一种超冗余机械臂的控制方法技术

本发明专利技术提供一种超冗余机械臂的控制方法,包括如下步骤：S1、根据机械臂的运动学分析，得到模块化关节自由度变量和对应的驱动绳索长度之间的关系；S2、测量出机械臂各个关节位置参数，得到实际的驱动线绳长度；S3、通过对柔性机械臂的参数进行辨识，补偿机械臂的驱动绳长，从而做到对机械臂的精确控制。本发明专利技术使复杂的参数补偿变成了简单的驱动线绳长的补偿；进而通过对柔性机械臂的参数进行辨识，做到对机械臂的精确控制。

A Control Method of Super Redundant Manipulator

【技术实现步骤摘要】
一种超冗余机械臂的控制方法
本专利技术涉及一种超冗余机械臂的控制方法。
技术介绍
在抢险救灾、辐射设备的故障检修、有毒材料的采样、管道泄露监测等方面，操作空间狭小且面临较大危险，不适合人类或大型装备进入现场开展工作。同时由于传统的关节式机器人的机电部件安装于机械臂杆件连接处，且质量较大，外形尺寸和载荷比难以满足狭小空间作业的要求，因此，体型纤细、运动灵活的超冗余机械臂成为解决这些复杂问题的一个重要选择。但是该机械臂环节众多，结构较为复杂，对于它的运动学参数辨识便成了一个难题，从而造成了精准控制的难题。图1是线绳驱动超冗余机械臂模型的一个关节段，该超冗余机械臂由多个相同的关节段组成，对于每个关节段而言，又有若干个联动十字轴关节，联动关节之间建立了关联坐标系。根据建立的关节坐标系，可以得到其对应的D-H参数表如表1所示。所谓D-H参数即为机械臂相邻关节之间的角度与偏移量，用来建立相邻关节之间的转换关系。考虑到柔性机械臂关节段的小关节之间采用了联动的运动方式，在任何的构型下各个旋转轴之间理论上具有等角度的约束关系。因此对于任意的关节段m其正运动学只需利用两个变量进行表示即可，表示为公式1：7sm＝1Tm，2·2Tm，3·3Tm，4·4Tm，5…10Tm，11·11Tm，13＝f(θ2m-1，θ2m)表1：联动关节段DH参数表虽然有多种方法可以解算出驱动空间与关节空间之间的正逆运动学。然而，在柔性机械臂实际工作过程中，由于外界各种因素以及机械臂线绳受到拉力变形情况的影响，线绳长度发生变化。此时，我们求运动学正解时，给定三根驱动线绳的长度值时，关节空间的两个角度变量发生了偏差，从而得不到精确的末端位置。因此，我们需要通过对柔性机械臂的参数进行辨识，补偿机械臂的驱动绳长，从而做到对机械臂的精确控制。对于传统的机器人进行参数辨识从而做到对机械臂的精确控制，一般会进行如下几个步骤：1)运动学建模；2)位姿测量；3)参数求解；4)参数补偿。对于机器人的参数辨识，传统的辨识算法有：扩展卡尔曼滤波法、Levenberg-Marquardt算法、递归线性方程和扩展卡尔曼滤波法、基于S模型的旋转半径法、极大似然方法。这些方法有明显的优缺点，扩展卡尔曼滤波法用来进行运动学参数辨识，它是经典的求解非线性系统的方法，能够处理参数估计中的不确定问题。但是该方法没有考虑误差分布情况，有时参数辨识精度较低，且容易发散。Levenberg-Marquardt算法是将梯度下降法和牛顿法结合起来，算法局部收敛性强、收敛快，鲁棒性强，但是计算所占内存空间较大。线绳驱动超冗余机械臂，由于关节数目多，运动情况复杂，以上传统辨识方法难以使用。现有技术对于超冗余柔性机械臂的参数辨识一般通过对关节角进行直接补偿与操作，运算难度大，参数多，难以得到比较精确的结果。另外，现有技术还有如下缺点：·基于运动学模型进行参数建模，难以找到驱动空间发生变化时，参数变化导致的末端误差规律，进而无法对机械臂进行补偿；·基于具体模型进行建模，参数发生改变时，建模方法也发生改变，针对不同的模型，算法移植性不强；·对机器人进行参数辨识时，计算方法复杂，算法复杂度较高，计算时间比较长。
技术实现思路
本专利技术的目的是为了解决现有技术中的不能很好补偿机械臂的驱动绳长问题，提出一种超冗余机械臂的控制方法。为解决上述技术问题，本专利技术提出一种超冗余机械臂的控制方法，包括如下步骤：S1、根据机械臂的运动学分析，得到模块化关节自由度变量和对应的驱动绳索长度之间的关系；S2、测量出机械臂各个关节位置参数，得到实际的驱动线绳长度；S3、通过对柔性机械臂的参数进行辨识，补偿机械臂的驱动绳长，从而做到对机械臂的精确控制。在本专利技术的一些实施例中，还包括如下特征：步骤S1包括：S11、解算出操作空间和关节空间之间正逆运动学的关系，得到机械臂末端位姿在三维空间与模块化关节两个自由度变量之间的关系，得到机械臂末端位姿在三维空间与模块化关节两个自由度变量之间的关系；S12、解算绳索驱动空间与关节空间的正逆运动学的关系，得到模块化关节两个自由度变量ψ、α和对应的三个驱动绳索长度li之间的关系。步骤S2中，得到实际的驱动线绳长度的方法是：通过对位置参数进行处理，得到关节角参数，通过运动学逆解，解算出关节空间与驱动空间的关系，得到实际的三个驱动线绳长度。步骤S3中，利用对神经网络模型进行训练而得到的实时补偿模型，对驱动空间的三根驱动绳进行补偿。步骤S3中得到实时补偿模型的方法是：以理论上的三根驱动线绳长度为输入，以解算的三个驱动线长为输出，基于数据源，建立神经网络模型并进行训练，得到实时补偿模型。步骤S2中，测量系统，包括多个标定相机，通过多个相机与定位杆件建立一个基坐标系，通过在待测量物体上放置靶球，利用反射原理，对靶球进行定位，从而得到物体相对于基坐标系的实际坐标值。通过在机械臂关节上放置多个靶球，对靶球进行位置跟踪，得出关节上点的位置信息，对位置信息进行处理和解算，得出关节的运动情况。对于测量点的位置信息，得到测量点的位置矩阵，对位置进行转化，得到关节角信息，最终带入运动学模型，求解多组驱动线长的实际值；批量保存三根驱动绳长的理论值与实际值，建立数据集。步骤S3中，建立以原始理论绳长为输入，以实际绳长为输出的三输入三输出神经网络模型。本专利技术还涉及一种计算机介质，其存储有计算机程序，所述计算机程序用于被执行以实现上述的方法。与现有技术相比，本专利技术的有益效果有：对于超冗余柔性机械臂进行运动学分析，得到模块化关节自由度变量和对应的驱动绳索长度之间的关系，从而使复杂的参数补偿变成了简单的驱动线绳长的补偿；进而通过对柔性机械臂的参数进行辨识，做到对机械臂的精确控制。本专利技术的其他一些有益效果，将在实施例中得到进一步说明。附图说明图1是超冗余机械臂段示意图。图2A是关节示意图。图2B是本专利技术实施例关节简化等效图。图3是本专利技术实施例关节模型坐标系分析图。图4是本专利技术实施例绳索驱动超冗余臂运动学空间关系描述示意图。图5A是本专利技术实施例OPTITRACK测量系统原理图。图5B是本专利技术实施例关节测量装置实物图。图6是本专利技术相邻机械臂关节测量模型示意图。图7是本专利技术实施例驱动线绳补偿神经网络模型示意图。图8是本专利技术实施例训练网络上位机系统。具体实施方式为了使本专利技术实施例所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术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用以解释本专利技术，并不用于限定本专利技术。需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外，连接即可以是用于固定作用也可以是用于电路连通作用。需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术本文档来自技高网...

【技术保护点】
1.一种超冗余机械臂的控制方法，其特征在于包括如下步骤：S1、根据机械臂的运动学分析，得到模块化关节自由度变量和对应的驱动绳索长度之间的关系；S2、测量出机械臂各个关节位置参数，得到实际的驱动线绳长度；S3、通过对柔性机械臂的参数进行辨识，补偿机械臂的驱动绳长，从而做到对机械臂的精确控制。

【技术特征摘要】
1.一种超冗余机械臂的控制方法，其特征在于包括如下步骤：S1、根据机械臂的运动学分析，得到模块化关节自由度变量和对应的驱动绳索长度之间的关系；S2、测量出机械臂各个关节位置参数，得到实际的驱动线绳长度；S3、通过对柔性机械臂的参数进行辨识，补偿机械臂的驱动绳长，从而做到对机械臂的精确控制。2.如权利要求1所述的超冗余机械臂的控制方法，其特征在于步骤S1包括：S11、解算出操作空间和关节空间之间正逆运动学的关系，得到机械臂末端位姿在三维空间与模块化关节两个自由度变量之间的关系，得到机械臂末端位姿在三维空间与模块化关节两个自由度变量之间的关系；S12、解算绳索驱动空间与关节空间的正逆运动学的关系，得到模块化关节两个自由度变量ψ、α和对应的三个驱动绳索长度li之间的关系。3.如权利要求1所述的超冗余机械臂的控制方法，其特征在于：步骤S2中，得到实际的驱动线绳长度的方法是：通过对位置参数进行处理，得到关节角参数，通过运动学逆解，解算出关节空间与驱动空间的关系，得到实际的三个驱动线绳长度。4.如权利要求1所述的超冗余机械臂的控制方法，其特征在于：步骤S3中，利用对神经网络模型进行训练而得到的实时补偿模型，对驱动空间的三根驱动绳进行补偿。5.如权利要求4所述的超冗余机械臂的控...

【专利技术属性】
技术研发人员：梁斌，程银柱，刘厚德，朱晓俊，王学谦，高学海，孟得山，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：广东,44