基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置制造方法及图纸

本发明专利技术公开了基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，包括在关节上建立起始坐标系并确定这个柔性臂的模型参数。分别从末端到关节，以及关节到绳长，对机械臂进行分段联动的运动学建模，还包括内环被动二次规划控制‑实时控制和外环ILC控制‑轨迹周期控制。其中，被动二次规划控制包括通过优化目标函数，分别得到操作空间跟踪和绳索空间跟踪的运动学方程。其中，ILC控制轨迹级优化模型可以方便系统实现完美的跟踪，并在迭代过程中控制输入收敛到最佳状态，包括，轨迹级优化模型的建立和零空间参数搜索。该方法实现了较高的迭代速度和控制精度的双重需求。

【技术实现步骤摘要】
基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置
本专利技术涉及绳驱超冗余柔性机器人控制领域，具体为一种基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置。技术背景柔性机器人整合了蛇形机器人的结构与连续型机器人驱动，比传统的蛇形机器人更紧凑，并且具有比连续型软体机器人更高的定位精度。、这些特性使得该机器人非常适合于密闭空间作业，特别是在微创手术、核反应堆管道、灾难残骸等领域。柔性机器人能应用于核电站等狭小空间探测，具有较高的运动精度和负载能力，能够在狭小复杂环境中灵活运动，在电动车自主充电领域具有广阔的应用前景。为了实现末端与臂型灵活控制的需要，主被动混合驱动分段联动式柔性臂成为最佳选择。该构型采用“离散式刚性连杆+联动机构+绳索”的“主动-被动”混合驱动形式，每个臂段中的同一方向自由度耦合一起，通过外沿的驱动绳索进行每一段的运动控制。该构型机械臂的刚度可以得到大大地提高。此外，关节段的各个相邻小关节之间的夹角是严格相等的，可以实现臂段的等曲率弯曲。由于绳驱超冗余机器人自由度多、系统非线性以及动力学耦合强等特点，使得超冗余机器人系统的轨迹规划与控制相当的复杂。为了提高柔性机器人末端的控制精度，本文提出了一种基于运动学迭代学习控制的轨迹跟随规划方法，它具有较高的迭代速度和控制精度。
技术实现思路
鉴于现有技术的缺陷，本专利技术旨在于提供一种基于运动学迭代学习控制的柔性机器人轨迹规划方法，目的是为提高对可以实现臂段等曲率弯曲构型的机械臂的运动控制精度和迭代速度。为了实现上述目的，本专利技术采用的技术方案如下，基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，所述方法包括：确定柔性机器人的模型参数；对分段联动式的柔性机械臂进行建模；其中，通过对于各段主被动混合驱动分段联动式柔性机械臂进行分析，并在机械臂的关节上进行起始坐标系的建立。需要说明的是，当起始坐标系建立后，得到柔性机器人的正运动学方程：需要说明的是，通过坐标系之间的的齐次变换阵，由此得到坐标系之间绳连接点Ai-1、Bi和Bi-1的3-D坐标，随之可获得驱动空间与单个关节的关节空间之间的映射关系。需要说明的是，还包括通过对驱动空间与关节空间之间的映射关系做微分，得到绳长度的变化，随之可以进一步得到关节角度的变化，最终获得整个柔性机器人的关节空间到末端笛卡尔空间的Jacobian矩阵。需要说明的是，还包括根据各段中的关节数与名义自由度关系，可以推出该段的末端速度，则可以得到整个柔性机器人的Jacobian矩阵，进一步得到柔性机器人末端执行器的广义速度。需要说明的是，还包括迭代学习控制方法，所述方法为内环被动二次规划控制-实时控制(real-timecontrol)与外环ILC控制-轨迹级控制(trajectorycontrol)。需要说明的是，根据末端操作空间-关节空间的运动学冗余性，通过优化目标函数，可以得到操作空间误差运动方程。需要说明的是，还包括根据关节空间-绳索空间的运动学冗余性，通过优化目标函数，可以得到绳索空间误差运动方程。需要说明的是，根据实际获得的所需的绳长度与实际长度误差库，可以建立轨迹级的目标函数优化模型。需要说明的是，还包括根据所设计的一系列零空间搜索参数，对关节-操作空间Jacobian矩阵进行搜索，得到被动二次规划的扩展跟踪函数。本专利技术的有益效果在于：1、构型采用“离散式刚性连杆+联动机构+绳索”的“主动-被动”混合驱动形式，每个臂段中的同一方向自由度耦合一起，通过外沿的驱动绳索进行每一段的运动控制。该构型机械臂的刚度可以得到大大地提高。此外，关节段的各个相邻小关节之间的夹角是严格相等的，可以实现臂段的等曲率弯曲。2、提出的基于运动学的迭代学习分为两层控制，通过外环ILC的控制实现轨迹的周期控制，将优化参数传输给内环被动二次规划控制，实现实时控制。内外两次循环控制相结合，不仅提高了轨迹跟踪的准确性，也考虑到执行空间误差和操作空间跟踪误差降低，，同时解决了运动冗余和驱动冗余。附图说明图1是本专利技术的柔性机器人第m段第j个关节的坐标系关系图；图2是本专利技术的第m段柔性机器人的D-H坐标系图；图3是本专利技术的柔性机器人参数描述示意图；图4是本专利技术所提出的基于运动学的ILC-被动二次规划框架。具体实施例以下将结合附图对本专利技术作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围并不限于本实施例。本专利技术为基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，所述方法包括：确定柔性机器人的模型参数；对分段联动式的柔性机械臂进行建模；其中，通过对于各段主被动混合驱动分段联动式柔性机械臂进行分析，并在机械臂的关节上进行起始坐标系的建立。需要说明的是，当起始坐标系建立后，得到柔性机器人的正运动学方程：需要说明的是，通过坐标系之间的的齐次变换阵，由此得到坐标系之间绳连接点Ai-1、Bi和Bi-1的3-D坐标，随之可获得驱动空间与单个关节的关节空间之间的映射关系。需要说明的是，还包括通过对驱动空间与关节空间之间的映射关系做微分，得到绳长度的变化，随之可以进一步得到关节角度的变化，最终获得整个柔性机器人的关节空间到末端笛卡尔空间的Jacobian矩阵。需要说明的是，还包括根据各段中的关节数与名义自由度关系，可以推出该段的末端速度，则可以得到整个柔性机器人的Jacobian矩阵，进一步得到柔性机器人末端执行器的广义速度。需要说明的是，还包括迭代学习控制方法，所述方法为内环被动二次规划控制-实时控制(real-timecontrol)与外环ILC控制-轨迹级控制(trajectorycontrol)。需要说明的是，根据末端操作空间-关节空间的运动学冗余性，通过优化目标函数，可以得到操作空间误差运动方程。需要说明的是，还包括根据关节空间-绳索空间的运动学冗余性，通过优化目标函数，可以得到绳索空间误差运动方程。需要说明的是，根据实际获得的所需的绳长度与实际长度误差库，可以建立轨迹级的目标函数优化模型。需要说明的是，还包括根据所设计的一系列零空间搜索参数，对关节-操作空间Jacobian矩阵进行搜索，得到被动二次规划的扩展跟踪函数。实施例一：本专利技术实施例一提供一种基于柔性机器人的建模方法，本实施例中，以关节型柔性臂为例。S1：确定柔性机器人的模型参数。假设我们研究的分段联动式机械臂有n段，每段有p个小节，第m段第j个单关节的坐标关系如图1所示，令i＝2[p(m-1)+j]-1,平面平面分别代表布线圆盘k和布线圆盘k+1，线段分别表示三根驱动绳索在两布线圆盘过线孔之间的距离，O2p(m-1)代表万向节的中心。柔性机械臂由np/2个联动关节段组成，同一联动关节本文档来自技高网...

【技术保护点】
1.基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，其特征在于，所述方法包括：/n确定柔性机器人的模型参数；/n对分段联动式的柔性机械臂进行建模；/n其中，通过对于各段主被动混合驱动分段联动式柔性机械臂进行分析，并在机械臂的关节上进行起始坐标系的建立。/n

【技术特征摘要】
1.基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，其特征在于，所述方法包括：
确定柔性机器人的模型参数；
对分段联动式的柔性机械臂进行建模；
其中，通过对于各段主被动混合驱动分段联动式柔性机械臂进行分析，并在机械臂的关节上进行起始坐标系的建立。


2.根据权利要求1所述的基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，其特征在于，当起始坐标系建立后，得到柔性机器人的正运动学方程：





3.根据权利要求1或2所述的基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，其特征在于，通过坐标系之间的的齐次变换阵，由此得到坐标系之间绳连接点Ai-1、Bi和Bi-1的3-D坐标，随之可获得驱动空间与单个关节的关节空间之间的映射关系。


4.根据权利要求3所述的基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，其特征在于，还包括通过对驱动空间与关节空间之间的映射关系做微分，得到绳长度的变化，随之可以进一步得到关节角度的变化，最终获得整个柔性机器人的关节空间到末端笛卡尔空间的Jacobian矩阵。


5.根据权利要求4所述的基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置，其特征在于，还包括根据各段中的关节数与名义自由度关系，可以推出该段的末端速度，则可以...

【专利技术属性】
技术研发人员：彭键清，朱望茹，韩瑜，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44