一种基于机械臂的轨道仿形探伤方法技术

本发明专利技术公开了了一种基于机械臂的轨道仿形探伤方法，包括如下步骤：人工示教，轨迹生成，回归曲线生成，自主探伤；通过示教者与机械臂协同完成对无缝轨道接头的仿形探伤作业，采用动态运动基元DMP对机械臂示教轨迹进行学习，得到机械臂带动探伤检测探头的运动轨迹，再利用高斯混合模型求得刚度数据和接触力数据的回归曲线，回归曲线分别为机械臂末端位置到人手臂末端刚度和机械臂末端力的映射，能够获得机械臂在运动轨迹上的力矩，并将上述数据通过变阻抗控制实现机械臂的力/位混合闭环控制。本发明专利技术通过轨迹学习及力/位混合控制，只需通过简单的示教就能让机械臂实现轨道的仿形探伤。探伤。探伤。

【技术实现步骤摘要】
一种基于机械臂的轨道仿形探伤方法


[0001]本专利技术属于轨道探测
，具体涉及一种基于机械臂的轨道仿形探伤方法。

技术介绍

[0002]轨道是机车车辆运行的基础，其状态决定了轨道运输的安全与效率。随着运行年限增长，轨道会出现压缩、伸长、弯曲、压溃、磨损、断裂等伤损，对轨道进行定期的伤损检测是十分必要的。
[0003]目前常用的无损检测技术有超声检测技术、射线探伤技术、渗透检测技术、磁粉检测技术、涡流探伤技术等。其中超声与涡流检测技术是目前应用最广泛的无损检测技术，由于探伤的超声波在空气中衰减很快，需要保证探头贴紧被侧面并使用耦合剂。并且为保证检测的顺利进行，探头需要按照特定的轨迹对铁轨的各个部分进行检测，在移动过程中需要始终与铁轨接触，并不产生较大冲击。
[0004]现有技术中，上述操作依赖于检修人员进行手动控制，首先自动化程度低，完全依赖于检修人员的操作经验，其次探伤过程不能保证探头始终与铁轨接触，并且与轨道接触的力度难以均匀控制，因此现有技术不仅精度低，而且效率较低。

技术实现思路

[0005]针对现有技术的以上缺陷或改进需求中的一种或者多种，本专利技术提供了一种基于机械臂的轨道仿形探伤方法，采用DMP对机械臂示教轨迹进行学习，利用高斯混合模型求得刚度数据和接触力数据的回归曲线，并将上述求得的数据通过变阻抗控制实现机械臂的力/位混合闭环控制。
[0006]为实现上述目的，本专利技术提供一种基于机械臂的轨道仿形探伤方法，包括以下步骤：
[0007]S1人工示教；通过示教者与机械臂协同完成对无缝轨道接头的仿形探伤作业，机械臂末端搭载六维力/力矩传感器，示教者佩戴肌电手环，拖动机械臂完成探伤作业；机械臂以一定的频率f记录完成作业时的末端位置、速度及加速度，肌电手环以相同频率f对示教者的刚度数据进行采集，六维力/力矩传感器同样地以频率f测量末端接头处的接触力，重复示教m次；
[0008]S2轨迹生成；将m次重复示教产生的末端数据集采用动态运动基元对示教轨迹进行学习；根据步骤S1中获取的示教轨迹的复杂程度确定基函数数目N和系统增益项，计算得到目标强迫函数f
target
，通过目标强迫函数可求得基函数权重，进而得到学习轨迹的强迫函数f，将f引入机械臂末端系统得到机械臂学习轨迹；
[0009]S3回归曲线生成；将肌电手环测得的刚度数据映射到人手臂实际的末端刚度，分别建立人手臂末端刚度及机械臂末端力的高斯混合模型，进行高斯混合回归，分别获得人手臂末端刚度和机械臂末端力的回归曲线；
[0010]S4自主探伤；机械臂按照步骤S2生成的学习轨迹，带动探伤装置对无缝轨道接头
进行探伤，基于位置的变阻抗控制策略，保证检测过程中探伤装置与接头表面的接触力与步骤S3中模型计算曲线的限定范围内。
[0011]作为本专利技术的进一步改进，步骤S2中，所述末端数据集为m次示教过程中，在每条轨迹上采集的具有n个数据点的末端数据集其中t＝[t0,t1,
…
,t
n
‑1]T
为采样点的时间向量，y
demo
＝[y0,y1,
…
,y
n
‑1]T
、分别为机械臂末端采样点的空间坐标向量、速度向量和加速度向量。
[0012]作为本专利技术的进一步改进，步骤S2中，所述动态运动基元的学习过程如下：
[0013]确定基函数数目N和系统增益项，通过所述末端数据集可得到目标强迫函数f
target
：
[0014][0015]其中，α
y
和β
y
为系统增益项，g为轨迹目标值，即y
n
‑1。
[0016]非线性部分由一系列高斯函数加权叠加而成，通过改变权重值来模拟轨迹：
[0017][0018]其中，ψ
i
＝exp(
‑
h
i
(x
‑
c
i
)2)；x为用于控制f的相位，采用的是经典系统，N为基函数的个数，通常轨迹越复杂就需要更多的基函数；ω
i
为对应基函数ψ
i
的权重，可由下式求得：
[0019][0020]式(3)中，
[0021]将求得的权重值代入式(2)得到完整的非线性部分，再通过下式可计算求得学习轨迹的位置、速度及加速度信息：
[0022][0023]作为本专利技术的进一步改进，步骤S3中，回归曲线计算过程如下：
[0024]根据步骤S1中示教时记录的刚度数据、末端接触力数据以及步骤S2中得到的学习轨迹位置信息得到的数据集ξ＝[F K y
d
]T
，记ξ
F
＝F
T
，ξ
K
＝K
T
，采用高斯混合模型对数据进行编码，其中某个数据点ξ∈R
D
×
N
的概率为：
[0025][0026]其中，R为实数域，π
k
∈[0,1]为先验概率，且K为高斯分布的个数，D为数据的维度，μ
k
∈R
D
,Σ
k
∈R
D
×
D
分别表示第k个高斯分布的均值和协方差矩阵，给定输入变量ξ
y
，输出ξ
F
和ξ
K
的条件概率分布分别为：
[0027][0028]其中和分别表示后验概率中第k个高斯分布的均值和方差：
[0029][0030]其中和分别为F(或K)和y的第k个高斯分布均值，和为协方差矩阵：
[0031][0032]ξ
y
在第k个高斯分布中的概率为：
[0033][0034]高斯混合回归为给定ξ
y
下ξ
F
和ξ
K
的条件概率分布的期望：
[0035][0036]作为本专利技术的进一步改进，步骤S4中，所述自主探伤的过程如下：
[0037]首先将刚度期望曲线K
d
、末端力期望曲线F
d
、以及学习轨迹x
d
等和机械臂末端实际值之间的误差输入到变阻抗控制器中后输出位移修正量x
c
，然后结合机械臂末端探伤装置原始位置，获得机械臂所要调整的目标位置，目标位置经机械臂逆运动学转换成各个关节的角度τ，输入到位置控制环中，然后经机械臂运动学正解输出实际调整的位置q，此时探伤装置与轨道接头表面会产生新的接触力F
e
，从而实现了闭环控制。
[0038]作为本专利技术的进一步改进，所述机械臂固定安装于检测车辆上，且机械臂端部安装有六维力/力矩传感器和检测探头；示教者手臂上佩戴有所述肌电手环，机械臂六维力/力矩传感器、检测探头和肌电手环均与上位机电连接。
[0039]总体而言，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机械臂的轨道仿形探伤方法，其特征在于，包括以下步骤：S1人工示教；通过示教者与机械臂协同完成对无缝轨道接头的仿形探伤作业，机械臂末端搭载六维力/力矩传感器，示教者佩戴肌电手环，拖动机械臂完成探伤作业；机械臂以一定的频率f记录完成作业时的末端位置、速度及加速度，肌电手环以相同频率f对示教者的刚度数据进行采集，六维力/力矩传感器同样地以频率f测量末端接头处的接触力，重复示教m次；S2轨迹生成；将m次重复示教产生的末端数据集采用动态运动基元对示教轨迹进行学习；根据步骤S1中获取的示教轨迹的复杂程度确定基函数数目N和系统增益项，计算得到目标强迫函数f
target
，通过目标强迫函数可求得基函数权重，进而得到学习轨迹的强迫函数f，将f引入机械臂末端系统得到机械臂学习轨迹；S3回归曲线生成；将肌电手环测得的刚度数据映射到人手臂实际的末端刚度，分别建立人手臂末端刚度及机械臂末端力的高斯混合模型，进行高斯混合回归，分别获得人手臂末端刚度和机械臂末端力的回归曲线；S4自主探伤；机械臂按照步骤S2生成的学习轨迹，带动探伤装置对无缝轨道接头进行探伤，基于位置的变阻抗控制策略，保证检测过程中探伤装置与接头表面的接触力与步骤S3中模型计算曲线的限定范围内。2.根据权利要求1所述的基于机械臂的轨道仿形探伤方法，其特征在于，步骤S2中，所述末端数据集为m次示教过程中，在每条轨迹上采集的具有n个数据点的末端数据集其中t＝[t0,t1,
…
,t
n
‑1]
T
为采样点的时间向量，y
demo
＝[y0,y1,
…
,y
n
‑1]
T
、分别为机械臂末端采样点的空间坐标向量、速度向量和加速度向量。3.根据权利要求1或2所述的基于机械臂的轨道仿形探伤方法，其特征在于，步骤S2中，所述动态运动基元的学习过程如下：确定基函数数目N和系统增益项，通过所述末端数据集可得到目标强迫函数f
target
：其中，α
y
和β
y
为系统增益项，g为轨迹目标值，即y
n
‑1。非线性部分由一系列高斯函数加权叠加而成，通过改变权重值来模拟轨迹：其中，ψ
i
＝exp(
‑
h
i
(x
‑
c
i
)2)；x为用于控制f的相位，采用的是经典系统，N为基函数的个数，通常轨迹越复杂就需要更多的基函数；ω
i
为对应基函数ψ
i<...

【专利技术属性】
技术研发人员：耿明，许勇，肖晓晖，何杰，朱成立，张浩，光振雄，董云松，殷勤，周明翔，刘辉，张俊岭，彭方进，李成洋，陈情，
申请(专利权)人：武汉大学，
类型：发明
国别省市：