CN116442239A - 用于力控制的控制信号振动抑制方法和计算机设备 - Google Patents
用于力控制的控制信号振动抑制方法和计算机设备 Download PDFInfo
- Publication number
- CN116442239A CN116442239A CN202310607255.3A CN202310607255A CN116442239A CN 116442239 A CN116442239 A CN 116442239A CN 202310607255 A CN202310607255 A CN 202310607255A CN 116442239 A CN116442239 A CN 116442239A
- Authority
- CN
- China
- Prior art keywords
- force
- output signal
- signal
- differential
- moment
- 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
- 230000001629 suppression Effects 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims description 76
- 239000012636 effector Substances 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 230000004069 differentiation Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000013016 damping Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000003321 amplification Effects 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
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
- B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position 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)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本申请涉及一种用于力控制的控制信号振动抑制方法、计算机设备和可读存储介质。所述方法包括:获取力传感设备的第一输出信号,所述第一输出信号包括力信号和力矩信号中的至少一个(S110);通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号(S120);以及将所述第二输出信号用于力控制的控制信号振动抑制(S130)。采用本方法能够提高对用于力控制的控制信号的振动抑制性能。
Description
技术领域
本申请涉及机器人技术领域,特别是涉及一种用于力控制的控制信号振动抑制方法和计算机设备。
背景技术
即使在设计最完善、最坚硬的机器人中,关节和连杆的柔性仍然存在,源于这些柔性的振动会破坏机器人的稳定性并降低其性能。此外,有些柔性是有意增加以提供传感能力,例如,在设计用于执行接触控制的力矩控制机器人中,柔性元件被嵌入到系统中以便能够测量外力。这些元件可以是作为关节上的单轴力矩传感器和/或机器人末端执行器的六轴力/力矩传感器。为了在运行时充分利用这些额外的传感能力并尽量减小信号振动的影响,系统将需要测量和补偿振动。
传统的振动抑制控制方法主要使用IMU(Inertial Measuring Unit,惯性测量单元)或关节加速度作为反馈,而这些信号往往是有噪声的。一些传统的控制方法依赖于力的有限微分,但往往会放大这些信号的噪声,从而导致机器人系统的性能不佳。
发明内容
基于此,有必要针对上述技术问题,提供一种用于力控制的控制信号振动抑制方法、计算机设备和非暂时性计算机可读存储介质。
本申请实施例的第一方面提供了一种用于力控制的控制信号振动抑制方法,包括:获取力传感设备的第一输出信号,所述第一输出信号包括力信号和力矩信号中的至少一个;通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号;以及将所述第二输出信号用于力控制的控制信号振动抑制。
在本申请的第一方面中,所述力传感设备包括多个力传感元件,所述第一输出信号包括多个测量信号;所述通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号,包括:通过多个所述模拟微分电路一一对应处理所述多个测量信号,得到所述多个测量信号的微分量;以及根据所述多个测量信号的微分量计算确定所述第二输出信号。
在本申请的第一方面中,所述力传感设备包括多个力传感元件,所述第一输出信号包括多个测量信号;所述通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号,包括:对所述多个测量信号进行融合,得到一个或多个经融合的测量信号;通过一个或多个所述模拟微分电路一一对应处理所述一个或多个经融合的测量信号,得到所述一个或多个经融合的测量信号的微分量;以及根据所述一个或多个经融合的测量信号的微分量计算确定所述第二输出信号。
在本申请的第一方面中,所述第一输出信号表征机器人关节的输出力矩,所述方法还包括:获取所述机器人关节的期望力矩和期望力矩微分量;所述将所述第二输出信号用于力控制的控制信号振动抑制包括:根据所述期望力矩、所述期望力矩微分量和所述第二输出信号,调整所述机器人关节的电机输出。
在本申请的第一方面中,所述第一输出信号表征机器人末端执行器的输出力,所述方法还包括:获取所述机器人末端执行器的期望力和期望力微分量;所述将所述第二输出信号用于力控制的控制信号振动抑制包括:根据所述期望力、所述期望力微分量和所述第二输出信号,调整所述机器人末端执行器的输出位移。
本申请实施例的第二方面提供了一种计算机设备,包括存储器和处理器,所述存储器存储有处理器可执行指令,所述处理器可执行指令在由所述处理器执行时致使所述处理器:获取力传感设备的第一输出信号,所述第一输出信号包括力信号和力矩信号中的至少一个;通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号;以及将所述第二输出信号用于力控制的控制信号振动抑制。
在本申请的第二方面中,所述力传感设备包括多个力传感元件,所述第一输出信号包括多个测量信号;所述通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号,包括:通过多个所述模拟微分电路一一对应处理所述多个测量信号,得到所述多个测量信号的微分量;以及根据所述多个测量信号的微分量计算确定所述第二输出信号。
在本申请的第二方面中,所述力传感设备包括多个力传感元件,所述第一输出信号包括多个测量信号;所述通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号,包括:对所述多个测量信号进行融合,得到一个或多个经融合的测量信号;通过一个或多个所述模拟微分电路一一对应处理所述一个或多个经融合的测量信号,得到所述一个或多个经融合的测量信号的微分量;以及根据所述一个或多个经融合的测量信号的微分量计算确定所述第二输出信号。
在本申请的第二方面中,所述第一输出信号表征机器人关节的输出力矩,所述处理器可执行指令在由所述处理器执行时还致使所述处理器:获取所述机器人关节的期望力矩和期望力矩微分量;所述将所述第二输出信号用于力控制的控制信号振动抑制包括:根据所述期望力矩、所述期望力矩微分量和所述第二输出信号,调整所述机器人关节的电机输出。
在本申请的第二方面中,所述第一输出信号表征机器人末端执行器的输出力,所述处理器可执行指令在由所述处理器执行时还致使所述处理器:获取所述机器人末端执行器的期望力和期望力微分量;所述将所述第二输出信号用于力控制的控制信号振动抑制包括:根据所述期望力、所述期望力微分量和所述第二输出信号,调整所述机器人末端执行器的输出位移。
本申请实施例的第三方面提供了一种非暂时性计算机可读存储介质,其上存储有处理器可执行指令,所述处理器可执行指令在由处理器执行时致使所述处理器:获取力传感设备的第一输出信号,所述第一输出信号包括力信号和力矩信号中的至少一个;通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号;以及将所述第二输出信号用于力控制的控制信号振动抑制。
本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征、目的和优点将从说明书、附图以及权利要求书变得明显。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,下面描述中的附图仅仅是本申请的一些实施例,不构成对本申请披露内容和保护范围的限制。
图1为根据本申请一实施例的用于力控制的控制信号振动抑制方法的流程示意图;
图2为根据本申请一实施例的单通道模拟微分电路的结构示意图;
图3为根据本申请一实施例的信号模拟微分处理的示意图;
图4为根据本申请另一实施例的信号模拟微分处理的示意图;
图5为根据本申请一实施例的机器人关节上的振动抑制控制示意图;
图6为根据本申请一实施例的机器人末端执行器上的振动抑制控制示意图;
图7为根据本申请一实施例的计算机设备的内部结构示意图。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使本申请的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供一种计算机实现的用于力控制的控制信号振动抑制方法。以该方法应用于机器人为例,图1是由诸如机器人的关节控制器等计算设备执行以对机器人中用于力控制的控制信号振动抑制的示例性方法的流程图。上述机器人包括多个关节,与每一关节相连的连杆由至少一个轴电机驱动运行,且每一轴电机由至少一个关节控制器闭环控制。
在步骤S110中,获取力传感设备的第一输出信号,第一输出信号包括力信号和力矩信号中的至少一个。力传感设备通常安装于机器人的各关节处和末端执行器上,用于测量关节或末端执行器上的力信号和力矩信号中的至少一个。对于测量一个力信号或力矩信号来说,可以用仅包括一个力传感元件的力传感设备实现测量,也可以使用包括多个力传感元件的力传感设备实现测量,本申请对此不作限制。对于力矩控制的机器人,其各个关节上一般设置有力矩传感器,其可以测量关节在运动中的力矩信号,进而关节控制器可以通过该力矩信号对应的时间导数来衡量关节上的振动量。此外,在与环境频繁接触的过程中,机器人末端执行器的振动也是常见的问题之一,例如,抛光、研磨和去毛刺。在这些过程中,机器人需要在保持与工件接触的同时稳定应对高频干扰。末端执行器的振动测量可以包含在机器人控制器中。末端执行器上设置有力/力矩传感器,因此,首先通过力/力矩传感器测量末端执行器的力和力矩信号,再通过该力和力矩信号的时间导数来衡量机器人有效载荷的振动量。其中,力和力矩信号包括三个正交方向的力信号和三个正交方向的力矩信号。
在步骤S120中,通过模拟微分电路处理第一输出信号,得到对应力信号和力矩信号中至少一个的微分量的第二输出信号。力信号的微分量即力信号的时间导数,力矩信号的微分量即力矩信号的时间导数。本申请中力控制的控制信号包括力和/或力矩的控制目标,以及力和/或力矩的微分量的控制目标,本申请通过预先处理测量的力信号和/或力矩信号得到对应的微分量,从而将其用于对力控制的控制信号的振动抑制。
上述力/力矩传感器一般通过测量机械结构上的变形进行操作,当力/力矩传感器为多通道时,该变形可以由多个传感元件同时拾取并转换成电信号,因此力信号可以包括多个测量力信号,力矩信号可以包括多个测量力矩信号。在一个示例中,使f为施加在结构上的力,xi为n个可用传感元件中第i个传感元件输出的模拟信号,则f可以通过函数f=g(x1,x2,...,xn)计算。该函数可以通过建模得到,并在校准阶段进行微调。进一步的,施加的力的时间导数为:为了计算/>需要分别计算偏导/>和/>给定分析模型f=g(x1,x2,...,xn),对于一组给定的xi,/>项可以被计算和估计,/>项将需要可靠地测量或从xi得出。
通常情况下,用作关节控制器的微处理器等计算单元将模拟信号xi数字化,并在微处理器中以数字方式计算出f。如果需要得到将使用一些数字微分方案。以/>为例,其中xi,last是在过去某个时间间隔Δt内数字化的xi的最后读数,然而,其与/>相乘会放大噪声,导致对/>的估计不足。即使估计器和滤波器可以用来减弱高频率的噪声,但它们往往会导致滞后和混叠效应,从而对在反馈控制中使用这些传感器的系统的性能产生不利影响。
机器人的力/力矩控制系统通常需要高达10~100kHz的采样率,因此以数字化方式获取的力和力矩的时间导数(通过有限微分)会由于高采样率带来巨大放大作用而产生噪声。例如,考虑如下式所示的有限微分方程:
其中Δfi是在第i个控制周期中力信号的时间导数,fi和fi-1是在两个连续控制周期的两个力信号,Δt是采样时间,ηi和ηi-1都是白噪声信号。对于运行在10kHz的控制系统来说,Δfi的信号衰减相当于显然,(ηi-ηi-1)的残差将被放大10000倍。通常情况下,可以添加低通滤波器来过滤噪声。但由于放大的幅度很大,完全去除噪声是非常具有挑战性的。此外,滤波器引入的相位滞后会对控制器的稳定性产生不利影响。为了保持稳定,需要降低控制增益以限制对噪声信号的激励。
本申请则通过对传感元件的输出进行模拟微分处理来获取由于时间导数是直接在模拟域中完成,因此不需要乘以/>从而避免了白噪声放大的问题。由于模拟微分在本质上不会放大噪声,因此与采样率的选择无关,从而控制系统可以设计成高采样率,以达到良好的阻尼和干扰抑制反应。
具体可以使用模拟微分电路进行处理,模拟微分电路可以是主动或被动微分器,模拟微分电路可以包括运算放大器、电阻、电容和/或电感等元件。在一个示例中,如图2所示,提供了一个典型的单通道模拟微分电路的结构示意图,该简化电路包括运算放大器、第一电阻R1、第二电阻R2、第一电容C1和第二电容C2,其中电阻和电容将决定增益和高频滚降频率。模拟微分电路可以与力传感器、力矩传感器等力传感设备集成并一起工作。
在一个实施例中,当力传感设备包括多个力传感元件时,第一输出信号包括多个测量信号,则上述步骤S120可以包括:通过多个模拟微分电路一一对应处理多个测量信号,得到多个测量信号的微分量;以及根据多个测量信号的微分量计算确定第二输出信号。
关节控制器可以包括模拟微分器(也就是上述模拟微分电路)。由于力信号和力矩信号均包括三个正交方向上的分量,因此在力传感设备的实际测量过程中,每一个方向上都会有n组力传感元件同时测量同一个力信号和/或力矩信号。请参阅图3,其为分别对每一个力传感元件测量的测量信号(x1,x2,…,xi,…,xn)在模拟域中进行模拟微分的处理示意图,该测量信号可以指某一个方向上的力信号和力矩信号中的至少一个,经过模拟微分器的模拟微分处理之后,可以得到每一个测量信号对应的模拟微分信号,进一步地,多个力传感元件的模拟信号连同其微分量的读数可以被读入诸如微处理器、数字信号处理器或计算机处理器中的逻辑处理单元,以进行后续数字化处理。基于力传感设备与其力传感元件之间的信号对应关系,根据得到的多个测量信号的微分量,可以计算确定第二输出信号。
以仅测量机器人某关节上的力矩为例,可以使用n组力矩传感元件同时测量该关节上的力矩,因此,力矩信号可以包括多个测量力矩信号,且该多个测量力矩信号均为模拟信号。以其中一个关节的计算过程予以说明,假设该关节对应的n组力矩传感元件输出的测量力矩信号为(τ1,τ2,……,τn),进而关节控制器将该力矩信号中的每一个测量力矩信号送入对应的模拟微分器以进行模拟微分处理,从而得到每一个测量力矩信号对应的微分量,表示为进一步地,根据每个方向上各测量力矩信号对应的微分量,可以计算得到相应方向上的力矩信号的微分量,三个正交方向上的力矩信号的微分量可以表示为/>此外,根据每个方向上的各测量力矩信号,可以计算得到相应方向上的力矩信号,三个正交方向上的力矩信号可以表示为(τx,τy,τz)。
在另一个可选的实施例中,上述步骤S120可以包括:对多个测量信号进行融合,得到一个或多个经融合的测量信号;通过一个或多个模拟微分电路一一对应处理一个或多个经融合的测量信号,得到一个或多个经融合的测量信号的微分量;以及根据一个或多个经融合的测量信号的微分量计算确定第二输出信号。
如图4所示,也可以在模拟微分处理之前,首先对n组力传感元件的模拟信号在模拟域进行部分或全部融合,融合的次数可以是一次或多次,进而再将融合后的信号输入至模拟微分器以进行模拟微分处理,进一步地,模拟微分器的输出和力传感元件的输出将被传递到逻辑处理单元,以进行后续数字化处理。基于力传感设备与其力传感元件之间的信号对应关系,根据得到的一个或多个经融合的测量信号的微分量,可以计算确定第二输出信号。这种融合过程的一个示例是惠斯通电桥,它通常与应变仪一起使用,以测量当力作用于结构时的变形。
以测量信号(x1,x2,…,xi,…,xn)仅表示某一方向上的测量力矩信号、且融合次数为多次为例,首先将这多个测量力矩信号进行多次融合,得到多个经融合的测量力矩信号,然后将每一个经融合的测量力矩信号送入对应的模拟微分器以进行模拟微分处理,从而得到多个经融合的测量力矩信号的微分量。进一步的,根据每个方向上的各经融合的测量力矩信号对应的微分量,可以计算得到相应方向上的力矩信号的微分量,三个正交方向上的力矩信号的微分量可以表示为
上述对关节以及有效载荷的振动的测量方法,由于直接在模拟域进行微分,尽管采样周期很短,但可以得到力和/或力矩信号的高信噪比时间导数,提高了微分信号的高保真性,从而可以实现高度响应和无噪音的振动抑制控制。
在步骤S130中,将第二输出信号用于力控制的控制信号振动抑制。
在一个实施例中,当第一输出信号表征机器人关节的输出力矩时,第二输出信号则表征该输出力矩的微分量,上述方法还包括:获取机器人关节的期望力矩和期望力矩微分量。对于力矩控制的机器人关节,在对用于力控制的控制信号振动抑制中,还需要获取期望力矩和对应的期望力矩微分量,分别用τdes表示期望力矩,表示期望力矩微分量。
进一步的,上述步骤S130包括根据期望力矩、期望力矩微分量和第二输出信号,调整机器人关节的电机输出。
关节控制器还可以包括前馈控制器和反馈控制器。以计算机器人中某一个关节的振动补偿力矩值为例,结合附图5对本申请的技术方案予以说明。首先关节通过前馈控制器获得所需的前馈量ufeedforward,并遵循期望力矩进行运动。而关节上的力矩传感器可以实时测量到关节上实际的力矩信号(即输出力矩,用τ表示),该力矩信号经过模拟微分处理后得到的微分量(用表示)将被输入到反馈控制器中,不限制的是,还可以将其他状态反馈量输入至反馈控制器中。因此,反馈控制器根据关节的期望力矩、期望力矩微分量、输出力矩和输出力矩的微分量,建立如下式所示的力矩控制模型:
u=ufeedback+ufeedforward+u′
其中,u为关节的轴电机的输出,ufeedback为反馈控制器的输出,ufeedforward为前馈控制器的输出,在一个示例中,ufeedforward可以设计为上述计算得到的期望力矩值,即ufeedforward=τdes。u′为包括处理更高阶动力学的附加项,例如可以使为关节的期望力矩的更高阶时间导数。
通过上述闭环控制模型,可以得到需要反馈的振动补偿力矩值,如下式所示:
其中,KT、Ks均为比例增益。
根据上述振动补偿力矩值,对关节上用于力控制的控制信号进行振动抑制,关节控制器将根据每个关节对应的振动补偿力矩值调整对应的轴电机的关节力矩,以进行振动补偿。此外,也可以根据实际控制需要计算出关节处的振动补偿力值,并对其相应的控制信号进行振动抑制。
在另一个实施例中,当第一输出信号表征机器人末端执行器的输出力时,第二输出信号则表征该输出力的微分量,上述方法还包括:获取机器人末端执行器的期望力和期望力微分量。在末端执行器上用于力控制的控制信号振动抑制中,还需要获取期望力和对应的期望力微分量,分别用Fdes表示期望力,表示期望力微分量,此外,还可以获取一些其他参量,例如位移、速度等。进一步的,上述步骤S130包括根据期望力、期望力微分量和第二输出信号,调整机器人末端执行器的输出位移。
以计算机器人末端执行器的振动补偿力值为例,如图6所示,末端执行器通过前馈控制器获得所需的前馈量ufeedforward,例如期望位移(用Xdes表示)、期望力等,在运动中,末端执行器上的力/力矩传感器可以实时测量机器人结构实际受到的力信号(即输出力),该力信号经过模拟微分处理得到微分量(用表示),从而在期望力和输出力之间的误差上运行反馈控制器。通常,对误差应用比例积分控制器。例如可以在反馈控制量中加入力阻尼项和速度阻尼项/>得到振动补偿力值,其中Kd、Kv均为比例增益,/>是末端执行器的速度。根据得到的振动补偿力值(即ufeedback),对末端执行器上相应的用于力控制的控制信号进行振动抑制,控制器将根据得到的振动补偿力值调整末端执行器的输出位移,从而对机器人末端的振动起到一定抑制作用。
虽然有多种控制方案可用于抑制振动,但最常见和最有效的方法可能是在捕捉振动的测量上加入阻尼项,例如,电机速度连杆速度/>和力的时间导数。但/>和/>通常是由有限微分推导出来的,可能会产生噪声信号。而本申请提供的用于力控制的控制信号振动抑制方法,一方面,由于没有随采样频率呈线性缩放的白噪声放大,力信号和力矩信号的信噪比时间导数得到了改善,且信号没有经过有限微分和低通滤波,因此如果不破坏控制系统的稳定性,将不会受到相位滞后的不利影响。另一方面,由于力的无噪声时间导数可以被纳入快速反馈控制回路,产生了简单但鲁棒的阻尼,从而提高了对力控制的控制信号的振动抑制性能。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
本申请实施例还提供了一种计算机设备,如图7所示,包括通过系统总线连接的存储器和处理器,该存储器存储有处理器可执行指令,该处理器可执行指令在由处理器执行时致使处理器:获取力传感设备的第一输出信号,所述第一输出信号包括力信号和力矩信号中的至少一个;通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号;以及将所述第二输出信号用于力控制的控制信号振动抑制。
在一个实施例中,所述力传感设备包括多个力传感元件,所述第一输出信号包括多个测量信号;所述通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号,包括:通过多个所述模拟微分电路一一对应处理所述多个测量信号,得到所述多个测量信号的微分量;以及根据所述多个测量信号的微分量计算确定所述第二输出信号。
在一个实施例中,所述力传感设备包括多个力传感元件,所述第一输出信号包括多个测量信号;所述通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号,包括:对所述多个测量信号进行融合,得到一个或多个经融合的测量信号;通过一个或多个所述模拟微分电路一一对应处理所述一个或多个经融合的测量信号,得到所述一个或多个经融合的测量信号的微分量;以及根据所述一个或多个经融合的测量信号的微分量计算确定所述第二输出信号。
在一个实施例中,所述第一输出信号表征机器人关节的输出力矩,所述处理器可执行指令在由所述处理器执行时还致使所述处理器:获取所述机器人关节的期望力矩和期望力矩微分量;所述将所述第二输出信号用于力控制的控制信号振动抑制包括:根据所述期望力矩、所述期望力矩微分量和所述第二输出信号,调整所述机器人关节的电机输出。
在一个实施例中,所述第一输出信号表征机器人末端执行器的输出力,所述处理器可执行指令在由所述处理器执行时还致使所述处理器:获取所述机器人末端执行器的期望力和期望力微分量;所述将所述第二输出信号用于力控制的控制信号振动抑制包括:根据所述期望力、所述期望力微分量和所述第二输出信号,调整所述机器人末端执行器的输出位移。
本申请还提供了一种非暂时性计算机可读存储介质,其上存储有处理器可执行指令,该处理器可执行指令在由处理器执行时致使处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种用于力控制的控制信号振动抑制方法,包括:
获取力传感设备的第一输出信号,所述第一输出信号包括力信号和力矩信号中的至少一个;
通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号;以及
将所述第二输出信号用于力控制的控制信号振动抑制。
2.根据权利要求1所述的方法,其特征在于,所述力传感设备包括多个力传感元件,所述第一输出信号包括多个测量信号;
所述通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号,包括:
通过多个所述模拟微分电路一一对应处理所述多个测量信号,得到所述多个测量信号的微分量;以及
根据所述多个测量信号的微分量计算确定所述第二输出信号。
3.根据权利要求1所述的方法,其特征在于,所述力传感设备包括多个力传感元件,所述第一输出信号包括多个测量信号;
所述通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号,包括:
对所述多个测量信号进行融合,得到一个或多个经融合的测量信号;
通过一个或多个所述模拟微分电路一一对应处理所述一个或多个经融合的测量信号,得到所述一个或多个经融合的测量信号的微分量;以及
根据所述一个或多个经融合的测量信号的微分量计算确定所述第二输出信号。
4.根据权利要求1所述的方法,其特征在于,所述第一输出信号表征机器人关节的输出力矩,所述方法还包括:
获取所述机器人关节的期望力矩和期望力矩微分量;
所述将所述第二输出信号用于力控制的控制信号振动抑制包括:
根据所述期望力矩、所述期望力矩微分量和所述第二输出信号,调整所述机器人关节的电机输出。
5.根据权利要求1所述的方法,其特征在于,所述第一输出信号表征机器人末端执行器的输出力,所述方法还包括:
获取所述机器人末端执行器的期望力和期望力微分量;
所述将所述第二输出信号用于力控制的控制信号振动抑制包括:
根据所述期望力、所述期望力微分量和所述第二输出信号,调整所述机器人末端执行器的输出位移。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有处理器可执行指令,所述处理器可执行指令在由所述处理器执行时致使所述处理器:
获取力传感设备的第一输出信号,所述第一输出信号包括力信号和力矩信号中的至少一个;
通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号;以及
将所述第二输出信号用于力控制的控制信号振动抑制。
7.根据权利要求6所述的计算机设备,其特征在于,所述力传感设备包括多个力传感元件,所述第一输出信号包括多个测量信号;
所述通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号,包括:
通过多个所述模拟微分电路一一对应处理所述多个测量信号,得到所述多个测量信号的微分量;以及
根据所述多个测量信号的微分量计算确定所述第二输出信号。
8.根据权利要求6所述的计算机设备,其特征在于,所述力传感设备包括多个力传感元件,所述第一输出信号包括多个测量信号;
所述通过模拟微分电路处理所述第一输出信号,得到对应所述力信号和所述力矩信号中至少一个的微分量的第二输出信号,包括:
对所述多个测量信号进行融合,得到一个或多个经融合的测量信号;
通过一个或多个所述模拟微分电路一一对应处理所述一个或多个经融合的测量信号,得到所述一个或多个经融合的测量信号的微分量;以及
根据所述一个或多个经融合的测量信号的微分量计算确定所述第二输出信号。
9.根据权利要求6所述的计算机设备,其特征在于,所述第一输出信号表征机器人关节的输出力矩,所述处理器可执行指令在由所述处理器执行时致使所述处理器:
获取所述机器人关节的期望力矩和期望力矩微分量;
所述将所述第二输出信号用于力控制的控制信号振动抑制包括:
根据所述期望力矩、所述期望力矩微分量和所述第二输出信号,调整所述机器人关节的电机输出。
10.根据权利要求6所述的计算机设备,其特征在于,所述第一输出信号表征机器人末端执行器的输出力,所述处理器可执行指令在由所述处理器执行时致使所述处理器:
获取所述机器人末端执行器的期望力和期望力微分量;
所述将所述第二输出信号用于力控制的控制信号振动抑制包括:
根据所述期望力、所述期望力微分量和所述第二输出信号,调整所述机器人末端执行器的输出位移。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310607255.3A CN116442239A (zh) | 2023-05-26 | 2023-05-26 | 用于力控制的控制信号振动抑制方法和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310607255.3A CN116442239A (zh) | 2023-05-26 | 2023-05-26 | 用于力控制的控制信号振动抑制方法和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116442239A true CN116442239A (zh) | 2023-07-18 |
Family
ID=87125822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310607255.3A Pending CN116442239A (zh) | 2023-05-26 | 2023-05-26 | 用于力控制的控制信号振动抑制方法和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116442239A (zh) |
-
2023
- 2023-05-26 CN CN202310607255.3A patent/CN116442239A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109927032B (zh) | 一种基于高阶滑模观测器的机械臂轨迹跟踪控制方法 | |
JP6517567B2 (ja) | サーボモータ制御装置及び衝突検出方法 | |
CN112743541B (zh) | 一种无力/力矩传感器机械臂软浮动控制方法 | |
JP4685071B2 (ja) | モータ制御装置及びモータ制御方法 | |
CN113325805B (zh) | 一种自抗扰控制器及其设计方法 | |
CN108508784A (zh) | 伺服电动机控制装置、伺服电动机控制方法以及记录介质 | |
Garćıa-Alarćon et al. | On parameter identification of the Furuta pendulum | |
CN111661142B (zh) | 车辆用操舵装置 | |
JPS61282902A (ja) | 動力サ−ボ装置 | |
CN116442239A (zh) | 用于力控制的控制信号振动抑制方法和计算机设备 | |
CN112462606B (zh) | 一种基于自适应控制的挠性关节动力学参数辨识方法 | |
CN117091592A (zh) | 姿态解算方法、姿态解算装置以及计算机存储介质 | |
JP3144638B2 (ja) | コンプライアアンス機構を有するロボットの制御方法 | |
CN114516050B (zh) | 基于位形雅可比条件数优化的机器人外力估计方法及系统 | |
Becedas et al. | Fast identification method to control a flexible manipulator with parameter uncertainties | |
Zhang et al. | A joint acceleration estimation method based on a high-order disturbance observer | |
CN113954078B (zh) | 力控关节控制方法、装置、机器人和可读存储介质 | |
Yoshioka et al. | Variable noise-covariance Kalman filter based instantaneous state observer for industrial robot | |
CN113059567A (zh) | 一种scara机器人关节扰动补偿方法 | |
Sariyildiz | Acceleration measurement enhances the bandwidth of disturbance observer in motion control systems | |
CN115042183A (zh) | 机器人柔性关节动力参数辨识方法、计算机设备及介质 | |
CN117331311B (zh) | 基于免加速度递归滤波回归的机器人动力学参数估计方法 | |
KR102635120B1 (ko) | 파라미터 동정 장치, 파라미터 동정 방법 및 기억 매체 | |
CN113009828B (zh) | 一种复杂力学系统动力学参数的抗干扰标定方法 | |
Nagatsu et al. | Load-Side Sensor-less Disturbance Estimation Based on Integration of Motor-Side Velocity and Acceleration Information for Flexible Manipulators |
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 |