【技术实现步骤摘要】
本申请属于一种机器人控制方法，具体涉及一种机器人柔顺交互控制方法及相关装置。
技术介绍
1、近年来，机器人在工业领域和日常生活中得到越来越广泛的应用。在机器人研究领域，机器人在工作空间内的类人操作能力，如技能学习能力和友好交互控制能力，是其工作性能的重要体现。类人行为有助于机器人采取一种更加智能的方式应对环境中的各种变化，并执行更加复杂多变、多种需求的任务，对机器人的进一步应用大有裨益。
2、实际应用中，由于环境变化不可预测，且变化可能性较大，使机器人在未知环境中的交互控制面临巨大挑战，通常导致应变能力较差，响应变化的环境速度较慢，进而造成交互控制准确性差。
技术实现思路
1、本申请针对目前机器人在位置环境中的交互控制，存在应变能力较差，响应变化的环境速度较慢，交互控制准确性差的技术问题，提供一种机器人柔顺交互控制方法及相关装置。
2、为了实现上述目的，本申请采用以下技术方案予以实现：
3、第一方面，本申请提出一种机器人柔顺交互控制方法，包括：
4、根据期望轨迹和机器人与未知环境交互的力反馈，采用可变刚度阻抗自适应交互方法，得到参考轨迹；其中，轨迹包括机器人末端的位置、速度和加速度；
5、对所述参考轨迹与机器人的实际运行参数，得到参考轨迹对应的机器人关节空间的关节角度、角速度和角加速度，作为调节参数；其中，所述实际运行参数包括机器人实际运行时的角度、角速度和角加速度；
6、偏置广义模糊神经网络结合机器人与未知环
7、进一步地，所述根据期望轨迹和机器人与未知环境交互的力反馈，采用可变刚度阻抗自适应交互方法，得到参考轨迹，包括：
8、构建可变最优阻抗模型；
9、采用自适应最优阻抗学习最小化可变最优阻抗模型，得到参考轨迹。
10、进一步地，所述可变最优阻抗模型，包括：
11、
12、其中，表示可变最优阻抗模型，y表示一个状态变量，h表示交互力权重，f表示交互力；
13、
14、其中，n表示跟踪误差权重，e表示人工设计的可调矩阵。
15、进一步地，所述采用自适应最优阻抗学习最小化可变最优阻抗模型，得到参考轨迹，包括：
16、(1)计算可变目标刚度系数kv和阻尼系数bv，进行以下计算：
17、
18、其中，f0表示输入相互作用力，ym、tl、iyy、iyf、和pm,m-1均表示中间参数y表示状态变量；
19、(2)求解：
20、
21、其中，gi+1表示，im表示m维单位矩阵，和r均表示中间参数；γi＝-iyyvec(qi)，
22、将阻抗增益从g0调整到g*：
23、
24、其中，gt表示增益调整过程中t时刻的增益，g*表示学习到的最优增益，g0表示初始人工设置的增益，t12表示增益调整时长；
25、(3)使用f＝g*y作为近似的最优交互力，计算参考轨迹xr。
26、进一步地，所述偏置广义模糊神经网络，包括：
27、在广义模糊神经网络的模糊规则和增强节点中增加偏置。
28、进一步地，所述偏置广义模糊神经网络的转换函数为高斯函数：
29、
30、其中，φi(q)表示转换函数，q表示关节角度，μi表示高斯函数中心，σ表示标准差，nφ表示成员节点数量。
31、进一步地，所述偏置广义模糊神经网络的输出为：
32、
33、其中，y表示偏置广义模糊神经网络的输出，γold表示扩展前的模糊规则矩阵，表示第nψ+1个模糊规则，nψ表示模糊节点数量，ψold表示扩展前的增强节点矩阵，表示，b表示偏置，wold表示旧权重矩阵，wφψ表示节点自增后的新权重矩阵。
34、第二方面，本申请提出一种机器人柔顺交互控制系统，包括：
35、参考获取模块，用于根据期望轨迹，采用可变刚度阻抗自适应交互方法，得到参考轨迹；其中，轨迹包括机器人末端的位置、速度和加速度；
36、调节获取模块，用于对所述参考轨迹与机器人的实际运行参数，得到参考轨迹对应的机器人关节空间的关节角度、角速度和角加速度，作为调节参数；其中，所述实际运行参数包括机器人实际运行时的角度、角速度和角加速度；
37、控制模块，用于偏置广义模糊神经网络结合机器人与未知环境交互的力反馈，以及调节参数，且未知动力学模型结合实际运行参数和调节参数，共同对机器人与位置环境的交互进行控制。
38、第三方面，本申请提出一种电子设备，包括：
39、存储器，用于存储计算机程序；
40、处理器，用于执行所述计算机程序时实现上述机器人柔顺交互控制方法的步骤。
41、第四方面，本申请提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述机器人柔顺交互控制方法的步骤。
42、与现有技术相比，本申请具有以下有益效果：
43、本申请提出一种机器人柔顺交互控制方法，受人类手臂刚度行为中观察到的适应性启发，设计了一种自适应阻抗学习方法来建立理想的交互动态，从而在不需要明确环境模型的情况下实现柔顺交互。本申请的控制策略可以根据机器人实际运行时的力和位置反馈，不断调整阻抗函数中的刚度系数，确保对不同环境条件做出精确响应，且为了应对逼近未知动态模型的挑战，自适应选择适当数量的神经元，并精确逼近未知动力学模型模型。本申请的控制方法可以满足复杂的工作环境和实际任务要求，且更容易适应未知场景的需求，具有广阔的应用前景和客观的经济效益。
本文档来自技高网...【技术保护点】
1.一种机器人柔顺交互控制方法，其特征在于，包括：
2.根据权利要求1所述机器人柔顺交互控制方法，其特征在于，所述根据期望轨迹和机器人与未知环境交互的力反馈，采用可变刚度阻抗自适应交互方法，得到参考轨迹，包括：
3.根据权利要求2所述机器人柔顺交互控制方法，其特征在于，所述可变最优阻抗模型，包括：
4.根据权利要求3所述机器人柔顺交互控制方法，其特征在于，所述采用自适应最优阻抗学习最小化可变最优阻抗模型，得到参考轨迹，包括：
5.根据权利要求4所述机器人柔顺交互控制方法，其特征在于，所述偏置广义模糊神经网络，包括：
6.根据权利要求5所述机器人柔顺交互控制方法，其特征在于，所述偏置广义模糊神经网络的转换函数为高斯函数：
7.根据权利要求6所述机器人柔顺交互控制方法，其特征在于，所述偏置广义模糊神经网络的输出为：
8.一种机器人柔顺交互控制系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计
...【技术特征摘要】
1.一种机器人柔顺交互控制方法，其特征在于，包括：
2.根据权利要求1所述机器人柔顺交互控制方法，其特征在于，所述根据期望轨迹和机器人与未知环境交互的力反馈，采用可变刚度阻抗自适应交互方法，得到参考轨迹，包括：
3.根据权利要求2所述机器人柔顺交互控制方法，其特征在于，所述可变最优阻抗模型，包括：
4.根据权利要求3所述机器人柔顺交互控制方法，其特征在于，所述采用自适应最优阻抗学习最小化可变最优阻抗模型，得到参考轨迹，包括：
5.根据权利要求4所述机器人柔顺交互控制方法，其特征在于，所述偏置广...
【专利技术属性】
技术研发人员：张正涛，刘浩天，佟玉闯，
申请(专利权)人：中国科学院自动化研究所，
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。