CN103648733A - 用于控制机器人的方法和控制装置 - Google Patents

Abstract

本发明涉及一种用于控制特别是人机协作机器人（1）的方法，该方法实现了机器人的特定机器人冗余或特定任务冗余，其中，为了实现冗余，使机器人的与姿态相关的惯性参量（m_u(Λ_v(q)）最小化。

Description

用于控制机器人的方法和控制装置

技术领域

本发明涉及用于控制特别是人机协作的机器人的一种方法和一种控制装置，以实现机器人的特定于机器人的冗余或特定于任务的冗余。

背景技术

在本文中特别是将一种机器人称为人机协作机器人，其可以与人物理地互动，例如使人逗留在机器人的工作空间中。特别是在这样的机器人应用中，人们希望能够减少机器人的接触点与其周围环境、尤其是人发生碰撞所造成的后果。目前需要为此例如根据ISO-10218设定边界值，例如最大的TCP速度为0.2-0.25m/s。但是，这种最坏情况的做法损害了机器人、特别是人机协作的机器人的性能。

一般情况下，具有f自由度的机器人的姿态或状态通过关节坐标

唯一地描述。另一方面，机器人、特别是其TCP的基准点或基准***的位置和方向通过其坐标

预先设定，其中，x例如表示TCP的笛卡尔坐标，α表示其方位，例如以欧拉角度或万向角度描述的。差值f-(m+n)定义了操纵器的冗余。由此，当操纵器具有六个以上的自由度或关节时，可以始终获得一种特定于机器人的冗余；当预先设定的基准点坐标少于操纵器所具有的自由度时，例如只有六轴机器人的TCP的位置(f-(m+n)=6-(3+0)=3)，则得到于任务的冗余。为了更紧凑地说明，在本文中也将具有一个或多个附加轴（例如支架或工具台）的六轴操纵器以及由多个相互协作的操纵器组成的***视为在本发明的意义上的机器人。

显然，冗余的机器人可以至少两个姿态，特别是以无限多的不同的冗余姿态表示预设的基准点坐标向量。因此为了能够根据预设的基准点坐标确定用于机器人关节驱动的控制参量，必须在计算上实现冗余或者从冗余姿态中选出一种姿态。

迄今，为达成此目的，需要将各种不同的质量标准最小化：由此可以使用冗余，以使相对于个别姿态和/或障碍的距离的倒数最小化，设计高效节能的路径等。

发明内容

本发明的目的在于，改进机器人、特别是人机协作机器人的运行。

该目的通过一种具有如权利要求1特征的方法以及一种具有如权利要求10所述特征的控制装置来实现。权利要求11提出了一种计算机程序产品，特别是一种数据载体或一种持久的或临时的存储介质，用以保护存储在该介质上的、用于执行根据本发明的方法的计算机程序，在从属权利要求中提出了优选的扩展方案。本发明意义上的装置可以同样的软件和/或硬件技术构成，特别是其可以包含程序或程序模块和/或计算和存储单元。因此，控制装置同样可以是机器人的硬件技术控制，特别是其控制柜和/或用于对机器人编程的计算机，还可以是在其中运行的（低一级的）程序。

本发明基于以下思想：利用机器人的冗余减轻机器人的接触点与其周围环境、尤其是人发生碰撞的后果：冗余机器人在不同的冗余姿态下具有不同的潜在风险。通过例如在路径规划中选择合适的姿态，可以在保持同样运行速度的情况下减轻发生碰撞的后果。同样也可以提高运行速度并由此提高机器人的性能。

因此根据本发明提出：为了实现冗余，使与姿态相关的机器人的惯性参量降至最低。惯性参量的降低减轻了冲力或推挤，这种冲力或推挤会在发生碰撞时作用于机器人并因此使其处于潜在危险中。

在一种优选的实施方式中，特别是基于关节坐标和/或预定方向提前（即离线地）或在运行期间（即在线地）确定惯性参量。这种基于关节坐标的确定对映着沿机器人自由度方向的物理惯性（例如节肢质量）并因此有利于实现冗余。基于对一个或多个预设方向的确定可以使针对该方向的潜在危险减少到最小程度。特别是可以基于预设的运动方向和/或机器人的至少一个可能的碰撞-推挤方向确定惯性参量，这例如可以从路径规划、手动控制示教等中获得。如果机器人沿该预设的方向运动，则其在发生碰撞的情况下具有降低的潜在危险。

惯性参量特别是可以包括有效质量、有效惯性力矩和/或动能的伪矩阵Λ_v，Λ_ω，优选其本身就是。在动能的二次式中，质量矩阵M(q)描述操纵器在配置空间中的惯性特征。对于冗余的操纵器，也可以通过平移和旋转的雅克比矩阵 $J=\left(\begin{array}{c}{J}_v\\ J_{\mathrm{\ω}}\end{array}\right),$ 利用公式（1）来定义平移或转动的动能伪矩阵Λ_v，Λ_ω：

在此优选将机器人的一个或多个可能的接触点作为坐标为z^T＝(x^T α^T)的基准点，机器人可能会通过这些接触点与周围环境、尤其是协同工作的人员发生碰撞，或者也可以选择已标出的基准点，例如特别是其TCP、由机器人引导的有效载荷的质量中心点或由机器人引导的工具的工作点。

对于通过单位矢量u预先给定的方向，公式（2）描述了沿该方向或围绕转动轴u，即基于该方向u的有效质量m_u(Λ_v)或有效惯性力矩I_u(Λ_ω)。它们直观地描述了（冗余的）操纵器沿该方向或围绕该转动轴的平移或转动惯量：

$\begin{array}{c}\frac{1}{m_u\left({\mathrm{\Λ}}_v\right)}=u^T\·{\mathrm{\Λ}}_v^{-1}\left(q\right)\·u\\ \frac{1}{I_u\left({\mathrm{\Λ}}_{\mathrm{\ω}}\right)}=u^T\·{\mathrm{\Λ}}_{\mathrm{\ω}}^{-1}\left(q\right)\·u\end{array}---\left(2\right).$

下面将特别是以有效质量为例对本发明做进一步的说明，该有效质量用于作为基准点的TCP及其由u预先设定的运动方向。但是附加地或替代地，也可以基于其他的方向（例如在机器人的驱动器误动作时所导致的运动方向）或其它的点（例如特别容易造成碰撞危险的机器人的角）。除了一个或多个有效质量以外，附加地或替代地例如也可以作为惯性参量的动能的伪矩阵的特征值为基础。

通过有效质量m_u(Λ_v(q))可以针对每个通过关节角度q唯一地预先设定的机器人的姿态计算地确定惯性参量。在一种优选的实施方式中，可以将其作为路径规划的质量标准。在此可以将根据本发明的最小惯性参量看作是路径规划的唯一质量标准。同样，特别是可以将其作为加权质量标准与其他质量标准（例如能量最优，相对于障碍物、个别的期望姿态和/或前述姿态的间距）一起在例如Pareto优化或功能优化中加以考虑。因此，例如可以在路径规划时将达到期望姿态预设为质量标准或约束条件，并将惯性参量的降低作为（进一步）的质量标准。

特别是在路径规划的范围内进行优化或在线控制机器人时，例如在驶向示教的基准点位置时，在一种优选的扩展方案中，可以优选数值地、特别是离散地确定惯性参量的斜度（Gradient），并且机器人的姿态在这个斜度的方向上可以改变。如果再次基于有效质量m_u(Λ_v(q))进行举例，斜度

${\▿m}_u=\left(\frac{{\∂m}_u}{\∂q}\right)\≈\left(\frac{m_u\left(q_2\right)-m_u\left(q_1\right)}{q_2-q_1}\right)---\left(3\right)$

在最大上升方向上具有有效质量。通过沿负斜度方向改变姿态可以确定具有较低有效质量的相应姿态。

在一种优选的实施方式中，相对于这种基于斜度的最小化，附加地或替代地还可以通过以下方法使惯性参量最小化：对于两个或更多的冗余姿态，分别确定与各个姿态对应的惯性参量，并选择那些具有较低的惯性参量、特别是具有最低惯性参量的姿态。正如在此明确的那样，在本发明的上下文中将最小化特别理解为选择这样一种姿态：该姿态至少局部地具有最小的惯性参量。但是本发明并不因此而受这种绝对最小化的限制，更确切地说，通过从两个或多个冗余的姿态中选择具有较小惯性参量的姿态就已经足以根据任务改善机器人的运行，特别是减少其潜在的危险和/或例如通过提高工作速度改善其性能。为了能够更紧凑地说明，在此在本发明的上下文中也将惯性参量的减小广义化地称为惯性参量的最小化。

特别是在提前规划机器人的路径时，在一种优选的扩展方案中，对于一个或多个优选为离散的、尤其是等距的或典型的（例如示教的）路径点，可以使各自的惯性参量最小化。在此优选将各个路径点的路径切线方向取为预设方向。如果机器人驶入这样规划的路径，优选机器人在其运动方向上并因此在其可能的碰撞方向上具有降低了的潜在危险，或者在具有相同潜在危险的情况下能够更快地驶离该路径。

附加或替代地，还可以针对一个或多个优选为离散分布的空间点，特别是机器人的配置空间或工作空间的点，优选在各个点上对于一个或多个方向（例如世界坐标系的坐标轴向方向）提前确定具有最小惯性参量的姿态并优选以表格的形式存储。然后在运行中或者在路径规划时可以根据最近存储的姿态对其进行内插或外插，以实现冗余。通过这种方式可以在较低的计算能力或较少的计算时间下通过实现机器人冗余来执行对惯性参量的最小化。在一种优选的扩展方案中，还可以通过多个阶段实现冗余，例如一方面通过确定一个或多个冗余的自由度，使得惯性参量最小化，并使用其它的自由度来描述预先设定的基准点坐标和/或优化其它的质量标准。同样，也可以在考虑到惯性参量和其他用于实现冗余的标准的情况下确定各个最优的姿态，并且例如通过取平均值、内插或类似的方法从这些姿态中选出一种姿态。

在一种优选的实施方式中，将具有最小惯性参量的姿态预设为基准姿态，例如设为优化的起始值。在一种优选的扩展方案中，将一虚拟力记刻在冗余机器人的零空间中，该虚拟力将其运动学虚拟地预加载在基准姿态上，从而使机器人在运行中或在路径规划时接近该基准姿态。这种零空间力例如可以在规划路径时在考虑到其他质量标准和/或约束条件的情况下使用，从而能够同时减少潜在危险并实现更好的性能。

在最小化惯性参量的过程中，机器人的一个或多个可选的自由度或者所有相同的自由度可以发生变化。例如，可以使用映射完整工作空间的六个关节来实现预设的基准点姿态，其他的关节用于惯性参量的最小化。类似地也可以优选改变一个或多个距离基体最近的关节坐标（例如通常表现为较重的机器人构件的转盘的转动角和/或摇臂的转动角），以改变惯性参量的最小化。

如上所述，通过根据本发明所实现的冗余并使与姿态相关的机器人的惯性参量最小化，可以降低机器人的潜在危险，特别是在机器人保持恒定速度的情况下。同样也可以在保持相同或减小的潜在危险的情况下提高机器人的速度。为此，在本发明的一种优选的实施方式中将机器人的速度预设为，使与姿态相关的运动参量不超过边界值。

运动参量特别是可以包括惯性参量和机器人速度或其导数的幂的乘积。在一种优选的扩展方案中，如果惯性参量是有效质量，则可以确定作为运动参量的、其与基准点沿预设运动方向的速度的乘积或者其与该速度的幂的乘积。前者对应于投影在运动方向上的冲量，后者对应于投影在运动方向上的动能。如果相应地预先设定机器人的速度（机器人例如以该速度在预设的几何路径上行驶），则机器人可以尽快地行驶，在此，通过投影的冲量或投影的动能所描述的机器人的潜在危险性将保持在低于预定的边界值。

附图说明

其他的优点和特征将通过从属权利要求和实施例给出。为此，部分以示意图示出了：

图1：处于不同姿态的任务冗余的机器人；

图2：根据本发明的方法的流程。

具体实施方式

图1以简化的说明性实施例示出了三关节机器人1，其具有支承在固定基座上的、重的摇臂1.1，铰接固定在该摇臂上、轻得多的臂部1.2和铰接支承在该臂部的远端摆动端部上的、轻的手部1.3，手部具有TCP。所有三个转动关节具有垂直立于图1的视图平面上的平行的转动轴。

机器人1的任务是：通过其TCP在不考虑其方位的情况下驶过位于视图平面中的路径B，机器人通过其三个自由度q=(q1 q2 q3)^T关于预设位置z=x=(x y)^T是冗余的：可以看到，关于位于图1的视图平面中的路径B上或机器人的工作空间中的相同的笛卡尔TCP位置(x,y)存在不同的冗余姿态，在图1中示意性示出了三种姿态。

如果针对每种姿态根据公式（2）关于在路径B上在点（x,y）处的切线单位向量u计算有效质量m_u(Λ_v(q))，则可以针对所示出的伸展姿态获得最小有效质量，因为大而重的摇臂1.1的质量的投影在此消失了。相应地在规划路径时，为了以TCP驶过路径B而这样实现冗余：对于每个支承点分别选择具有最小有效质量的姿态并将其预设为期望姿态。如上所述，这可以通过针对不同的冗余的关节角数据组qi确定惯性参量m_u(Λ_v(q_i，j))（它们分别给出相同的TCP支承位置(x,y)_j）以及选择具有最小有效质量的关节角组合来实现，同样也可以提前对等距的空间点(x_a,y_b)和方向u_c分别确定具有最小有效质量的姿态q*_a,b,c并存储。这样，在规划路径B或者在手动地在线控制机器人1的过程中，可以在保持TCP位置并在考虑预先设定的运动方向的情况下在最新存入的、经过风险优化的姿态的方向上自动地改变姿态。替代地，也可以在规划路径时同样以分析的或数值的形式将有效质量作为质量标准加以考虑。

图2示意性示出了这种方法：在第一步骤S1中，预先设定用于TCP的支承位置(x,y)₁，(x,y)₂，…，以利用TCP驶过路径B。

然后，在步骤S2中，对于每个支承位置(x,y)_i首先确定作为路径上的单位切线矢量的预设的运动方向u_i。

现在在优化中确定满足约束条件（“NB”）(x，y)(q^＊ _i)＝(x，y)_i的姿态q^* _i，即，在这种姿态下，TCP占据预设的支承位置；并且有效质量m_u(Λ_v(q^＊ _i))根据公式（2）最小化，即，小于至少一个其他冗余姿态的有效质量m_u(Λ_v(q^＊ _i))，其中，(x,y)(q_i)=(x,y)_i。

最后，在步骤S3中确定机器人的行进速度

使函数、特别是有效质量和笛卡尔TCP速度

的乘积保持低于边界值。在此很明显的是，预先设定的速度（在此为关节角速度

）和用于确定运动参量的速度是不同的，但是还可能是这样的情况，例如预先设定TCP速度。

附图标记列表

1 机器人

1.1 摇臂（轻）

1.2 臂部（轻）

1.3 手部

B 路径

TCP 工具中心点（基准点）

Claims (11)

1.一种用于控制机器人（1）、特别是人机协作的机器人（1）的方法，其中，实现机器人的特定于机器人的冗余或特定于任务的冗余，其特征在于，为了实现所述冗余，使所述机器人的与姿态相关的惯性参量（m_u(Λ_v(q)）最小化。

2.如权利要求1所述的方法，其特征在于，所述惯性参量包括或特别是有效质量（m_u(Λ_v(q），有效惯性力矩（I_u(Λ_ω)）和/或动能的伪矩阵（Λ_v，Λ_ω）。

3.如权利要求1或2所述的方法，其特征在于，所述惯性参量特别是基于关节坐标（q）和/或预设方向（u）提前或在运行期间确定。

4.如前面任一项权利要求所述的方法，其特征在于，将所述惯性参量用作路径规划的质量标准。

5.如前面任一项权利要求所述的方法，其特征在于，确定所述惯性参量的斜度

并沿该斜度的方向改变机器人的姿态。

6.如前面任一项权利要求所述的方法，其特征在于，对于至少两个冗余的姿态、特别是对于至少一个路径点和/或空间点确定所述惯性参量并选择其中具有较小惯性参量的姿态。

7.如前面任一项权利要求所述的方法，其特征在于，将具有最小惯性参量的姿态预先设定为基准姿态。

8.如前面任一项权利要求所述的方法，其特征在于，为使所述惯性参量最小化，改变机器人的一个或多个自由度。

9.如前面任一项权利要求所述的方法，其特征在于，预先给定所述机器人的速度

使得与姿态相关的运动参量不超过边界值，在此，该运动参量优选包括所述惯性参量与机器人速度或其导数的幂的乘积 $(m_u\·\stackrel{\·}{q};m_u\·{\stackrel{\·}{q}}^2).$

10.一种用于控制机器人（1）、特别是人机协作的机器人（1）的控制装置，具有用于实现所述机器人的特定于机器人的冗余或特定于任务的冗余的冗余实现装置，其特征在于，设有用于执行如前面任一项权利要求所述的方法的装置。

11.一种其中存储有计算机程序的计算机程序产品，当其安装在用于控制特别是如权利要求10所述的控制机器人的控制装置中时，执行如权利要求1至9中任一项所述的方法。

Images