【技术实现步骤摘要】
一种多自由度训练机器人控制方法及装置
[0001]本专利技术涉及机器人控制
,具体而言,涉及一种多自由度训练机器人控制方法及装置。
技术介绍
[0002]多自由度的训练机器人是为了帮助使用者增加上肢的运动能力,由于专业人士的短缺,以及各项成本的支出,机器人的训练控制方法被大量研究。
[0003]对于基于多自由度的机器人的训练控制,多集中于单向主从式被动训练方式,通过例如PID控制器、滑模控制器等位置控制策略进行控制,通过预先设定的控制策略和轨迹进行训练,使用者与机械臂之间没有任何形式的交互,会使使用者在训练时缺乏主动参与性,导致训练效果不理想。
[0004]在不同训练模式下,多自由度机器人的控制策略不尽相同,对于不同的使用者,不同的控制策略带来的训练效果也不同,在同一个使用者的不同训练时期,也需要不同的控制策略以保证更好的训练效果,而目前的训练机器人控制方法并没有针对人机交互的情况而自适应改变控制策略的技术方案。
技术实现思路
[0005]本专利技术解决的问题是如何自适应切换多自由度训练机器人的控制策略。
[0006]为解决上述问题,本专利技术提供一种多自由度训练机器人控制方法及装置。
[0007]第一方面,本专利技术提供一种多自由度训练机器人控制方法,包括:
[0008]对训练机器人进行动力学建模,获得动力学模型;
[0009]对所述动力学模型进行解耦,获得单变量动力学模型;
[0010]根据所述单变量动力学模型确定自抗扰位置控制策略和虚 ...
【技术保护点】
【技术特征摘要】
1.一种多自由度训练机器人控制方法,其特征在于,包括:对训练机器人进行动力学建模,获得动力学模型;对所述动力学模型进行解耦,获得单变量动力学模型;根据所述单变量动力学模型确定自抗扰位置控制策略和虚拟夹具控制策略;当所述训练机器人受到的交互信息满足正向转换准则时,从所述自抗扰位置控制策略切换至所述虚拟夹具控制策略;当所述训练机器人受到的交互信息满足反向转换准则时,从所述虚拟夹具控制策略切换至所述自抗扰位置控制策略。2.根据权利要求1所述的多自由度训练机器人控制方法,其特征在于,所述对所述动力学模型进行解耦,获得单变量动力学模型包括:对所述动力学模型进行变换,表示为:对所述动力学模型进行变换,表示为:A2=
‑
M
‑1Du=M
‑1τ,其中,q表示所述训练机器人的关节角度,表示对q的微分,表示对q的二次微分,A1表示惯性项和重力项结合的矢量,A2表示干扰量,C表示向心力和科里奥利矩阵,G表示重力矩阵,M
‑1表示惯性矩阵的逆矩阵,u表示虚拟力矩,f表示摩擦力,D表示未建模的动力学模型以及外部干扰,τ表示输出力矩的向量。3.根据权利要求2所述的多自由度训练机器人控制方法,其特征在于,所述对所述动力学模型进行解耦,获得单变量动力学模型还包括:解耦获得三个独立的所述动力学模型,根据所述动力学模型中的虚拟力矩转换获得关节力矩;三个独立的所述动力学模型表示为:其中,a
11
,a
12
,a
13
分别表示第一关节、第二关节和第三关节的惯性项和重力项结合的矢量,a
21
,a
22
,a
23
分别表示所述第一关节、所述第二关节和所述第三关节的干扰量,u1,u2,u3分别表示所述第一关节、所述第二关节和所述第三关节的虚拟力矩。4.根据权利要求3所述的多自由度训练机器人控制方法,其特征在于,所述根据所述单变量动力学模型确定自抗扰位置控制策略和虚拟夹具控制策略包括:通过三阶扩张状态观测器将所述单变量动力学模型中的所述干扰量转化为扩展状态;根据预设的观测器参数,对所述扩展状态进行等效补偿,确定自抗扰控制律,其中,所述自抗扰控制律包括关节角度误差及其比例系数、角速度误差及其微分系数、惯性项和重力项结合的矢量,与所述扩展状态之间的关系;根据所述自抗扰控制率确定所述自抗扰位置控制策略。
5.根据权利要求1所述的多自由度训练机器人控制方法,其特征在于,所述根据所述单变量动力学模型确定自抗扰位置控制策略和虚拟夹具控制策略还包括:确定...
【专利技术属性】
技术研发人员:张佳楫,冯光,左国坤,施长城,宋涛,
申请(专利权)人:中国科学院宁波材料技术与工程研究所,
类型:发明
国别省市:
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。