机器人控制方法技术

本申请涉及一种机器人控制方法

【技术实现步骤摘要】
机器人控制方法、装置、电子设备及可读存储介质


[0001]本申请涉及移动机器人领域，尤其涉及一种机器人控制方法
、
装置
、
电子设备及可读存储介质
。

技术介绍

[0002]智能移动机器人通过控制底盘行走电机，驱使机器人在复杂环境进行移动并安全到达目的地
。MPC (Model Predictive Control
，模型预测控制
) 是一种基于具有约束满足的目标函数来预测机器人轨迹并优化机器人运动的控制算法，相比于其他控制算法，可通过对系统模型的精确建模，对于不确定的部分进行预测，实现对控制效果的优化，并且可方便地考虑系统的约束条件，提高控制的稳定性和可靠性，是复杂环境中机器人控制算法的首选
。
然而，目前的
MPC
算法中的约束满足对于扰动而言并不稳健；一般最佳解决方案通常位于约束的边缘，因此小的扰动可能会导致违反约束，从而导致违反无碰撞约束，造成严重安全问题
。

技术实现思路

[0003]本申请提供了一种机器人控制方法
、
装置
、
电子设备及可读存储介质，旨在解决现有技术中由于扰动违反无碰撞约束，存在安全隐患的技术问题
。
[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种机器人控制方法，所述方法包括步骤：获取机器人的当前状态数据以及障碍物数据；通过所述当前状态数据构建基础运动模型，并通过所述障碍物数据构建带扰动无碰撞约束模型；根据所述基础运动模型以及所述带扰动无碰撞约束模型构建最优控制问题；对所述最优控制问题进行求解得到最优控制量；根据所述最优控制量控制所述机器人移动
。
[0005]可选地，所述基础运动模型包括机器人动力学模型以及参考轨迹跟踪模型；所述通过所述当前状态数据构建基础运动模型的步骤包括：获取所述当前状态数据中的状态量数据；根据所述状态量数据构建机器人动力学模型；获取所述当前状态数据中的参考轨迹；根据所述参考轨迹构建所述参考轨迹跟踪模型
。
[0006]可选地，所述状态量数据包括系统状态量以及系统控制量；所述根据所述状态量数据构建机器人动力学模型的步骤包括：根据所述系统状态量
、
所述系统控制量构建所述机器人的动力学方程；对所述动力学方程进行线性化得到所述机器人动力学模型
。
[0007]可选地，所述通过所述障碍物数据构建带扰动无碰撞约束模型的步骤包括：
构建与所述障碍物数据对应的目标无碰撞约束模型；获取初始扰动协方差，并对所述初始扰动协方差进行传播得到目标扰动协方差；通过所述目标无碰撞约束模型与所述目标扰动协方差确定扰动退避项；将所述目标无碰撞约束模型与所述扰动退避项结合得到所述带扰动无碰撞约束模型
。
[0008]可选地，所述构建与所述障碍物数据对应的目标无碰撞约束模型的步骤包括：获取所述机器人的机器人中心坐标以及第一半径，和所述障碍物数据中包括的障碍物中心坐标以及第二半径；根据所述机器人中心坐标
、
所述第一半径
、
所述障碍物中心坐标以及所述第二半径构建位置约束子模型；获取预设速度阈值以及预设加速度阈值；根据所述预设速度阈值设置速度约束，根据所述预设加速度阈值设置加速度约束；联合所述位置约束子模型
、
所述速度约束以及所述加速度约束得到所述目标无碰撞约束模型
。
[0009]可选地，所述对所述最优控制问题进行求解得到最优控制量的步骤包括：通过线性规划法对所述最优控制问题进行一次迭代求解得到第一控制量；通过所述第一控制量对所述带扰动无碰撞约束模型中的扰动退避项进行更新，得到更新后的最优控制问题；通过线性规划法对更新后的所述最优控制问题进行一次迭代求解得到所述最优控制量
。
[0010]可选地，所述根据所述最优控制量控制所述机器人移动的步骤包括：基于当前控制周期对所述最优控制量进行时间积分得到目标前进速度与目标角速度；确定与所述目标前进速度以及目标角速度对应的电机驱动信号；将所述电机驱动信号发送至所述机器人的移动模块，以使所述移动模块基于所述电机驱动信号带动所述机器人移动
。
[0011]为实现上述目的，本专利技术还提供一种机器人控制装置，所述机器人控制装置包括：第一获取模块，用于获取机器人的当前状态数据以及障碍物数据；第一构建模块，用于通过所述当前状态数据构建基础运动模型，并通过所述障碍物数据构建带扰动无碰撞约束模型；第二构建模块，用于根据所述基础运动模型以及所述带扰动无碰撞约束模型构建最优控制问题；第一求解模块，用于对所述最优控制问题进行求解得到最优控制量；第一控制模块，用于根据所述最优控制量控制所述机器人移动
。
[0012]为实现上述目的，本专利技术还提供一种电子设备，所述电子设备包括存储器
、
处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的机器人控制方法的步骤
。
[0013]为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储
介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的机器人控制方法的步骤
。
[0014]本专利技术提出的一种机器人控制方法
、
装置
、
电子设备及可读存储介质， 获取机器人的当前状态数据以及障碍物数据；通过所述当前状态数据构建基础运动模型，并通过所述障碍物数据构建带扰动无碰撞约束模型；根据所述基础运动模型以及所述带扰动无碰撞约束模型构建最优控制问题；对所述最优控制问题进行求解得到最优控制量；根据所述最优控制量控制所述机器人移动
。
通过构建基础运动模型来保证控制与场景的匹配性，同时障碍物数据来构建带扰动无碰撞约束模型，从而使得在结合了扰动因素的无碰撞约束模型的基础上，确定最有控制量；能够避免扰动造成违反无碰撞约束的问题，保证了机器人移动过程中的安全性
。
附图说明
[0015]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理
。
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图
。
[0017]图1为本专利技术机器人控制方法第一实施例的流程示意图；图2为本专利技术机器人控制方法的场景示意图；图3为本专利技术机器人控制方法的整体流程示意图；图4为本专利技术电子设备的模块结构示意图
。
具体实施方式
[0018]应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术
。
为了使本
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种机器人控制方法，其特征在于，所述机器人控制方法包括：获取机器人的当前状态数据以及障碍物数据；通过所述当前状态数据构建基础运动模型，并通过所述障碍物数据构建带扰动无碰撞约束模型；根据所述基础运动模型以及所述带扰动无碰撞约束模型构建最优控制问题；对所述最优控制问题进行求解得到最优控制量；根据所述最优控制量控制所述机器人移动
。2.
如权利要求1所述的机器人控制方法，其特征在于，所述基础运动模型包括机器人动力学模型以及参考轨迹跟踪模型；所述通过所述当前状态数据构建基础运动模型的步骤包括：获取所述当前状态数据中的状态量数据；根据所述状态量数据构建机器人动力学模型；获取所述当前状态数据中的参考轨迹；根据所述参考轨迹构建所述参考轨迹跟踪模型
。3.
如权利要求2所述的机器人控制方法，其特征在于，所述状态量数据包括系统状态量以及系统控制量；所述根据所述状态量数据构建机器人动力学模型的步骤包括：根据所述系统状态量
、
所述系统控制量构建所述机器人的动力学方程；对所述动力学方程进行线性化得到所述机器人动力学模型
。4.
如权利要求1所述的机器人控制方法，其特征在于，所述通过所述障碍物数据构建带扰动无碰撞约束模型的步骤包括：构建与所述障碍物数据对应的目标无碰撞约束模型；获取初始扰动协方差，并对所述初始扰动协方差进行传播得到目标扰动协方差；通过所述目标无碰撞约束模型与所述目标扰动协方差确定扰动退避项；将所述目标无碰撞约束模型与所述扰动退避项结合得到所述带扰动无碰撞约束模型
。5.
如权利要求4所述的机器人控制方法，其特征在于，所述构建与所述障碍物数据对应的目标无碰撞约束模型的步骤包括：获取所述机器人的机器人中心坐标以及第一半径，和所述障碍物数据中包括的障碍物中心坐标以及第二半径；根据所述机器人中心坐标
、
所述第一半径
、
所述障碍物中心坐标以及所述第二半径构建位置约束子模型；获取预设速度阈值以及预设加速度阈值；根据所述预设速度阈值设置...

【专利技术属性】
技术研发人员：熊伟成，曹卫川，
申请(专利权)人：深圳市智绘科技有限公司，
类型：发明
国别省市：