一种基于ROS的一体化智能机械臂控制方法技术

本发明专利技术涉及机械臂技术领域，且公开了一种基于ROS的一体化智能机械臂控制方法，包括所述S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息，S2:通过逆运动控制，将预设点的第二状态信息有笛卡尔坐标表示，S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数，S4：控制机械臂末端沿移动轨迹从所在点移动至预设点，S5：通过控制系统检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。通过干扰性的测试能够提升机械臂在使用过程中的稳定性，同时保证机械臂在移动物品时减少外界的干扰，从而提升了该装置的使用。使用。

【技术实现步骤摘要】
一种基于ROS的一体化智能机械臂控制方法


[0001]本专利技术涉及机械臂
，具体为一种基于ROS的一体化智能机械臂控制方法。

技术介绍

[0002]ros是机器人操作系统(Robot Operating System)的英文缩写，ROS是用于编写机器人软件程序的一种具有高度灵活性的软件架构，在现有的大部分机械臂都已采用ROS进行编程，但是由于机械臂工作的环境不同，需要不同的控制方法来对机械臂进行控制，由于机械臂属于精密装置，在使用时非常容易受到外界的干扰，导致机械臂的工作精度降低，影响机械臂正常使用，所以亟需一种能够提升机械臂工作精度的机械臂控制方法。

技术实现思路

[0003](一)解决的技术问题
[0004]针对现有技术的不足，本专利技术提供了一种基于ROS的一体化智能机械臂控制方法，具备减少外界干扰等优点，解决了外界干扰机械臂的稳定性的问题。
[0005](二)技术方案
[0006]为实现上述减少外界干扰目的，本专利技术提供如下技术方案：一种基于ROS的一体化智能机械臂控制方法，包括所述S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息。
[0007]S2:通过逆运动控制，将预设点的第二状态信息有笛卡尔坐标表示，同时转换成关节空间坐标表示。
[0008]S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数。
[0009]S4：控制机械臂末端沿移动轨迹从所在点移动至预设点。
[0010]S5：通过控制系统检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。
[0011]优选的，所述S2中的逆运动学控制，为直接根据逆运动学算出各关节期望位置，然后使用PD控制，控制各关节运动到期望位置
[0012]优选的，所述S5中移动轨迹包括线性运动学控制和非线性控制，线性运动学控制包括计算出关节空间与末端之间的误差传递雅可比矩阵δx＝J(q)8q
→
δq＝J(q)
‑
1δx，由末端的期望空间计算出8x＝xa
‑
x,得到δq,进而可得qd＝q+δq。
[0013]优选的，所述非线性控制包括一般摩擦力，一般摩擦力通过位置和速度项来进行近似b(x,i)即:mi+b(x,x)＝f，如果可以对摩擦b进行建模,则可以将该模型用于系统的控制以补偿该摩擦,并像以前一样控制所得的线性化系统，实现这种控制的一般结构是:f＝af'+β中β示控制部分,该部分补偿作用在系统上的非线性力，a系统的质量,允许使用单位质系统的控制设计f'，由于必须同时识别系统中的质量和非线性,因此a和β将仅是这些量的估计值：a＝m、β＝b(x,i)。
[0014]优选的，所述S5控制系统控制机械臂运动到一个固定位置，在该位置停下来，在只受外力的作用下,有:f＝mii，系统的势能函数应该满足在xd处为零,因此就有:x＝Xd，V(x)＝l，V(x)>0x≠xd，二次的势能函数可以满足该要求,极值点为期望位置xdV(x)＝1/2kp(x
‑
xa)2。
[0015]优选的，所述S4机械臂放置在所在点xd，机械臂系统可以表示为mi+b(x,i)＝f,系统的控制可以表示为f＝金f'+b(x,:x),其中f'＝
‑
Khi
‑
kp(x
‑
xa),k和kyp是PD控制增益，如果是估计完全准确,系统的控制行为是:1.i+Koi+kp(x
‑
xa)＝0。
[0016]优选的，所述S4中机械臂移动可能涉及跟踪所需移动轨迹xa(t)，除了随时间变化的期望位置外,轨迹跟踪任务
‑
般还涉及期望速度和加速度,即ica(t)和:xd(t)，该任务的机器人控制将具有与上述控制器相同的结构,新的单位质量控制输入f',是为轨迹跟踪设计的:f'＝id
‑
k％(ix
‑
id)
‑
B(x
‑
xa)，闭环系统:(i
‑
xa)+ku(x
‑
xta)+ky(x
‑
xa)＝0。
[0017]优选的，所述S5中抗扰性的不确定性,因此会带来各种扰动,通过适当选择单位质量控制器中涉及的增益kp和k的,可以将这些干扰的影响最小化，这些增益越大,系统抗干扰能力越强,但是有很多因素都会限制增益，假设作用在系统上的所有扰动都可以由一个直接作用在系统输入端的扰动力fdist来消除，且该力为恒定值,那么系统可以写为:mit+b(x,i)＝f+faist。
[0018](三)有益效果
[0019]与现有技术相比，本专利技术提供了一种基于ROS的一体化智能机械臂控制方法，具备以下有益效果：
[0020]1、该基于ROS的一体化智能机械臂控制方法，通过系统抗干扰能力越强,但是有很多因素都会限制增益，假设作用在系统上的所有扰动都可以由一个直接作用在系统输入端的扰动力fdist来消除，且该力为恒定值,那么系统可以写为:mit+b(x,i)＝f+faist，通过干扰性的测试能够提升机械臂在使用过程中的稳定性，同时保证机械臂在移动物品时减少外界的干扰，从而提升了该装置的使用。
[0021]2、该基于ROS的一体化智能机械臂控制方法，通过机械臂移动可能涉及跟踪所需移动轨迹xa(t)，除了随时间变化的期望位置外,轨迹跟踪任务
‑
般还涉及期望速度和加速度,即ica(t)和:xd(t)，该任务的机器人控制将具有与上述控制器相同的结构,新的单位质量控制输入f',是为轨迹跟踪设计的:f'＝id
‑
k％(ix
‑
id)
‑
B(x
‑
xa)，闭环系统:(i
‑
xa)+ku(x
‑
xta)+ky(x
‑
xa)＝0，通过对移动轨迹的规划，提升了机械臂运动轨迹的精准性，从而保证了机械臂从所在点移动到预设点这段距离的准确性，从而提升了该机械臂的精准操作度。
[0022]3、该基于ROS的一体化智能机械臂控制方法，机械臂运动的过程中对于机械臂系统而而言，不可避免存在摩擦力，非线性控制包括一般摩擦力，一般摩擦力通过位置和速度项来进行近似b(x,i)即:mi+b(x,x)＝f，如果可以对摩擦b进行建模,则可以将该模型用于系统的控制以补偿该摩擦,并像以前一样控制所得的线性化系统，实现这种控制的一般结构是:f＝af'+β中β示控制部分,该部分补偿作用在系统上的非线性力，从而降低了机械臂的摩擦力，同时减少部件之间的磨损，提升了机械臂的耐用性和使用寿命。
具体实施方式
[0023]下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ROS的一体化智能机械臂控制方法，其特征在于：包括所述S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息。S2:通过逆运动控制，将预设点的第二状态信息有笛卡尔坐标表示，同时转换成关节空间坐标表示。S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数。S4：控制机械臂末端沿移动轨迹从所在点移动至预设点。S5：通过控制系统检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。2.根据权利要求1所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述S2中的逆运动学控制，为直接根据逆运动学算出各关节期望位置，然后使用PD控制，控制各关节运动到期望位置。3.根据权利要求1所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述S5中移动轨迹包括线性运动学控制和非线性控制，线性运动学控制包括计算出关节空间与末端之间的误差传递雅可比矩阵δx＝J(q)8q
→
δq＝J(q)
‑
1δx，由末端的期望空间计算出8x＝xa
‑
x,得到δq,进而可得qd＝q+δq。4.根据权利要求3所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述非线性控制包括一般摩擦力，一般摩擦力通过位置和速度项来进行近似b(x,i)即:mi+b(x,x)＝f，如果可以对摩擦b进行建模,则可以将该模型用于系统的控制以补偿该摩擦,并像以前一样控制所得的线性化系统，实现这种控制的一般结构是:f＝af'+β中β示控制部分,该部分补偿作用在系统上的非线性力，a系统的质量,允许使用单位质系统的控制设计f'，由于必须同时识别系统中的质量和非线性,因此a和β将仅是这些量的估计值：a＝m、β＝b(x,i)。5.根据权利要求1所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述S5控制系统控制机械臂运动到一个固定位置，在该位置停下来，在只受外力的作用下,有:f＝mii，系统的势能函...

【专利技术属性】
技术研发人员：张博，钟英，黄帅，刘晓天，
申请(专利权)人：成都工业学院，
类型：发明
国别省市：