【技术实现步骤摘要】
本专利技术涉及机械臂图像视觉伺服控制，具体为一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法。
技术介绍
1、推动机器人行业的发展，从而进一步改善人们的生产生活方式已经逐渐成为自动化行业的共识，其中作为机器人重要组件的机械臂凭借着其控制精度高、效率高等诸多优点，广泛应用于在金属焊接、建筑行业、电子行业。就目前而言，在绝大部分的机械臂作业环境中，其都是通过事先人工设置路点信息，使其在固定路径内重复运动，这样无法根据外界环境的变化做出及时的调整，则大大地降低了机械臂的实用价值。随着人机共融策略的出现，工业界及学术界对机械臂功能的开发都有了一定的进步。由视觉感知系统支持的机械臂也得到了两界的广泛关注及技术支持。在上述认知的基础上，本专利技术分析基于视觉感知的机械臂系统控制，其大致可以分成三类：基于规划的方法、基于学习的方法、视觉伺服控制。但前两者都存在一定的薄弱之处：
2、多数基于规划的算法策略存在着计算时间长的问题，而更为甚者的是在机械臂任务执行过程中，难以在进行重新规划从而应对外界环境的变化，这就导致了当追踪目标可移动时，难以保证机械臂有较好的动态性能；
3、基于学习的控制方案往往需要通过对大量的数据进行分析，且仿真环境要求也较为苛刻，除此之外，对于人为经验的要求也比较高，需要设计合适的参数去拟合离线或在线控制器。而视觉伺服控制的模型构建逻辑清晰，计算负载低，可直接或间接地根据每一时刻图像的变化来进行动作。控制的实时性也可以得到很好的保障。进一步对于视觉伺服控制研究人员也提出了诸多方案：基于位置的
技术实现思路
1、本专利技术的目的在于提供一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，包括以下步骤：
3、s1、对机械臂图像视觉伺服模型进行建立，对图像进行获取；
4、s2、获取图像雅可比矩阵，所用图像雅可比矩阵为四个特征点，将图像雅可比矩阵进行扩维；
5、s3、将相机固定在机械臂末端，通过末端运动带动相机实现六自由度操作，依据相机速度对特征点像素变化进行检测；
6、s4、考虑物理特性约束和视野范围约束，即输入约束和输出约束，并对机械臂的移动速度进行图像约束；
7、s5、基于mpc控制的图像视觉伺服系统的控制任务将图像控制目标进行获取；
8、s6、对控制目标获取后，mpc根据离散化的模型进行设计，对控制效果进行检测；
9、s7、对模糊逻辑的输入隶属度函数和输出隶属度函数进行设计，对像素偏差和像素变化与自适应参数、当像素偏差和损失函数的优化之间的关系进行获取；
10、s8、利用模糊逻辑设计了自适应参数α，根据误差的绝对值s(k)和其变化率的绝对值m(k)自动调整对偏差进行减少；
11、s9、对控制器的约束条件进行限制调节处理。
12、作为本专利技术的一种优选方案：所述s2中的将图像雅可比矩阵进行扩维，扩维后的雅可比矩阵lp4：
13、
14、其中zm＝[z1,…,z4]t，pi和zi分别是第i个特征点的图像像素坐标和深度，将zm内的元素置换为特征点最后的期望高度，以避免视觉端对特征点的深度估计。
15、作为本专利技术的一种优选方案：所述s3中的通过末端运动带动相机实现六自由度操作，依据相机速度对特征点像素变化进行检测具体包括以下步骤：
16、s31、将当前时刻运动的相机的速度定义为vc＝[vc,x,vc,y,vc,z,wc,x,wc,y,wc,z]t；
17、s32、特征点像素变化与末端相机速度变化的关系为：
18、
19、s33、假设系统的采样时间为ts，雅可比矩阵在k时刻更新为lp4,k，根据公式(3-2)，将其离散化则有:
20、pm(k+1)＝apm(k)+lp4,kvc(k).，
21、其中，a为维度为单位矩阵。
22、作为本专利技术的一种优选方案：所述s4中的考虑物理特性约束和视野范围约束，即输入约束和输出约束，并对机械臂的移动速度进行图像约束具体包括以下步骤：
23、s41、输入约束主要是根据机械臂的物理特性所设计的，要保证其求解出来的解在机械臂最大加速度和速度范围之内，也要考虑实际运行的平稳性，避免出现过大的加减速，通过对末端速度vc和其加速度δvc约束则有：
24、vmin≤vc≤vmax,
25、δvmin≤δvc≤δvmax.
26、其中，vmin和vmax分别代表机械臂末端限制速度的最小值和最大值，δvmin和δvmax分别代表机械臂末端限制加速度的最小值和最大值；
27、s42、特征点位置是图像视觉伺服模型的输出，也是整个闭环系统的反馈回路构建的基础，在特征点脱离相机视野时，控制器不会得到反馈信息；
28、s43、输出约束的制定是为了确保视觉上的测量，将特征点保持在采集范围内，防止目标掉出摄像机的视野，对特征点序列pm的约束有：
29、pmin≤pm≤pmax.
30、其中，pmin和pmax代表特征点的图像约束边界。
31、作为本专利技术的一种优选方案：所述s5中的基于mpc控制的图像视觉伺服系统的控制任务将图像控制目标进行获取具体包括以下步骤：
32、s51、基于mpc控制的图像视觉伺服系统的控制任务，在保证各类约束的条件下使特征点组pm达到期望的特征点组
33、s52、误差通过e来表示，控制目标可表示为：
34、
35、s53、特征点是可知的，将设定为位于图像中心正方形的四个顶点。
36、作为本专利技术的一种优选方案：所述s6中的对控制目标获取后，mpc根据本文档来自技高网...
【技术保护点】
1.一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述S2中的将图像雅可比矩阵进行扩维，扩维后的雅可比矩阵Lp4：
3.根据权利要求2所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述S3中的通过末端运动带动相机实现六自由度操作，依据相机速度对特征点像素变化进行检测具体包括以下步骤：
4.根据权利要求3所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述S4中的考虑物理特性约束和视野范围约束，即输入约束和输出约束，并对机械臂的移动速度进行图像约束具体包括以下步骤：
5.根据权利要求4所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述S5中的基于MPC控制的图像视觉伺服系统的控制任务将图像控制目标进行获取具体包括以下步骤：
6.根据权利要求5所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺
7.根据权利要求6所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述S7中的对模糊逻辑的输入隶属度函数和输出隶属度函数进行设计，对像素偏差和像素变化与自适应参数、当像素偏差和损失函数的优化之间的关系进行获取具体包括以下步骤：
8.根据权利要求7所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述机械臂的追踪目标是由一个承载AprilTag贴纸的木板，所述机械臂为Universal Robots UR3，MPC解算过程由开源计算库ACADO实现，图像识别算法由开源视觉伺服库ViSP实现，机器人通信架构为ROS，系统的控制周期TS为40ms。
9.根据权利要求8所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述S8中的利用模糊逻辑设计了自适应参数α，根据误差的绝对值S(k)和其变化率的绝对值M(k)自动调整对偏差进行减少具体包括以下步骤：
10.根据权利要求9所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述S9中的对控制器的约束条件进行限制调节处理具体包括以下步骤：
...【技术特征摘要】
1.一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述s2中的将图像雅可比矩阵进行扩维，扩维后的雅可比矩阵lp4：
3.根据权利要求2所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述s3中的通过末端运动带动相机实现六自由度操作，依据相机速度对特征点像素变化进行检测具体包括以下步骤：
4.根据权利要求3所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述s4中的考虑物理特性约束和视野范围约束，即输入约束和输出约束，并对机械臂的移动速度进行图像约束具体包括以下步骤：
5.根据权利要求4所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述s5中的基于mpc控制的图像视觉伺服系统的控制任务将图像控制目标进行获取具体包括以下步骤：
6.根据权利要求5所述的一种利用自适应模糊模型预测控制的机械臂图像视觉伺服控制方法，其特征在于：所述s6中的对控制目标获取后，mpc根据离散化的模型进行设计，对控...
【专利技术属性】
技术研发人员：郝皓，王文杰，林慧丹，秦玉洁，
申请(专利权)人：上海第二工业大学，
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。