非凸约束的全向四轮移动机械臂重复运动的梯度神经网络协同控制制造技术

本发明专利技术公开了非凸边界约束的全向四轮移动机械臂正交重复运动方案，利用梯度神经网络构建运动学模型求解正交重复运动方案，其方法包括以下步骤：a.测量初始状态移动机械臂车轮和机械臂的数据；b.给定移动机械臂的期望轨迹；c.基于完整性约束建立全向移动平台的运动学方程,通过空间坐标变换得到机械臂基坐标系下的运动学方程，结合移动平台与机械臂的模型建立移动机械臂整体运动学方程；d.针对移动机械臂轨迹跟踪定义了一个非凸关节和车轮速度限制、轨迹跟踪和重复运动的正交二次规划模型；e.用梯度下降法和速度补偿构建运力学方程求解正交重复运动方案，正交重复运动方案能消除了位置误差，全向移动机械臂能够准确实现重复运动。复运动。

【技术实现步骤摘要】
非凸约束的全向四轮移动机械臂重复运动的梯度神经网络协同控制


[0001]本专利技术涉及移动机器人领域，特别涉及一种基于运动学和重复运动梯度神经网络的全向四轮移动机械臂轨迹跟踪控制方法。

技术介绍

[0002]随着人工智能技术的进步，智能机器人产业迎来了蓬勃发展。智能机器人是一个在感知、思维及效应方面全面模拟人的机器系统，它可以代替人类在各个领域大展身手。移动机械臂在动态、未知的复杂环境中工作时，应该具有完全自主性，也就是说该系统具有感知能力、规划能力、动作能力和协调能力，所以在移动机械臂理论研究方面，需要解决的问题包括轨迹规划、运动控制和协同控制等。移动机械臂的运动控制按照控制目标的不同可以分为点镇定、路径跟随和轨迹跟踪这三种类型，其中移动机械臂的轨迹跟踪重复运动控制是近年来控制领域研究的热点和难点。
[0003]现阶段的移动机械臂理论研究大部分基于两轮移动机械臂或者三轮移动机械臂，并且机器人的大部分模型都是基于动力学建模，四轮移动机械臂的动力学建模比较繁琐，需要分析移动平台的动力学及机械臂的动力学模型。两个模型难以整合在一个系统中，因此大部分研究者采用两种控制算法来分别控制两个子系统，难以实现移动平台与机械臂的协同控制。移动平台和机械臂整体运动学模型更容容易完成协同控制任务。另外，相对比系统的动力学建模，运动学建模相对简单。目前，建立移动平台和机械臂的整体运动学模型大部分基于非完整性约束建立移动平台导致移动机械臂的可控自由度小于移动机械臂的总体自由度。然而，基于完整性约束建立的全向移动机械臂能够向各个方向移动，如发生侧向移动，并且移动机械臂总自由度与可控自由度是相等的。因此，本专利技术基于完整性约束建立全向麦克拉姆轮移动机械臂的运动学模型，通过空间坐标变换将全向移动平台和机械臂整合在基于世界坐标系的系统中，并且提出全向四轮移动机械臂轨迹正交重复运动方法，利用梯度神经网络实现了全向四轮移动机械臂准确的轨迹跟踪重复运动控制。

技术实现思路

[0004]本专利技术公开了一种梯度神经网络的全向四轮移动机械臂轨迹跟踪重复控制方法，基于完整性约束在世界坐标系下建立四轮移动机械臂的整体运动学方程，在移动机械臂的可达空间范围内设计期望运动轨迹，基于期望运动轨迹与实际运动轨迹函数间的差值定义了一个向量型误差函数，误差函数的绝对值越小代表完成轨迹跟踪任务越好。将轨迹跟踪、重复运动、关节和车轮速度限制的多个子任务构建为等式约束和不等式约束的二次规划正交重复运动方案，利用速度补偿和梯度下降法构建梯度神经网络求解多个子任务二次规划方案，并且将关节和车轮速度约束推广到非凸约束范围。正交重复运动方案中引入一种正交投影矩阵从理论上消除了位置误差和解耦了位置误差和关节漂移的耦合关系。结合说明书附图，本专利技术的技术方案如下：
[0005]基于非凸边界约束的全向四轮移动机械臂重复运动方案的梯度神经网络控制方法，所述控制方法具体如下：
[0006]S1：采集全向四轮移动机械臂四个车轮的初始角度数据以及四自由度机械臂的初始角度数据；
[0007]S2：根据设计者需求设计全向四轮移动机械臂的期望运动轨迹；
[0008]S3：通过空间坐标变换得到基坐标系下的四自由度机械臂的运动学方程，并且基于完整性约束建立全向移动平台的运动模型，结合全向移动平台运动学模型和机械臂的运动学模型，通过坐标变换得到基于世界坐标系下的全向移动机械臂整体运动学方程；
[0009]S4：将轨迹跟踪、重复运动、关节的不等式约束转化为正交重复运动的二次规划问题，且关节和车轮的速度约束和非凸投影函数整合到关节和车轮速度保持在所规定的范围内；
[0010]S5：结合全向移动机械臂正交重复运动方案与梯度神经网络模型构建全向四轮移动机械臂的运动学模型，并证明正交投影矩阵的引入解耦了位置误差和关节漂移的耦合关系，从理论上消除了位置误差，全向移动机械臂更精确的完成轨迹跟踪和重复任务；
[0011]步骤S1具体过程为：
[0012]本次实验中需要参考四轮移动机械臂的硬件参数，通过米尺测量移动平台的高度，以及断电情况下测量各机械臂的工作范围。其中各关节的参数分别为：轴1底座的工作范围+90
°
到
‑
90，最大速度320
°
/s；轴2大臂工作范围0
°
到+85，最大速度320
°
/s；轴3小臂工作范围
‑ꢀ
10
°
到+95
°
，最大速度320
°
/s；轴4旋转工作范围+90
°
到
‑
90
°
，最大速度480
°
/s；
[0013]步骤S2具体过程为：
[0014]根据步骤S1中的测量值设计四轮移动机械臂末端执行器的期望轨迹，保证其不能超过移动机械臂各关节的可达范围。其中期望轨迹的数学表达式如下：
[0015]r
xd
＝0.4*cos(4*π*(sin(0.5*π*t/10))2+π/6)
‑
0.4*cos(π/6)
[0016]r
xd
＝0.4*sin(2*π*(sin(0.5*π*t/10))2+π/6)+0.4*sin(π/6)
[0017]r
xd
＝0.2362
[0018]r
d
＝[r
xd
；r
xd
；r
xd
][0019]式中，r
xd
为r
d
在x平面投影曲线；r
yd
为r
d
在y平面投影曲线； r
zd
为r
d
在z平面投影曲线。
[0020]步骤S3具体过程为：
[0021]S301：为了描述移动机械臂各连杆的相对位置以及方向关系，需要根据机械臂的关节结构在每一个连杆上面建立一个坐标系。利用 D
‑
H法建立移动机械臂运动学模型，连杆坐标系{i}相对于{i
‑
1}的齐次变换
i
‑1T
i
称为连杆变换，其中设计到轴转角α
i
‑1、连杆长度a
i
‑1、连杆偏距d
i
、关节变量θ
i
，因此可以分解为坐标系{i}的子变换问题，每个子变换都只依赖一个连杆参数，则有：
[0022]i
‑1T
i
＝Rot(x,α
i
‑1)Trans(x,a
i
‑1)Rot(z,θ
i
)Trans(z,d
i
)
[0023]通过坐标变换得到基于基坐标系得机械臂运动学方程：
[0024][0025]其中，d1为连杆1长度；d2为连杆2长度；d3为连杆3长度；d4为连杆4长度；c1＝cosφ1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于非凸边界约束的全向四轮移动机械臂重复运动生成的梯度神经网络协同控制方法，其特征在于，所述控制方法步骤如下：S1：根据需求设计全向四轮移动机械臂的期望轨迹方程；S2：给定全向四轮移动机械臂每个车轮初始转动角度，以及四自由度机械臂的初始角度，并测量移动平台长度与宽度；S3：构建全向四轮移动平台机械臂的整体运动学模型；S4：将轨迹跟踪、重复运动、关节约束的等式约束和不等式约束转化为具有正交重复运动功能的二次规划模型，关节和车轮速度约束和非凸投影函数整合成关节和车轮速度保持在所约束的范围内；S5：结合全向四轮移动机械臂正交重复运动方案与梯度神经网络模型构建全向四轮移动机械臂的运动学模型，利用正交投影矩阵解决了位置误差和关节漂移问题，消除了位置误差，全向四轮移动机械臂精确的完成轨迹跟踪和重复任务。2.如权利要求1所述一种梯度神经网络的全向四轮移动机械臂重复运动控制方法，其特征在于，步骤S5的具体过程为：基于全向四轮移动机械臂运动学特性，构建移动机械臂的速度级水平整体运动学模型，具体的数学表达式如下：式中，J为整体运动学模型的系数矩阵；为全向移动机械臂运动学...

【专利技术属性】
技术研发人员：孙中波，唐世军，刘克平，周彦鹏，王刚，刘永柏，费宇哲，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：