一种小型工业机械手的学习控制方法技术

本发明专利技术公开了一种小型工业机械手的学习控制方法。针对特定的重复性任务，获取抓手的期望运行轨迹之后，根据已知的机械手模型参数计算各关节角期望变化轨迹；执行单次任务的过程中，根据实际关节角大小与期望关节角大小之差实时修正初始控制信号，并将其设定为下一次任务的初始控制信号；利用执行任务过程中测得的抓手及各个关节角的实际轨迹，使用参数估计方法更新机械手模型参数，之后重复执行上述过程。本发明专利技术使用了学习控制方法，使得机械手在处理重复性任务时能够快速完成对期望轨迹的自动跟踪；另外，本发明专利技术通过参数估计方法，有效解决了机械手模型不准确时的自动控制问题，使得控制系统对于机械手模型精度的要求大大降低。

Learning control method for small industrial manipulator

The invention discloses a learning control method of a small industrial manipulator. For repetitive task specific, after obtaining the expected trajectory of the starting point, according to the manipulator model with known parameters calculation of each joint angle change expected trajectory; process performs a single task, according to the actual joint angle size and the desired joint angle difference of the real-time correction of initial control signal, and set it as the initial a control signal; the actual trajectory measured during task execution and the starting point of each joint angle, using the parameter estimation method to update the manipulator model parameters, then repeat the above process. The invention uses the learning control method, the robot can quickly complete the automatic tracking of the desired trajectory in handling repetitive tasks; in addition, the parameter estimation method through the invention, effectively solve the problem of automatic control of manipulator model is not accurate, the control system for the manipulator model precision is greatly reduced.

【技术实现步骤摘要】
一种小型工业机械手的学习控制方法
本专利技术属于机械手自动控制领域，具体涉及一种小型工业机械手的学习控制方法。
技术介绍
在轻、手工业的生产中，存在着大量高重复性、高强度、低技术含量的体力劳动。随着近年来我国生育率的降低和老龄化趋势的加深，我国劳动力人口总数下降，人力成本逐年上升，“机器替人”对企业带来的经济效益将越来越明显。工业机械手在轻、手工业行业生产过程中的作用将不可忽视。在汽车制造、电子工业等行业中，工业机械手及其配套控制方法已经被大范围推广使用且日趋成熟；但是，现有的成熟机械手系统大多使用ABB、松下等国外知名公司生产的高精度机械手，设备引进与维护成本都很高。轻、手工业生产过程对机械手系统精度往往没有过高的要求，而现有成熟技术的高昂成本却是很多中小型企业难以负担的。近年来，绝大多数关于工业机械手控制方法的研究都是以市面上常见的高端工业机械手作为被控对象，这一类机械手的主要特点是各旋转关节均由高精度伺服电机驱动，且机械手本身结构精密、模型精确。在轻、手工业生产过程中，一类由舵机(低成本小型伺服电机)驱动的小型工业机械手即可满足实际需求，且这种小型工业机械手相比于高端工业机械手具有明显的成本优势，更适合在生产中投入使用。然而对于这一类舵机驱动的小型工业机械手，目前还鲜有成熟有效的控制方法。
技术实现思路
由于现有技术难以解决舵机驱动的小型工业机械手的自动控制问题，本专利技术提出了一种小型工业机械手的学习控制方法，用于实现小型工业机械手的自动控制，使其自动完成重复性工作。为了实现上述的目的，本专利技术所采取的技术方案如下：小型工业机械手的学习控制方法，方法包含以下步骤：(1)针对目标重复性任务，通过离线轨迹规划或人工轨迹示教，获取抓手的期望运行轨迹，规定单次任务中抓手运行轨迹与期望轨迹之间的最大偏差；(2)根据步骤(1)中得到的抓手期望运行轨迹以及当前所采用的机械手的模型参数，计算得到机械手各关节角的期望变化轨迹；(3)向各关节的舵机输出初始控制信号，在机械手运行过程中，实时测量抓手的实际位置以及各个关节角的实际大小，根据实际关节角大小与期望关节角大小之差实时修正控制信号；(4)记录机械手运行过程中控制器实际输出的控制信号，并在本次任务结束后将其设定为下一次任务的初始控制信号；(5)利用步骤(3)中测量得到的单次任务中抓手的实际运行轨迹以及各个关节角的大小变化情况，使用参数估计方法获取机械手模型参数代替原有的模型参数，机械手回复至初始位置；(6)重复执行步骤(2)至(5)，直至单次任务过程中抓手的运行轨迹与期望轨迹之间的偏差小于步骤(1)中最大偏差。步骤(3)中实时修正控制信号的过程如下式所示：un+1(k)＝un(k)+KP[qd(k)-qn(k)]式中，k为单次任务中的运行时间，u为控制器输出信号，qn(k)为第n次任务中k时刻测得的机械手各关节角度，qd(k)为关节角的期望变化轨迹qd在k时刻的值；矩阵KP为学习控制的增益；un(k)为第n+1次执行任务时的初始控制信号在k时刻的值；当n＝0时，u0可以人为设定或默认为0。步骤(5)中的参数估计方法使用卡尔曼滤波算法；第n次任务中实际抓手轨迹yn与机械手模型参数之间的函数关系表示为下式：式中，φ(k+1)机械手模型参数在k+1时刻的估计值；C为观测矩阵，通过已知的机械手模型参数以及步骤(3)中测量得到的实际关节角轨迹xn计算得到；ω(k)与v(k)是相应维数的独立分布正态白噪声在k时刻的值；单次任务过程中ω(k)与v(k)的均值分别为q和r，协方差阵分别为Q和R；使用卡尔曼滤波法进行机械手模型参数估计的过程如下式所示：式中，为k时刻对机械手模型参数的估计值，yn(k)为第n次任务中k时刻的实际抓手轨迹；CT为C的转置；矩阵为初始时刻参数的估计值，实际计算时选取为本次任务开始时已知的机械手模型参数，P(0)为初始时刻机械手模型参数估计值的协方差阵，I为单位矩阵。本专利技术中提出的控制方法能够有效解决一种舵机驱动的小型工业机械手的控制问题。本专利技术的一个优点在于使用了学习控制的方法，在执行重复性任务的过程中，随着执行次数的上升，机械手抓手的运行轨迹与期望轨迹之间的偏差会逐渐减小。本专利技术的另一个优点在于，该方法能够应用于机械手模型与实际对象存在较大偏差的环境，在学习控制的过程中，控制器能够自动更新机械手模型参数。相比于现有的机械手控制方法，本专利技术提出的方法在处理舵机驱动的小型工业机械手的控制问题，尤其是在处理机械手已知模型与实际模型存在较大偏差情况下的控制问题时，具有非常明显的优势。附图说明图1是本专利技术提出的控制方法的流程图。图2是一种舵机驱动的具有5自由度的小型工业机械手，用于在仿真实验中验证本专利技术提出的控制方法。图3是本专利技术中对机械手参数更新的效果图。图4是本专利技术提出的控制方法应用于仿真系统时的控制效果图。具体实施方式下面结合附图和具体实施方式对本专利技术做进一步阐述和说明。本专利技术中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。图1为本专利技术提出的一种小型工业机械手的学习控制方法的流程图。为了方便说明本专利技术的特点与优势，下面将结合仿真实验说明本专利技术的具体步骤。仿真实验中使用一种具有5自由度的机械手作为被控对象。图2为该5自由度机械手的实际结构。该机械手的数学描述如(1)式所示。(1)式中，下标n代表第n次执行该任务；k为单次任务中的运行时间；x5×1为系统状态变量，其物理意义为图2中机械手的5个关节角的角度；u5×1为控制器输出，物理意义为5个舵机的转速；Δk为离散步长，物理意义为控制器输出的离散间隔；g(·)为机械手模型；y3×1为系统输出，其物理意义为机械手抓手位置的三维坐标。若无特殊说明，上述符号在后文中代表的意义不变。本专利技术的具体实施步骤如下：1、针对特定的重复性任务，通过离线轨迹规划或人工轨迹示教，获取抓手的期望运行轨迹，规定单次任务中抓手运行轨迹与期望轨迹之间的最大偏差。记抓手期望运行轨迹为yd，三个分量代表抓手位置的三个坐标。2、根据1中得到的抓手期望运行轨迹以及已知的机械手模型参数，计算得到机械手各关节角的期望变化轨迹。记关节角的期望变化轨迹为qd，五个分量对应五个关节角。机械手模型参数使用D-H表示法表示。表1为本实施例中机械手真实参数，表2为已知的具有偏差的模型参数。由于该偏差的存在，即使机械手各个关节角达到了步骤2中计算得到的qd，机械手抓手的实际运行轨迹也将与步骤1中设定的期望运行轨迹yd存在较大偏差。表1.机械手真实D-H参数表表2.已知的具有偏差的机械手D-H参数表3、向舵机输出初始控制信号，在机械手运行过程中，实时测量抓手的实际位置以及各个关节角的实际大小，根据实际关节角大小与期望关节角大小之差实时修正控制信号。步骤3中使用了学习控制的方法实时修正控制信号。修正控制信号的过程如(2)式所示。式中，k为单次任务中的运行时间，u为控制器输出信号，qn(k)为第n次任务中k时刻测得的机械手各关节角度，qd(k)为关节角的期望变化轨迹qd在k时刻的值。矩阵KP为学习控制的增益，本实施例中选取为单位矩阵I5×5。un(k)为第n+1次执行任务时的初始控制信号在k时刻的值。当n＝0时，u0可以人为设定，或默认为0(本实施例本文档来自技高网...

【技术保护点】
一种小型工业机械手的学习控制方法，其特征在于：方法包含以下步骤：(1)针对目标重复性任务，通过离线轨迹规划或人工轨迹示教，获取抓手的期望运行轨迹，规定单次任务中抓手运行轨迹与期望轨迹之间的最大偏差；(2)根据步骤(1)中得到的抓手期望运行轨迹以及当前所采用的机械手的模型参数，计算得到机械手各关节角的期望变化轨迹；(3)向各关节的舵机输出初始控制信号，在机械手运行过程中，实时测量抓手的实际位置以及各个关节角的实际大小，根据实际关节角大小与期望关节角大小之差实时修正控制信号；(4)记录机械手运行过程中控制器实际输出的控制信号，并在本次任务结束后将其设定为下一次任务的初始控制信号；(5)利用步骤(3)中测量得到的单次任务中抓手的实际运行轨迹以及各个关节角的大小变化情况，使用参数估计方法获取机械手模型参数代替原有的模型参数，机械手回复至初始位置；(6)重复执行步骤(2)至(5)，直至单次任务过程中抓手的运行轨迹与期望轨迹之间的偏差小于步骤(1)中规定的最大偏差。

【技术特征摘要】
1.一种小型工业机械手的学习控制方法，其特征在于：方法包含以下步骤：(1)针对目标重复性任务，通过离线轨迹规划或人工轨迹示教，获取抓手的期望运行轨迹，规定单次任务中抓手运行轨迹与期望轨迹之间的最大偏差；(2)根据步骤(1)中得到的抓手期望运行轨迹以及当前所采用的机械手的模型参数，计算得到机械手各关节角的期望变化轨迹；(3)向各关节的舵机输出初始控制信号，在机械手运行过程中，实时测量抓手的实际位置以及各个关节角的实际大小，根据实际关节角大小与期望关节角大小之差实时修正控制信号；(4)记录机械手运行过程中控制器实际输出的控制信号，并在本次任务结束后将其设定为下一次任务的初始控制信号；(5)利用步骤(3)中测量得到的单次任务中抓手的实际运行轨迹以及各个关节角的大小变化情况，使用参数估计方法获取机械手模型参数代替原有的模型参数，机械手回复至初始位置；(6)重复执行步骤(2)至(5)，直至单次任务过程中抓手的运行轨迹与期望轨迹之间的偏差小于步骤(1)中规定的最大偏差。2.根据权利要求1所述的一种小型工业机械手的学习控制方法，其特征在于，步骤(3)中实时修正控制信号的过程如下式所示：un+1(k)＝un(k)+KP[qd(k)-qn(k)]式中...

【专利技术属性】
技术研发人员：宋春跃，林清钊，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33