【技术实现步骤摘要】
Electronics Society,2021,pp.1
‑
6,https://doi.org/10.1109/IECON48115.2021.9589707.)。但这类方法,仅关注模仿人类的操作技能,而且没有充分考虑人
‑
机器人的直接交互,缺少机器人控制的灵活自主性。技能模仿与直接交互相结合,有助于将操作者和机器人紧密连接起来,让机器人更好地理解和执行人类的运动意图。
技术实现思路
[0006]本专利技术的目的是提供基于人类技能学习及模仿的人
‑
机器人协同控制方法,旨在将人类的通过感知外界的力量变化调节跟随的速度的技能传递给机器人,使机器人具有更加柔顺的协作能力。
[0007]本专利技术至少通过如下技术方案之一实现。
[0008]基于人类技能学习及模仿的人
‑
机器人协同控制方法,该方法包括信号采集及处理、三维手臂力量估计模型的构建、人类协作技能模仿模型的构建和人
‑
机器人协作,分别对应如下步骤:
[0009]步骤1、人类导师通过施加不同的大小和方向的手臂力量拖动机器人自由运动,采集该过程中人类导师的手臂运动信号(包括手臂肌肉群的肌电信号和关节转角信息)和真实的手臂力量作为三维手臂力量估计模型的训练样本;并采用均方根滤波器提取肌电信号中的幅值信息,采用快速傅里叶变换提取肌电信号中震颤信息,从而完成信号采集及处理;
[0010]步骤2、采用快速正交搜索(FOS)方法,对得到的幅值信息和关节转角信息进行数据融合,获得三维运动 ...
【技术保护点】
【技术特征摘要】
1.基于人类技能学习及模仿的人
‑
机器人协同控制方法,其特征在于,该方法包括信号采集及处理、三维手臂力量估计模型的构建、人类协作技能模仿模型的构建和人
‑
机器人协作,分别对应如下步骤:步骤1、人类导师通过施加不同的大小和方向的手臂力量拖动机器人自由运动,采集该过程中人类导师的手臂肌肉群的肌电信号和关节转角信息以及真实的手臂力量作为三维手臂力量估计模型的训练样本;并采用均方根滤波器提取肌电信号中的幅值信息,采用快速傅里叶变换提取肌电信号中震颤信息,从而完成信号采集及处理;步骤2、采用快速正交搜索方法,对得到的幅值信息和关节转角信息进行数据融合,获得三维运动方向的力相关信息;将获取的幅值信息、震颤信息和力相关信息作为输入,真实的手臂力量为输出,借助添加了肌电信号修正单元和输入输出控制单元的并联长短时记忆神经网络,构建用于估计得到三维手臂力量的三维手臂力量估计模型;步骤3、借助三维手臂力量估计模型和角度传感器获得人类协作演示过程的手臂力量信息和速度信息,建立手臂力量为输入和运动速度为输出的回归关系,从而完成人类协作技能模仿模型的构建;步骤4、依据构建的人类协作技能模仿模型,将估计得到的三维手臂力量直接转化为机器人的速度调整量,从而控制机器人配合人类完成协作任务。2.根据权利要求1所述的基于人类技能学习及模仿的人
‑
机器人协同控制方法,其特征在于,所述手臂肌肉群的肌电信号包括三角肌前端、三角肌后端、肱二头肌、肱三头肌、胸大肌和冈下肌的肌电信号。3.根据权利要求1所述的基于人类技能学习及模仿的人
‑
机器人协同控制方法,其特征在于,所述关节转角信息包括肘关节转角信息和肩关节转角信息。4.根据权利要求1所述的基于人类技能学习及模仿的人
‑
机器人协同控制方法,其特征在于,所述震颤信息为4
‑
12Hz的肌电信号平均幅值,其表达式为:式中,E
FFT
为震颤信息,FE
raw
[k]为时域信号的双边功率密度谱的第k个数值,其由快速傅里叶变换求得;N为样本数据量;n
min
和n
max
分别代表频率为4Hz和12Hz时对应的双边功率密度谱序列号。5.根据权利要求2所述的基于人类技能学习及模仿的人
‑
机器人协同控制方法,其特征在于,所述快速正交搜索方法采用提取信号与实际输出臂力的相关系数作为迭代标准,提取去除关节转动影响的力相关肌电信号幅值信息,迭代标准的表达式为,式中,Cov(F
y
,E
y
)为力相关信息E
y
与测量臂力F
y
的协方差;Var[F
y
]为手臂力量F
y
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。