模块化机器人分散控制方法及系统技术方案

本发明专利技术提供一种模块化机器人分散控制方法及系统，根据用户需求，基于构型库和关节注册表信息确定构型；进行运动规划；然后进行3D仿真验证；待仿真无误后生成位置执行指令，将指令传输给智能关节；智能关节在动力学解耦的基础上，只基于自身信息采用关节复合控制算法实现关节轨迹跟踪控制，最终实现整个机器人系统的控制。本发明专利技术根据需要在构型库和关节注册表的基础上确定构型，并对构型进行仿真，这避免了人为选择构型的困难，且通过仿真验证构型与轨迹规划的可行性，减少了不必要的错误，采用在关节动力学解耦的基础上，只根据本关节信息实现关节轨迹跟踪的分散控制结构，较传统集中控制和分布式控制更符合可重构的思想，提高了效率。

Decentralized control method and system for modular robot

The invention provides a decentralized control method and system for modular robots. According to user needs, the configuration is determined based on the configuration library and the information of the joint registry. The motion planning is carried out, and then the 3D simulation verification is carried out. The instructions are generated after the simulation is unmistakable, and the instructions are transferred to the intelligent joint; the intelligent joint is solved in the dynamic solution. On the basis of the coupling, the articulation control algorithm is used to realize the joint trajectory tracking control based on the self information, and finally the whole robot system is controlled. This invention determines the configuration on the basis of the configuration library and the joint registry, and simulates the configuration. This avoids the difficulty of the artificial selection of the configuration, and the feasibility of the configuration and trajectory planning is verified by simulation, and the unnecessary errors are reduced. On the basis of the joint dynamic decoupling, the joint is only based on the joint. The decentralized control structure of information tracking for joint trajectory is more consistent with reconfigurable thought and efficiency than traditional centralized control and distributed control.

【技术实现步骤摘要】
模块化机器人分散控制方法及系统
本专利技术涉及一种模块化机器人分散控制方法及系统。
技术介绍
机器人在现在的生产、生活中扮演着越来越重要的角色，尤其通用性较强的模块化机器人。模块化机器人是一种以模块化关节、连杆及标准电气接口为基础，能够根据环境和任务需要自动或人为改变自身构型适应新的工作任务的机器人。传统集中式控制结构只有一个控制中心，对信息进行统一处理，需要占用大量的计算资源，当系统复杂时，无法有效保证系统实时性与稳定性。分布式控制虽然设有多个分控制中心，但各控制中心相互之间仍需要相互协商处理任务，一个控制中心出问题时，会影响整个控制系统，不符合重构的思想。由于模块化机器人具有构型可变、不确定性强的特点，基于以上两种控制结构的控制算法不满足目前模块化机器人控制的要求，需要提高模块化机器人性能需研究新的控制结构与算法。
技术实现思路
本专利技术的目的是提供一种模块化机器人分散控制方法及系统解决现有技术中存在的控制算法不满足目前模块化机器人控制的要求，需要提高模块化机器人性能的问题。本专利技术的技术解决方案是：一种模块化机器人分散控制方法，包括以下步骤，S1、上位机根据用户需求，结合关节注册表中显示的可用智能关节信息，排除包含故障智能关节的构型，进而由构型库推荐构型；采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；S2、在确定构型的基础上，在3D虚拟仿真界面按任务需要进行运动轨迹规划，待轨迹规划完成无误后自动生成发送给智能关节的位置指令执行代码；将代码通过EtherCAT通讯总线分发给智能关节；S3、智能关节接收上位机的位置指令代码，综合该智能关节的自身信息，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节的中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令；S4、将关节运动量q通过EtherCAT总线反馈给上位机，上位机根据智能关节运动情况，进行整体运动规划调整，进而实现机器人整体运动控制。进一步地，步骤S3中，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节的中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令，具体为：S31、将n关节模块化机器人视为n个相互独立的单输入单输出智能体，将由运动引起的关节耦合视为干扰，n关节模块化机器人动力学方程为：式中，M(q)表示惯量矩阵，表示向心力与哥式力矩矢量，表示摩擦力矩矢量，G(q)表示重力矩矢量，τ表示电机输出力矩，由于M(q)由常数项和位形依赖项ΔM(q)组成，即将其带入(1)式，可得：式(3)中d表示非线性互作用不确定干扰，式(2)中可以分为两个子系统：一个是以τ为输入，q为输出的线性解耦系统；另一个是以q,为输入，d为输出的非线性耦合系统；针对某一关节i而言，其他关节的相互作用可由式(4)中d的第i个元素描述；S32、针对步骤S31的分散控制解耦结构，采用关节复合控制算法即神经网络补偿与计算力矩复合算法实现对关节位置指令的追踪，该算法有计算力矩算法与基于径向基函数神经网络算法两部分组成，由计算力矩控制算法实现线性解耦方法控制，由基于径向基函数RBF神经网络算法实现非线性耦合方法的逼近补偿。进一步地，步骤S1中，在智能关节与上位机连接时，将智能关节中关节控制器收集的智能关节的自身信息在上位机的关节注册表里进行在线登记，确定该智能关节的性能状况。进一步地，步骤S1中，构型库是由智能关节与连杆重构组装获得的多种构型集合，其中智能关节包括智能转动关节和智能移动关节。一种实现上述任一项所述的模块化机器人分散控制方法的模块化机器人分散控制系统，包括上位机和若干智能关节，上位机：根据用户需求，结合关节注册表中显示的可用智能关节信息，排除包含故障智能关节的构型，进而由构型库推荐构型；采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；在确定构型的基础上，在3D虚拟仿真界面按任务需要进行运动轨迹规划，待轨迹规划完成无误后自动生成发送给智能关节的位置指令执行代码；将代码通过EtherCAT通讯总线分发给智能关节；智能关节：接收上位机的位置指令代码，综合该智能关节的自身信息，基于机器人动力学分散式控制结构进行关节位置跟踪控制，中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令；将关节运动量q通过EtherCAT总线反馈给上位机，上位机根据智能关节运动情况，进行整体运动规划调整。进一步地，智能关节包括关节控制器、供电模块、电机驱动器、中空电机、电机端编码器、谐波减速器、力矩传感器、关节端编码器、刹车机构和关节壳体，关节控制器分别与电机驱动器、电机端编码器、力矩传感器、关节端编码器、刹车机构进行连接，供电模块与关节控制器、电机驱动器、中空电机、电机端编码器、力矩传感器、关节端编码器、刹车机构连接，中空电机、关节控制器、电机驱动器、供电模块、刹车机构分别通过螺栓与关节壳体固连，中空电机通过传动轴与谐波减速器连接，谐波减速器与力矩传感器通过螺栓固连，力矩传感器通过输出轴与连杆连接。本专利技术的有益效果是：一、该种模块化机器人分散控制方法及系统，采用分散式控制结构将关节视为单输入单输出智能体，在解耦的基础上各关节只需本身关节动力学等信息就可以实现关节良好控制，相比传统集中式和分布式控制结构更利于实现模块化机器人重构。二、本专利技术中所述的智能关节由传动系统、多传感器系统和关节控制器组成，相比于传统关节更为先进，高效。采用基于谐波减速器的传动系统增加了关节柔性同时也降低了关节质量，缩小了体积。先进的关节控制器与多传感融合技术也保证了关节运行的高精度和高稳定性。三、本专利技术中上位机根据需要在构型库和关节注册表的基础上可以确定构型，并对构型进行仿真。这避免了人为选择构型的困难，且通过仿真验证构型与轨迹规划的可行性，减少了不必要的错误，采用在关节动力学解耦的基础上，只根据本关节信息实现关节轨迹跟踪的分散控制结构，较传统集中控制和分布式控制更符合可重构的思想，提高了效率。附图说明图1是本专利技术实施例模块化机器人分散控制方法的流程示意图；图2是实施例中智能关节分散解耦控制的说明框图；图3是实施例中构型库中的一个典型构型的说明示意图；图4是实施例中构型库中的另一个典型构型的说明示意图。图5是本专利技术实施例模块化机器人分散控制系统的说明框图；图6是实施例中智能关节的结构示意图；其中，1-智能关节，2-连杆；11-关节端编码器，12-力矩传感器，13-中空电机，14-电源模块，15-关节控制器，16-刹车机构，17-输出轴，18-谐波减速器，19-传动轴，110-电机驱动器，111-电机端编码器，112-关节壳体。具体实施方式下面结合附图详细说明本专利技术的优选实施例。实施例实施例的一种模块化机器人分散控制方法及系统，该控制系统由上位机和智能关节1两部分组成，通过EtherCAT总线连接。首先根据用户需求，基于构型库和关节注册表信息确定构型；进行运动规划；然后进行3D仿真验证；待仿真无误后生成位置执行指令，将指令通过EtherCAT总线传输给智能关节1中的关节控制器15；关节控制器15作为智能关节1的控制中心，综合力矩传感器12、编码器等各信息，基于分散式关节控本文档来自技高网...

【技术保护点】
1.一种模块化机器人分散控制方法，其特征在于：包括以下步骤，S1、上位机根据用户需求，结合关节注册表中显示的可用智能关节信息，排除包含故障智能关节的构型，进而由构型库推荐构型；采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；S2、在确定构型的基础上，在3D虚拟仿真界面按任务需要进行运动轨迹规划，待轨迹规划完成无误后自动生成发送给智能关节的位置指令执行代码；将代码通过Ether CAT通讯总线分发给智能关节；S3、智能关节接收上位机的位置指令代码，综合该智能关节的自身信息，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节的中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令；S4、将关节运动量q通过Ether CAT总线反馈给上位机，上位机根据智能关节运动情况，进行整体运动规划调整，进而实现机器人整体运动控制。

【技术特征摘要】
1.一种模块化机器人分散控制方法，其特征在于：包括以下步骤，S1、上位机根据用户需求，结合关节注册表中显示的可用智能关节信息，排除包含故障智能关节的构型，进而由构型库推荐构型；采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；S2、在确定构型的基础上，在3D虚拟仿真界面按任务需要进行运动轨迹规划，待轨迹规划完成无误后自动生成发送给智能关节的位置指令执行代码；将代码通过EtherCAT通讯总线分发给智能关节；S3、智能关节接收上位机的位置指令代码，综合该智能关节的自身信息，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节的中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令；S4、将关节运动量q通过EtherCAT总线反馈给上位机，上位机根据智能关节运动情况，进行整体运动规划调整，进而实现机器人整体运动控制。2.根据权利要求1所述的一种模块化机器人分散控制方法，其特征在于：步骤S3中，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节的中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令，具体为：S31、将n关节模块化机器人视为n个相互独立的单输入单输出智能体，将由运动引起的关节耦合视为干扰，n关节模块化机器人动力学方程为：式中，M(q)表示惯量矩阵，表示向心力与哥式力矩矢量，表示摩擦力矩矢量，G(q)表示重力矩矢量，τ表示电机输出力矩，由于M(q)由常数项和位形依赖项ΔM(q)组成，即将其带入(1)式，可得：式(3)中d表示非线性互作用不确定干扰，式(2)中可以分为两个子系统：一个是以τ为输入，q为输出的线性解耦系统；另一个是以q,为输入，d为输出的非线性耦合系统；针对某一关节i而言，其他关节的相互作用可由式(4)中d的第i个元素描述；S32、针对步骤S31的分散控制解耦结构，采用关节复合控制算法即神经网络补偿与计算力矩复合算法实现对关节位置指令的追踪，该算法有计算力矩算法与基于径向基函数神经网络算法两部分组成，由计算力矩控制算法实现线性解耦方法控制，...

【专利技术属性】
技术研发人员：朱松青，李永，高海涛，许有熊，韩亚丽，郝飞，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏,32