未知环境下机器人的智能自适应柔顺控制方法技术

本发明专利技术提供一种未知环境下机器人的智能自适应柔顺控制方法。所述方法通过图知识迁移学习优化粒子群运行参数，基于优化的粒子群辨识算法对环境接触动力学模型进行参数辨识，同时基于参数辨识结果指导阻抗控制参考位置的自校正调整以实现未知环境下精准力位双重控制的柔顺控制效果。本发明专利技术融合了基于接触动力学模型的粒子群辨识算法、阻抗控制参考位置的自校正调整，对于线弹性和非线弹性材料，都能克服其力学特性未知性，实现精准力位协同控制；提出粒子群运行参数的迁移学习优化方法，从历史辨识任务中学习辨识算法运行参数知识，进而针对目标辨识任务特征获得优化的粒子群辨识算法运行参数，提高了参数辨识系统在面向不同未知环境时的计算效率。

【技术实现步骤摘要】
未知环境下机器人的智能自适应柔顺控制方法
本专利技术属于机器人的力位双重控制领域，具体涉及未知环境下机器人的智能自适应柔顺控制方法。
技术介绍
机器人已经在工业、服务业领域获得越来越广泛的应用，所面临的工作任务也不再仅仅需要位置控制，在面对诸多作业场合如机器人打磨、装配作业、人体按摩、康复治疗作业时，需要进行机器人位置和力的双重控制如阻抗控制。上述作业往往面对作业环境未知的问题：一方面作业对象既有线弹性特征的材料，也有非线性弹性特征的柔顺材料；另一方面，即使同一材料的作业对象，不同区域的力学特性往往由于生物体征、组织结构等因素而存在变化，作业环境的未知性往往导致阻抗控制力跟踪误差较大甚至失去力跟踪能力。上述问题给机器人控制提出了更高的要求，即机器人要智能识别、并跟踪辨识变化的环境特征，在此基础上进行自适应力位控制以满足恒力作业需求。相关研究表明机器人力、位控制器如阻抗控制器的稳定性及精准性往往受到环境力学特性的直接影响，因此对环境接触动力学的研究能够有效改善机器人阻抗控制器力控制性能。相关研究在机器人柔顺控制中采用纯刚度模型(杜光月.仿本文档来自技高网...

【技术保护点】
1.未知环境下机器人的智能自适应柔顺控制方法，其特征在于，包括以下步骤：/n步骤1：在机器人目标作业路径内的作业对象上取少数局部采样点，机器人在局部采样点上进行法向运动采样得到机器人末端的受力数据与位置数据；/n步骤2：采用基于任务相似度的源任务筛选算法，基于接触动力学模型进行步骤1中获取的机器人末端的受力数据与位置数据作为目标任务样本，来与源任务信息库的任务相似度进行计算，并基于任务相似度进行源任务的筛选；/n步骤3：以辨识速度为优化目标，通过图知识迁移学习算法进行粒子群辨识算法的运行参数优化，得到适用于目标作业对象力学特征的辨识算法运行参数；/n步骤4：机器人的阻抗控制算法控制机器人从未接...

【技术特征摘要】
1.未知环境下机器人的智能自适应柔顺控制方法，其特征在于，包括以下步骤：
步骤1：在机器人目标作业路径内的作业对象上取少数局部采样点，机器人在局部采样点上进行法向运动采样得到机器人末端的受力数据与位置数据；
步骤2：采用基于任务相似度的源任务筛选算法，基于接触动力学模型进行步骤1中获取的机器人末端的受力数据与位置数据作为目标任务样本，来与源任务信息库的任务相似度进行计算，并基于任务相似度进行源任务的筛选；
步骤3：以辨识速度为优化目标，通过图知识迁移学习算法进行粒子群辨识算法的运行参数优化，得到适用于目标作业对象力学特征的辨识算法运行参数；
步骤4：机器人的阻抗控制算法控制机器人从未接触状态向作业对象进行法向接触运动，实现柔顺接触，同时基于接触动力学模型，以步骤3中优化的运行参数控制粒子群辨识算法进行环境接触动力学模型参数辨识；
步骤5：以辨识得到的接触动力学模型参数指导自校正调节器根据机器人末端接触力进行阻抗控制参考位置的自适应调整；
步骤6：底层阻抗控制系统包括位置控制内环和力反馈外环，将自适应调整后的参考位置输入阻抗控制的位置控制内环，机器人位置控制器控制机器人末端按照参考位置运动，并将机器人末端接触力反馈给步骤5中的自校正调节器；
步骤7：机器人末端按照规划路径沿着作业对象表面切向运动，并循环步骤4中的环境接触动力学模型参数辨识及步骤5、步骤6，直到机器人末端按照规划的路径运动结束，实现未知环境下机器人的智能自适应柔顺控制。


2.根据权利要求1所述未知环境下机器人的智能自适应柔顺控制方法，其特征在于：步骤1中，所述机器人作业路径，是指机器人与作业对象进行物理接触的应用场景下，提前规划的机器人末端执行器与作业对象进行接触的路径；所述少数局部采样点为同一肌肤区域中所取的作业路径上的1～2个路径点；所述机器人末端的受力数据是指机器人末端力传感器采集到的末端工具坐标系z轴方向接触力，工具坐标系原点位于机器人末端法兰盘中心，以法兰盘法向所指方向为工具坐标系z轴，x轴和y轴遵从右手定则，即右手拇指方向指向z轴时，右手食指方向为x轴，右手手腕方向为y轴；所述机器人末端的位置数据是指作业表面法向平行于机器人基座标系z轴时，机器人末端相对于机器人基座标系z轴的坐标，机器人基座标系原点为机器人基座中心，以基座法向所指方向为坐标系z轴，x轴和y轴遵从右手定则。


3.根据权利要求2所述未知环境下机器人的智能自适应柔顺控制方法，其特征在于：所采集的机器人末端的接触力和位置数据由机器人远程通讯平台实时读取，且末端接触力和位置数据是以相同的采样频率同时成对采集，即记录每一时刻的机器人末端的末端接触力和该时刻机器人末端的位置数据。


4.根据权利要求1所述未知环境下机器人的智能自适应柔顺控制方法，其特征在于：步骤2中，所述源任务信息库包括历史辨认任务储存的作业对象接触动力学模型参数、粒子群辨识算法运行参数和辨识算法迭代次数数据；
所述接触动力学模型如下：
F＝k(xe-x)n；
其中F为作业对象的法向受力，k为弹性系数，n为幂指数项，x为作业对象变形时相对于机器人基座标系z轴的位置，xe为作业对象未变形时相对于机器人基座标系z轴的位置，基座标系z轴与作业对象表面法向保持平行；当幂指数项n＝1时接触动力学模型适用于线弹性材料，当不限定幂指数项数值时接触动力学模型既适用于线弹性材料，也适用于非线弹性柔顺材料；
所述作业对象接触动力学模型参数是指接触动力学模型中的不确定项：弹性系数k和幂指数项n；
所述粒子群辨识算法运行参数的运行参数是指粒子群算法的如下四个人为设定的运行参数：粒子最大移动速度vmax，局部学习因子c1、全局学习因子c2，惯性权重w。


5.根据权利要求1所述未知环境下机器人的智能自适应柔顺控制方法，其特征在于：步骤2中，所述基于任务相似度的源任务筛选算法包括如下步骤：
S2.1、定义任务空间的样本对比矩阵Bi,j：



其中：Bi,j为两个任务样本i,j的对比矩阵；k(i,m),n(i,m)为样本i的第m组变化的环境接触动力学参数，即机器人在样本i上进行接触作业时，随着机器末端的移动，机器人与作业对象接触点发生变化，作业对象接触动力学模型参数按照(k(i,1),n(i,1))，(k(i,2),n(i,2))……(k(i,m),n(i,m))发生变化；类似地，k(j,m),n(j,m)为样本j的第m组变化的接触动力学模型参数；
S2.2、定义列间距评价因子Sij：



Si,j＝||D2,1-D1,1,D2,2-D1,2...D2,n-1-D1,n-1||；
其中，||...||为范数，列间距评价因子Si,j越小则说明两样本i,j的参数变化幅度越一致；
S2.3、定义行间距评价因子δi,j：
δi,j＝||k(j,1)-k(i,1),n(j,1)-n(i,1),k(j,2)-k(i,2),n(j,2)-n(i,2),...k(j,n)-k(i,n),n(j,n)-n(i,n)||；
其中，行间距评价因子δi,j越小说明两样本i,j在不计参数变化幅度的情况下参数直接差距越小；
S2.4、基于列间距评价因子Sij和行间距评价因子δi,j进行源任务筛选，定义总体任务相似度评价指标：
χi,j＝Z1*Si,j+Z2*δi,j；
其中Z1、Z2为大于0的修正因子，根据采样数值确定其大小，以避免由于数量级差距造成的数据偏向某一评价因子；χi,j越小则两任务样本i,j相似度越高；
S2.5、基于总体任务相似度评价指标进行源任务筛选：
以粒子群辨识算法确定步骤1中获取的目标任务局部采样点的接触动力学模型参数，然后计算目标任务与源任务的任务相似度评价指标χi,j并升序排列，从中取前z个源任务作为后续迁移学习的源任务，记为其中，源任务ti包括该任务的粒子群辨识算法运行参数、辨识得到的接触动力学模型参数、和辨识算法迭代次数数据。


6.根据权利要求1所述未知环境下机器人的智能自适应柔顺控制方法，其特征在于：步骤3中，所述辨识速度具体是指粒子群辨识算法的迭代次数；所述通过图知识迁移学习算法进行粒子群辨识算法的运行参数优化包括如下步骤：
S3.1、计算模型迁移图：
将源任务中的所有源任务两两取出，记为ti和tj，i,j∈[1,z]，进行任务ti对任务tj的粒子群运行参数迁移权值wij：
wij＝(Cj-Ci,j)/Cj；
Cj表示任务tj的接触动力学模型mj在粒子群运行参数pj(vmax,c1,c2,w)控...

【专利技术属性】
技术研发人员：翟敬梅，曾献文，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44