【技术实现步骤摘要】
适用于机器人的局部轨迹调整与人机共享控制方法和系统
[0001]本专利技术涉及遥操作手术机器人
，具体地，涉及适用于机器人的局部轨迹调整与人机共享控制方法和系统。尤其是一种适用于遥操作适用于机器人的局部轨迹调整与人机共享控制方法和系统及其手术机器人。
技术介绍
[0002]微创手术机器人将先进的智能机器人技术融合于临床外科手术中，充分发挥机器人在手术任务中高稳定性、灵活操作性、运动精确性等优势，大大降低外科医生手术强度，避免因持续高强度工作导致的误操作几率提高的风险。
[0003]微创手术机器人一直以来都是世界各国的重点投入方向,相关研究成果不断推陈出新：最著名的是da Vinci手术机器人系统，并经过不间断的优化更新，其在机械臂操作灵巧性、安全交互性等方面的性能更加凸显。中国的手术机器人发展集中于近十年：如上海交通大学研发的“神刀华佗”微创手术机器人；天津大学研发的“妙手”系列机器人；哈尔滨工业大学研发的“华鹊－II”型微创手术机器人等。
[0004]在手术机器人的控制方面，目前手术机器人系统多为主从...
【技术保护点】
【技术特征摘要】
1.一种适用于机器人的局部轨迹调整与人机共享控制方法，其特征在于，包括如下任一个或任多个步骤：步骤S0，基于一次轨迹规划确定初始参考轨迹的步骤：基于期望末端位置和传感器数据中获取的周围环境信息，生成可行轨迹集；从当前可行轨迹集中筛选出一条最优轨迹作为一次规划的参考轨迹；步骤S1，考虑人的意图的局部轨迹重规划的步骤：人类通过遥操作设备传输给机器人运动指令，通过虚拟交互力判断人意图是否强烈，当人意图强烈时，机器人进行局部参考轨迹调整；步骤S2，基于系统安全性评估指标的人机控制权重调整的步骤：通过传感器数据评估当前机器人构型的安全性，构建表征系统安全性的评估指标，并基于此评估指标动态调节人机控制权重；步骤S3，基于人机混合成本函数的模型预测控制步骤：构建基于机器人与人的控制成本的混合成本函数；通过混合成本函数的模型预测控制器，计算得到最优控制指令，实现人机共享控制。2.根据权利要求1所述的适用于机器人的局部轨迹调整与人机共享控制方法，其特征在于，所述步骤S1包括：步骤S1.1：建立表征人类交互力的虚拟力模型；步骤S1.2：通过虚拟交互力判断人意图是否强烈；若是，则机器人不调整参考轨迹；；如否，则机器人进行局部参考轨迹调整；所述步骤S2包括：步骤2.1：基于传感器的数据，实时感知环境信息，建立表征系统安全性的指标；其中，所述环境信息包括距离边界的距离、距离障碍物的距离；步骤S2.2：将系统安全性指标作为调节人机控制权重的依据；所述步骤S3包括：步骤S3.1：基于从端系统的动力学模型，建立从端系统状态空间表达式；步骤S3.2：根据机器人与人的期望指令，分别计算机器人、人的误差向量；步骤S3.3：在任一时刻k，计算机器人成本函数；步骤S3.4：在任一时刻k，计算人类成本函数；步骤S3.5：基于表征系统安全性的指标建立上述时刻k混合成本函数；步骤S3.6：基于模型预测控制框架，形成控制问题：在任一时刻k，优化时域为t＝[k,k+1],将其划分为等时间步长的P个离散时间段，滚动优化的目标为最小化此时域内的累计混合成本函数；预测模型即为基于从端系统的动力学模型所建立的状态空间表达式；系统安全性约束为当前机器人的位置距离最近障碍物与最近边界的距离；步骤S3.7：在每个优化时域t＝[k,k+1]内求解上述优化问题，计算k时刻的最优控制量输入。3.根据权利要求2所述的适用于机器人的局部轨迹调整与人机共享控制方法，其特征在于，在所述步骤S0中：确定机器人在笛卡尔空间中的目标构型为x
final
，初始位置x0，期望轨迹时长T，目标为
规划一条从初始构型到目标构型x
final
最优的轨迹，即为参考轨迹x
d
(t)，t为时间变量；通过传感设备，获取体内环境中障碍物位置分布和运动边界使用快速扩展随机树RRT算法生成可行轨迹集通过如下优化目标从可行轨迹集中筛选出一条最优轨迹作为一次规划的参考轨迹x
d
(t)：其中，p代表了可行轨迹，优化指标由三部分组成，分别用于表征最短路径、最大限度避免障碍物、最大限度避免边界，α
l
,α
o
,α
b
均为正常数，用于调节上述三部分的比例。4.根据权利要求2所述的适用于机器人的局部轨迹调整与人机共享控制方法，其特征在于，所述步骤S1包括：步骤S1.1：建立表征人类交互力的虚拟力模型：M
m
,D
m
,K
m
分别代表了惯性矩阵、阻尼矩阵、刚度矩阵；代表了当前机器人机械臂末端的位置；为对应期望值；F
h
表征人类通过遥操作设备向从端机器人施加的虚拟交互力；步骤S1.2：通过虚拟交互力判断人意图是否强烈，判断方法如下：设定阈值δ
i
,i＝1,...,m，为对应虚拟交互力F
h
第i个分量的下限，实时监测人类通过遥操作设备向从端机器人施加的虚拟交互力F
h
的数值；1)若F
h
≤δ
i
，则机器人不调整参考轨迹；2)若F
h
＞δ
i
，则机器人进行局部参考轨迹调整；在步骤S1.2中，所述局部参考轨迹调整的步骤包括：步骤S1.2.1：确定待调整的局部轨迹范围t∈[t
s
,t
f
]，t为时间变量，t
s
、t
f
分别表征局部轨迹的起始时间、终止时间；步骤S1.2.2：将原轨迹x
d
(t)离散化为局部离散轨迹(t)离散化为局部离散轨迹其中，分别是x
d
(t)的第i个分量，δ为选取的离散点的时间间隔；步骤S1.2.3：对从当前位置到x
d
(t
f
)的局部轨迹进行重规划，生成局部可行轨迹集步骤S1.2.4：对于局部可行轨迹γ
d
，局部轨迹能量E(γ
d
)为γ
d
调整后轨迹能量：调整后轨迹能量：为原局部轨迹能量；α为一个正常数；R为正定对称矩阵；基于表征调整后轨迹能量指标，从可行轨迹集中选出调整轨迹能量最小的一条可行
轨迹作为最优轨迹γ
d
作为调整后参考轨迹；所述步骤S2包括：步骤S2.1：基于传感器的数据，实时感知环境信息，建立表征系统安全性的指标；其中，所述环境信息包括距离边界的距离、距离障碍物的距离；步骤S2.2：将系统安全性指标作为调节人机控制权重的依据；所述步骤S2.1包括如下步骤：步骤S2.1.1：基于传感数据得到的体内环境中障碍物位置分布和运动边界下标i表示序号；步骤S2.1.2：构建当前时刻表征可移动余量向量d
res
(k)：γ
d
(k
‑
1)为上一时刻k
‑
1的参考轨迹位置，若在步骤S1.2中判断为人意图较强，则参考轨迹γ
d
为调整后的期望轨迹，否则，参考轨迹γ
d
为一次规划得到的初始参考轨迹；k表示时刻；步骤S2.1.3：计算实际偏移量d(k)为机器人当前位置构型x(k
‑
1)与对应期望值γ
d
(k
‑
1)的距离：d(k)＝||x(k
‑
1)
‑
γ
d
(k
‑
1)||步骤S2.1.4：定义一个饱和函数d
sat
:[0,d
res
]
→
(0,d
res
)μ1,μ2,θ2,ξ为Richards曲线的参数；d
max
(k)＝min{d(k),d
res
(k)}，参数值决定了曲线的形状，是根据实际情况设置的预定值；步骤S2.1.5：建立表征系统安全性的指标λ(k)：所述步骤S3包括：步骤S3.1：基于从端系统的动力学模型，建立从端系统状态空间表达式：步骤S3.1：基于从端系统的动力学模型，建立从端系统状态空间表达式：M
x
,C
x
,G
x
分别是从端机器人在笛卡尔空间的惯性矩阵、科里奥利力离心力矩阵、重力矩阵，J为从机器人关节空间到笛卡尔空间的雅可比矩阵；控制输入为从端机器人的关节力矩输入τ；其中，状态变量为系统构型及其导数；步骤S3.2：根据机器人与人的期望指令，分别计算机器人与人的误差向量，机器人的误差向量为Δx
r
＝x
‑
γ
d
，人的误差向量为Δx
h
＝x
‑
x
hd
；其中，γ
d
是机器人的期望笛卡尔空间中构型位置；x
hd
是人的期望笛卡尔空间中构型位置，由人通过主端交互装置的力输入转化得到；
步骤S3.3：在任一时刻k，计算机器人成本函数C
r
(k)：Q
1r
,Q
2r
,Q
3r
均为正定矩阵；步骤S3.4：在任一时刻k，计算人类成本函数：Q
1h
,Q
2h
均为正定矩阵；步骤S3.5：基于表征系统安全性的指标λ(k)建立k时刻混合成本函数：C(k)＝λ(k)C
h
(k)+(1
‑
λ(k))C
r
(k)步骤S3.6：基于模型预测控制框架，形成如下控制问题：z(k+1|k)＝A(k)z(k)+B(k)τ(k)+C(k)s.t.s.t.该控制问题为：在任一时刻k，优化时域为t＝[k,k+1],将其划分为等时间步长的P个离散时间段，滚动优化的目标为最小化此时域内的累计混合成本函数；预测模型即为基于从端系统的动力学模型所建立的状态空间表达式，A(k),B(k),C(k)为对应的离散系数矩阵；系统安全性约束为，h
o
与h
b
分别代表当前机器人的位置距离最近障碍物与最近边界的距离，需保证其不小于对应的阈值δ
o
,δ
b
；步骤S3.7：在每个优化时域t＝[k,k+1]内求解上述优化问题，计算k时刻的最优控制量输入。5.一种适用于机器人的局部轨迹调整与人机共享控制系统，其特征在于，包括如下任一个或任多个模块：模块M0，基于一次轨迹规划确定初始参考轨迹的步骤：基于期望末端位置和传感器数据中获取的周围...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。