CN116442240B - 一种基于高通滤波解耦的机器人零力控制方法及装置 - Google Patents
一种基于高通滤波解耦的机器人零力控制方法及装置 Download PDFInfo
- Publication number
- CN116442240B CN116442240B CN202310611244.2A CN202310611244A CN116442240B CN 116442240 B CN116442240 B CN 116442240B CN 202310611244 A CN202310611244 A CN 202310611244A CN 116442240 B CN116442240 B CN 116442240B
- Authority
- CN
- China
- Prior art keywords
- robot
- mechanical arm
- input signal
- representing
- pass filtering
- 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
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013016 damping Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 4
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004088 simulation Methods 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
Abstract
本发明公开了一种基于高通滤波解耦的机器人零力控制方法及装置,方法包括:获取机械臂端部所受的合力;合力为机械臂抓握物体时机械臂端部所受的第一作用力与操作者对机械臂端部的第二作用力的合力;根据合力、机器人的质量特性系数、机器人的阻尼特性系数、机器人的弹簧特性系数以及机械臂的电机关节位置信息,计算得到待处理的输入信号;根据预先构建的双输入单输出状态空间表达式确定对待处理的输入信号的高通滤波截止频率;根据高通滤波截止频率对待处理的输入信号进行高通滤波,以消除待处理的输入信号中的第一作用力,得到第二作用力。本发明将机械臂端部所受合力解耦并得到操作者对机械臂端部的作用力,可广泛应用于机器人控制领域。
Description
技术领域
本发明涉及机器人控制领域,尤其是一种基于高通滤波解耦的机器人零力控制方法及装置。
背景技术
机器人学作为一门迅速发展的综合性的前沿科学,机器人的理论和技术在不断的更新与迭代。传统的工业中,为了能让机器人更好的帮助人类完成任务,出现了机器人的示教需求,主要分成在线和离线两类,前者通过操作者使用示教工具来控制机器人的末端位姿到达期望位姿,后者则是通过编程实现工件的轨迹规划。然而两者都要求操作者具有特定的机器人学知识,导致示教效率较低,但协作机器人的诞生改变了这一现状。研究人员在研究人机交互的过程中,出现了一种新兴的示教模式,即直接示教技术。人与机器人的直接接触来牵引机器人的末端来达到期望位姿,进而实现对机器人的运动控制。这样一来便可大大提高示教的效率。
在拖动示教中,由于打破了传统的人与机器单独分离的空间间隔,因此不能像传统机器人的控制方式那样,仅仅依靠位置模式就实现机器人的运动与轨迹规划等。由于协作机器人处于复杂的无约束的环境中,相较于工业机器人而言缺乏一定的感知能力,所以需要解决的关键问题,即零力控制。
目前,零力控制包括将机器人与人交互表现中的运动参数实时的传递给控制层,然后通过补偿等方法控制机器人与外界力的感知。但机械臂端部抓握的物体重力与人施加于机械臂端部的作用力将耦合成一个合力作为信号输入到零力控制的算法当中,导致现有零力控制方法无法灵活运用。
发明内容
有鉴于此,本发明实施例提供一种基于高通滤波解耦的机器人零力控制方法及装置,用于将机械臂端部所受合力解耦并从解耦的合力中得到操作者对机械臂端部的作用力。
本发明实施例的一方面提供了一种基于高通滤波解耦的机器人零力控制方法,包括:
获取机械臂端部所受的合力;其中,所述合力为机械臂抓握物体时所述机械臂端部所受的第一作用力与操作者对所述机械臂端部的第二作用力的合力;
根据所述合力、机器人的质量特性系数、机器人的阻尼特性系数、机器人的弹簧特性系数以及所述机械臂的电机关节位置信息,计算得到待处理的输入信号;
根据预先构建的双输入单输出状态空间表达式确定对所述待处理的输入信号的高通滤波截止频率;
根据所述高通滤波截止频率对所述待处理的输入信号进行高通滤波,以消除所述待处理的输入信号中的所述第一作用力,得到所述第二作用力。
可选地,所述获取机械臂端部所受的合力,包括:
通过设置于所述机械臂端部的六轴传感器获取所述机械臂端部所受的合力。
可选地,所述根据所述合力、机器人的质量特性系数、机器人的阻尼特性系数、机器人的弹簧特性系数以及所述机械臂的电机关节位置信息,计算得到待处理的输入信号,包括:
根据第一表达式计算得到待处理的输入信号,所述第一表达式为:
其中,FN表示所述待处理的输入信号,Fc表示所述合力,M表示所述质量特性系数,B表示所述阻尼特性系数,K表示所述弹簧特性系数,x表示所述电机关节位置信息,与/>分别表示所述电机关节位置信息的一阶微分与二阶微分。
可选地,所述根据预先构建的双输入单输出状态空间表达式确定对所述待处理的输入信号的高通滤波截止频率,包括:
根据所述双输入单输出状态空间表达式确定所述总输入信号中位置输入系统的系统矩阵和所述总输入信号中力矩输入系统的系统矩阵;
所述双输入单输出状态空间表达式为:
其中,xR和xN分别表示所述位置输入系统和所述力矩输入系统的状态向量,AR和AN分别表示所述位置输入系统和所述力矩输入系统的系统矩阵,bR和bN分别表示所述位置输入系统和所述力矩输入系统的控制矩阵,cR和cN表示所述位置输入系统和所述力矩输入系统的输出矩阵,y为所述双输入单输出状态空间表达式的输出;
根据由所述系统矩阵的特征值确定的最小根,确定所述高通滤波截止频率。
可选地,所述系统矩阵、所述控制矩阵以及所述输出矩阵分别表示为:
其中,各个所述矩阵的参数如下:
Ai=(m+M)L,i={R N}
Bi=(f+mωc+B)L+(m+M)R,i={R N}
Ci=(fωc+K)L+(mωc+f+B)R+CkKt,i={R N}
Di=(fωc+K)R+CkKtωc+KtKp,i={R N}
Ei=KtKpωc,i={R N}
FR=KtKp
FN=-L
GR=KtKpωc
GN=-R
其中,m表示转子质量,M表示所述质量特性系数,B表示所述阻尼特性系数,K表示所述弹簧特性系数,f表示摩擦系数,Kt表示推力常数,Kp表示PID控制器系数,Ck表示反电势常数,R表示电阻,L表示电感。
可选地,所述根据由所述系统矩阵的特征值确定的最小根,确定所述高通滤波截止频率,包括:
将所述最小根表示为x1,确定所述高通滤波截止频率的取值范围为0<ωc<x1,其中,ωc表示所述高通滤波截止频率。
可选地,所述根据所述高通滤波截止频率对所述待处理的输入信号进行高通滤波,以消除所述待处理的输入信号中的所述第一作用力,得到所述第二作用力,包括:
根据高通滤波器的第二表达式对所述待处理的输入信号进行高通滤波;
所述第二表达式为:
其中,s表示拉氏变量,ωc表示所述高通滤波截止频率。
本发明实施例的另一方面还提供了一种基于高通滤波解耦的机器人零力控制装置,包括:
合力获取单元,用于获取机械臂端部所受的合力;其中,所述合力为机械臂抓握物体时所述机械臂端部所受的第一作用力与操作者对所述机械臂端部的第二作用力的合力;
信号计算单元,用于根据所述合力、机器人的质量特性系数、机器人的阻尼特性系数、机器人的弹簧特性系数以及所述机械臂的电机关节位置信息,计算得到待处理的输入信号;
频率确定单元,用于根据预先构建的双输入单输出状态空间表达式确定对所述待处理的输入信号的高通滤波截止频率;
合力解耦单元,用于根据所述高通滤波截止频率对所述待处理的输入信号进行高通滤波,以消除所述待处理的输入信号中的所述第一作用力,得到所述第二作用力。
本发明实施例的另一方面还提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现所述的一种基于高通滤波解耦的机器人零力控制方法。
本发明实施例的另一方面还提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现所述的一种基于高通滤波解耦的机器人零力控制方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
本发明先根据机械臂端部所受的合力、机器人的质量特性系数、机器人的阻尼特性系数、机器人的弹簧特性系数以及机械臂的电机关节位置信息,计算得到待处理的输入信号,再根据预先构建的双输入单输出状态空间表达式确定对待处理的输入信号的高通滤波截止频率,然后根据高通滤波截止频率对待处理的输入信号进行高通滤波,将机械臂端部抓握物体的重力,即第一作用力作为低频信号进行消除,从而将合力解耦分开,实现了在协作机器人零力控制过程中,只将操作者对机械臂端部的作用力作为零力控制系统的唯一输入。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于高通滤波解耦的机器人零力控制方法的流程示意图;
图2为本发明实施例提供的一种对输入信号进行高通滤波的示例图;
图3为本发明实施例提供的一种基于高通滤波解耦的机器人零力控制原理框图;
图4为本发明实施例提供的一种基于高通滤波解耦的机器人零力控制装置的结构框图。
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。
参照图1,本发明实施例提供了一种基于高通滤波解耦的机器人零力控制方法,具体包括以下步骤:
S100:获取机械臂端部所受的合力;其中,所述合力为机械臂抓握物体时所述机械臂端部所受的第一作用力与操作者对所述机械臂端部的第二作用力的合力。
具体的,本发明实施例可以通过设置于所述机械臂端部的六轴传感器获取所述机械臂端部所受的合力。
S110:根据所述合力、机器人的质量特性系数、机器人的阻尼特性系数、机器人的弹簧特性系数以及所述机械臂的电机关节位置信息,计算得到待处理的输入信号。
具体的,根据第一表达式计算得到待处理的输入信号,所述第一表达式为:
其中,FN表示所述待处理的输入信号,Fc表示所述合力,M表示所述质量特性系数,B表示所述阻尼特性系数,K表示所述弹簧特性系数,x表示所述电机关节位置信息,与/>分别表示所述电机关节位置信息的一阶微分与二阶微分。
S120:根据预先构建的双输入单输出状态空间表达式确定对所述待处理的输入信号的高通滤波截止频率。
具体的,确定高通滤波截止频率的过程包括:
S1、根据所述双输入单输出状态空间表达式确定所述总输入信号中位置输入系统的系统矩阵和所述总输入信号中力矩输入系统的系统矩阵;
所述双输入单输出状态空间表达式为:
其中,xR和xN分别表示所述位置输入系统和所述力矩输入系统的状态向量,AR和AN分别表示所述位置输入系统和所述力矩输入系统的系统矩阵,bR和bN分别表示所述位置输入系统和所述力矩输入系统的控制矩阵,cR和cN表示所述位置输入系统和所述力矩输入系统的输出矩阵,y为所述双输入单输出状态空间表达式的输出。
具体的,所述系统矩阵、所述控制矩阵以及所述输出矩阵分别表示为:
其中,各个所述矩阵的参数如下:
Ai=(m+M)L,i={R N}
Bi=(f+mωc+B)L+(m+M)R,i={R N}
Ci=(fωc+K)L+(mωc+f+B)R+CkKt,i={R N}
Di=(fωc+K)R+CkKtωc+KtKp,i={R N}
Ei=KtKpωc,i={R N}
FR=KtKp
FN=-L
GR=KtKpωc
GN=-R
其中,m表示转子质量,M表示所述质量特性系数,B表示所述阻尼特性系数,K表示所述弹簧特性系数,f表示摩擦系数,Kt表示推力常数,Kp表示PID控制器系数,Ck表示反电势常数,R表示电阻,L表示电感。
S2、根据由所述系统矩阵的特征值确定的最小根,确定所述高通滤波截止频率。
具体的,本发明实施例计算该最小根时,可以根据李雅普诺夫稳定判据,确定系统矩阵A的所有特征值小于0,进而设定一个tolerance,当sum(Ak-Ak-1(:))≤tolerance时结束迭代,由此得到的上三角矩阵的对角元素即为系统矩阵A的特征值λi,令λi=0,得到最小与最大的两个根,分别表示为x1和x2。
然后,确定所述高通滤波截止频率的取值范围,本发明实施例的取值范围可以设置为0<ωc<x1,其中,ωc表示所述高通滤波截止频率。
一种可选的实施方式下,取ωc=0.1x1。
S130:根据所述高通滤波截止频率对所述待处理的输入信号进行高通滤波,以消除所述待处理的输入信号中的所述第一作用力,得到所述第二作用力。
具体的,根据高通滤波器的第二表达式对所述待处理的输入信号进行高通滤波;
所述第二表达式为:
其中,s表示拉氏变量,ωc表示所述高通滤波截止频率。
接下来将以具体实例说明本发明的应用过程。
具体的,本发明实施例可以包括以下步骤:
步骤1、测量协作机械臂抓握物体重力G与人对机械臂端部作用力Fh的合力Fc。
具体的,所述步骤1通过在协作机械臂端部安装的六轴力传感器实现对两者合力Fc的测量。
步骤2、将合力Fc与系统“质量-阻尼-弹簧”动态特性结合,作为需要处理的总输入信号FN。
具体的,所述步骤2的具体计算方法为:
其中,FN表示待处理的输入信号,Fc表示合力,M、B、K分别表示系统的“质量、阻尼和弹簧”特性系数,x表示电机关节的位置信息,与/>表示位置信息的一阶微分与二阶微分。
步骤3、引入高通滤波器对待处理的输入信号FN进行滤波处理。
具体的,所述步骤3将待处理的输入信号FN,经过如图2所示的高通滤波器,得到处理后的输入信号F′N。
步骤4、建立系统的一个双输入单输出状态空间表达式y。
具体的,所述步骤4建立关节电机引入高通滤波器之后包含控制器的整个系统的一个双输入单输出的状态空间表达式,表达式如下:
其中,xR和xN分别表示位置输入系统和力矩输入系统的状态向量,AR和AN分别表示位置输入系统和力矩输入系统的系统矩阵,bR和bN分别表示位置输入系统和力矩输入系统的控制矩阵,cR和cN则表示位置输入系统和力矩输入系统的输出矩阵,y为系统输出。其中,各个矩阵表示如下:
上式各个矩阵的参数如下:
Ai=(m+M)L,i={R N}
Bi=(f+mωc+B)L+(m+M)R,i={R N}
Ci=(fωc+K)L+(mωc+f+B)R+CkKt,i={R N}
Di=(fωc+K)R+CkKtωc+KtKp,i={R N}
Ei=KtKpωc,i={R N}
FR=KtKp
FN=-L
GR=KtKpωc
GN=-R
其中,m表示转子质量,M,B,K分别表示关节电机系统的质量,阻尼,弹簧特性系数,f表示摩擦系数,Kt表示推力常数,Kp表示PID控制器系数,Ck表示反电势常数,R表示电阻,L表示电感。具体的机器人零力控制原理框图请参照图3。
步骤5、分析高通滤波器的可行与最佳截止频率ωc。
具体的,所述步骤5由上述构建的双输入单输出状态空间表达式,可以得到机器人的系统矩阵A,控制矩阵B以及输出矩阵C。若需要机器人的系统稳定,则可以根据李雅普诺夫稳定判据,确定系统矩阵A的所有特征值小于0。
本发明实施例的系统矩阵A可以是8阶矩阵,因此,可以使用QR迭代法计算矩阵A的特征值:
设A∈Cn×n,记A1=A;
对At进行QR分解得:A1=Q1×R1,记A2=Q1×R1;
对A2进行QR分解得:A2=Q2×R2,记A3=Q1×R1;
对Ak进行QR分解得:Ak=Qk×Rk,记Ak+1=Qk×Rk;
本发明实施例可以设定一个tolerance,当sum(Ak-Ak-1(:))≤tolerance时结束迭代,由此得到的上三角矩阵的对角元素即为系统矩阵A的特征值λi,令λi=0,得到最小与最大的两个根,分别表示为x1和x2。
当高通滤波器的截至频率取值取ωc>x2时,在理论上机器人的系统是稳定的,但是高通滤波截至频率过大,会使关节电机的“质量-阻尼-弹簧”动态特性被消除,从而导致机器人的系统出现刚度过高问题。
当高通滤波器的截至频率取值取0<ωc<x1时,系统稳定,可选地,本发明实施例取ωc=0.1x1。该取值可以使得关节电机系统收敛速度快,系统稳定。需要注意的是,在0<ωc<x1取值范围内,当ωc取值过低,高通滤波几乎不起作用,收敛速度慢,当ωc取值过高,系统震荡严重。
本发明实施例可以将六轴力传感器测量得到的合力解耦分离,实现零力控制中机器人仅受操作者作用于机械臂端部的作用力,从而驱动并产生运动。同时经过仿真数据分析,证明本发明实施例具有较好效果的高通滤波截至频率,降低了零力控制系统设计的难度。
参照图4,本发明实施例提供了一种基于高通滤波解耦的机器人零力控制装置,包括:
合力获取单元,用于获取机械臂端部所受的合力;其中,所述合力为机械臂抓握物体时所述机械臂端部所受的第一作用力与操作者对所述机械臂端部的第二作用力的合力;
信号计算单元,用于根据所述合力、机器人的质量特性系数、机器人的阻尼特性系数、机器人的弹簧特性系数以及所述机械臂的电机关节位置信息,计算得到待处理的输入信号;
频率确定单元,用于根据预先构建的双输入单输出状态空间表达式确定对所述待处理的输入信号的高通滤波截止频率;
合力解耦单元,用于根据所述高通滤波截止频率对所述待处理的输入信号进行高通滤波,以消除所述待处理的输入信号中的所述第一作用力,得到所述第二作用力。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元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。
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。
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一定指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何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
Claims (5)
1.一种基于高通滤波解耦的机器人零力控制方法,其特征在于,包括:
获取机械臂端部所受的合力;其中,所述合力为机械臂抓握物体时所述机械臂端部所受的第一作用力与操作者对所述机械臂端部的第二作用力的合力;
根据所述合力、机器人的质量特性系数、机器人的阻尼特性系数、机器人的弹簧特性系数以及所述机械臂的电机关节位置信息,计算得到待处理的输入信号;
根据预先构建的双输入单输出状态空间表达式确定对所述待处理的输入信号的高通滤波截止频率;
根据所述高通滤波截止频率对所述待处理的输入信号进行高通滤波,以消除所述待处理的输入信号中的所述第一作用力,得到所述第二作用力;
所述根据所述合力、机器人的质量特性系数、机器人的阻尼特性系数、机器人的弹簧特性系数以及所述机械臂的电机关节位置信息,计算得到待处理的输入信号,包括:
根据第一表达式计算得到待处理的输入信号,所述第一表达式为:
其中,FN表示所述待处理的输入信号,Fc表示所述合力,M表示所述质量特性系数,B表示所述阻尼特性系数,K表示所述弹簧特性系数,x表示所述电机关节位置信息,与/>分别表示所述电机关节位置信息的一阶微分与二阶微分;
所述根据预先构建的双输入单输出状态空间表达式确定对所述待处理的输入信号的高通滤波截止频率,包括:
根据所述双输入单输出状态空间表达式确定所述待处理的输入信号中位置输入系统的系统矩阵和所述待处理的输入信号中力矩输入系统的系统矩阵;
所述双输入单输出状态空间表达式为:
其中,xR和xN分别表示所述位置输入系统和所述力矩输入系统的状态向量,AR和AN分别表示所述位置输入系统和所述力矩输入系统的系统矩阵,bR和bN分别表示所述位置输入系统和所述力矩输入系统的控制矩阵,cR和cN表示所述位置输入系统和所述力矩输入系统的输出矩阵,y为所述双输入单输出状态空间表达式的输出;
根据由所述系统矩阵的特征值确定的最小根,确定所述高通滤波截止频率;
所述系统矩阵、所述控制矩阵以及所述输出矩阵分别表示为:
其中,各个所述矩阵的参数如下:
Ai=(m+M)L,i={R N}
Bi=(f+mωc+B)L+(m+M)R,i={R N}
Ci=(fωc+K)L+(mωc+f+B)R+CkKt,i={R N}
Di=(fωc+K)R+CkKtωc+KtKp,i={R N}
Ei=KtKpωc,i={R N}
FR=KtKp
FN=-L
GR=KtKpωc
GN=-R
其中,m表示转子质量,M表示所述质量特性系数,B表示所述阻尼特性系数,K表示所述弹簧特性系数,f表示摩擦系数,Kt表示推力常数,Kp表示PID控制器系数,Ck表示反电势常数,R表示电阻,L表示电感;
所述根据由所述系统矩阵的特征值确定的最小根,确定所述高通滤波截止频率,包括:
将所述最小根表示为x1,确定所述高通滤波截止频率的取值范围为0<ωc<x1,其中,ωc表示所述高通滤波截止频率;
所述根据所述高通滤波截止频率对所述待处理的输入信号进行高通滤波,以消除所述待处理的输入信号中的所述第一作用力,得到所述第二作用力,包括:
根据高通滤波器的第二表达式对所述待处理的输入信号进行高通滤波;
所述第二表达式为:
其中,s表示拉氏变量,ωc表示所述高通滤波截止频率。
2.根据权利要求1所述的一种基于高通滤波解耦的机器人零力控制方法,其特征在于,所述获取机械臂端部所受的合力,包括:
通过设置于所述机械臂端部的六轴传感器获取所述机械臂端部所受的合力。
3.一种基于高通滤波解耦的机器人零力控制装置,其特征在于,应用于如权利要求1或2所述的一种基于高通滤波解耦的机器人零力控制方法,所述装置包括:
合力获取单元,用于获取机械臂端部所受的合力;其中,所述合力为机械臂抓握物体时所述机械臂端部所受的第一作用力与操作者对所述机械臂端部的第二作用力的合力;
信号计算单元,用于根据所述合力、机器人的质量特性系数、机器人的阻尼特性系数、机器人的弹簧特性系数以及所述机械臂的电机关节位置信息,计算得到待处理的输入信号;
频率确定单元,用于根据预先构建的双输入单输出状态空间表达式确定对所述待处理的输入信号的高通滤波截止频率;
合力解耦单元,用于根据所述高通滤波截止频率对所述待处理的输入信号进行高通滤波,以消除所述待处理的输入信号中的所述第一作用力,得到所述第二作用力。
4.一种电子设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1或2所述的一种基于高通滤波解耦的机器人零力控制方法。
5.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1或2所述的一种基于高通滤波解耦的机器人零力控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310611244.2A CN116442240B (zh) | 2023-05-26 | 2023-05-26 | 一种基于高通滤波解耦的机器人零力控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310611244.2A CN116442240B (zh) | 2023-05-26 | 2023-05-26 | 一种基于高通滤波解耦的机器人零力控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116442240A CN116442240A (zh) | 2023-07-18 |
CN116442240B true CN116442240B (zh) | 2023-11-14 |
Family
ID=87120428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310611244.2A Active CN116442240B (zh) | 2023-05-26 | 2023-05-26 | 一种基于高通滤波解耦的机器人零力控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116442240B (zh) |
Citations (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR890005033B1 (ko) * | 1984-03-09 | 1989-12-06 | 후지쓰 가부시끼 가이샤 | 가동장치 구동시스템 |
JP2004174652A (ja) * | 2002-11-26 | 2004-06-24 | Toyota Motor Corp | Zmp補償制御のゲインを変化させながら歩行するロボット |
KR20120133343A (ko) * | 2011-05-31 | 2012-12-10 | 대우조선해양 주식회사 | 어드미턴스 변환을 이용한 로봇 직접교시 방법 및 장치 |
KR101444817B1 (ko) * | 2013-07-31 | 2014-10-01 | 한국과학기술연구원 | 이종의 구조를 갖는 로봇에 적용 가능한 실시간 동작 생성 시스템 |
CN105479459A (zh) * | 2015-12-29 | 2016-04-13 | 深圳市汇川技术股份有限公司 | 机器人零力控制方法以及系统 |
CN105522578A (zh) * | 2015-12-29 | 2016-04-27 | 深圳市汇川技术股份有限公司 | 面向零力控制的模拟转矩控制方法以及系统 |
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 |
KR101757881B1 (ko) * | 2016-09-30 | 2017-07-27 | 엘아이지넥스원 주식회사 | 힘-토크 센서를 이용한 다 자유도 로봇 직접 교시 장치 및 그 장치의 작동 방법 |
CN106994686A (zh) * | 2016-12-01 | 2017-08-01 | 遨博(北京)智能科技有限公司 | 关节外力力矩的计算方法及装置、机器人 |
CN108582078A (zh) * | 2018-05-15 | 2018-09-28 | 清华大学深圳研究生院 | 一种面向直接示教的机械臂零力控制方法 |
CN108994837A (zh) * | 2018-08-20 | 2018-12-14 | 哈工大机器人(合肥)国际创新研究院 | 一种动力学补偿的机械臂零力平衡控制方法 |
CN109571432A (zh) * | 2018-11-26 | 2019-04-05 | 南京航空航天大学 | 一种基于力传感器的机器人直接示教方法 |
CN110450165A (zh) * | 2019-08-22 | 2019-11-15 | 苏州科技大学 | 一种基于零力控制的机器人标定方法 |
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 |
CN110815190A (zh) * | 2019-11-20 | 2020-02-21 | 福州大学 | 一种工业机器人拖动示教方法及系统 |
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 |
CN111360834A (zh) * | 2020-03-25 | 2020-07-03 | 中南大学 | 一种基于深度强化学习的仿人机器人运动控制方法及系统 |
JP2021003771A (ja) * | 2019-06-26 | 2021-01-14 | 日本電産株式会社 | ロボットシステム |
CN112650268A (zh) * | 2020-12-25 | 2021-04-13 | 深圳市优必选科技股份有限公司 | 机器人的运动控制方法、装置、机器人及存储介质 |
CN112847345A (zh) * | 2020-12-30 | 2021-05-28 | 上海节卡机器人科技有限公司 | 一种机器人拖动示教的方式确定方法和装置 |
CN113093780A (zh) * | 2021-04-06 | 2021-07-09 | 中山大学 | 一种基于降阶极点配置法的机器人平衡控制方法及装置 |
CN113305843A (zh) * | 2021-05-28 | 2021-08-27 | 深圳亿嘉和科技研发有限公司 | 一种机械臂零力控制方法 |
CN113681543A (zh) * | 2021-08-25 | 2021-11-23 | 深圳亿嘉和科技研发有限公司 | 一种基于模型预测的机械臂零力控制方法 |
WO2021238049A1 (zh) * | 2020-05-28 | 2021-12-02 | 杭州键嘉机器人有限公司 | 机械臂的多负载自适应重力补偿方法、装置及控制设备 |
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 |
CN114102603A (zh) * | 2021-12-13 | 2022-03-01 | 南京佗道医疗科技有限公司 | 一种基于笛卡尔空间的零力拖动方法 |
CN114145848A (zh) * | 2021-12-09 | 2022-03-08 | 南京佗道医疗科技有限公司 | 一种受约束的机械臂零力控制系统及其控制方法 |
CN114161402A (zh) * | 2021-12-17 | 2022-03-11 | 深圳市优必选科技股份有限公司 | 机器人稳定控制方法、模型构建方法、装置和机器人 |
CN114407010A (zh) * | 2021-12-31 | 2022-04-29 | 航天科工智能机器人有限责任公司 | 零力控制方法、装置、电子设备及存储介质 |
CN114756039A (zh) * | 2022-04-13 | 2022-07-15 | 椭圆时空(北京)科技有限公司 | 基于零力控制的多体耦合姿态控制方法与系统 |
CN114750148A (zh) * | 2022-03-17 | 2022-07-15 | 广东工业大学 | 一种重力自适应测量的力闭环零力控制方法及系统 |
WO2023025658A2 (de) * | 2021-08-23 | 2023-03-02 | Aeon Robotics GmbH | Roboterhand eines roboters und verfahren zum trainieren eines roboters sowie ein tragbares sensor- und kraftrückführungselement hierzu |
CN115723137A (zh) * | 2022-11-29 | 2023-03-03 | 中车青岛四方车辆研究所有限公司 | 一种基于平面恒定力的柔顺任务控制方法 |
CN115756007A (zh) * | 2022-11-30 | 2023-03-07 | 浙江工业大学 | 一种人、环境和机器人耦合交互的变导纳控制系统及方法 |
CN115741718A (zh) * | 2022-12-07 | 2023-03-07 | 江西省智能产业技术创新研究院 | 一种机器人完全零力控制方法及系统 |
CN115890666A (zh) * | 2022-11-18 | 2023-04-04 | 深圳市优必选科技股份有限公司 | 机器人及其碰撞保护方法、装置及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101667032B1 (ko) * | 2009-10-30 | 2016-10-17 | 삼성전자 주식회사 | 로봇의 경로 계획 장치 및 그 방법 |
WO2014110682A1 (en) * | 2013-01-18 | 2014-07-24 | Robotiq Inc. | Force/torque sensor, apparatus and method for robot teaching and operation |
US20230025266A1 (en) * | 2019-12-17 | 2023-01-26 | University Of Maryland, Baltimore | Automatic arm training device, system, and method |
-
2023
- 2023-05-26 CN CN202310611244.2A patent/CN116442240B/zh active Active
Patent Citations (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR890005033B1 (ko) * | 1984-03-09 | 1989-12-06 | 후지쓰 가부시끼 가이샤 | 가동장치 구동시스템 |
JP2004174652A (ja) * | 2002-11-26 | 2004-06-24 | Toyota Motor Corp | Zmp補償制御のゲインを変化させながら歩行するロボット |
KR20120133343A (ko) * | 2011-05-31 | 2012-12-10 | 대우조선해양 주식회사 | 어드미턴스 변환을 이용한 로봇 직접교시 방법 및 장치 |
KR101444817B1 (ko) * | 2013-07-31 | 2014-10-01 | 한국과학기술연구원 | 이종의 구조를 갖는 로봇에 적용 가능한 실시간 동작 생성 시스템 |
CN105479459A (zh) * | 2015-12-29 | 2016-04-13 | 深圳市汇川技术股份有限公司 | 机器人零力控制方法以及系统 |
CN105522578A (zh) * | 2015-12-29 | 2016-04-27 | 深圳市汇川技术股份有限公司 | 面向零力控制的模拟转矩控制方法以及系统 |
KR101757881B1 (ko) * | 2016-09-30 | 2017-07-27 | 엘아이지넥스원 주식회사 | 힘-토크 센서를 이용한 다 자유도 로봇 직접 교시 장치 및 그 장치의 작동 방법 |
CN106994686A (zh) * | 2016-12-01 | 2017-08-01 | 遨博(北京)智能科技有限公司 | 关节外力力矩的计算方法及装置、机器人 |
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 |
CN108582078A (zh) * | 2018-05-15 | 2018-09-28 | 清华大学深圳研究生院 | 一种面向直接示教的机械臂零力控制方法 |
CN108994837A (zh) * | 2018-08-20 | 2018-12-14 | 哈工大机器人(合肥)国际创新研究院 | 一种动力学补偿的机械臂零力平衡控制方法 |
CN109571432A (zh) * | 2018-11-26 | 2019-04-05 | 南京航空航天大学 | 一种基于力传感器的机器人直接示教方法 |
JP2021003771A (ja) * | 2019-06-26 | 2021-01-14 | 日本電産株式会社 | ロボットシステム |
CN110450165A (zh) * | 2019-08-22 | 2019-11-15 | 苏州科技大学 | 一种基于零力控制的机器人标定方法 |
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 |
CN110815190A (zh) * | 2019-11-20 | 2020-02-21 | 福州大学 | 一种工业机器人拖动示教方法及系统 |
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 |
CN111360834A (zh) * | 2020-03-25 | 2020-07-03 | 中南大学 | 一种基于深度强化学习的仿人机器人运动控制方法及系统 |
WO2021238049A1 (zh) * | 2020-05-28 | 2021-12-02 | 杭州键嘉机器人有限公司 | 机械臂的多负载自适应重力补偿方法、装置及控制设备 |
CN112650268A (zh) * | 2020-12-25 | 2021-04-13 | 深圳市优必选科技股份有限公司 | 机器人的运动控制方法、装置、机器人及存储介质 |
CN112847345A (zh) * | 2020-12-30 | 2021-05-28 | 上海节卡机器人科技有限公司 | 一种机器人拖动示教的方式确定方法和装置 |
CN113093780A (zh) * | 2021-04-06 | 2021-07-09 | 中山大学 | 一种基于降阶极点配置法的机器人平衡控制方法及装置 |
CN113305843A (zh) * | 2021-05-28 | 2021-08-27 | 深圳亿嘉和科技研发有限公司 | 一种机械臂零力控制方法 |
WO2023025658A2 (de) * | 2021-08-23 | 2023-03-02 | Aeon Robotics GmbH | Roboterhand eines roboters und verfahren zum trainieren eines roboters sowie ein tragbares sensor- und kraftrückführungselement hierzu |
CN113681543A (zh) * | 2021-08-25 | 2021-11-23 | 深圳亿嘉和科技研发有限公司 | 一种基于模型预测的机械臂零力控制方法 |
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 |
CN114145848A (zh) * | 2021-12-09 | 2022-03-08 | 南京佗道医疗科技有限公司 | 一种受约束的机械臂零力控制系统及其控制方法 |
CN114102603A (zh) * | 2021-12-13 | 2022-03-01 | 南京佗道医疗科技有限公司 | 一种基于笛卡尔空间的零力拖动方法 |
CN114161402A (zh) * | 2021-12-17 | 2022-03-11 | 深圳市优必选科技股份有限公司 | 机器人稳定控制方法、模型构建方法、装置和机器人 |
CN114407010A (zh) * | 2021-12-31 | 2022-04-29 | 航天科工智能机器人有限责任公司 | 零力控制方法、装置、电子设备及存储介质 |
CN114750148A (zh) * | 2022-03-17 | 2022-07-15 | 广东工业大学 | 一种重力自适应测量的力闭环零力控制方法及系统 |
CN114756039A (zh) * | 2022-04-13 | 2022-07-15 | 椭圆时空(北京)科技有限公司 | 基于零力控制的多体耦合姿态控制方法与系统 |
CN115890666A (zh) * | 2022-11-18 | 2023-04-04 | 深圳市优必选科技股份有限公司 | 机器人及其碰撞保护方法、装置及存储介质 |
CN115723137A (zh) * | 2022-11-29 | 2023-03-03 | 中车青岛四方车辆研究所有限公司 | 一种基于平面恒定力的柔顺任务控制方法 |
CN115756007A (zh) * | 2022-11-30 | 2023-03-07 | 浙江工业大学 | 一种人、环境和机器人耦合交互的变导纳控制系统及方法 |
CN115741718A (zh) * | 2022-12-07 | 2023-03-07 | 江西省智能产业技术创新研究院 | 一种机器人完全零力控制方法及系统 |
Non-Patent Citations (2)
Title |
---|
串联弹性驱动器的控制策略应用于工业机器人;王凤华;史英明;万媛;;科学技术与工程(第02期);全文 * |
面向直接示教的机器人负载自适应零力控制;侯澈;王争;赵忆文;宋国立;;机器人(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116442240A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Galicki | Finite-time trajectory tracking control in a task space of robotic manipulators | |
Östring et al. | Closed-loop identification of an industrial robot containing flexibilities | |
Sharifi et al. | Nonlinear robust adaptive Cartesian impedance control of UAVs equipped with a robot manipulator | |
CN110744541A (zh) | 一种视觉引导的水下机械臂控制方法 | |
Urrea et al. | Design and validation of a dynamic parameter identification model for industrial manipulator robots | |
DE112018002782T5 (de) | Medizinisches trägerarmsystem, steuerverfahren für einen medizinischen trägerarm und steuervorrichtung für einen medizinischen trägerarm | |
Wang | An overview of internet-enabled cloud-based cyber manufacturing | |
Goher et al. | Bacterial foraging-optimized PID control of a two-wheeled machine with a two-directional handling mechanism | |
CN116442240B (zh) | 一种基于高通滤波解耦的机器人零力控制方法及装置 | |
Aung et al. | A new parabolic sliding mode filter augmented by a linear low-pass filter and its application to position control | |
Hu | Research on robot fuzzy neural network motion system based on artificial intelligence | |
Kralev et al. | Design and experimental evaluation of robust controllers for a two-wheeled robot | |
Singh et al. | Improving self-balancing and position tracking control for ball balancer application with discrete wavelet transform-based fuzzy logic controller | |
Ordaz et al. | Parameter identification based on nonlinear observer for mechanical systems | |
Mustafa et al. | Dedicated nonlinear control of robot manipulators in the presence of external vibration and uncertain payload | |
CN113043269B (zh) | 一种基于机器人模型的机器人接触力观测系统 | |
JP7391635B2 (ja) | 制御システム | |
Docquier et al. | Comparison and analysis of multibody dynamics formalisms for solving optimal control problem | |
Chilo et al. | Optimal Signal Processing for Steady Control of a Robotic Arm Suppressing Hand Tremors for EOD Applications | |
Tokatli et al. | Using fractional order elements for haptic rendering | |
Lungu et al. | Four-bar mechanism's proportional-derivative and neural adaptive control for the thorax of the micromechanical flying insects | |
Saków | Real-time and low phase shift noisy signal differential estimation dedicated to teleoperation systems | |
Gan et al. | Adaptive Backlash Compensation for CNC Machining Applications | |
CN110977965A (zh) | 机器人及其控制方法、计算机存储介质 | |
Brunot | Identification of rigid industrial robots-A system identification perspective |
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 |