WO2022007358A1 - 阻抗控制方法、装置、阻抗控制器和机器人 - Google Patents

阻抗控制方法、装置、阻抗控制器和机器人 Download PDF

Info

Publication number
WO2022007358A1
WO2022007358A1 PCT/CN2020/140408 CN2020140408W WO2022007358A1 WO 2022007358 A1 WO2022007358 A1 WO 2022007358A1 CN 2020140408 W CN2020140408 W CN 2020140408W WO 2022007358 A1 WO2022007358 A1 WO 2022007358A1
Authority
WO
WIPO (PCT)
Prior art keywords
joint
force
information
actual
space
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.)
Ceased
Application number
PCT/CN2020/140408
Other languages
English (en)
French (fr)
Inventor
黄荔群
任晓雨
赵明国
熊友军
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.)
Ubtech Robotics Corp
Original Assignee
Ubtech Robotics Corp
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 Ubtech Robotics Corp filed Critical Ubtech Robotics Corp
Priority to US17/408,512 priority Critical patent/US11858141B2/en
Publication of WO2022007358A1 publication Critical patent/WO2022007358A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Program-controlled manipulators
    • B25J9/16—Program controls
    • B25J9/1656—Program controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Program controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Program-controlled manipulators
    • B25J9/16—Program controls
    • B25J9/1602—Program controls characterised by the control system, structure, architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Program-controlled manipulators
    • B25J9/16—Program controls
    • B25J9/1628—Program controls characterised by the control loop
    • B25J9/1633—Program controls characterised by the control loop compliant, force, torque control, e.g. combined with position control

Definitions

  • the present invention relates to the technical field of robot control, in particular to an impedance control method, device, impedance controller and robot.
  • the torque-controlled manipulator can directly control the output force, has a faster response speed and safety, and can better meet the requirements of high safety and compliance such as service robots and collaborative robots. field.
  • the control of the force-controlled manipulator is more complicated, and the full dynamics of the robot need to be considered, which has a high nonlinearity.
  • the impedance control of Cartesian space has good flexibility and is suitable for interactive occasions.
  • its goal is to control the relationship between force and position at the end of the robotic arm, and it cannot achieve individual control of position or force, making it impossible for the robotic arm to track the desired interaction force.
  • the impedance behavior exhibited by the end is also directional coupling, that is, if only the force in the vertical direction is applied When , the other two directions that are not subject to external force will also produce motion, so it is impossible to achieve precise desired force control and so on.
  • the purpose of the present invention is to provide an impedance control method, device, impedance controller and robot in order to overcome the deficiencies in the prior art.
  • An embodiment of the present invention provides an impedance control method, including:
  • the modified expected trajectory of the terminal is calculated by using the current environment information and the terminal expected interaction force pre-planned in the task space, according to the joint force information, the actual interaction force, the actual motion information of the terminal and Calculate the impedance control torque of the robotic arm in the joint space including the end desired information of the modified desired trajectory;
  • Joint torque control is performed on the robotic arm according to the impedance control torque and the compensation torque.
  • the dynamic equation is the dynamic equation of the robotic arm in the task space
  • the construction of the dynamic equation in the task space includes:
  • the kinematic equation of the joint space is converted to the kinematic equation of the task space based on the kinematic relationship between each joint and the tip.
  • the current environmental information includes current environmental equivalent stiffness and environmental position; the current environmental information and the terminal expected interaction force pre-planned in the task space are used to calculate the modified expected trajectory of the terminal ,include:
  • the modified expected trajectory of the terminal is obtained by calculating the following formula
  • x f represents the environmental position
  • K eq represents the environmental equivalent stiffness
  • F ref represents the terminal expected interaction force
  • the actual motion information includes the current actual position and actual velocity of the terminal
  • the terminal expected information includes the current expected velocity, the expected acceleration, and the corrected expected trajectory of the terminal
  • the speed deviation between the corrected desired trajectory and the actual position, the speed deviation between the desired speed and the actual speed, and the actual interaction force is calculated based on the spring-mass-damper model in the task space
  • the impedance control torque of the robotic arm in the joint space is calculated based on the Jacobian matrix according to the acceleration control amount in the task space.
  • the joint motion information includes the angular displacement and angular velocity of each joint; and the solution of the actual motion information of the terminal in the task space by forward kinematics according to the joint motion information includes:
  • f(q) represents the mapping relationship between joint angular displacement and end position
  • J is the Jacobian matrix
  • the constructing the dynamic equation of the robotic arm in the joint space includes:
  • the dynamic equation of the robotic arm in the joint space is constructed according to the acting force vector, the centrifugal force and the Cordial force matrix, the gravity vector, the actual interaction force and the joint force information.
  • the nonlinear term in the dynamic equation of the mission space includes a first nonlinear term including the centrifugal force and the Cordial force matrix and a second nonlinear term including the gravity vector ;
  • the first nonlinear term and the second nonlinear term are superimposed as a compensation torque for nonlinear compensation in the task space.
  • An embodiment of the present invention also provides an impedance control device, including:
  • the information acquisition module is used to acquire the joint motion information and joint force information of the robotic arm currently in the joint space, as well as the actual interaction force received by the end, and solve the actual motion of the end in the task space through forward kinematics according to the joint motion information. information;
  • the impedance control amount calculation module calculates the modified expected trajectory of the terminal by using the current environmental information and the terminal expected interaction force pre-planned in the task space, and according to the joint force information, the actual interaction force, the terminal
  • the impedance control torque of the robotic arm in the joint space is obtained by calculating the actual motion information and the end desired information including the corrected desired trajectory;
  • a compensation amount calculation module for constructing a dynamic equation of the robotic arm, and determining a compensation torque according to the nonlinear term in the dynamic equation
  • the torque control module is configured to perform joint torque control on the robotic arm according to the impedance control torque and the compensation torque.
  • An embodiment of the present invention further provides an impedance controller, the impedance controller includes a processor and a memory, the memory stores a computer program, and the processor is configured to execute the computer program to implement the above-mentioned impedance control method .
  • An embodiment of the present invention also provides a robot, which uses the above-mentioned impedance controller to control the torque of the robot arm.
  • An embodiment of the present invention further provides a computer-readable storage medium, which stores a computer program, and when the computer program is executed, implements the above-mentioned impedance control method.
  • the impedance control method of the embodiment of the present invention corrects the impedance control law by considering environmental factors and using force sensor information and environmental information, so as to realize the impedance control of direction decoupling, which is not only conducive to improving the control accuracy of the force-controlled manipulator, but also It is also beneficial to improve the flexibility and safety of the robotic arm, and help to enhance its application in human-computer interaction.
  • the dynamic equation of the robot is linearized, thereby simplifying the control complexity of the force-controlled manipulator.
  • FIG. 1 shows a schematic diagram of an application of a robotic arm according to an embodiment of the present invention
  • FIG. 2 shows a trajectory diagram obtained by using the impedance control method in the prior art
  • Fig. 3 shows the end force tracking diagram obtained using the impedance control method in the prior art
  • FIG. 4 shows a first schematic flow chart of an impedance control method according to an embodiment of the present invention
  • FIG. 5 shows a second schematic flowchart of the impedance control method according to the embodiment of the present invention.
  • FIG. 6 shows a schematic diagram of the application of the control frame of the robotic arm according to the embodiment of the present invention.
  • FIG. 7 shows a trajectory diagram of an actual test using an impedance control method according to an embodiment of the present invention
  • Fig. 8 shows the end force tracking diagram of the impedance control method according to the embodiment of the present invention.
  • FIG. 9 shows a schematic structural diagram of an impedance control device according to an embodiment of the present invention.
  • 10-impedance control device 110-information acquisition module; 120-impedance control quantity calculation module; 130-compensation quantity calculation module; 140-torque control module.
  • the manipulator has n degrees of freedom, and the degree of freedom required by the end effector (hereinafter referred to as the end) to perform a task is m, which is To make the end flexible when it interacts with the external environment, impedance control is usually used in Cartesian space.
  • the impedance behavior displayed by the end is also directional coupling, that is, if only the vertical force is applied
  • the other two directions that are not subject to external force will also move, so that there will be deviations from the pre-planned trajectory.
  • the direction of the contact force is the z direction, and the size of the contact force (set to 10N) is kept constant while drawing a circle in a loop .
  • the general impedance control method is adopted, at this time, since the inertia matrix M in the robot dynamics is coupled in the xyz direction, the circular trajectory of the end in the xy plane will be affected by the force in the z direction, which is consistent with the desired trajectory. A deviation occurs, as shown in Figure 2.
  • the ideal scene should be that whichever direction is subjected to external force, the compliant motion will be generated in which direction and other directions will not be affected.
  • the embodiment of the present invention proposes an impedance control method.
  • the impedance control of direction decoupling is realized, which is not only beneficial to improve the control accuracy of the force-controlled robotic arm At the same time, it is also beneficial to improve the flexibility and safety of the robotic arm, and help to enhance its application in human-computer interaction.
  • the control complexity of the force-controlled manipulator is simplified by compensating the nonlinear terms in the dynamic equation in real time.
  • this embodiment provides an impedance control method, which can be applied to torque control of a robotic arm or a robot with redundant degrees of freedom and a degree of freedom at the end. Since the impedance control method is aimed at impedance control in a Cartesian space, that is, the end of the manipulator performs a task in the Cartesian space, the Cartesian space in this embodiment is also called a task space.
  • the impedance control method will be described in detail below.
  • Step S110 Obtain the joint motion information and joint force information of the robotic arm currently in the joint space and the actual interactive force received by the end, and solve the actual motion information of the end in the task space through forward kinematics according to the joint motion information.
  • the actual motion information of the terminal mainly includes the actual position and actual speed of the terminal in the current task space.
  • the joint motion information of each joint of the robotic arm in the joint space at each moment can be obtained first, and then based on the kinematic relationship between each joint and the end of the robot, that is, the forward kinematics can be used to solve the problem.
  • the actual motion information of the end of the manipulator in the task space is not limited to the actual motion information of the end of the manipulator in the task space.
  • the joint motion information may include the angular displacement q and angular velocity of each joint where q and Related to joints, they are all column vectors of n*1, where n is the degree of freedom of the robotic arm.
  • the angular displacement of the corresponding joint can be collected through an angular displacement sensor or a position encoder arranged at the corresponding position of each joint, and then the corresponding angular velocity can be obtained by differentiating the angular displacement.
  • the angular velocity of each joint can also be directly measured through a corresponding angular velocity sensor.
  • x Both are m*1 column vectors
  • m is the degree of freedom of the end of the manipulator
  • f(q) represents the mapping relationship between the joint angular displacement and the end position, which can be calculated by the forward kinematics of the robot
  • J is the Jacques of m*n Ratio matrix, representing the mapping relationship between joint velocity and end linear velocity.
  • the above-mentioned actual interaction force received by the terminal that is, the interaction force between the terminal and the environment, can be measured by a force sensor disposed at the terminal, such as a six-dimensional force sensor.
  • the above-mentioned joint force information refers to the external torque generated at each joint by the mechanical arm under the force of the environment, and specifically, it can be acquired by the torque sensor corresponding to each joint.
  • Step S120 using the current environment information and the modified expected trajectory of the end of the terminal expected interaction force calculation method pre-planned in the task space, according to the force information of the joint, the actual interaction force received by the end, and the actual motion information of the end and contains The end desired information of the corrected desired trajectory calculates the impedance control torque of the manipulator in the joint space.
  • the robotic arm In order for the robotic arm to complete the corresponding task, the robotic arm is usually controlled according to the pre-planned expected trajectory of the end.
  • the desired information of the end of the robotic arm may include, but is not limited to, the desired trajectory of the end, the desired velocity, the desired acceleration, and the expected interaction force between the end and the environment, and the like.
  • the above-mentioned step S120 mainly includes two parts, that is, adjusting the desired trajectory of the end, and calculating the corresponding impedance control torque by using the adjusted expected trajectory.
  • the interaction force between the end and the environment should be determined by the stiffness of the manipulator and the stiffness of the environment.
  • environmental factors are not considered at all.
  • the method takes into account the influence of environmental factors, re-expects the expected trajectory of the terminal, and obtains the revised expected trajectory considering the environmental factors. It can be understood that the planned expected trajectory is replaced by the recalculated expected trajectory to achieve the purpose of correcting the expected trajectory.
  • the above-mentioned environmental information includes the environmental equivalent stiffness and the environmental position.
  • the environment refers to the external object that is in direct contact with the end
  • the environmental equivalent stiffness is related to the environmental stiffness and the stiffness of the robotic arm, and is the environment. Stiffness as a function of arm stiffness.
  • the environmental stiffness is K f and the mechanical arm stiffness is K d
  • the environmental equivalent stiffness K eq is:
  • the modified expected trajectory of the terminal can be calculated and obtained That is, the following formula is satisfied:
  • the calculation process of the impedance control torque mainly includes the following steps:
  • Step S121 Calculate the damping control in the task space based on the spring-mass-damping model according to the position deviation between the corrected expected trajectory and the actual position of the end, the speed deviation between the desired speed and the actual speed of the end, and the actual interaction force. quantity.
  • the manipulator can be equivalent to a spring-mass-damping system, and the corresponding impedance control quantity is calculated based on the spring-mass-damping model.
  • the stiffness matrix of the spring in the impedance control is K d (equivalent to the stiffness of the manipulator)
  • the mass matrix is M d
  • the damping matrix is D d
  • the actual interaction force between the end and the environment is F ext .
  • Step S122 Convert the joint force information from the joint space to the task space, and calculate the acceleration control amount in the task space according to the damping control amount, the expected acceleration of the end and the converted joint force information of the robotic arm.
  • the acceleration control amount is calculated and obtained. That is, it satisfies:
  • M(q) is a positive definite symmetric square matrix of n*n, which represents the mass matrix (also called the inertia matrix) of the manipulator; J is m*n The Jacobian matrix of .
  • Step S123 calculating the impedance control torque of the robotic arm in the joint space based on the Jacobian matrix according to the acceleration control amount in the task space.
  • the calculated acceleration control quantity is for the end in the task space, in order to realize the torque control of the joint, it also needs to be converted into the torque control quantity of the joint space, that is, the above-mentioned impedance control torque.
  • J # is the pseudo-inverse of the Jacobian matrix J.
  • the impedance control torque ⁇ cmd satisfies the following formula:
  • Step S130 constructing a dynamic equation of the manipulator, and determining the compensation torque according to the nonlinear term in the dynamic equation.
  • the impedance control method of this embodiment proposes to realize the impedance control of direction decoupling, and also Real-time compensation for non-linear terms such as Cordial, centrifugal, and gravitational terms in joint space or task space.
  • the dynamic equation is the dynamic equation of the manipulator in the joint space.
  • the acting force, centrifugal force, Korsch force, and gravity that the manipulator receives in the joint space can be calculated.
  • the dynamic equation of the joint space is as follows:
  • n*n is the centrifugal force and Coriolis force matrix of n*n, which can be calculated according to the joint angular displacement q, joint angular velocity
  • the joint motion information is calculated;
  • G(q) is the column vector of n*1 composed of the gravity of each link of the manipulator;
  • ⁇ c represents the total control torque received by the manipulator, which is the column of n*1 vector;
  • ⁇ ext represents the column vector composed of the external torque received by the robotic arm, which is a column vector of n*1.
  • the joint space will be compensated for nonlinear terms such as the Korean force, centrifugal force, and gravity term.
  • the compensation term ⁇ compensation is
  • the dynamic equation is the dynamic equation of the robotic arm in the task space.
  • the construction of the dynamic equation of the task space includes: firstly constructing the dynamic equation of the manipulator in the joint space, and then converting it into the dynamic equation of the task space based on the motion relationship between each joint and the end.
  • the dynamic equation of the task space is as follows:
  • J #T is the inverse of the transpose of the Jacobian matrix J.
  • the dynamic equation is linearized by compensating for the Cordial force, the centrifugal force term, and the gravity term in the mission space.
  • the compensation torque ⁇ compensation is:
  • the dynamic compensation of the manipulator is usually to compensate nonlinear terms such as the Cordial force, centrifugal force and gravity term in the joint space, that is, the compensation term is At this point, the compensated kinetic equation will be simplified to According to the kinematics transformation relationship between the robot joint and the end (see step S110 above), it can be known that the dynamic equation of the compensated joint space is converted into the dynamic equation of the task space, which is It can be seen that for this task space, there are still nonlinear terms related to joint velocity.
  • the above-mentioned second embodiment proposes to directly perform real-time compensation of the nonlinear term in the task space, by compensating the dynamic equation of the task space.
  • Centrifugal force, Coriolis force and gravity term at this time, the dynamic equation of the mission space will be simplified to It can be seen from the above that a simpler and more intuitive terminal mission planning can be realized according to the simplified dynamic equation of the mission space.
  • the manipulator can be compensated more in the task space, which realizes true linearization, and greatly simplifies the control complexity of the torque manipulator.
  • Step S140 performing joint torque control on the robotic arm according to the impedance control torque and the compensation torque.
  • the impedance control method of this embodiment is In the Cartesian task space, the actual external force information measured by the force sensor (including the interaction force at the end and the external torque of the joints received by the manipulator) and environmental information are introduced, so that when the robot interacts with the external environment, it shows The compliance has directional decoupling.
  • the impedance control law is corrected by combining the corrected expected trajectory obtained from the environmental information, and accurate end force tracking can also be achieved, which improves the application requirements of impedance control when the end force needs to be controlled.
  • the impedance control method of this embodiment can also greatly simplify the control complexity by compensating the nonlinear terms in the dynamics in real time, especially in the task space, and can well solve the nonlinear and Control complex issues, etc.
  • this embodiment provides an impedance control device 10 , which includes:
  • the information acquisition module 110 is used for the joint motion information and joint force information of the robotic arm currently in the joint space and the actual interaction force received by the end, and according to the joint motion information, the actual motion of the end in the task space is solved through forward kinematics information.
  • the impedance control quantity calculation module 120 is configured to calculate the modified expected trajectory of the terminal by using the current environmental information and the terminal expected interaction force pre-planned in the task space, according to the joint force information, the actual interaction force, the The impedance control torque of the robotic arm in the joint space is obtained by calculating the actual motion information of the terminal and the terminal expected information including the corrected expected trajectory.
  • the compensation amount calculation module 130 is configured to construct a dynamic equation of the robotic arm, and determine the compensation torque according to the nonlinear term in the dynamic equation.
  • the torque control module 140 is configured to perform joint torque control on the robotic arm according to the impedance control torque and the compensation torque.
  • the impedance control device 10 described above corresponds to the impedance control method of the first embodiment. Any options in Embodiment 1 are also applicable to this embodiment, and will not be described in detail here.
  • the present invention also provides an impedance controller, which is applied to robot control.
  • the impedance controller includes a processor and a memory, wherein the memory stores a computer program, and the processor is used to execute the computer program to implement the impedance of Embodiment 1 above.
  • the present invention also provides a robot, which includes the above-mentioned impedance controller, and the torque control of the manipulator is performed by the impedance controller, so as to realize compliance control and the like.
  • the robot can be a robot used in various fields, such as a cutting robot, a welding robot, a grinding robot or a massage robot, and so on.
  • the present invention also provides a computer-readable storage medium for storing the computer program used in the above impedance controller.
  • each block in the flowchart or block diagrams may represent a module, segment, or portion of code that contains one or more functions for implementing the specified logical function(s) executable instructions. It should also be noted that, in alternative implementations, the functions noted in the block may occur out of the order noted in the figures.
  • each block of the block diagrams and/or flow diagrams, and combinations of blocks in the block diagrams and/or flow diagrams can be implemented using dedicated hardware-based systems that perform the specified functions or actions. be implemented, or may be implemented in a combination of special purpose hardware and computer instructions.
  • each functional module or unit in each embodiment of the present invention may be integrated to form an independent part, or each module may exist alone, or two or more modules may be integrated to form an independent part.
  • the functions are implemented in the form of software function modules and sold or used as independent products, they may be stored in a computer-readable storage medium.
  • the technical solution of the present invention can be embodied in the form of a software product in essence, or the part that contributes to the prior art or the part of the technical solution.
  • the computer software product is stored in a storage medium, including Several instructions are used to cause a computer device (which may be a smart phone, a personal computer, a server, or a network device, etc.) to execute all or part of the steps of the methods described in the various embodiments of the present invention.
  • the aforementioned storage medium includes: U disk, mobile hard disk, Read-Only Memory (ROM, Read-Only Memory), Random Access Memory (RAM, Random Access Memory), magnetic disk or optical disk and other media that can store program codes .

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

一种阻抗控制方法，包括：获取机械臂在关节空间的关节运动信息和关节受力信息以及末端受到的实际交互力，根据关节运动信息求解末端在任务空间的实际运动信息；利用环境信息和末端期望交互力计算修正期望轨迹，根据关节受力信息、实际交互力、实际运动信息和包含修正期望轨迹的末端期望信息计算得到阻抗控制力矩以及根据构建的动力学方程中的非线性项确定补偿力矩，以用于对机械臂进行关节力矩控制。通过对阻抗控制律修正以实现方向解耦的阻抗控制，不仅使末端与环境的交互更加安全柔顺，还可提高力控控制精度，而通过补偿动力学方程中的非线性项，可简化控制复杂度等。还涉及阻抗控制装置、阻抗控制器、机器人和计算机可读介质。

Description

阻抗控制方法、装置、阻抗控制器和机器人
本申请要求于2020年07月08日在中国专利局提交的、申请号为202010650259.6的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本发明涉及机器人控制技术领域，尤其涉及一种阻抗控制方法、装置、阻抗控制器和机器人。
背景技术
不同与目前应用广泛的基于位置控制的机械臂，采用力矩控制的机械臂能够直接控制输出力，具有更快的响应速度和安全性，更能满足服务机器人、协作机器人等对安全柔顺需求高的领域。但是力控型机械臂控制更为复杂，需考虑机器人的全动力学，具有较高的非线性。
笛卡尔空间的阻抗控制具有很好柔顺性，适用于交互场合。然而，它的目标是控制机械臂末端的力与位置之间的关系，无法实现对位置或力的单独控制，使得机械臂无法跟踪期望交互力。此外，在执行笛卡尔任务空间的阻抗任务时，末端的各方向之间由于末端的质量矩阵的耦合性，使得其所表现出的阻抗行为也具有方向耦合性，即若只受垂直方向的力时，另外两个不受外力的方向也会产生运动，因此无法实现精确的期望力控制等。
技术问题
有鉴于此，本发明的目的是为了克服现有技术中的不足，提供一种阻抗控制方法、装置、阻抗控制器和机器人。
技术解决方案
本发明的一实施例提供一种阻抗控制方法，包括：
获取机械臂当前在关节空间的关节运动信息和关节受力信息以及末端受到的实际交互力，根据所述关节运动信息通过正运动学求解所述末端在任务空间的实际运动信息；
利用当前环境信息和在所述任务空间预先规划的末端期望交互力计算所述末端的修正期望轨迹，根据所述关节受力信息、所述实际交互力、所述末端的所述实际运动信息和包含所述修正期望轨迹的末端期望信息计算所述机械臂在所述关节空间的阻抗控制力矩；
构建所述机械臂的动力学方程，根据所述动力学方程中的非线性项确定补偿力矩；
根据所述阻抗控制力矩和所述补偿力矩对所述机械臂进行关节力矩控制。
在一种实施例中，所述动力学方程为所述机械臂在所述任务空间的动力学方程，所述任务空间的动力学方程的构建包括：
构建所述机械臂在所述关节空间的动力学方程；
基于各关节与所述末端之间的运动关系将所述关节空间的动力学方程转换为所述任务空间的动力学方程。
在一种实施例中，所述当前环境信息包括当前的环境等效刚度和环境位置；所述利用当前环境信息和在所述任务空间预先规划的末端期望交互力计算所述末端的修正期望轨迹，包括：
根据当前的所述环境等效刚度、所述环境位置和所述末端期望交互力按照如下公式计算得到所述末端的修正期望轨迹；
Figure PCTCN2020140408-appb-000001
其中，
Figure PCTCN2020140408-appb-000002
表示修正期望轨迹；x f表示环境位置；K eq表示环境等效刚度；F ref表示末端期望交互力。
在一种实施例中，所述实际运动信息包括所述末端当前的实际位置和实际速度，所述末端期望信息包括所述末端当前的期望速度、期望加速度和所述修正期望轨迹；
所述根据所述关节受力信息、所述实际交互力、所述末端的所述实际运动信息和包含所述修正期望轨迹的末端期望信息计算所述机械臂在所述关节空间的阻抗控制力矩，包括：
根据所述修正期望轨迹与所述实际位置之间的位置偏差、所述期望速度和所述实际速度之间的速度偏差和所述实际交互力基于弹簧-质量-阻尼模型计算在所述任务空间的阻尼控制量；
将所述关节受力信息由所述关节空间转换为所述任务空间，根据所述阻尼控制量、所述期望加速度和转换后的关节受力信息计算在所述任务空间的加速度控制量；
根据所述任务空间的所述加速度控制量基于雅克比矩阵计算所述机械臂在所述关节空间的阻抗控制力矩。
在一种实施例中，所述关节运动信息包括各关节的角位移和角速度；所述根据所述关节运动信息通过正运动学求解所述末端在任务空间的实际运动信息，包括：
根据所述各关节的角位移和角速度通过正运动学求解所述末端在所述任务空间的所述实际位置、所述实际速度；
所述机械臂各关节的所述角位移q、所述角速度
Figure PCTCN2020140408-appb-000003
所述末端的所述实际位置x，所述实际速度
Figure PCTCN2020140408-appb-000004
满足如下公式：
x＝f(q)；
Figure PCTCN2020140408-appb-000005
其中，f(q)表示关节角位移与末端位置之间的映射关系；J为雅克比矩阵。
在一种实施例中，所述构建所述机械臂在所述关节空间的动力学方程，包括：
根据获取的在所述关节空间的所述关节运动信息计算所述机械臂受到的作用力向量、离心力与科式力矩阵、以及重力向量；
根据所述作用力向量、所述离心力与科式力矩阵、所述重力向量、所述实际交互力和所述关节受力信息构建所述机械臂在关节空间的动力学方程。
在一种实施例中，所述任务空间的动力学方程中的所述非线性项包括含所述离心力与科式力矩阵的第一非线性项和含所述重力向量的第二非线性项；
将所述第一非线性项和所述第二非线性项进行叠加，以作为在所述任务空间中进行非线性补偿的补偿力矩。
本发明的一实施例还提供一种阻抗控制装置，包括：
信息获取模块，用于获取机械臂当前在关节空间的关节运动信息和关节受力信息以及末端受到的实际交互力，根据所述关节运动信息通过正运动学求解所述末端在任务空间的实际运动信息；
阻抗控制量计算模块，利用当前环境信息和在所述任务空间预先规划的末端期望交互力计算所述末端的修正期望轨迹，根据所述关节受力信息、所述实际交互力、所述末端的所述实际运动信息和包含所述修正期望轨迹的末端期望信息计算得到所述机械臂在所述关节空间的阻抗控制力矩；
补偿量计算模块，用于构建所述机械臂的动力学方程，根据所述动力学方程中的非线性项确定补偿力矩；
力矩控制模块，用于根据所述阻抗控制力矩和所述补偿力矩对所述机械臂进行关节力矩控制。
本发明的一实施例还提供一种阻抗控制器，所述阻抗控制器包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施上述的阻抗控制方法。
本发明的一实施例还提供一种机器人，采用上述的阻抗控制器进行机械臂力矩控制。
本发明的一实施例还提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被执行时，实施上述的阻抗控制方法。
有益效果
本发明的实施例具有如下优点：
本发明实施例的阻抗控制方法通过考虑环境因素，利用力传感器信息和环境信息对阻抗控制律进行修正，以实现方向解耦的阻抗控制，不仅有利于提高对力控机械臂的控制精度，同时也有利于提高机械臂的柔顺性和安全性，有助于增强其在人机交互方面的应用。此外，通过实时补偿动力学中的非线性项，使机器人动力学方程线性化，从而简化力控机械臂的控制复杂度等。
附图说明
为了更清楚地说明本发明实施例的技术方案，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范围的限定，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相关的附图。
图1示出了本发明实施例的机械臂的一种应用示意图；
图2示出了利用现有技术中的阻抗控制方法获得的轨迹图；
图3示出了利用现有技术中的阻抗控制方法获得的末端力跟踪图；
图4示出了本发明实施例的阻抗控制方法的第一流程示意图；
图5示出了本发明实施例的阻抗控制方法的第二流程示意图；
图6示出了本发明实施例的机械臂的控制框架应用示意图；
图7示出了采用本发明实施例的阻抗控制方法的实际测试的轨迹图；
图8示出了采用本发明实施例的阻抗控制方法的末端力跟踪图；
图9示出了本发明实施例的阻抗控制装置的结构示意图。
主要元件符号说明：
10-阻抗控制装置；110-信息获取模块；120-阻抗控制量计算模块；130-补偿量计算模块；140-力矩控制模块。
本发明的实施方式
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。
示范性地，以一力控型机械臂(或者力控机器人)为例，该机械臂具有n个自由度，且末端执行器(以下简称末端)在执行任务时所需自由度为m，为使末端与外界环境交互时具有柔顺性，通常采用在笛卡尔空间中进行阻抗控制。然而，机械臂末端在执行笛卡尔空间的阻抗任务时，由于末端质量矩阵(或惯量矩阵)的耦合性，使得末端所表现出来的阻抗行为也具有方向耦合性，即若只受垂直方向的力时，另外两个不受外力方向也会产生运动，从而与预先规划的轨迹将产生偏差等。
例如，如图1所示，假设让该机械臂末端与一个具有弹性的平面(xy平面)接触，接触力方向是z向，并保持接触力大小(设定为10N)恒定的同时循环画圆。当采用通用的阻抗控制方法时，此时，由于机器人动力学中的惯性矩阵M在xyz方向上是耦合的，导致末端在该xy平面的圆轨迹会受z方向的力影响，从而与期望轨迹产生偏差，如图2所示。通常，理想的场景应该是哪个方向受到外力，就在哪个方向产生柔顺运动而其他方向不受影响，图2所示的现象正是由于末端的惯性矩阵在各个方向上具有耦合性导致的。另外，通过对末端进行期望力跟踪还发现，末端受到的实际交互力无法达到10N的期望交互力，如图3所示。
基于上述问题，本发明实施例提出一种阻抗控制方法，通过利用力传感器信息和环境信息对阻抗控制律进行修正，实现方向解耦的阻抗控制，不仅有利于提高对力控机械臂的控制精度，同时也有利于提高机械臂的柔顺性和安全性，有助于增强其在人机交互方面的应用。此外，考虑到任务通常是由末端执行的，还通过实时补偿动力学方程中的非线性项， 从而简化力控机械臂的控制复杂度等。
实施例1
请参照图4，本实施例提出一种阻抗控制方法，可应用于具有冗余自由度及末端具有自由度的机械臂或机器人等的力矩控制。由于该阻抗控制方法针对的是在笛卡尔空间的阻抗控制，即机械臂末端在笛卡尔空间中执行任务，故本实施例中的笛卡尔空间也称为任务空间。
下面对该阻抗控制方法进行详细说明。
步骤S110，获取机械臂当前在关节空间的关节运动信息和关节受力信息以及末端受到的实际交互力，根据该关节运动信息通过正运动学求解末端在任务空间的实际运动信息。
在一种实施例中，该末端的实际运动信息主要包括该末端在当前任务空间的实际位置、实际速度等。示范性地，可先通过获取到每个时刻该机械臂在关节空间中各关节的关节运动信息，再基于机器人的各关节与末端之间的运动学关系，即通过正向运动学求解出该机械臂末端在任务空间的实际运动信息。
例如，该关节运动信息可包括各关节的角位移q和角速度
Figure PCTCN2020140408-appb-000006
其中q和
Figure PCTCN2020140408-appb-000007
与关节相关，均为n*1的列向量，n为机械臂的自由度。具体地，可通过设置在各关节对应位置的角位移传感器或位置编码器等采集对应关节的角位移，再通过对该角位移进行差分以得到对应的角速度。或者，也可以通过相应的角速度传感器来直接测量得到各关节的角速度。
于是，根据机器人的关节与末端之间的运动关系计算得到当前时刻末端的实际位置x，实际速度
Figure PCTCN2020140408-appb-000008
即满足如下公式：
x＝f(q)；
Figure PCTCN2020140408-appb-000009
其中，x、
Figure PCTCN2020140408-appb-000010
均为m*1列向量，m为机械臂末端的自由度；f(q)表示关节角位移与末端位置之间的映射关系，可通过机器人正运动学计算得到；J为m*n的雅克比矩阵，表示关节速度与末端线速度之间的映射关系。
上述的末端受到的实际交互力，即为末端与环境之间的相互作用力，可通过设置在末端处的力传感器进行测量得到，如六维力传感器等。
上述的关节受力信息是指机械臂受到环境的作用力而在各个关节所产生的外力矩，具体地，可通过各关节对应的力矩传感器采集得到。
步骤S120，利用当前环境信息和在任务空间预先规划的末端期望交互力计算方法末端 的修正期望轨迹，根据该关节受力信息、该末端受到的实际交互力、以及该末端的实际运动信息和包含该修正期望轨迹的末端期望信息计算机械臂在关节空间的阻抗控制力矩。
为使机械臂完成相应任务，通常按照预先规划好的末端期望轨迹对机械臂进行相应控制。示范性地，该机械臂的末端期望信息可包括但不限于为末端的期望轨迹、期望速度、期望加速度，及末端与环境间的期望交互力等。
考虑到现有的阻抗控制方法中，往往存在如图2和图3的问题，为此，本实施例在进行阻抗控制时，通过对阻抗控制律进行修正，以用于对方向进行解耦，进而达到对机械臂的精确控制等目的。
上述步骤S120主要包括两部分，即对末端期望轨迹进行调整，以及利用调整后的期望轨迹来计算对应的阻抗控制力矩。
通常地，末端与环境之间产生的交互力应当是由机械臂的刚度与环境的刚度共同决定的。然而，在现有的阻抗控制方法中，完全没有考虑到环境因素。为此，本方法在考虑环境因素的影响，对末端期望轨迹进行重新预期，得到考虑环境因素在内的修正期望轨迹。可以理解为，是利用重新计算的期望轨迹对已规划好的期望轨迹进行替换，达到期望轨迹修正目的。
示范性地，上述的环境信息包括环境等效刚度和环境位置，可以理解，该环境是指与末端直接接触的外界对象，而该环境等效刚度则与环境刚度和机械臂刚度有关，是环境刚度与机械臂刚度的函数。示范性地，若环境刚度为K f，机械臂刚度为K d，则该环境等效刚度K eq为：
Figure PCTCN2020140408-appb-000011
于是，根据当前的环境等效刚度K eq、环境位置x f和该末端期望交互力F ref可计算得到该末端的修正期望轨迹
Figure PCTCN2020140408-appb-000012
即满足如下公式：
Figure PCTCN2020140408-appb-000013
接着，利用修正后的期望轨迹并同时考虑末端的实际受力来计算下一时刻的阻抗控制力矩。对于该阻抗控制力矩的计算过程，如图5所示，主要包括以下步骤：
步骤S121，根据该修正期望轨迹与末端的实际位置之间的位置偏差、末端的期望速度和实际速度之间的速度偏差和该实际交互力基于弹簧-质量-阻尼模型计算在任务空间的阻尼控制量。
示范性地，若修正期望轨迹为
Figure PCTCN2020140408-appb-000014
末端当前的实际位置为x，则该位置偏差为
Figure PCTCN2020140408-appb-000015
同理，若末端的期望速度为
Figure PCTCN2020140408-appb-000016
实际速度为
Figure PCTCN2020140408-appb-000017
则速度偏差为
Figure PCTCN2020140408-appb-000018
为实现该机械臂的柔顺控制，可将机械臂等效为一个弹簧-质量-阻尼系统，并基于弹簧-质量-阻尼模型计算对应的阻抗控制量。示范性地，若该阻抗控制中弹簧的刚度矩阵为K d(等效为机械臂刚度)，质量矩阵为M d，阻尼矩阵为D d，末端与环境之间的实际交互力为F ext，则基于上述的弹簧-质量-阻尼模型计算得到的阻尼控制量
Figure PCTCN2020140408-appb-000019
为：
Figure PCTCN2020140408-appb-000020
步骤S122，将该关节受力信息由关节空间转换为任务空间，根据该阻尼控制量、末端的期望加速度和转换后的机械臂的关节受力信息计算在任务空间的加速度控制量。
示范性地，利用上述步骤S121计算得到的阻抗控制量，同时考虑该机械臂受到的外力矩，计算得到该加速度控制量
Figure PCTCN2020140408-appb-000021
即满足有：
Figure PCTCN2020140408-appb-000022
其中，
Figure PCTCN2020140408-appb-000023
为期望加速度；
Figure PCTCN2020140408-appb-000024
为阻尼控制量；τ ext为该机械臂受到的关节外力矩；M(q)为n*n的正定对称方阵，表示该机械臂的质量矩阵(也称惯性矩阵)；J为m*n的雅克比矩阵。
步骤S123，根据在任务空间的该加速度控制量基于雅克比矩阵计算得到该机械臂在关节空间的阻抗控制力矩。
由于计算得到的该加速度控制量是对于任务空间中的末端而言，为实现对关节的力矩控制，还需要转换为关节空间的力矩控制量，即上述的阻抗控制力矩。其中，J #为雅克比矩阵J的伪逆，示范性地，该阻抗控制力矩τ cmd满足如下公式：
Figure PCTCN2020140408-appb-000025
步骤S130，构建机械臂的动力学方程，根据所述动力学方程中的非线性项确定补偿力矩。
考虑到该阻抗控制方法是用于力控机械臂的，而力控机械臂具有较高的非线性，为此，本实施例的阻抗控制方法提出在实现方向解耦的阻抗控制的同时，还对关节空间或任务空间中的科式力、离心力以及重力项等非线性项进行实时补偿。
在一种实施方式中，所述动力学方程为机械臂在关节空间的动力学方程。例如，可根据在关节空间获取到的该机械臂各关节的关节运动信息来计算该机械臂在关节空间中受到的作用力、离心力与科式力，以及重力等。示范性地，该关节空间的动力学方程如下：
Figure PCTCN2020140408-appb-000026
其中，
Figure PCTCN2020140408-appb-000027
为n*n的离心力与科里奥利力矩阵，可根据关节角位移q、关节角速度
Figure PCTCN2020140408-appb-000028
等关节运动信息计算得到；G(q)为机械臂各个连杆受到的重力所组成的n*1的列向量；τ c表示该机械臂所接收到的总控制力矩，为n*1的列向量；τ ext表示该机械臂受到的外力矩组成的列向量，为n*1的列向量。
于是，将对关节空间进行科式力、离心力以及重力项等非线性项的补偿，此时的补偿项τ compensation即为
Figure PCTCN2020140408-appb-000029
在另一种实施方式中，所述动力学方程为机械臂在任务空间的动力学方程。示范性地，所述任务空间的动力学方程的构建包括：先构建机械臂在关节空间的动力学方程，然后基于各关节与末端之间的运动关系将其转换为任务空间的动力学方程。例如，根据上述的关节空间的动力学方程，此时任务空间的动力学方程如下：
Figure PCTCN2020140408-appb-000030
其中，J #T为雅克比矩阵J转置的逆。
考虑到该任务空间存在两个非线性项，分别是含离心力与科式力矩阵的第一非线性项
Figure PCTCN2020140408-appb-000031
以及含重力向量的第二非线性项G(q)，于是，通过对任务空间的科式力与离心力项、重力项进行补偿，使该动力学方程线性化。示范性地，该补偿力矩τ compensation为：
Figure PCTCN2020140408-appb-000032
值得注意的是，正如上述第一种实施方式，机械臂动力补偿通常是在关节空间进行科式力、离心力以及重力项等非线性项的补偿，即补偿项为
Figure PCTCN2020140408-appb-000033
此时，补偿后的动力学方程将简化成
Figure PCTCN2020140408-appb-000034
根据机器人关节与末端之间的运动学转换关系(参见上述步骤S110)，可知补偿完的关节空间的动力学方程转换为任务空间的动力学方程，即为
Figure PCTCN2020140408-appb-000035
可知，对于该任务空间来说，仍存在与关节速度相关的非线 性项。
而考虑到实际机械臂的任务是在末端笛卡尔空间中执行的，为此，上述第二种实施方式则提出直接在任务空间中进行非线性项实时补偿，通过补偿任务空间动力学方程中的离心力、科里奥利力以及重力项，此时，任务空间的动力学方程将简化为
Figure PCTCN2020140408-appb-000036
由上述可知，根据该任务空间简化的动力学方程，能够实现更为简单和直观的末端任务规划。并且，根据在任务空间中的补偿项可知，在任务空间中能够对该机械臂补偿更多，实现了真正的线性化，大大简化了对力矩机械臂的控制复杂度等。
步骤S140，根据该阻抗控制力矩和补偿力矩对该机械臂进行关节力矩控制。
示范性地，将计算得到的阻抗控制力矩和该补偿力矩进行叠加以作为该机械臂所需的总控制力矩τ c，即有：τ c＝τ cmd+τ compensation，进而发送至各关节以进行相应的力矩控制，达到执行相应任务的目的。
可以理解，考虑到任务通常是在机械臂的末端执行的，并且末端阻抗的各方向具有耦合性且存在无法精确跟踪末端力的问题，如图6所示，本实施例的阻抗控制方法通过在笛卡尔任务空间中引入利用由力传感器测量得到的实际外力信息(包含末端的实现交互力及机械臂受到的关节外力矩等)以及环境信息，使得机器人在与外界环境进行交互时，其展现出的柔顺具有方向解耦性。同时，结合环境信息得到的修正期望轨迹来对阻抗控制律进行修正，还能实现精确的末端力跟踪，提高了阻抗控制在需要控制末端力时的应用需求。例如，当控制机械臂末端写字时，可以方便地控制末端的出力大小以实现笔划的轻重等。同时，本实施例的阻抗控制方法还通过实时补偿动力学中的非线性项，尤其是在任务空间中进行直接补偿，可大大简化控制复杂度，很好地解决力控机械臂的非线性及控制复杂问题等。
例如，对于如图1的力控机械臂，采用本实施例的阻抗控制方法，即采用方向解耦的阻抗控制时，由于利用力传感器采集到的实际外力信息及环境信息对控制律的修正，消除了末端的质量矩阵(或惯性矩阵)的影响，从xy平面的轨迹可以看出，z方向的受力是不影响xy方向的运动的，可得到如图7的期望轨迹。另外，将环境模型考虑在内，可实现精确的10N期望力跟踪，如图8所示。
实施例2
请参照图9，基于上述实施例1的阻抗控制方法，本实施例提出一种阻抗控制装置10，该装置包括：
信息获取模块110，用于机械臂当前在关节空间的关节运动信息和关节受力信息以及末端受到的实际交互力，根据所述关节运动信息通过正运动学求解所述末端在任务空间的实际运动信息。
阻抗控制量计算模块120，用于利用当前环境信息和在所述任务空间预先规划的末端期望交互力计算所述末端的修正期望轨迹，根据所述关节受力信息、所述实际交互力、所述末端的所述实际运动信息和包含所述修正期望轨迹的末端期望信息计算得到所述机械臂在所述关节空间的阻抗控制力矩。
补偿量计算模块130，用于构建所述机械臂的动力学方程，根据所述动力学方程中的非线性项确定补偿力矩。
力矩控制模块140，用于根据所述阻抗控制力矩和所述补偿力矩对所述机械臂进行关节力矩控制。
可以理解，上述的阻抗控制装置10对应于实施例1的阻抗控制方法。实施例1中的任何可选项也适用于本实施例，这里不再详述。
本发明还提供了一种阻抗控制器，应用于机器人控制，该阻抗控制器包括处理器和存储器，其中，存储器存储有计算机程序，处理器用于执行所述计算机程序以实施上述实施例1的阻抗控制方法或上述实施例2的阻抗控制装置10中各个模块的功能。
本发明还提出一种机器人，该机器人包括上述的阻抗控制器，通过该阻抗控制器进行机械臂力矩控制，以实现柔顺控制等。示范性地，该机器人可为运用在各领域内的机器人，如切割机器人、焊接机器人、打磨机器人或按摩机器人等等。
本发明还提供了一种计算机可读存储介质，用于储存上述阻抗控制器中使用的所述计算机程序。
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 (11)

  1. 一种阻抗控制方法，其特征在于，包括：
    获取机械臂当前在关节空间的关节运动信息和关节受力信息以及末端受到的实际交互力，根据所述关节运动信息通过正运动学求解所述末端在任务空间的实际运动信息；
    利用当前环境信息和在所述任务空间预先规划的末端期望交互力计算所述末端的修正期望轨迹，根据所述关节受力信息、所述实际交互力、所述末端的所述实际运动信息和包含所述修正期望轨迹的末端期望信息计算得到所述机械臂在所述关节空间的阻抗控制力矩；
    构建所述机械臂的动力学方程，根据所述动力学方程中的非线性项确定补偿力矩；
    根据所述阻抗控制力矩和所述补偿力矩对所述机械臂进行关节力矩控制。
  2. 根据权利要求1所述的阻抗控制方法，其特征在于，所述动力学方程为所述机械臂在所述任务空间的动力学方程，所述任务空间的动力学方程的构建包括：
    构建所述机械臂在所述关节空间的动力学方程；
    基于各关节与所述末端之间的运动关系将所述关节空间的动力学方程转换为所述任务空间的动力学方程。
  3. 根据权利要求1或2所述的阻抗控制方法，其特征在于，所述当前环境信息包括当前的环境等效刚度和环境位置；所述利用当前环境信息和在所述任务空间预先规划的末端期望交互力计算所述末端的修正期望轨迹，包括：
    根据当前的所述环境等效刚度、所述环境位置和所述末端期望交互力按照如下公式计算得到所述末端的修正期望轨迹；
    Figure PCTCN2020140408-appb-100001
    其中，
    Figure PCTCN2020140408-appb-100002
    表示修正期望轨迹；x f表示环境位置；K eq表示环境等效刚度；F ref表示末端期望交互力。
  4. 根据权利要求1或2所述的阻抗控制方法，其特征在于，所述实际运动信息包括所述末端当前的实际位置和实际速度，所述末端期望信息包括所述末端当前的期望速度、期望加速度和所述修正期望轨迹；
    所述根据所述关节受力信息、所述实际交互力、所述末端的所述实际运动信息和包含所述修正期望轨迹的末端期望信息计算得到所述机械臂在所述关节空间的阻抗控制力矩，包括：
    根据所述修正期望轨迹与所述实际位置之间的位置偏差、所述期望速度和所述实际速度之间的速度偏差和所述实际交互力基于弹簧-质量-阻尼模型计算在所述任务空间的阻尼控制量；
    将所述关节受力信息由所述关节空间转换为所述任务空间，根据所述阻尼控制量、所述期望加速度和转换后的关节受力信息计算在所述任务空间的加速度控制量；
    根据所述任务空间的所述加速度控制量基于雅克比矩阵计算得到所述机械臂在所述关节空间的阻抗控制力矩。
  5. 根据权利要求4所述的阻抗控制方法，其特征在于，所述关节运动信息包括各关节的角位移和角速度；所述根据所述关节运动信息通过正运动学求解所述末端在任务空间的实际运动信息，包括：
    根据所述各关节的角位移和角速度通过正运动学求解所述末端在所述任务空间的所述实际位置和所述实际速度；
    所述机械臂各关节的所述角位移q、所述角速度
    Figure PCTCN2020140408-appb-100003
    所述末端的所述实际位置x，所述实际速度
    Figure PCTCN2020140408-appb-100004
    满足如下公式：
    x＝f(q)；
    Figure PCTCN2020140408-appb-100005
    其中，f(q)表示关节角位移与末端位置之间的映射关系；J为雅克比矩阵。
  6. 根据权利要求2所述的阻抗控制方法，其特征在于，所述构建所述机械臂在所述关节空间的动力学方程，包括：
    根据获取的所述关节空间的所述关节运动信息计算所述机械臂受到的作用力向量、离心力与科式力矩阵、以及重力向量；
    根据所述作用力向量、所述离心力与科式力矩阵、所述重力向量、所述实际交互力和所述关节受力信息构建所述机械臂在关节空间的动力学方程。
  7. 根据权利要求6所述的阻抗控制方法，其特征在于，所述任务空间的动力学方程中的所述非线性项包括含所述离心力与科式力矩阵的第一非线性项和含所述重力向量的第二非线性项；
    将所述第一非线性项和所述第二非线性项进行叠加，以作为所述任务空间中进行非线性补偿的补偿力矩。
  8. 一种阻抗控制装置，其特征在于，包括：
    信息获取模块，用于获取机械臂当前在关节空间的关节运动信息和关节受力信息以及末端受到的实际交互力，根据所述关节运动信息通过正运动学求解所述末端在任务空间的实际运动信息；
    阻抗控制量计算模块，用于利用当前环境信息和在所述任务空间预先规划的末端期望交互力计算所述末端的修正期望轨迹，根据所述关节受力信息、所述实际交互力、所述末端的所述实际运动信息和包含所述修正期望轨迹的末端期望信息计算得到所述机械臂在所述关节空间的阻抗控制力矩；
    补偿量计算模块，用于构建所述机械臂的动力学方程，根据所述动力学方程中的非线性项确定补偿力矩；
    力矩控制模块，用于根据所述阻抗控制力矩和所述补偿力矩对所述机械臂进行关节力矩控制。
  9. 一种阻抗控制器，其特征在于，所述阻抗控制器包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施权利要求1-7中任一项所述的阻抗控制方法。
  10. 一种机器人，其特征在于，采用根据权利要求9所述的阻抗控制器进行机械臂力矩控制。
  11. 一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被执行时，实施根据权利要求1-7中任一项所述的阻抗控制方法。
PCT/CN2020/140408 2020-07-08 2020-12-28 阻抗控制方法、装置、阻抗控制器和机器人 Ceased WO2022007358A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/408,512 US11858141B2 (en) 2020-07-08 2021-08-23 Impedance control method, and controller and robot using the same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010650259.6 2020-07-08
CN202010650259.6A CN111730599B (zh) 2020-07-08 2020-07-08 阻抗控制方法、装置、阻抗控制器和机器人

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/408,512 Continuation US11858141B2 (en) 2020-07-08 2021-08-23 Impedance control method, and controller and robot using the same

Publications (1)

Publication Number Publication Date
WO2022007358A1 true WO2022007358A1 (zh) 2022-01-13

Family

ID=72655648

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/140408 Ceased WO2022007358A1 (zh) 2020-07-08 2020-12-28 阻抗控制方法、装置、阻抗控制器和机器人

Country Status (2)

Country Link
CN (1) CN111730599B (zh)
WO (1) WO2022007358A1 (zh)

Cited By (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113977572A (zh) * 2021-08-06 2022-01-28 华南理工大学 一种基于宽度径向基神经网络的机械臂阻抗学习控制方法
CN114347035A (zh) * 2022-01-28 2022-04-15 山东大学 基于示教学习与柔顺控制的机器人阀门旋拧方法及系统
CN114536348A (zh) * 2022-04-08 2022-05-27 北京邮电大学 一种高欠驱动空间机械臂运动灵巧性评估方法
CN114545977A (zh) * 2022-03-10 2022-05-27 桂林电子科技大学 一种带机械臂的无人机协同编队阻抗控制方法
CN114670207A (zh) * 2022-05-09 2022-06-28 山东大学 一种基于野狗优化算法的机械臂柔顺控制方法及系统
CN114700952A (zh) * 2022-04-24 2022-07-05 伍福人工智能(河南)有限公司 关节限位的控制方法、装置、终端设备以及存储介质
CN114734441A (zh) * 2022-04-15 2022-07-12 北京邮电大学 一种关节部分失效故障空间机械臂运动能力优化方法
CN114770459A (zh) * 2022-05-18 2022-07-22 南京佗道医疗科技有限公司 一种主控制臂运动控制方法
CN114795033A (zh) * 2022-05-26 2022-07-29 上海景吾酷租科技发展有限公司 用于室内立体清洁的机械臂实时规划与控制方法及系统
CN114851193A (zh) * 2022-04-26 2022-08-05 北京航空航天大学 一种空间机械臂与未知环境接触过程的智能柔顺操控方法
CN114932557A (zh) * 2022-06-24 2022-08-23 合肥工业大学 一种运动学约束下基于能量消耗的自适应导纳控制方法
CN115107038A (zh) * 2022-07-28 2022-09-27 浙江工业大学 一种基于二次规划的约束变阻抗控制方法
CN115157271A (zh) * 2022-09-05 2022-10-11 杭州柳叶刀机器人有限公司 机械臂控制方法、装置、控制终端及存储介质
CN115157246A (zh) * 2022-07-08 2022-10-11 深圳市灵手科技有限公司 一种理疗机器人及其理疗方法
CN115179286A (zh) * 2022-07-11 2022-10-14 邱晨 柔性驱动方法、柔性并联机器人控制方法及柔性驱动装置
CN115319749A (zh) * 2022-08-29 2022-11-11 南京理工大学 一种基于主被动柔顺结合的大刚度环境下轴向力控制方法
CN115446832A (zh) * 2022-08-29 2022-12-09 北京空间飞行器总体设计部 一种可重构机械臂操作力突变抑制控制方法
CN115476356A (zh) * 2022-08-23 2022-12-16 北京空间飞行器总体设计部 一种无需力传感器的空间机械臂自适应混合阻抗控制方法
CN115488879A (zh) * 2022-08-29 2022-12-20 北京空间飞行器总体设计部 一种空间机械臂关节主动可控反驱控制方法
CN115556100A (zh) * 2022-09-29 2023-01-03 西安交通大学 一种线驱动连续体机械臂末端位置误差补偿方法
CN115618574A (zh) * 2022-09-26 2023-01-17 西北工业大学 一种用于水下机器人-机械臂系统的Adams/Matlab联合仿真方法
CN115609580A (zh) * 2022-09-05 2023-01-17 北京空间飞行器总体设计部 一种空间机械臂柔性振动抑制方法
CN115847389A (zh) * 2022-12-20 2023-03-28 北方工业大学 一种连续体机器人的刚度控制和补偿方法
CN116000936A (zh) * 2023-02-09 2023-04-25 中南大学 基于状态转移算法的工业机器人自适应阻抗控制方法、设备及介质
CN116079739A (zh) * 2023-02-24 2023-05-09 北京工业大学 一种基于跟踪微分器的机械臂末端位置与力变阻抗协同控制方法
CN116176373A (zh) * 2022-12-28 2023-05-30 江苏涵润汽车电子有限公司 一种车辆座椅位姿的调节方法和座椅调节机构
CN116175556A (zh) * 2022-12-28 2023-05-30 宁波慈溪生物医学工程研究所 一种多自由度训练机器人控制方法及装置
CN116340739A (zh) * 2023-03-23 2023-06-27 上海微创医疗机器人（集团）股份有限公司 器械接触力的检测方法、装置、计算机设备、存储介质
CN116423523A (zh) * 2023-05-25 2023-07-14 上海电气集团股份有限公司 主从机器人的柔顺控制方法、系统、电子设备及存储介质
CN116460841A (zh) * 2023-02-28 2023-07-21 之江实验室 一种人形机器人非抓取式移动推运任务控制方法及系统
CN116512278A (zh) * 2023-06-26 2023-08-01 极限人工智能(北京)有限公司 基于虚拟目标点的机械臂末端直线运动控制方法及系统
CN116551670A (zh) * 2023-03-13 2023-08-08 中国科学院宁波材料技术与工程研究所 一种基于训练机器人的柔顺控制方法及可读存储介质
CN116652543A (zh) * 2023-06-16 2023-08-29 华中科技大学 用于产品自动装配的视觉阻抗控制方法及其系统、机器人
CN116787440A (zh) * 2023-07-14 2023-09-22 苏州智到得科技有限公司 一种基于大型语言模型的机器人运动控制方法
CN117086617A (zh) * 2023-07-31 2023-11-21 南京航空航天大学苏州研究院 一种基于阻抗参数优化的球头自适应入位方法
US20230405815A1 (en) * 2020-11-05 2023-12-21 Microport Navibot (Suzhou) Co., Ltd. Surgical robot, control method, system, and readable storage medium
CN117325182A (zh) * 2023-11-20 2024-01-02 广东省科学院智能制造研究所 一种融合多自适应调控机制的机器人柔顺控制方法
CN117325152A (zh) * 2023-09-11 2024-01-02 中山大学 一种阻抗控制方法
CN118123807A (zh) * 2023-12-22 2024-06-04 山东大学 基于有限元离散和模态降阶的柔性机械臂控制方法及系统
CN118357912A (zh) * 2023-01-19 2024-07-19 广州视源电子科技股份有限公司 机器人接触力丢失的测控方法、装置及机器人
CN118453142A (zh) * 2024-05-23 2024-08-09 哈尔滨思哲睿智能医疗设备股份有限公司 手术机器人控制方法、装置、电子设备及存储介质
CN118578379A (zh) * 2024-05-27 2024-09-03 电子科技大学 一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法
CN118662227A (zh) * 2023-03-20 2024-09-20 北京术锐机器人股份有限公司 确定力的方法及手术机器人系统
CN119017375A (zh) * 2024-07-24 2024-11-26 广东工业大学 一种基于自适应阻抗控制的机械臂打磨控制方法及系统
CN119057811A (zh) * 2024-11-04 2024-12-03 浙江大学 一种机器人通过处理大面积触觉信号实现全身柔顺的方法
CN119141552A (zh) * 2024-11-05 2024-12-17 四川大学 基于环境位置及刚度影响的机器人接触力稳定控制方法
CN119700314A (zh) * 2025-02-28 2025-03-28 上海微创医疗机器人（集团）股份有限公司 手术机器人系统
CN119739036A (zh) * 2024-12-19 2025-04-01 山东省科学院激光研究所 骨折复位机器人变论域模糊自适应阻抗控制方法和系统
CN119839863A (zh) * 2025-02-27 2025-04-18 北京科技大学 一种机械臂柔顺力跟踪系统及控制方法
CN119871391A (zh) * 2024-12-31 2025-04-25 江苏集萃智能制造技术研究所有限公司 一种用于液压四足支撑卸力的自适应变阻抗算法
CN119871467A (zh) * 2025-03-31 2025-04-25 中国工程物理研究院计算机应用研究所 无力传感器的协作机器人主动柔顺交互控制方法及系统
CN120038748A (zh) * 2025-02-25 2025-05-27 广东具身风暴机器人有限公司 一种理疗机器人控制方法、装置、设备及介质
CN120287311A (zh) * 2025-06-06 2025-07-11 纳博特南京科技有限公司 机器人跟踪未知曲面的自适应阻抗控制方法
CN120552078A (zh) * 2025-07-29 2025-08-29 长春工业大学 一种面向柔性驱动外骨骼的迭代学习阻抗控制算法
WO2025185018A1 (zh) * 2024-03-04 2025-09-12 中科新松有限公司 多关节机器人控制方法、系统和多关节机器人
CN120735063A (zh) * 2025-09-08 2025-10-03 湖南大学 一种手术机器人自适应主从力跟踪控制系统
CN120791801A (zh) * 2025-09-11 2025-10-17 北京航空航天大学杭州创新研究院 基于模型预测控制的机器人变阻抗控制方法、系统和控制设备
CN121245863A (zh) * 2025-12-05 2026-01-02 新毅东(北京)科技有限公司 晶圆传输机械臂控制方法、系统及设备

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111730599B (zh) * 2020-07-08 2021-09-07 深圳市优必选科技股份有限公司 阻抗控制方法、装置、阻抗控制器和机器人
CN112372637B (zh) * 2020-10-27 2022-05-06 东方红卫星移动通信有限公司 低轨卫星空间机械臂自适应阻抗柔顺控制方法、模块及系统
CN112631128B (zh) * 2020-11-27 2023-04-14 广东省科学院智能制造研究所 一种多模异构信息融合的机器人装配技能学习方法及系统
CN114603553A (zh) * 2020-12-08 2022-06-10 山东新松工业软件研究院股份有限公司 一种基于nurbs的协助机器人的力控装配控制方法及装置
CN112775964B (zh) * 2020-12-29 2023-03-21 上海机器人产业技术研究院有限公司 一种力感知阻抗控制方法
CN114800465B (zh) * 2021-01-29 2024-05-24 苏州艾利特机器人有限公司 一种提高机器人关节转矩检测精度的方法及多关节机器人
CN112947439B (zh) * 2021-02-05 2024-07-23 深圳市优必选科技股份有限公司 位置调整方法、装置、终端设备及可读存储介质
CN112975965B (zh) * 2021-02-24 2022-07-29 深圳市优必选科技股份有限公司 仿人机器人的解耦控制方法、装置和仿人机器人
CN113305838B (zh) * 2021-05-26 2022-04-29 深圳市优必选科技股份有限公司 按摩运动控制方法、装置、机器人控制设备及存储介质
CN113442118B (zh) * 2021-06-30 2022-12-09 山东大学 一种可穿戴外肢体机器人碰撞响应控制方法及系统
CN113664830B (zh) * 2021-08-24 2022-08-02 华中科技大学 基于模型预测阻抗控制的双机器人同步加工方法及系统
CN114700959B (zh) * 2021-12-01 2024-01-30 宁波慈溪生物医学工程研究所 一种机械臂镜像阻抗控制方法及镜像机械臂设备
CN118382396A (zh) * 2021-12-30 2024-07-23 西门子（中国）有限公司 一种机器人的远程控制方法及装置
CN114536335B (zh) * 2022-02-24 2024-07-09 上海电气集团股份有限公司 机器人机械结构的控制方法、系统、电子设备及存储介质
CN115257995A (zh) * 2022-05-19 2022-11-01 伍福人工智能(河南)有限公司 机器人的控制方法、装置、终端设备以及存储介质
CN114800523B (zh) * 2022-05-26 2023-12-01 江西省智能产业技术创新研究院 机械臂轨迹修正方法、系统、计算机及可读存储介质
CN115194733A (zh) * 2022-07-11 2022-10-18 邱晨 柔性并联机器人控制方法、装置和柔性并联机器人
CN116226590B (zh) * 2022-12-30 2025-11-04 西安交通大学 基于轴角表示的阻抗控制方法、装置、设备及存储介质
CN116372915B (zh) * 2023-03-15 2026-04-28 西华大学 人机交互的在线变阻抗柔顺控制方法
CN117400257A (zh) * 2023-11-20 2024-01-16 深圳市汇川技术股份有限公司 机器人控制方法、装置、设备及计算机可读存储介质
CN118769236B (zh) * 2024-06-06 2026-01-23 河海大学 一种用于机器人技能复现的柔顺控制方法及系统
CN118752464B (zh) * 2024-06-20 2025-12-05 哈尔滨思哲睿智能医疗设备股份有限公司 一种机器人主手控制方法、装置、控制器、存储介质及程序产品
CN118927235B (zh) * 2024-07-17 2025-09-30 北京航空航天大学杭州创新研究院 一种能量和功率受控的机器人笛卡尔阻抗控制方法
CN119024851A (zh) * 2024-08-27 2024-11-26 广州汽车集团股份有限公司 智能移动终端的控制方法、控制系统及智能移动终端

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106041926A (zh) * 2016-06-12 2016-10-26 哈尔滨工程大学 一种基于卡尔曼滤波器的工业机械臂力/位置混合控制方法
CN108406765A (zh) * 2018-02-06 2018-08-17 南京航空航天大学 一种开链式多臂机器人阻抗控制方法
CN108673495A (zh) * 2018-04-13 2018-10-19 南京航空航天大学 一种力/位协调的多臂机器人柔顺控制方法
US20190152056A1 (en) * 2016-03-24 2019-05-23 Cambridge Medical Robotics Limited Robot Control
CN111730599A (zh) * 2020-07-08 2020-10-02 深圳市优必选科技股份有限公司 阻抗控制方法、装置、阻抗控制器和机器人

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101332604B (zh) * 2008-06-20 2010-06-09 哈尔滨工业大学 人机相互作用机械臂的控制方法
JP4962551B2 (ja) * 2009-10-20 2012-06-27 株式会社安川電機 ロボットシステムおよびロボットシステムの制御方法
JP5129415B2 (ja) * 2011-03-17 2013-01-30 パナソニック株式会社 ロボット、ロボットの制御装置、制御方法、及び制御プログラム
CN108115690A (zh) * 2017-12-31 2018-06-05 芜湖哈特机器人产业技术研究院有限公司 一种机器人自适应控制系统和方法
CN108436913B (zh) * 2018-04-19 2020-12-25 南京航空航天大学 一种力协调的多臂机器人柔顺控制方法
CN111319036B (zh) * 2018-12-15 2023-03-14 天津大学青岛海洋技术研究院 基于自适应算法的移动机械臂位置/力自抗扰控制方法
CN111098303A (zh) * 2019-12-25 2020-05-05 深圳前海达闼云端智能科技有限公司 机器人及其柔性控制方法与装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190152056A1 (en) * 2016-03-24 2019-05-23 Cambridge Medical Robotics Limited Robot Control
CN106041926A (zh) * 2016-06-12 2016-10-26 哈尔滨工程大学 一种基于卡尔曼滤波器的工业机械臂力/位置混合控制方法
CN108406765A (zh) * 2018-02-06 2018-08-17 南京航空航天大学 一种开链式多臂机器人阻抗控制方法
CN108673495A (zh) * 2018-04-13 2018-10-19 南京航空航天大学 一种力/位协调的多臂机器人柔顺控制方法
CN111730599A (zh) * 2020-07-08 2020-10-02 深圳市优必选科技股份有限公司 阻抗控制方法、装置、阻抗控制器和机器人

Cited By (69)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230405815A1 (en) * 2020-11-05 2023-12-21 Microport Navibot (Suzhou) Co., Ltd. Surgical robot, control method, system, and readable storage medium
CN113977572A (zh) * 2021-08-06 2022-01-28 华南理工大学 一种基于宽度径向基神经网络的机械臂阻抗学习控制方法
CN114347035A (zh) * 2022-01-28 2022-04-15 山东大学 基于示教学习与柔顺控制的机器人阀门旋拧方法及系统
CN114545977A (zh) * 2022-03-10 2022-05-27 桂林电子科技大学 一种带机械臂的无人机协同编队阻抗控制方法
CN114536348A (zh) * 2022-04-08 2022-05-27 北京邮电大学 一种高欠驱动空间机械臂运动灵巧性评估方法
CN114536348B (zh) * 2022-04-08 2023-05-26 北京邮电大学 一种高欠驱动空间机械臂运动灵巧性评估方法
CN114734441A (zh) * 2022-04-15 2022-07-12 北京邮电大学 一种关节部分失效故障空间机械臂运动能力优化方法
CN114734441B (zh) * 2022-04-15 2023-11-24 北京邮电大学 一种关节部分失效故障空间机械臂运动能力优化方法
CN114700952A (zh) * 2022-04-24 2022-07-05 伍福人工智能(河南)有限公司 关节限位的控制方法、装置、终端设备以及存储介质
CN114851193B (zh) * 2022-04-26 2023-12-22 北京航空航天大学 一种空间机械臂与未知环境接触过程的智能柔顺操控方法
CN114851193A (zh) * 2022-04-26 2022-08-05 北京航空航天大学 一种空间机械臂与未知环境接触过程的智能柔顺操控方法
CN114670207A (zh) * 2022-05-09 2022-06-28 山东大学 一种基于野狗优化算法的机械臂柔顺控制方法及系统
CN114770459B (zh) * 2022-05-18 2023-12-08 佗道医疗科技有限公司 一种主控制臂运动控制方法
CN114770459A (zh) * 2022-05-18 2022-07-22 南京佗道医疗科技有限公司 一种主控制臂运动控制方法
CN114795033A (zh) * 2022-05-26 2022-07-29 上海景吾酷租科技发展有限公司 用于室内立体清洁的机械臂实时规划与控制方法及系统
CN114932557A (zh) * 2022-06-24 2022-08-23 合肥工业大学 一种运动学约束下基于能量消耗的自适应导纳控制方法
CN114932557B (zh) * 2022-06-24 2023-07-28 合肥工业大学 一种运动学约束下基于能量消耗的自适应导纳控制方法
CN115157246A (zh) * 2022-07-08 2022-10-11 深圳市灵手科技有限公司 一种理疗机器人及其理疗方法
CN115179286A (zh) * 2022-07-11 2022-10-14 邱晨 柔性驱动方法、柔性并联机器人控制方法及柔性驱动装置
CN115107038A (zh) * 2022-07-28 2022-09-27 浙江工业大学 一种基于二次规划的约束变阻抗控制方法
CN115476356A (zh) * 2022-08-23 2022-12-16 北京空间飞行器总体设计部 一种无需力传感器的空间机械臂自适应混合阻抗控制方法
CN115488879A (zh) * 2022-08-29 2022-12-20 北京空间飞行器总体设计部 一种空间机械臂关节主动可控反驱控制方法
CN115446832A (zh) * 2022-08-29 2022-12-09 北京空间飞行器总体设计部 一种可重构机械臂操作力突变抑制控制方法
CN115319749A (zh) * 2022-08-29 2022-11-11 南京理工大学 一种基于主被动柔顺结合的大刚度环境下轴向力控制方法
CN115157271B (zh) * 2022-09-05 2022-12-16 杭州柳叶刀机器人有限公司 机械臂控制方法、装置、控制终端及存储介质
CN115609580A (zh) * 2022-09-05 2023-01-17 北京空间飞行器总体设计部 一种空间机械臂柔性振动抑制方法
CN115157271A (zh) * 2022-09-05 2022-10-11 杭州柳叶刀机器人有限公司 机械臂控制方法、装置、控制终端及存储介质
CN115618574A (zh) * 2022-09-26 2023-01-17 西北工业大学 一种用于水下机器人-机械臂系统的Adams/Matlab联合仿真方法
CN115618574B (zh) * 2022-09-26 2025-06-27 西北工业大学 一种用于水下机器人-机械臂系统的Adams/Matlab联合仿真方法
CN115556100A (zh) * 2022-09-29 2023-01-03 西安交通大学 一种线驱动连续体机械臂末端位置误差补偿方法
CN115847389A (zh) * 2022-12-20 2023-03-28 北方工业大学 一种连续体机器人的刚度控制和补偿方法
CN116175556A (zh) * 2022-12-28 2023-05-30 宁波慈溪生物医学工程研究所 一种多自由度训练机器人控制方法及装置
CN116176373A (zh) * 2022-12-28 2023-05-30 江苏涵润汽车电子有限公司 一种车辆座椅位姿的调节方法和座椅调节机构
CN116176373B (zh) * 2022-12-28 2024-04-09 江苏涵润汽车电子有限公司 一种车辆座椅位姿的调节方法和座椅调节机构
CN118357912A (zh) * 2023-01-19 2024-07-19 广州视源电子科技股份有限公司 机器人接触力丢失的测控方法、装置及机器人
CN116000936A (zh) * 2023-02-09 2023-04-25 中南大学 基于状态转移算法的工业机器人自适应阻抗控制方法、设备及介质
CN116079739A (zh) * 2023-02-24 2023-05-09 北京工业大学 一种基于跟踪微分器的机械臂末端位置与力变阻抗协同控制方法
CN116460841A (zh) * 2023-02-28 2023-07-21 之江实验室 一种人形机器人非抓取式移动推运任务控制方法及系统
CN116551670A (zh) * 2023-03-13 2023-08-08 中国科学院宁波材料技术与工程研究所 一种基于训练机器人的柔顺控制方法及可读存储介质
CN118662227A (zh) * 2023-03-20 2024-09-20 北京术锐机器人股份有限公司 确定力的方法及手术机器人系统
CN116340739A (zh) * 2023-03-23 2023-06-27 上海微创医疗机器人（集团）股份有限公司 器械接触力的检测方法、装置、计算机设备、存储介质
CN116423523A (zh) * 2023-05-25 2023-07-14 上海电气集团股份有限公司 主从机器人的柔顺控制方法、系统、电子设备及存储介质
CN116652543A (zh) * 2023-06-16 2023-08-29 华中科技大学 用于产品自动装配的视觉阻抗控制方法及其系统、机器人
CN116512278B (zh) * 2023-06-26 2023-12-01 极限人工智能(北京)有限公司 基于虚拟目标点的机械臂末端直线运动控制方法及系统
CN116512278A (zh) * 2023-06-26 2023-08-01 极限人工智能(北京)有限公司 基于虚拟目标点的机械臂末端直线运动控制方法及系统
CN116787440A (zh) * 2023-07-14 2023-09-22 苏州智到得科技有限公司 一种基于大型语言模型的机器人运动控制方法
CN117086617A (zh) * 2023-07-31 2023-11-21 南京航空航天大学苏州研究院 一种基于阻抗参数优化的球头自适应入位方法
CN117086617B (zh) * 2023-07-31 2026-03-31 南京航空航天大学苏州研究院 一种基于阻抗参数优化的球头自适应入位方法
CN117325152A (zh) * 2023-09-11 2024-01-02 中山大学 一种阻抗控制方法
CN117325182A (zh) * 2023-11-20 2024-01-02 广东省科学院智能制造研究所 一种融合多自适应调控机制的机器人柔顺控制方法
WO2025129953A1 (zh) * 2023-12-22 2025-06-26 山东大学 基于有限元离散和模态降阶的柔性机械臂控制方法及系统
CN118123807A (zh) * 2023-12-22 2024-06-04 山东大学 基于有限元离散和模态降阶的柔性机械臂控制方法及系统
WO2025185018A1 (zh) * 2024-03-04 2025-09-12 中科新松有限公司 多关节机器人控制方法、系统和多关节机器人
CN118453142A (zh) * 2024-05-23 2024-08-09 哈尔滨思哲睿智能医疗设备股份有限公司 手术机器人控制方法、装置、电子设备及存储介质
CN118578379A (zh) * 2024-05-27 2024-09-03 电子科技大学 一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法
CN119017375A (zh) * 2024-07-24 2024-11-26 广东工业大学 一种基于自适应阻抗控制的机械臂打磨控制方法及系统
CN119057811A (zh) * 2024-11-04 2024-12-03 浙江大学 一种机器人通过处理大面积触觉信号实现全身柔顺的方法
CN119141552A (zh) * 2024-11-05 2024-12-17 四川大学 基于环境位置及刚度影响的机器人接触力稳定控制方法
CN119739036A (zh) * 2024-12-19 2025-04-01 山东省科学院激光研究所 骨折复位机器人变论域模糊自适应阻抗控制方法和系统
CN119871391A (zh) * 2024-12-31 2025-04-25 江苏集萃智能制造技术研究所有限公司 一种用于液压四足支撑卸力的自适应变阻抗算法
CN120038748A (zh) * 2025-02-25 2025-05-27 广东具身风暴机器人有限公司 一种理疗机器人控制方法、装置、设备及介质
CN119839863A (zh) * 2025-02-27 2025-04-18 北京科技大学 一种机械臂柔顺力跟踪系统及控制方法
CN119700314A (zh) * 2025-02-28 2025-03-28 上海微创医疗机器人（集团）股份有限公司 手术机器人系统
CN119871467A (zh) * 2025-03-31 2025-04-25 中国工程物理研究院计算机应用研究所 无力传感器的协作机器人主动柔顺交互控制方法及系统
CN120287311A (zh) * 2025-06-06 2025-07-11 纳博特南京科技有限公司 机器人跟踪未知曲面的自适应阻抗控制方法
CN120552078A (zh) * 2025-07-29 2025-08-29 长春工业大学 一种面向柔性驱动外骨骼的迭代学习阻抗控制算法
CN120735063A (zh) * 2025-09-08 2025-10-03 湖南大学 一种手术机器人自适应主从力跟踪控制系统
CN120791801A (zh) * 2025-09-11 2025-10-17 北京航空航天大学杭州创新研究院 基于模型预测控制的机器人变阻抗控制方法、系统和控制设备
CN121245863A (zh) * 2025-12-05 2026-01-02 新毅东(北京)科技有限公司 晶圆传输机械臂控制方法、系统及设备

Also Published As

Publication number Publication date
CN111730599B (zh) 2021-09-07
CN111730599A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
WO2022007358A1 (zh) 阻抗控制方法、装置、阻抗控制器和机器人
US11858141B2 (en) Impedance control method, and controller and robot using the same
CN110125936B (zh) 一种空间机器人的地面实验验证系统
CN103101053B (zh) 机器人控制系统、机器人系统以及传感器信息处理装置
Caccavale et al. The Tricept robot: dynamics and impedance control
CN106313044B (zh) 一种工业机器人前馈力矩补偿方法
CN111324146A (zh) 一种水下巡检机器人的轨迹跟踪控制方法
US20220193902A1 (en) Total centroid state estimation method, humanoid robot and computer readable storage medium using the same
CN108241339A (zh) 仿人机械臂的运动求解和构型控制方法
CN108406765B (zh) 一种开链式多臂机器人阻抗控制方法
JP6044511B2 (ja) ロボットの制御方法及びロボットシステム
CN112847373B (zh) 一种机器人轨迹同步控制方法、计算机可读存储介质
CN109426147B (zh) 捕获卫星后组合航天器的自适应增益调整控制方法
CN117124327B (zh) 一种基于控制障碍函数的机器人接触力约束控制方法
CN113799116A (zh) 直接力反馈控制方法、装置、控制器和机器人
CN116901057A (zh) 一种基于变阻抗策略的双机械臂末端位置协同控制方法
CN117784605A (zh) 基于参考模型的光学遥感卫星姿态规划与成像控制方法
CN113927603B (zh) 机械臂拖动控制方法、装置、计算机设备以及存储介质
CN118181292A (zh) 一种串联机械臂用多目标力位控制方法
CN119871467A (zh) 无力传感器的协作机器人主动柔顺交互控制方法及系统
CN112008731B (zh) 一种空中作业机器人的柔顺控制方法、装置、终端、系统及可读存储介质
CN116861596B (zh) 一种6自由度并联机器人的动力学建模方法及系统
CN108247636B (zh) 并联机器人闭环反馈控制方法、系统及存储介质
CN117032281A (zh) 一种六足机器人足端非奇异终端与广义阻抗混合控制方法
CN118906051B (zh) 一种面向运动目标的机械臂位姿跟踪控制方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20944137

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20944137

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205 DATED 15.05.2023)

122 Ep: pct application non-entry in european phase

Ref document number: 20944137

Country of ref document: EP

Kind code of ref document: A1