一种基于神经网络的机器人碰撞检测系统及方法技术方案

本发明专利技术涉及一种基于神经网络的机器人碰撞检测系统及方法，在机器人每个指令周期检测并记录每个关节电机的实际位置；将关节电机的指令位置、指令速度、实际位置作为神经网络的输入特征数据来预测当前时刻的关节电机位置；比较当前时刻的所测量的实际位置与预测关节电机位置的偏差，如果偏差超过设定范围，则判断发生了碰撞；否则，判断未发生碰撞。本发明专利技术不需额外新增的硬件设备，仅仅需要机器人自有的位置传感器即可实现碰撞检测。同时，也不需要知晓机器人的动力学参数。本发明专利技术在机器人负载变化的工况依然能准确检测碰撞，并且在机器人加减速过程中也不会造成误判断。本发明专利技术的检测方法具有碰撞检测精度高，算法简洁，计算简单，通用性好的优点。

【技术实现步骤摘要】
一种基于神经网络的机器人碰撞检测系统及方法
本专利技术涉及定位方法
，尤其涉及一种基于神经网络的机器人碰撞检测系统及方法。
技术介绍
随着科技的发展，机器人的应用深入到人类社会的方方面面。工业机器人可以代替工人高效精确地进行重复性体力劳动。相比机器人，工人具有更灵活的优势。因此，工人与机器人协同工作可以大大提高工作效率。协作机器人应当在非规则的、动态变化的环境工况中，面对不可预知的可能发生的碰撞保证工人及机器人自身的安全。人机协作式机器人产业发展必须突破的一个重要课题。在生产流程中，人机协作可以让机器人更好地和工人配合，适应更广泛的工作挑战。要想更深入地介入到人类生活中，人机协作水平的高低更是将成为衡量机器人优劣的重要指标。与协作机器人不同，传统工业机器人主要针对汽车等高端制造业的行业应用，往往体型巨大、安装编程周期长且价格昂贵。这些工业机器人在进入电子行业等生产周期短、以数月为单位更新换代产品的领域时，受体积限制，安全性限制及性价比等因素的影响，应用并不顺利。另一方面，这些大家伙通常需要关在工作笼子里，与人类隔绝，一旦安全门打开，机器便停止工作。这样的安全保障方式是非常低效的。在生产制造中，有许多工序在人与机器合作的情况下是最高效的，例如，机器人负责将重物搬到指定位置后，人工进行其他机器难以完成或者自动化成本高昂的工序，这就要求机器人与人共用一个工作空间，这也是传统工业机器人难以实现的。因此，以保护人类安全，实现人机共事为设计初衷的协作机器人应运而生。协作机器人重量轻，适应性强，成本低。一般制造业及中小型公司(SMES)非常需要这种技术设备。以中国为例，我国企业版图中共拥有超过5000万家企业，其中中小企业就占了99％，而低成本自动化向来都是中小企业梦寐以求的生产模式。协作机器人与传统工业机器人的对比，参见表1。表1：协作机器人传统工业机器人购入成本10万-15万15万-几十万运营成本低三倍运营成本移动性易移动一经安装很难移动易用性简单示教，无需专业培训工程师长时间安装调试安全性安全，人机公用工作空间需围栏隔离据巴克莱银行的生产资料分析师估计，到2025年，全球协作机器人的市场规模将增至115亿美元。这将大致等同于目前整个工业机器人市场的规模。各大机器人生产企业看准这一市场，继UniversalRobots之后，KUKA,ABB,FANUC,YASKAWA等大企业沿用其在工业机器人领域的优势，相继发布协作机器人。在人机协作中，碰撞事件可以分为7个环节——碰撞前，碰撞检测，碰撞隔离，碰撞辨识，碰撞分类，碰撞反馈，碰撞后策略。由于机器人工作环境的复杂性及工人运动的不确定性，想要在机器人发生碰撞之前规划一条保证避免碰撞的路径几乎是不可能的。因此碰撞检测就是碰撞事件中最基本的最重要的环节。只有精确的，可靠的机器人碰撞检测才能保证碰撞隔离，碰撞辨识，碰撞分类，碰撞反馈，碰撞后策略的有效进行。碰撞检测是协作机器人非常重要的功能。如何检测人与机器人间，机器人与机器人间的碰撞是人机协作中的一个重要问题。目前，现有的碰撞检测方法主要存在的缺陷如下：(1)基于关节电机电流或力矩阶跃尖峰来判断碰撞的方案简单，容易实现，但是非常容易造成误判断。在关节电机加减速过程中，关节电机电流或者力矩同样会出现阶跃，非常容易造成系统误判断为机器人发生了碰撞。(2)基于机器人逆动力学的方案主要缺陷有两方面：a.该方案对机器人动力学参数(关节位置、关节速度、关节加速度、惯量、连杆质量、摩擦力等)非常敏感，而这些参数很多是时变的且不容易获得的。这为准确计算关节力矩造成了困难。b.该方案的计算量很大。c.在实际力矩的测量中需要增加力传感器等额外的硬件设备(虽然有的方案可以通过算法观测力矩，但是观测的力矩与实际的力矩存在较大的误差，观测的精度远远不如传感器实测)。(3)基于皮肤传感器(压力传感器)的方案能很准确的检测出碰撞，但是该方案增加了机器人系统的复杂度，降低了机器人的灵活性，并且大大增加了系统的成本，实际应用中可推广性差。(4)基于视觉传感器的方案主要存在的缺陷包括：a.视觉传感器存在盲区。b.目前工业机器人的精度都非常高(重复定位精度通常在10-2mm量级)，根据视觉传感器检测是否发生了物理接触的方案的精度可能完全不能满足检测碰撞的要求。c.视觉传感器的数据量巨大，处理时间较长，难以满足碰撞检测实时性的要求。(5)基于机器人系统能量或者广义动量的方案与基于机器人逆动力学的方案具有与基于机器人逆动力学的方案同样的缺陷。
技术实现思路
针对现有技术中存在的问题，本专利技术主要提出了一种基于神经网络的机器人碰撞检测系统及方法，不需要对机器人增加额外的硬件设备，不需要力传感器、皮肤传感器、速度传感器、电流传感器信号，不需要知晓机器人动力学参数。该方案计算简单、高效、准确、实时性高，通用性好，可以应对变负载工况。为达到上述目的，本专利技术一方面提供一种基于神经网络的机器人碰撞检测系统，包括多个与关节电机一一对应的碰撞检测模块，每个碰撞检测模块包括数据采集单元、数据预处理单元、预测单元、判断单元；所述数据采集单元采集并存储对应关节电机的实际位置；所述数据预处理单元将关节电机的指令位置、指令速度、实际位置进行归一化、组合处理；所述预测单元基于预处理单元得到的数据作为神经网络的输入特征数据来预测当前时刻的关节电机位置；所述判断单元比较当前时刻的所述关节电机实际位置与预测关节电机位置的偏差，如果偏差超过设定范围，则判断发生了碰撞；否则，判断未发生碰撞。进一步地，定义第i个碰撞检测模块的碰撞检测函数ξi(t)为：机器人每个关节电机伺服系统都有一个与之对应的碰撞检测模块；Ei(t)表示第i个碰撞检测模块获得的所述关节电机实际位置与预测电机位置的偏差，t为机器人系统采样时刻，表示第i个碰撞检测模块的偏差负项阈值上限，表示第i个碰撞检测模块的偏差阈值上限；碰撞检测函数cd(t)如下：cd(t)＝ξ1(t)||ξ2(t)||...ξi(t)||...||ξn(t)双竖线表示或，当cd(t)为1时，判定机器人发生了碰撞，n表示关节电机数量。进一步地，所述预测单元内置神经网络，所述神经网络输入特征数据向量Xn(t)为：其中，为指令位置向量，为指令速度向量以及为实际位置向量，t为机器人系统采样时刻，k为实际位置值滞后指令位置值的机器人系统指令周期数，是关节n在t时刻的指令位置值，为关节n在t时刻指令速度值，θn(t-p)为关节n在t-p时刻的实际位置值；p,s为常参数，神经网络训练过程中调整p,s，使得神经网络的预测精度提高。进一步地，所述神经网络为BP神经网络、RBF神经本文档来自技高网...

【技术保护点】
1.一种基于神经网络的机器人碰撞检测系统，其特征在于，包括多个与关节电机一一对应的碰撞检测模块，每个碰撞检测模块包括数据采集单元、数据预处理单元、预测单元、判断单元；/n所述数据采集单元采集并存储对应关节电机的实际位置；/n所述数据预处理单元将关节电机的指令位置、指令速度、实际位置进行归一化，并组合为列向量作为神经网络输入特征数据；/n所述预测单元基于预处理单元得到的数据作为神经网络的输入特征数据来预测当前时刻的关节电机位置；/n所述判断单元比较当前时刻的所述关节电机实际位置与预测关节电机位置的偏差，如果偏差超过设定范围，则判断发生了碰撞；否则，判断未发生碰撞。/n

【技术特征摘要】
1.一种基于神经网络的机器人碰撞检测系统，其特征在于，包括多个与关节电机一一对应的碰撞检测模块，每个碰撞检测模块包括数据采集单元、数据预处理单元、预测单元、判断单元；
所述数据采集单元采集并存储对应关节电机的实际位置；
所述数据预处理单元将关节电机的指令位置、指令速度、实际位置进行归一化，并组合为列向量作为神经网络输入特征数据；
所述预测单元基于预处理单元得到的数据作为神经网络的输入特征数据来预测当前时刻的关节电机位置；
所述判断单元比较当前时刻的所述关节电机实际位置与预测关节电机位置的偏差，如果偏差超过设定范围，则判断发生了碰撞；否则，判断未发生碰撞。


2.根据权利要求1所述的基于神经网络的机器人碰撞检测系统，其特征在于，定义第i个碰撞检测模块的碰撞检测函数ξi(t)为：



机器人每个关节电机伺服系统都有一个与之对应的碰撞检测模块；Ei(t)表示第i个碰撞检测模块获得的所述关节电机实际位置与预测电机位置的偏差，t为机器人系统采样时刻，表示第i个碰撞检测模块的偏差负阈值，表示第i个碰撞检测模块的偏差正阈值；
碰撞检测函数cd(t)如下：
cd(t)＝ξ1(t)||ξ2(t)||...ξi(t)||...||ξn(t)
双竖线表示或，当cd(t)为1时，判定机器人发生了碰撞，n表示关节电机数量。


3.根据权利要求1或2所述的基于神经网络的机器人碰撞检测系统，其特征在于，所述预测单元内置神经网络，所述神经网络输入特征数据向量Xn(t)为：



其中，为指令位置向量，为指令速度向量以及为实际位置向量，t为机器人系统采样时刻，k为实际位置值滞后指令位置值的机器人系统指令周期数，是关节n在t时刻的指令位置值，为关节n在t时刻指令速度值，θn(t-p)为关节n在t-p时刻的实际位置值；p,s为常参数，神经网络训练过程中调整p,s，使得神经网络的预测精度提高。优选的，所述神经网络为BP神经网络、RBF神经网络、循环神经网络或深度神经网络。


4.根据权利要求3所述的基于神经网络的机器人碰撞检测系统，其特征在于，k值确定包括：



tmax为机器人实际运行的一段非周期长轨迹所经历的机器人系统指令周期数；jmax为不大于50的正整数，j为正整数，取值范围为1～jmax。


5.根据权利要求1或2所述的基于神经网络的机器人碰撞检测系统，其特征在于，还包括上层控制器，生成每个指令周期的指令并发送给关节电机伺服系统；关节电机伺服系统驱动关节电机运转；上层控制器将所述数据采集单元获得的关节电机的实际位置及控制器自己生成的指令位置、指令速度发送给数据预处理单元；数据...

【专利技术属性】
技术研发人员：肖曦，许文中，宋宇洋，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11