包括：
按照从小到大的顺序，将待整定的速度收敛参数输入所述跟踪模型中，并实时记录各个速度收敛参数对应的跟踪误差；
选取出使所述跟踪误差能够位于预设误差范围内的速度收敛参数区间作为整定后的速度收敛参数。
进一步的，所述获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置，包括：
通过解析外部输入指令，确定所述机械臂的末端法兰的期望位置；
通过关节编码器获取所述机械臂各个关节的状态参数，对所述各个所述关节的状态参数进行正运动学解析，确定所述机械臂末端法兰的实际位置。
第二方面，本申请还提供一种机械臂速度控制装置，包括：
轨迹计算模块，用于获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置；
跟踪计算模块，用于根据所述实际位置和所述期望位置以及预设的轨迹跟踪模型计算得到当前时刻所述机械臂的控制速度；
控制模块，用于对所述控制速度进行雅克比逆变换，得到相应的电机输出力，并根据所述电机输出力进行相应控制。
第三方面，本申请还提供一种计算机设备，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行所述的机械臂速度控制方法。
第四方面，本申请还提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行所述的机械臂速度控制方法。
本发明公开了一种机械臂速度控制方法、装置、计算机设备及存储介质，该方法包括：获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置；根据所述实际位置和所述期望位置以及预设的轨迹跟踪模型计算得到当前时刻所述机械臂的控制速度；对所述控制速度进行雅克比逆变换，得到相应的电机输出力，并根据所述电机输出力进行相应控制。可以通过速度控制的方式控制机械臂的运动，提高了控制速度以及实时性，并减少控制误差。使得在临床场景中，机械臂能够更快的对指令进行反应，能给医生提供更好的手术控制反馈。
附图说明
为了更清楚地说明本发明的技术方案，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发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1示出了本申请实施例一种机械臂速度控制方法流程示意图；
图2示出了本申请实施例机械臂控制反馈流程示意图；
图3示出了本申请实施例机械臂控制过程跟踪误差波动示意图；
图4示出了本申请实施例一种机械臂速度控制装置结构示意图。
具体实施方式
下面将结合本发明实施例中附图，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。
通常在此处附图中描述和示出的本发明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发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
本申请应用于机械臂的控制过程中，特别是通过设定速度来控制机械臂的运动，本申请通过建立起跟踪控制模型，以根据机械臂当前的位置和目标位置来确定当前时刻所应该输出的控制速度，并通过李雅普诺稳定判稳定条件，使得机械臂的控制误差尽可能的向0收敛。使得机械臂的控制稳定高效，且因为是通过速度控制，因此可以通过实时进行速度参数的修改，使得控制响应更快，具有更好的实时性。
实施例1
如图1所示，本实施例的机械臂速度控制方法包括：
步骤S100，获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置。
在实际的对机械臂的控制中，通常会为机械臂规划好一个运动路径来控制机械臂的运动。或者通过设定一个终点，由规划算法规划好机械臂到达该的运动路径。因此根据对机械臂的路径规划，可以确定下一时刻，机械臂沿着规划好的运动路径运动时的一个期望位置，同时还可以通过机械臂关节的参数，来获得机械臂末端法兰当前的实际位置。可以理解，根据该实际位置和期望位置可以计算得到在当前时刻，机械臂电机的输出。
机械臂末端法兰的实际位置就是在当前时刻机械臂末端法兰的空间坐标，相较于期望位置，该实际位置可以认为是起点，机械臂需要计算在该实际位置需要用多大的出力才能在下一时刻稳定准确的运动到期望位置。其中，本实施例所述的时刻和机器人自身的采样周期相关。
其中，期望位置可以根据已知的路径规划得到，可以知道，规划的路径通常是一条连续的曲线，因此可以根据机械臂当前末端法兰的实际位置和该规划路径，确定下一时刻机械臂的期望位置，例如沿着所述规划轨迹，并距离当前机械臂末端法兰最近的空间坐标作为期望位置。或者也可以根据规划的运动时间，估算出下一时刻的期望位置等。
步骤S200，根据所述实际位置和所述期望位置以及预设的轨迹跟踪模型计算得到当前时刻所述机械臂的控制速度。
本实施例中对机械臂的控制是通过速度控制，也就是说通过预设的轨迹跟踪模型，依照步骤S100中获取的期望位置和实际位置来计算得到当前机械臂末端法兰应当以怎样的速度进行运动，该速度就是计算得到的控制速度。可以理解，速度控制相较于位置控制要更为迅捷快速以及直观，并且在得到速度后，很容易通过逆运动学来得到电机对应的出力，可以使得机械臂的控制更具有实时性。
其中，所述轨迹跟踪模型根据李雅普诺稳定判稳定条件建立。
具体而言，该轨迹跟踪模型的表达式如下：
式中，u表示所述控制速度，
为所述期望位置关于时间的导数，x为当前的位置，e为跟踪误差，K为通过整定得到的调节收敛速度的速度收敛参数。从上式可知，只要将期望位置作为输入，并整定好K值，就可以获得对应的控制速度。
上述的轨迹跟踪模型可以将跟踪误差e收敛在一个很小的范围，即e趋近于0，使得u的输出稳定，不会出现较大波动。
对于上述估计跟踪模型的获取以及稳定性的证明如下。
需要说明的是，轨迹跟踪模型使用在机械臂中，对于每个机械臂来讲，总会存在各种系统误差，这类系统误差可以作为一个状态参数，直接从厂商处获得，有的则因为机器使用时间过长，所记载的状态参数不准确，也可能厂商不提供这类状态参数，因此针对该状态参数的不同情况进行分类讨论。
首先当该状态参数a具有确切值时，可以建立速度方程和跟踪误差方程，其表达式如下：
e＝xd-x；
式中
代表机械臂的运动速度。
由上述速度状态表达式可知，当e趋近于0时，则整个机械臂系统误差小，
波动小，从而会使得机械臂系统稳定，因此可以利用李亚普诺夫稳定判断条件来证明该机械臂系统的稳定性，从而得到上述轨迹跟踪模型。
首先可以设计李亚普诺夫方程
可以推导出/>
可得当/>
为正定。由此可以得到稳定条件，并以此构建电机输出速度的速度方程。
本实施例中，构建的速度方程为
则依据该构建的速度方程推导可得/>
则此时/>
为负定。将得到的u代入/>
中，推导可得/>
可得/>
负定。由此可知，上述构建的速度方程符合李亚普诺夫渐进稳定性判定条件。
由此可得出结论，当系统误差a存在确切值，李亚普诺夫符合条件(1)V(e)＝0、(2)V(e)为正定、(3)
为负定的时候，上述构建的速度方程是稳定的。
当状态参数a无确切值时，稳定性证明如下：
当a不固定或者未知时，需要对a进行参数化估计。提出自适应控制器。因为该状态参数为常数，所以存在先决条件条件
估计的状态参数表示为/>
则可以建立估计方程，其关系式为：
因为
式中，
为估计误差，a为所述状态参数，/>
为估计的状态参数，/>
为所述估计误差对时间的导，/>
为所述状态参数对时间的导，/>
为所述估计的状态参数对时间的导。因为
所以可得/>
则，在此基础上，可以设立李雅普诺夫方程
其中，
为正定系统。
同时设速度方程为：
则联立上述两式子得：
其中
时为正定系统，则在该情况下存在，
可设速度方程为：/>
则可以推导出
此时可以设计/>
则存在/>
为半负定，可保证函数收敛，确保稳定。由此可以根据李亚普诺夫引理，当满足以下3个条件时，系统渐进收敛。
(1)V(e)≥0；
(2)
(3)若
是有界的并且是连续的，则可推出/>
结合上述两个证明结论，再根据李雅普诺夫稳定性原理可知，g(t)＝Ke2,其中
则根据公式/>
可得因为K≠0，在/>
中，e趋向于0。所以整个机械臂系统是稳定的，并且误差趋向于0。因为/>
所以可得
代入公式/>
最后可以得到轨迹追踪模型：
本实施例中，通过对机械臂的运动状态建立对应的速度方程和误差方程，然后构建相关李雅普诺夫方程，确定该机械臂的运动是可以达到稳定状态，并使得误差收敛于0，然后再在此基础上构建速度方程，并寻找使得该速度方程可以稳定的条件，最终得到了上述轨迹追踪模型，由此说明了轨迹追踪模型的获得过程以及稳定性的证明。
其中，对于速度收敛参数k，该参数可以根据实际情况进行调试以确定最终值，该k值主要是用于控制收敛速度，而不会改变整个模型的收敛趋势，因此可以按照小到大的顺序，将待整定的速度收敛参数输入所述跟踪模型中，并实时记录各个速度收敛参数对应的跟踪误差，选取所述跟踪误差在预设区间内时所对应的速度收敛参数区间为整定后的速度收敛参数区间，并根据实际工作环境，从所述速度收敛参数区间确定所述速度收敛参数。
通过将步骤S100中确定的期望位置和实际位置带入上述的轨迹跟踪模型中，就可以得到控制速度，因为轨迹跟踪模型已经被证明是稳定的，且让误差e可以收敛趋近于0，所以得到的控制速度会是一个稳定且使得机械臂运动误差极小的控制速度。同时，根据
由于x以及e成周期变化规律且收敛，则a也会参数收敛，实现参数自适应的过程。所以机械臂的运动可以被稳定控制。
如图3所示，为在将期望位置的参考信号选取为rk＝A(-cos(2πfTsk)+1)。其中，设定其中的参数A＝50，频率f＝0.18Hz，采样周期Ts＝15ms，K＝45。在上述条件下，使用轨迹跟踪模型进行仿真试验后，得到的跟踪误差曲线图，可见周期跟踪期间，期望跟踪曲线与实际曲线误差范围小于0.5mm，且呈现出连续的函数特点，体现了稳定性和误差的收敛性。
步骤S300，对所述控制速度进行雅克比逆变换，得到相应的电机输出力，并根据所述电机输出力进行相应控制。
上述得到的控制速度为机械臂末端法兰的控制速度，具体到机械臂每个电机应该释放多大的力进行输出，还需要对这个控制速度进行雅克比逆变换，以得到相应的电机输出力，得到电机输出力后，电机就可以根据该输出力，进行相应的控制。
具体的，可以将该电机输出力发送给力矩控制器，再由力矩控制器控制机械臂的电机进行运动。
可以理解的是，机械臂的运动过程是一个连续的过程，机械臂末端法兰的位置随着运动过程实时变动，因此可知，当前时刻的控制速度和输出力不代表就是下一时刻的控制速度和输出力，因此，在计算得到控制速度，机械臂进行了相应运动后，还要实时更新机械臂末端法兰的实际位置。因此，机械臂的关节编码器还会对当前机械臂上各个关节的装填参数进行正运动学解析，以确定当前机械臂末端法兰的位置，然后将新确认的位置作为当前位置重新作为输入，继续计算下一时刻的控制速度。其中这些状态参数包括关节的角度、方向等。
具体的整个流程如图2所示，图中上位机100为控制机械臂200运动的计算机设备，具体可以是PC机或者和机械臂200配套的上位控制机器，上位机100用于接收用户下达的指令，根据这些指令可以得到期望位置，并且会实时接收到来自机械臂反馈回来的机械臂当前位置，上位机100根据这些数据计算得到控制速度后，将控制速度发送给机械臂200，机械臂会对该控制速度进行雅克比逆变换，确定具体各个关节电机的输出力。具体可以由力矩控制器控制，同时，关节电机的实际发力会由关节编码器进行识别，再经过正运动学处理，以实时更新机械臂末端法兰的实际位置，再传输给上位机，由此可以实现对机械臂的追踪控制。
机械臂的电机输出力后，带动机械臂末端法兰沿着规划好的路径移动，依照该输出力移动的时间和上述的反馈时间相关，移动该反馈时间后，上位机就重新获取机械臂末端法兰的实际位置，从而更新下一时刻的期望位置，然后再根据新的实际位置和期望位置，计算出当前时刻的输出速度，以进行下一时刻的控制，以此形成循环，直至机械臂移动到目标位置。
可见，机械臂运动时，是一个实时反馈的运动过程，通过设定反馈频率，调节采集机械臂当前位置的频率，从而可以调节输出力的变化频率，进而改变机械臂运动过程是否柔顺平滑。可以理解，反馈频率越高，则机械臂运动更柔顺平滑，同样的计算负担越大，反馈频率越低，则计算负担越小，机械臂运动过程则不如反馈频率高时平滑。
本实施例的机械臂速度控制方法，通过将机械臂法兰末端的实际位置、预设的期望位置作为输入，通过预设的轨迹跟踪模型来实时生成机械臂当前位置对应的控制速度，从而可以快速计算出控制速度来对机械臂进行快速控制，且该轨迹跟踪模型能输出稳定的控制速度，并使得机械臂的整体误差能够趋近于0，使得机械臂的整个控制过程中，除了能快速反应外，也能体现足够的稳定度，可以提高实际工作时的工作效率。
实施例2
如图4所示，本申请还提供一种机械臂速度控制装置，包括：
轨迹计算模块10，用于获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置；
跟踪计算模块20，用于根据所述实际位置和所述期望位置以及预设的轨迹跟踪模型计算得到当前时刻所述机械臂的控制速度；
控制模块30，用于对所述控制速度进行雅克比逆变换，得到相应的电机输出力，并根据所述电机输出力进行相应控制。
本申请还提供一种计算机设备，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行所述的机械臂速度控制方法。该计算机设备为控制机械臂运动的上位机，可以是PC机也可以是和机械臂相配套的控制台，甚至是服务器，也就是说只要是可以和机械臂建立控制连接的计算机设备皆是本申请的保护范围之内。
本申请还提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行所述的机械臂速度控制方法，该方法包括：获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置；根据所述实际位置和所述期望位置以及预设的轨迹跟踪模型计算得到当前时刻所述机械臂的控制速度；对所述控制速度进行雅克比逆变换，得到相应的电机输出力，并根据所述电机输出力进行相应控制。可以通过速度控制的方式控制机械臂的运动，提高了控制速度以及实时性，并减少控制误差。
在本申请所提供的几个实施例中，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，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、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，结构图和/或流程图中的每个方框、以及结构图和/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，在本发明各个实施例中的各功能模块或单元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，也可以两个或更多个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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明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，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种机械臂速度控制方法，其特征在于，包括：
获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置；
根据所述实际位置和所述期望位置以及预设的轨迹跟踪模型，计算得到当前时刻所述机械臂的控制速度；
对所述控制速度进行雅克比逆变换，得到相应的电机输出力，并根据所述电机输出力进行相应控制。
2.根据权利要求1所述的机械臂速度控制方法，其特征在于，所述轨迹跟踪模型的建立方法包括：
获取所述机械臂的状态参数，建立跟踪误差方程，并根据所述状态参数，建立所述机械臂的运动方程；
根据李雅普诺夫稳定性判定条件，确定使得所述运动方程在所述跟踪误差方程收敛在0时的稳定条件，根据所述稳定条件，确定所述轨迹跟踪模型。
3.根据权利要求2所述的机械臂速度控制方法，其特征在于，所述获取所述机械臂的状态参数，包括：
确定所述状态参数是否有确切值；
若所述状态参数有确切值，则根据所述状态参数的确切值建立所述机械臂的运动方程；
若所述状态参数没有确切值，则建立所述状态参数的估计方程关系式，根据所述估计方程关系式，对所述状态参数进行参数化估计，并根据参数化估计的所述状态参数建立所述运动方程。
4.根据权利要求3所述的机械臂速度控制方法，其特征在于，
所述估计方程关系式为：
式中，
为估计误差，a为所述状态参数，/>
为估计的状态参数，/>
为所述估计误差对时间的导，/>
为所述状态参数对时间的导数，/>
为所述估计的状态参数对时间的导数。
5.根据权利要求1所述的机械臂速度控制方法，其特征在于，所述轨迹跟踪模型表达式为：
式中，u表示所述控制速度，
为所述期望位置关于时间的导数，x为当前的位置，e为跟踪误差，K为通过整定得到的调节收敛速度的速度收敛参数。
6.根据权利要求5所述的机械臂速度控制方法，其特征在于，所述速度收敛参数的整定方法包括：
按照从小到大的顺序，将待整定的速度收敛参数输入所述跟踪模型中，并实时记录各个速度收敛参数对应的跟踪误差；
选取出使所述跟踪误差能够位于预设误差范围内的速度收敛参数区间作为整定后的速度收敛参数。
7.根据权利要求1所述的机械臂速度控制方法，其特征在于，所述获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置，包括：
通过解析外部输入指令，确定所述机械臂的路径规划，根据所述路径规划确定所述机械臂末端法兰的期望位置；
通过关节编码器获取所述机械臂各个关节的状态参数，对所述各个所述关节的状态参数进行正运动学解析，得到所述机械臂末端法兰的实际位置。
8.一种机械臂速度控制装置，其特征在于，包括：
轨迹计算模块，用于获取当前时刻机器人末端法兰的实际位置，并根据所述机械臂的路径规划，获取下一时刻所述机械臂的末端法兰的期望位置；
跟踪计算模块，用于根据所述实际位置和所述期望位置以及预设的轨迹跟踪模型计算得到当前时刻所述机械臂的控制速度；
控制模块，用于对所述控制速度进行雅克比逆变换，得到相应的电机输出力，并根据所述电机输出力进行相应控制。
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行权利要求1至7中任一项所述的机械臂速度控制方法。
10.一种可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至7中任一项所述的机械臂速度控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310370331.3A CN116277016A (zh) | 2023-04-03 | 2023-04-03 | 机械臂速度控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310370331.3A CN116277016A (zh) | 2023-04-03 | 2023-04-03 | 机械臂速度控制方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116277016A true CN116277016A (zh) | 2023-06-23 |
Family
ID=86818712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310370331.3A Pending CN116277016A (zh) | 2023-04-03 | 2023-04-03 | 机械臂速度控制方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116277016A (zh) |
-
2023
- 2023-04-03 CN CN202310370331.3A patent/CN116277016A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110355751B (zh) | 控制装置和机器学习装置 | |
| EP3924884B1 (en) | System and method for robust optimization for trajectory-centric model-based reinforcement learning | |
| US11403439B2 (en) | Method and apparatus for robust reduction of shape error in laser powder deposition based additive manufacturing process due to uncertainty | |
| CN109968361B (zh) | 一种基于实时力反馈的变阻抗遥操作控制装置及方法 | |
| JP2017102617A (ja) | 補正装置、補正装置の制御方法、情報処理プログラム、および記録媒体 | |
| EP3704550B1 (en) | Generation of a control system for a target system | |
| JP6841852B2 (ja) | 制御装置及び制御方法 | |
| US10967505B1 (en) | Determining robot inertial properties | |
| CN111687838B (zh) | 机械手轨迹跟随误差的在线补偿方法、系统及存储介质 | |
| JP2007128318A (ja) | 状態推定方法、状態推定装置、状態推定システム及びコンピュータプログラム | |
| CA2241710C (en) | Off-line teaching method | |
| CN112638596A (zh) | 自主学习型机器人装置以及自主学习型机器人装置的动作生成方法 | |
| JP2009175917A (ja) | 制御パラメータ調整方法および制御パラメータ調整プログラム | |
| CN115026835A (zh) | 一种机器人机械臂伺服系统整体性能调优方法 | |
| CN111095133B (zh) | 一种用于在目标现场设备上部署和执行自适应自学习控制程序的方法和系统 | |
| WO2021186500A1 (ja) | 学習装置、学習方法、及び、記録媒体 | |
| CN116277016A (zh) | 机械臂速度控制方法、装置、计算机设备及存储介质 | |
| US10684594B2 (en) | Machine learning device, servo motor controller, servo motor control system, and machine learning method | |
| JP4446068B2 (ja) | 工作機械用の数値制御装置および工作機械を制御する数値制御方法 | |
| Neunert et al. | Adaptive real-time nonlinear model predictive motion control | |
| CN114367989B (zh) | 缺省的机械臂阻抗控制方法、装置、机械臂及存储介质 | |
| US20230195843A1 (en) | Machine learning device, machine learning method, and computer program product | |
| CN116512237B (zh) | 工业机器人视觉伺服方法、装置、电子设备及存储介质 | |
| CN117506935B (zh) | 基于动力学补偿的机器人控制方法、系统、设备及介质 | |
| WO2022044329A1 (ja) | 制御システム、制御方法、コンピュータ、および制御プログラム |
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 |