一种非均匀牵引力机械臂末端牵引遥操作控制方法与流程

本发明涉及机械臂控制领域，具体涉及一种非均匀牵引力机械臂末端牵引遥操作控制方法。

背景技术：

目前，机器人技术发展迅速。对于一些简单的结构化场景，机器人已经能实现完全自主作业。但是对于一些复杂、未知、危险的非结构化环境，机器人还不能实现完全的自主作业，其主要工作方式仍然依靠遥操作技术。主端操作者通过人机交互技术将操作者意图融合到机器人的实时控制中，这种融合了人类智慧的遥操作控制技术能够提高非结构化环境下机器人的作业能力。比如，人类可以通过人机交互遥操作技术控制移动机器人进入危险环境中执行任务，如核电站检修、排爆、放射物处置、深海探测等。这类移动机器人一般都会搭载一个多自由度机械臂。这类作业任务的成功与否及作业效率的高低，依赖于主端操作者对多自由度机械臂的操作水平和熟练程度。

末端轨迹控制是机械臂的一种常见控制模式。在这种控制模式中，操作者首先通过人机交互设备生成三维空间的运动轨迹，并将三维空间的运动轨迹映射为机械臂末端运动空间中的运动轨迹，然后通过机器人逆运动学算法求解机械臂在关节空间的关节解，最后通过轨迹跟踪算法使机械臂各个关节跟踪关节解，即可实现操作者对机械臂的末端轨迹控制(也即末端牵引控制)。

发明人发现，目前操作者通过人机交互设备(如鼠标、手势、手柄或摇杆等)对机械臂实施末端牵引的过程中，极有可能出现非均匀牵引的情况(如手抖)。非均匀牵引会导致牵引轨迹的加速度发生突变。经过机器人逆运动学求解后，牵引轨迹对应的期望关节轨迹也会出现加速度突变。由于机械臂系统是非线性强耦合系统，机械臂系统的每个关节在跟踪带有加速度突变的期望关节轨迹时，会导致关节空间关节角加速度的剧烈变化从而导致机械臂关节颤振。而机械臂关节的颤振很有可能会导致机械臂末端发生剧烈波动甚至导致机械臂无法实现轨迹跟踪。

技术实现要素：

针对现有技术存在的不足，本发明的目的是提供一种非均匀牵引力机械臂末端牵引遥操作控制方法，该装置可以解决非均匀牵引时加速度突变导致的机械臂无法实现轨迹跟踪的问题，实现人机交互设备对机械臂的快速、稳定地高精度末端牵引控制，并且避免因为非均匀牵引导致的关节颤振及机械臂不受控的情况。

为了实现上述目的，本发明是通过如下的技术方案来实现：

一种非均匀牵引力机械臂末端牵引遥操作控制方法，包括以下步骤：

获取交互设备输入的轨迹并映射为机械臂运动空间中的牵引轨迹；

求解牵引轨迹在机械臂关节空间中每个关节的期望关节轨迹；

为每个关节引入一个虚拟控制量，将机械臂系统解耦为单输入-单输出的关节组；

对每个关节配置一种自抗扰滑模控制器减弱期望关节轨迹中出现的加速度突变，并将其输出值作为每个关节的虚拟控制量，使每个关节跟踪对应关节期望关节轨迹；

将所有关节的虚拟控制量还原为机械臂整体的实际控制量，并对实际控制量进行去噪后发送给遥操作机械臂的驱动器，实现机械臂末端对牵引轨迹的跟踪。

进一步地，对于轨迹的映射包括以下步骤：

建立机械臂的正运动学方程，设定各个关节角的运动范围，并获取机械臂末端在空间内的运动范围；

依据交互设备的活动自由度，设定交互设备多个活动自由度的活动范围与机械臂末端多个维度的运动范围相对应，并实现匹配。

进一步地，交互设备某一自由度的运动范围与机械臂末端在空间某一维度运动范围对应，交互设备产生的牵引轨迹映射为机械臂在空间内的牵引轨迹，并对牵引轨迹进行低通滤波去除非均匀牵引导致的高频噪声。

进一步地，通过机械臂的d-h参数建立机械臂的正运动学方程，使用蒙特卡洛算法来获取机械臂末端在笛卡尔空间内的运动范围。

进一步地，对机械臂系统解耦时，将多输入-多输出的非线性、强耦合机械臂系统解耦为单输入-单输出的关节组。

进一步地，对于自抗扰滑模控制器的设计过程包括以下步骤：

设计微分跟踪器对期望关节轨迹进行滤波，并计算其速度；

计算设计模型辅助扩张状态观测器实现对每个关节的干扰的在线估计及消除；

设计每个关节的滑模控制器，将滑模控制器的输出值作为每个关节的虚拟控制量。

进一步地，所述滑模控制器包括滑动均值滤波器，对期望关节轨迹中出现的加速度突变进行减弱。

进一步地，在实际控制量发送给机械臂的驱动器之前，对实际控制量进行低通滤波处理，去除机械臂实际控制量的高频波动。

进一步地，所述交互设备为人机交互设备，在外部控制下产生牵引轨迹并映射到机械臂。

进一步地，通过机器人逆运动学算法求解牵引轨迹在机械臂空间中每个关节的期望关节轨迹。

上述本发明的实施例的有益效果如下：

(1)适用于非均匀牵引情况的机械臂末端牵引遥操作控制方法，能够将实现人机交互设备对机械臂的快速、稳定地高精度末端牵引控制，并且避免因为非均匀牵引导致的关节颤振及机械臂不受控的情况；

(2)在求解期望关节轨迹前，采用低通滤波器可以滤掉非均匀牵引导致的高频噪声，在配置滑模控制器时设置的滑动均值滤波器可减弱期望关节轨迹中出现的加速度突变，在输入实际控制量时设置的低通滤波器可以避免机械臂实际控制量的高频波动，从而避免操作者通过人机交互设备对机械臂实施末端牵引的过程中因为非均匀牵引导致机械臂关节的颤振；

(3)设计的自抗扰滑模控制器能够将非均匀牵引对机器人关节带来冲击的视为干扰，并能够在线估计干扰的大小并消除这种冲击干扰，使每个关节能够快速、准确、稳定地跟踪末端牵引轨迹对应的关节轨迹。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是本发明根据一个或多个实施方式的机械臂末端牵引遥操作控制方法的原理示意图。

图2是本发明根据一个或多个实施方式的自抗扰滑模控制器的原理示意图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合；

实施例一：

本发明的一种典型实施例中，给出一种非均匀牵引力机械臂末端牵引遥操作控制方法，如图1-图2所示。

包括以下步骤：

获取交互设备输入的轨迹并映射为机械臂运动空间中的牵引轨迹；

求解牵引轨迹在机械臂关节空间中每个关节的期望关节轨迹；

为每个关节引入一个虚拟控制量，将机械臂系统解耦为单输入-单输出的关节组；

对每个关节配置一种自抗扰滑模控制器减弱期望关节轨迹中出现的加速度突变，并将其输出值作为每个关节的虚拟控制量，使每个关节跟踪对应关节期望关节轨迹；

将所有关节的虚拟控制量还原为机械臂整体的实际控制量，并对实际控制量进行去噪后发送给遥操作机械臂的驱动器，实现机械臂末端对牵引轨迹的跟踪。

具体的，结合附图，对其具体工作过程进行详细描述：

包括如下步骤：

步骤1、将人机交互设备产生的牵引轨迹puvw映射为n关节机械臂运动空间中的牵引轨迹pxyz；

步骤2、对牵引轨迹pxyz进行低通滤波后得到xd，从而过滤掉非均匀牵引导致的高频噪声；

步骤3、通过机器人逆运动学算法求解牵引轨迹在n关节机械臂关节空间中每个关节的期望关节轨迹[θ1d～θnd]；

步骤4、为每个关节i引入一个虚拟控制量ui，将多输入-多输出的非线性、强耦合机械臂系统解耦为单输入-单输出的关节组；

步骤5、为机械臂的每个关节i设计一种自抗扰滑模控制器，并将自抗扰滑模控制器的输出值作为每个关节i的虚拟控制量ui，使每个关节i能够跟踪对应关节的期望关节轨迹θ1i；

步骤6、将所有关节的虚拟控制量[u1～un]还原为机械臂整体的实际控制量u＝[u1～un]，并对实际控制量u进行低通滤波后得到的控制力拒τ发送给遥操作机械臂的驱动器，实现机械臂末端对牵引轨迹的跟踪，从而实现人机交互设备对机械臂末端的牵引。

在步骤2中设置的低通滤波器可以滤掉非均匀牵引导致的高频噪声。

进一步的，所述步骤1中的牵引轨迹映射方法具体步骤如下：

步骤1.1、通过机械臂的d-h参数建立机械臂的正运动学方程，设定各个关节角的运动范围，使用蒙特卡洛算法来获取机械臂末端在笛卡尔空间内的运动范围；

步骤1.2、人机交互设备(如鼠标或摇杆等)一般有多个活动自由度，设定人机交互设备的某个活动自由度w的运动范围为[wmin,wmax]，设定机械臂末端在笛卡尔空间某个维度z运动范围为[zmin,zmax],则人机交互设备(如摇杆或鼠标等)产生的牵引轨迹puvw可映射为机械臂所在笛卡尔空间内的牵引轨迹pxyz，其中puvw在活动自由度w上的牵引轨迹分量pw可映射为机械臂所在的笛卡尔空间内某个维度z上的牵引轨迹分量pz，其中pz的表达式为：

通过以上轨迹映射，可使人机交互设备的多个活动自由度的运动范围与机械臂在笛卡尔空间多个维度的运动范围完全匹配，从而可使人机交互设备牵引机械臂到达机械臂自由空间中的任意位置。

进一步的，所述步骤4中的多输入-多输出的非线性、强耦合机械臂系统的动力学模型可写为下式所示的状态空间方程：

其中，x1＝q，τ＝u，b(x1)＝m0(x1)^-1,f(x1,x2)＝-m0(x1)^-1[c0(x1,x2)x2+g0(x1)],d(x1)＝m0(x1)^-1τd；q∈r^n×1,为关节位置、关节速度和关节加速度的向量；τ和u表示为机械臂的驱动力矩也即机械臂的实际控制量；τd∈r^n×1代表机械臂的未建模项、摩擦和未知干扰等；m0(x1)∈r^n×n为机械臂的正定惯性矩阵的名义模型；c0(x1,x2)∈r^n×n为机械臂的离心力和哥氏力项的名义模型；g0(x1)∈r^n×1为机械臂的重力项的名义模型；f(x1,x2)∈r^n×1为机械臂的摩擦力；

为了实现将多输入-多输出的非线性、强耦合机械臂系统解耦为单输入-单输出的关节组，定义x＝[x1x2…xn]^t,f＝[f1f2…fn]^t,u＝[u1u2…un]^t,d＝[d1d2…dn]^t,引入“虚拟控制量”u＝b(x1)u,其中u＝[u1u2…un]^t，则机械臂的状态方程(2)变为：

则机械臂的状态方程(2)表示的多输入-多输出的非线性、强耦合机械臂系统可解耦为单输入-单输出的关节组，其中关节组中的第i个关节的输入控制量ui与输出yi之间的单输入-单输出关系可由下式表示：

其中，xi1为第i个关节的关节位置，xi2为第i个关节的关节速度，和则代表第i个关节的关节位置的导数(即第i个关节的关节速度)和第i个关节的关节速度的导数(即第i个关节的关节加速度)，ui为虚拟控制量的第i个分量，yi为第i个关节的关节位置，di(xi1)可表示非均匀牵引对第i个关节带来的干扰；

进一步的，所述步骤5中的自抗扰滑模控制器的设计方法具体步骤如下：首先设计微分跟踪器实现对期望关节轨迹进行滤波，并计算其速度，然后设计模型辅助扩张状态观测器实现对每个关节的干扰的在线估计及消除，最后设计每个关节的滑模控制器，并将滑模控制器的输出值作为每个关节的虚拟控制量，使机械臂的各个关节跟踪对应的期望关节轨迹；

自抗扰滑模控制器能够将非均匀牵引对机器人关节带来冲击的视为干扰，并能够在线估计干扰的大小并消除这种冲击干扰，使每个关节能够快速、准确、稳定地跟踪末端牵引轨迹对应的关节轨迹；

进一步的，微分跟踪器可设计为(5)式所示的离散形式：

其中k为第k个采样时刻，xi1d和xi2d为第i个关节的期望状态，h为采样周期，θid为待跟踪的输入信号，ri0表示跟踪快慢的参数，hi0为有别于采样周期h的步长，fanh(xi1d(k)-θid,xi2d(k),ri0,hi0)可设计为(6)式所示：

模型辅助扩张状态观测器可设计为(7)式所示：

其中，βi1，βi2，βi3为观测器误差反馈增益，其值为大于零的常数；为yi的估计值，为的估计值，为di(xi1)的估计值；fal函数可由式(8)表示：

式(7)中ei为输入误差变量；αi为非线性因子且0<αi<1；δi为滤波因子；

第i个关节的滑模控制算器可设计为(9)式：

其中，ui为第i个关节的虚拟控制量，ki为大于零的常数，参数ci为大于零的常数，为第i个关节的轨迹跟踪误差，为第i个关节的轨迹跟踪误差的导数，其表达式为为对期望关节加速度进行滑动均值滤波之后的值，其滑动均值滤波器可由(10)式所示离散形式表示：

其中，k为第k个采样时刻，n为滑动平均滤波器的长度。

进一步的，所述步骤6中，机械臂的实际控制量u可表示为u＝b^-1(u)；为避免机械臂的抖振，在将实际控制量u输入给机械臂前，对滑模控制量进行低通滤波处理。

在步骤5中设置的滑动均值滤波器可减弱期望关节轨迹中出现的加速度突变，在步骤6中设置的低通滤波器可以避免机械臂实际控制量的高频波动，从而避免操作者通过人机交互设备对机械臂实施末端牵引的过程中因为非均匀牵引导致机械臂关节的颤振。

机械臂末端牵引遥操作控制方法能够将实现人机交互设备对机械臂的快速、稳定地高精度末端牵引控制，并且避免因为非均匀牵引导致的关节颤振及机械臂不受控的情况。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除