CN104626168A - 基于智能算法的机器人力位柔顺控制方法 - Google Patents

Abstract

本发明公开了一种基于智能算法的机器人力位柔顺控制方法，属于机电一体化领域，控制方法如下：控制***基于位置的阻抗控制方式，通过测量机器人各关节伺服电机电流和各关节转动位置，综合解算出机械手末端与工件结合处的交互力值；采用预测算法预测机器人与环境的交互力值，并与上述解算得到的交互力值做比较，经过能量均衡校正算法处理的输出即为控制***实际力感知，控制***据此进行装配机器人轨迹末端位置设定，以此形成各关节伺服电机控制信号，以此控制伺服电机，实现力-位柔顺控制。本发明可以在装配、加工、抛光等作业中，使工作过程要求机器人与作业对象接触，并使接触力在工作过程中保持在设定的区间，以取得良好的工作效果。

Description

基于智能算法的机器人力位柔顺控制方法

技术领域

本发明属于机电一体化领域，具体地说，涉及一种基于智能算法的机器人力位柔顺控制方法。

背景技术

随着科学技术的进步和制造业的不断发展，市场对打磨抛光加工的需求不断增长。打磨抛光机器人能够实现高效率、高质量的自动化打磨，为代替人工打磨提供了一种有效的解决方案。

打磨机器人的核心为力控制技术，通过控制加工轨迹和打磨工具末端的力保证打磨质量，即对机器人的位置和力这两方面都要进行控制。目前国内外已经研发出较成熟的位置控制型机器人，对力控制机器人也开展了很多研究，但是大部分力控制机器人都是基于位置伺服实现的，其响应时间长，不能对力进行直接控制，影响了力控制的精度和效果。

大多数的力控制研究都采用腕力传感器来测量并反馈机器人末端与接触环境的接触力。然而，腕力传感器一般价格较高，刚度比机械手操作端低，容易损坏，而且无法应用在高温、高腐蚀、强干扰等实际工业应用情况中。关节转矩控制通过转矩反馈形成闭环代替末端力闭环控制，最终在机器人末端力开环的***中完成高质量的力控制，可克服腕力传感器的种种弊端。

由于机器人本身模型不精确以及受到的各种干扰，往往无法获得满意的控制品质。为此，国内外学者提出了多种非线性控制***，在这些控制方法中，计算力矩控制是最简单有效的。在机器人位置控制过程中，采用基于神经网络补偿未知干扰的计算力矩控制，神经网络参数学习不需要***先验知识。当机器人末端与环境接触后，利用转矩换算得到实际接触力。

有鉴于上述的缺陷，本设计人，积极加以研究创新，以期创设一种加入了人类的经验、提高了所测力信号的抗干扰性和准确性、具有响应速度快，安全可靠特点的基于智能算法的机器人力位柔顺控制方法。

发明内容

本发明要解决的技术问题是克服上述缺陷，提供一种加入了人类的经验、提高了所测力信号的抗干扰性和准确性、具有响应速度快，安全可靠特点的基于智能算法的机器人力位柔顺控制方法。

为解决上述问题，本发明所采用的技术方案是：

基于智能算法的机器人力位柔顺控制方法，其特征在于：控制方法如下：

控制***基于位置的阻抗控制方式，通过测量机器人各关节伺服电机电流和各关节转动位置，综合解算出机械手末端与工件结合处的交互力值；采用预测算法预测机器人与环境的交互力值，并与上述解算得到的交互力值做比较，经过能量均衡校正算法处理的输出即为控制***实际力感知，控制***据此进行装配机器人轨迹末端位置设定，以此形成各关节伺服电机控制信号，以此控制伺服电机，实现力-位柔顺控制。

作为一种优化的技术方案，控制方法的具体步骤如下：

1)、运动控制器规划新的位置点，并将其转换为模拟速度信号；

2)、速度环接收模拟速度信号，控制电流环进行伺服电机电流控制；

3)、通过编码器获取实际位置信号，测量伺服电机电流获得转矩信号；

4)、通过力位转换与实际位置信号比较后传入运动控制器，计算出力和位置的偏差，调整产生新的位置点。

作为一种优化的技术方案，步骤1)中运动控制器规划新的位置点的步骤如下：

(1)、根据给定的任务要求计算出机器人末端运动的新目标点；

(2)、从数据缓冲区读取解算出来的接触力/力矩值；

(3)、根据力/力矩解算值与期望接触值的偏差信息计算并调整目标点的位置；

(4)、进行机器人轨迹规划，送入就绪队列；

(5)、执行轨迹规划；

(6)、在执行步骤(5)的同时采集当前的接触力/力矩信息；

(7)、回到步骤(l)，重复进行。

作为一种优化的技术方案，步骤4)中力位转换的具体实现方式如下：

(1)、接收伺服电机的关节转矩信号；

(2)、根据由电流得到的关节转矩信号，通过雅克比矩阵解算出环境交互力，并采用RBF神经网络算法预测机器人与环境交互力以防止抖动；

(3)、将步骤(2)得到的交互力作为能量均衡装置的输入，能量均衡装置经过能量均衡校正算法处理的输出得到控制***实际力感知；

(4)、将实际力感知输入运动控制器进行轨迹位置设定；

(5)、回到步骤(l)，重复进行。

作为一种优化的技术方案，

在步骤1)开始作业前，需对各关节转矩进行标定，得到空载状态下的转矩，作为计算带载状态下转矩的基础。

由于采用了上述技术方案，与现有技术相比，本发明基于人类经验信息和加速度信息综合的力-位控制打磨机器人进行了研究。首先测量人工打磨对应工件所需要的力，然后对测量的力信号集进行了滤波、重力补偿和传感器坐标系标定，提高了所测力信号的抗干扰性和准确性，最后对上述算法进入专家***进行归纳分析，得出对应工件合适的打磨力值，由控制器通过数字信号对打磨力进行设定。这种方法加入了人类的经验，具有响应速度快，安全可靠的特点。

本发明在实际应用中通过雅克比矩阵和选择矩阵可以将操作空间任意方向的力和位置分配到各个关节上，也可以将各个关节的力做正解计算得到机器人末端受力。运用力-位混合控制技术可以在装配、加工、抛光等作业中，使工作过程要求机器人与作业对象接触，并使接触力在工作过程中保持在设定的区间，以取得良好的工作效果。

同时下面结合附图和具体实施方式对本发明作进一步说明。

附图说明

图1为本发明一种实施例中控制***层次划分图；

图2为本发明一种实施例中打磨水龙头操作的控制***软件流程图。

具体实施方式

实施例：

如图1所示，基于智能算法的机器人力位柔顺控制方法，控制方法如下：

控制***基于位置的阻抗控制方式，通过测量伺服电机电流和关节转动位置，采用RBF神经网络算法预测机器人与环境交互力值输入能量均衡状态，经过能量均衡校正算法处理的输出即为控制***实际力感知，控制***据此进行装配轨迹位置设定，形成伺服电机控制信号，以此控制伺服电机，实现力位柔顺控制。

控制***包括运动控制器、驱动器和电机以及相关软件、算法，

开始作业前，需对各关节转矩进行标定，得到空载状态下的转矩，作为计算带载状态下转矩的基础。

其之后的具体步骤如下：

1)、运动控制器规划新的位置点，并将其转换为模拟速度信号。

运动控制器规划新的位置点的步骤如下：

(1)、根据给定的任务要求计算出机器人末端运动的新目标点。

(2)、从数据缓冲区读取解算出来的接触力/力矩值。

(3)、根据力/力矩解算值与期望接触值的偏差信息计算并调整目标点的位置。

(4)、进行机器人轨迹规划，送入就绪队列。

(5)、执行轨迹规划。

(6)、在执行步骤(5)的同时采集当前的接触力/力矩信息。

(7)、回到步骤(l)，重复进行。

2)、速度环接收模拟速度信号，控制电流环进行伺服电机电流控制。

3)、通过编码器获取实际位置信号，测量伺服电机电流获得转矩信号。

4)、通过力位转换与实际位置信号比较后传入运动控制器，计算出力和位置的偏差，调整产生新的位置点。

其中力位转换的具体实现方式如下：

(1)、接收伺服电机的关节转矩信号；

(2)、根据由电流得到的关节转矩信号，通过雅克比矩阵解算出环境交互力，并采用RBF神经网络算法预测机器人与环境交互力以防止抖动；

(3)、将步骤(2)得到的交互力作为能量均衡装置的输入，能量均衡装置经过能量均衡校正算法处理的输出得到控制***实际力感知；

(4)、将实际力感知输入运动控制器进行装配轨迹位置设定；

(5)、回到步骤(l)，重复进行。

本实施例可以采用高性能工控机设计一个机器人装配的力-位置控制器，以实现有效的力预测及能量均衡，在***稳定的情况下获得力感知的真实性及轨迹控制的准确性。通过变压器和电源进行装配等实验，验证***的正确性。

机器人***中，在机器人末端安装夹具(吸附头)及工件，并通过机器人各关节转矩的解算综合出工件与装配对象接触力，由各个关节编码器测量角位移并由机器人运动正解方程计算出工件位姿。针对阻抗控制***中的实际检测接触力很难直接获得，采用采集各伺服电机转矩值经过换算得到末端执行器与外部环境的接触力的方法，来替代直接采用力传感器反馈末端执行器接触力信号；对期望接触力信号，设计一种实验方法得到装配力和在其作用下的被装配量，预估出期望的接触力范围，再根据神经网络预测接触力，控制器从而对参考轨迹在线进行局部的微量调整，以满足装配要求。

在机器人位置控制过程中，采用基于神经网络补偿未知干扰的计算力矩控制，神经网络参数学习不需要***先验知识。当机器人末端与环境接触后，利用转矩换算得到实际接触力。

当机器人处于***模式未接触时，采用的是位置-位置控制模式；当机器人处于受限模式，即机器人末端与工件接触时，采用的是设定恒定力区域范围内的位-力控制模式。

本实施例还用一个具体实施方式来说明上述问题：

机器人打磨***，以水龙头为打磨对象。

机器人打磨***中包括：

(1)砂带打磨机

利用打磨砂带的高速旋转能对工件表面进行磨削加工，使之光滑明亮，增加产品的亮度和光洁度。

一个机器人单元配置2组打磨机，能根据工艺要求、工件形状选择不同粗细和宽度的砂带，并设置合适的打磨参数。

(2)电机，负责每组打磨机前后位置移动，其电机的数量与位置关系与砂带打磨机相配合。

(3)变频器，主要作用是砂带接触轮转速的变频调节。

(4)接触轮，是执行机构，用于打磨满足锌合金把手表面表面精度要求。

(5)粉尘收集器，为预留粉尘收集装置。

(6)张紧机构，采用气缸张紧砂带方式，张紧机构可以手动调节位置。

(7)力反馈调节机构，由关节转矩计算得到，通过雅克比矩阵解算得到末端受力。

本实施方式中的机器人打磨***基于模糊控制算法的力-位混合控制***，通过在砂带机导轨平台气缸中加装压力传感器，用来测量在传感器坐标系下X方向所受力和力矩大小，并通过设计出了滤波器对测量到的数据进行滤波，并考虑打磨工具的质量，设置了重力补偿环节，变换机器人的位置可以得到多组压力值，利用最小二乘法对所得的数据进行优化，得出最优值，从而完成对力传感器的坐标系标定。

机器人打磨***采用了模糊控制算法，对控制***进行控制，运用MATLAB进行了仿真，效果运行良好。输出信号传递给力控制器，对机器人进行调节以保持打磨工具和加工件之间的力相对恒定，从而保证打磨的效果。

如图2所示，机器人打磨***的***工作流程如下：

控制***的软件功能是协调机器人与抛光打磨砂带机的打磨工作，主要目的是保持打磨力的恒定。

打磨具体过程为机器人取工件后进行校正，通知主控制器启动打磨机，打磨机配合机器人打磨工件，不断进行力反馈调节以保证力恒定，该最佳打磨力是由人类经验信息和加速度信息交叉形成的。

该工序打磨完成之后，机器人通知主控制器关闭该工序打磨机并进行工件校正后开始下一工序打磨工作，重复以上过程直至所有工序打磨完成。

本发明不局限于上述的优选实施方式，任何人应该得知在本发明的启示下做出的结构变化，凡是与本发明具有相同或者相近似的技术方案，均属于本发明的保护范围。

Claims (5)

1.基于智能算法的机器人力位柔顺控制方法，其特征在于：

控制方法如下：

控制***基于位置的阻抗控制方式，通过测量机器人各关节伺服电机电流和各关节转动位置，综合解算出机械手末端与工件结合处的交互力值；采用预测算法预测机器人与环境的交互力值，并与上述解算得到的交互力值做比较，经过能量均衡校正算法处理的输出即为控制***实际力感知，控制***据此进行装配机器人轨迹末端位置设定，以此形成各关节伺服电机控制信号，以此控制伺服电机，实现力-位柔顺控制。

2.根据权利要求1中所述的基于智能算法的机器人力位柔顺控制方法，其特征在于：

控制方法的具体步骤如下：

1)、运动控制器规划新的位置点，并将其转换为模拟速度信号；

2)、速度环接收模拟速度信号，控制电流环进行伺服电机电流控制；

3)、通过编码器获取实际位置信号，测量伺服电机电流获得转矩信号；

4)、通过力位转换与实际位置信号比较后传入伺服控制卡，计算出力和位置的偏差，调整产生新的位置点。

3.根据权利要求2中所述的基于智能算法的机器人力位柔顺控制方法，其特征在于：

步骤1)中运动控制器规划新的位置点的步骤如下：

(1)、根据给定的任务要求计算出机器人末端运动的新目标点；

(2)、从数据缓冲区读取解算出来的接触力/力矩值；

(3)、根据力/力矩解算值与期望接触值的偏差信息计算并调整目标点的位置；

(4)、进行机器人轨迹规划，送入就绪队列；

(5)、执行轨迹规划；

(6)、在执行步骤(5)的同时采集当前的接触力/力矩信息；

(7)、回到步骤(l)，重复进行。

4.根据权利要求2中所述的基于智能算法的机器人力位柔顺控制方法，其特征在于：

步骤4)中力位转换的具体实现方式如下：

(1)、接收伺服电机的关节转矩信号；

(2)、根据由电流得到的关节转矩信号，通过雅克比矩阵解算出环境交互力，并采用RBF神经网络算法预测机器人与环境交互力以防止抖动；

(3)、将步骤(2)得到的交互力作为能量均衡装置的输入，能量均衡装置经过能量均衡校正算法处理的输出得到控制***实际力感知；

(4)、将实际力感知输入运动控制器进行装配轨迹位置设定；

(5)、回到步骤(l)，重复进行。

5.根据权利要求2中所述的基于智能算法的机器人力位柔顺控制方法，其特征在于：

在步骤1)开始作业前，需对各关节转矩进行标定，得到空载状态下的转矩，作为计算带载状态下转矩的基础。