CN110007601A - 一种双边遥操作***的控制装置和设备 - Google Patents
一种双边遥操作***的控制装置和设备 Download PDFInfo
- Publication number
- CN110007601A CN110007601A CN201910372071.7A CN201910372071A CN110007601A CN 110007601 A CN110007601 A CN 110007601A CN 201910372071 A CN201910372071 A CN 201910372071A CN 110007601 A CN110007601 A CN 110007601A
- Authority
- CN
- China
- Prior art keywords
- value
- state
- feedback
- target environment
- robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000002146 bilateral effect Effects 0.000 title claims abstract description 74
- 230000003068 static effect Effects 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 19
- 230000007613 environmental effect Effects 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 210000004872 soft tissue Anatomy 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005183 dynamical system Methods 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000013334 tissue model Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种双边遥操作***的控制装置和设备,包括:估计模块,用于将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至估计算法模型中,输出运动状态的最优估计值;前馈补偿值输出模块,用于将所述最优估计值输入静态目标环境模型中,输出前馈补偿值;确定模块,用于利用所述目标环境输出的力反馈值减去所述前馈补偿值,确定目标力反馈值;反馈模块,用于将所述目标力反馈值发送至所述双边遥操作***的从机器人,由所述从机器人将所述目标力反馈值反馈至所述双边遥操作***的操作者。本发明所提供的装置和设备,提高了双边遥操作医疗***机器人跟踪目标环境运动状态的精度。
Description
技术领域
本发明涉及机器人控制技术领域,特别是涉及一种双边遥操作***的控制装置和设备。
背景技术
复杂的现代工作环境中,已经有部分工作由机器人来代替人工完成,但是由于传感器以及人工智能等领域现今的发展水平限制,机器人还无法实现在复杂环境下有效地自主完成高精密任务。基于双边遥操作***的机器人控制技术将主控制端的人工的智能决策嵌入机器人的控制中,大幅度提高机器人的工作效率,例如医疗手术的环境下,可以使人类拥有在人体外部对人体器官进行手术的能力,双边遥操作的医学应用随着力感知设备的研究变得非常关键。稳定性和实时跟踪性是双边遥操作***的主要痛点,将***应用到医疗等需要高精度识别的设备上时,***的跟踪精度性能达不到要求,这很大程度上限制了机器人的应用范围,不能保证机器人能在高精度的要求下安全的完成手术,尤其是在对人体器官进行手术时,器官的跳动会对手术过程造成影响。
现有技术中通过一种多步预测控制算法,增强对机器人的运动状态的估计性能,使手术机器人末端运动状态和目标环境运动状态同步来消除这部分的影响。在现有技术中利用卡尔曼滤波算法估计机器人的运动状态,并且对机器人做多步预测,使机器人的末端运动能跟踪上心脏的运动,这种方法首先要利用传感器得到心脏运动信息,再利用卡尔曼滤波器对机器人运动状态进行估计,过程中传感器和环境会产生许多噪声,在没有***前馈补偿的情况下会影响机器人控制***性能。且在训练过程中,需要多样本数据,如果训练数据的样本遍历性不足时,会降低模型性能从而影响补偿效果,整体过程在应用上为离线补偿控制。但是这种方法还是有很多的限制,并不能完全消除动态环境对机器人操作的影响。
综上所述可以看出,如何消除目标环境对双边遥操作***造成的不确定性力的影响是目前有待解决的问题。
发明内容
本发明的目的是提供一种双边遥操作***的控制装置和设备,以解决动态的操作环境会对双边遥医疗操作***的机器人造成不确定性力的影响。
为解决上述技术问题,本发明提供一种双边遥操作***的控制装置,包括:估计模块,用于将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至预选的估计算法模型中,输出所述运动状态最优估计值;前馈补偿值输出模块,用于将所述运动状态最优估计值输入静态目标环境模型中,输出所述双边遥操作***的前馈补偿值;确定模块,用于利用所述目标环境输出的力反馈值减去所述前馈补偿值,确定目标力反馈值;反馈模块,用于将所述目标力反馈值发送至所述双边遥操作***的从机器人,由所述从机器人将所述目标力反馈值反馈至所述双边遥操作***的操作者;其中,所述目标环境模型为利用传感器模拟构建的所述目标环境的运动状态模型;所述静态目标环境模型为模拟所述目标环境在静止状态下软组织的模型。
优选地,所述估计模块具体用于:
将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至极大似然估计算法模型中,输出所述运动状态最优估计值。
优选地,所述估计模块具体用于:
将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至卡尔曼滤波器中,输出所述运动状态最优估计值。
优选地,所述估计模块包括:
第一构建单元,用于将所述运动状态模拟参考值和所述运动状态测量值输入所述卡尔曼滤波器后,构建所述目标环境模型的状态方程和所述目标环境的测量方程;
第二构建单元,用于根据所述状态方程和所述测量方程,构建所述卡尔曼滤波器时间和状态的更新方程;
更新单元,用于根据所述更新方程确定卡尔曼增益更新值、状态更新值和误差协方差更新值;
确定单元,用于根据所述卡尔曼增益更新值、所述状态更新值和所述误差协方差更新值,确定所述运动状态最优估计值。
优选地,所述第一构建单元具体用于:
将所述运动状态模拟参考值和所述运动状态测量值输入所述卡尔曼滤波器后,构建所述目标环境模型的状态方程X(k)=A·X(k-1)+B·V(k-1)和所述目标环境的测量方程Y(k)=C·X(k)+I·T(k);
其中,X(k)为2×1阶从机器人***的运动状态的模拟参考向量,包括从机器人的位置值和速度值;X(k-1)为所述从机器人***上一时刻运动状态的模拟参考向量,V(k)为2×1阶***过程噪声向量,A和B为***参数矩阵;
Y(k)为所述目标环境运动状态的测量向量,X(k)为***当前时刻状态先验值,T(k)为动态***测量噪声,C为动态***已知的测量参数矩阵。
优选地,所述第二构建单元具体用于:
用于根据所述状态方程和所述测量方程,构建所述卡尔曼滤波器时间和状态的更新方程:
其中,为k-1时刻的先验状态最优值,为k时刻预测的***状态先验值,为k时刻估计协方差先验值,Pk-1为k-1时刻误差估计协方差,Kk为k时刻卡尔曼增益更新值,为k时刻状态更新值,Pk为k时刻误差协方差更新值,Q和H为状态转移矩阵,为K-1时刻的单位向量,
优选地,所述确定单元具体用于:
对所述卡尔曼增益更新值、所述状态更新值和所述误差协方差更新值进行自回归运算,确定所述运动状态最优估计值。
优选地,所述反馈模块包括:
第一反馈单元,用于将所述目标力反馈值输入至所述双边遥操作***的从机器人后,将所述从机器人输出的力反馈值输入至所述双边遥操作***的通信通道;
第二反馈单元,用于将所述通信通道输出的力反馈值输入至所述双边遥操作***的机器人后;将所述主机器人输出的力反馈值发送至所述操作者。
优选地,所述目标环境为动态的心脏环境。
本发明还提供了一种双边遥操作***的控制设备,包括:
主机器人,用于接收操作者的运动状态值以及将所述主机器人发送的力反馈值反馈至所述操作者;
通信通道,用于接收所述主机器人发送的运动状态值以及将所述从机器人发送的力反馈值反馈至所述主机器人;
从机器人,用于接收所述通信通道发送的运动状态值以及将所述目标环境发送的目标力反馈值反馈至所述通信通道;
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,实现将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至预选的估计算法模型中,输出所述运动状态最优估计值;将所述运动状态最优估计值输入静态目标环境模型中,输出所述双边遥操作***的前馈补偿值;利用所述目标环境输出的力反馈值减去所述前馈补偿值,确定目标力反馈值;将所述目标力反馈值发送至所述双边遥操作***的从机器人,由所述从机器人将所述目标力反馈值反馈至所述双边遥操作***的操作者的步骤。
本发明所提供的双边遥操作***的控制装置,利用传感器模拟构建双边遥操作***的目标环境的运动状态得到目标环境模块;通过模拟所述目标环境在静止状态下软组织得到静态目标环境模型。本发明所提供的控制装置,包括估计模块,前馈补偿模块,确定模块和反馈模块。所述估计模块将所述目标环境模型输出的运动状态模拟参考值和所述目标环境输出的运动状态测量值输入至预选的估计算法模型中,得到所述运动状态最优估计值。所述前馈补偿值输出模块将所述运动状态最优估计值输入值所述静态目标环境模型中,得到所述双边遥操作***的前馈补偿值。所述确定模块将所述目标环境输出的力反馈值减去所述前馈补偿值,确定目标力反馈值。所述反馈模块将所述目标力反馈值发送至所述双边遥操作***的从机器人,以便于通过所述从机器人将所述目标力反馈值反馈至所述双边遥医疗操作***的操作者。
本发明所提供的双边遥操作***的控制装置,利用目标环境模型输出的运动状态模拟参考值和目标环境输出的运动状态测量值,以及预选的估计算法模型,得到从机器人运动状态的最优估计值,将所述最优估计值作用于目标环境静态时的软组织,得到从机器人与目标环境接触作用产生的不确定性力反馈模型,该模型的输出值作为前馈补偿作用于目标环境输出值,从而提高了双边遥医疗操作***机器人跟踪目标环境运动状态的精度。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种双边遥操作***的控制装置的一种结构框图;
图2为本发明实施例提供的一种双边遥操作***的控制装置的另一种结构框图。
图3为本发明实施例提供的一种双边遥操作***的控制设备的结构框图。
具体实施方式
本发明的核心是提供一种双边遥操作***的控制装置和设备,提高了双边遥医疗操作***机器人跟踪目标环境运动状态的精度。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明实施例提供的一种双边遥操作***的控制装置的一种结构框图。具体装置可以包括:估计模块100,前馈补偿值输出模块200,确定模块300,反馈模块400。其中,所述估计模块100用于将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至预选的估计算法模型中,输出所述运动状态最优估计值。所述前馈补偿值输出模块200用于将所述运动状态最优估计值输入静态目标环境模型中,输出所述双边遥操作***的前馈补偿值。所述确定模块300用于利用所述目标环境输出的力反馈值减去所述前馈补偿值,确定目标力反馈值。反馈模块400用于将所述目标力反馈值发送至所述双边遥操作***的从机器人,由所述从机器人将所述目标力反馈值反馈至所述双边遥操作***的操作者。其中,所述目标环境模型为利用传感器模拟构建的所述目标环境的运动状态模型;所述静态目标环境模型为模拟所述目标环境在静止状态下软组织的模型。
在本发明实施例中,可以利用极大似然估计算法估计运动状态的最优估计值;也可以利用卡尔曼滤波器等其他估计算法模型估算运动状态的最优估计值。
现有技术中是利用视觉传感方式建立目标环境的运动状态模型,通过实时的运动补偿作用于机器人的运动状态,使得机器人能够和目标环境的运动状态同步,即使机器人的运动状态和目标环境的运动状态相对静止。如此做法在机器人接触目标环境时目标环境会对机器人产生干扰力,机器人自身运动同时也会产生惯性力等不确定性力。而本发明构建目标环境的运动模型得到的状态值和机器人作用目标环境反馈得到的状态值作为估计算法模型的输入数据,通过估计算法模型得到机器人运动状态的最优估计值,通过机器人输出运动状态的最优估计值作用于静止的软组织模型得到力反馈模型,从而克服了机器人与目标环境接触时产生的干扰力,使得机器人能够在线跟踪目标环境的运动状态且减少不确定性力因素造成的干扰问题,提高跟踪目标环境运动状态的精度。
基于上述实施例,在本实施例中,以卡尔曼滤波器为例,对本实施例所提供的双边遥操作***的控制装置实现从机器人端输出至所述目标环境之间的控制补偿的过程进行进一步的解释说明。请参考图2,图2为本发明实施例提供的一种双边遥操作***的控制装置的另一种结构框图。
在本实施例中,所述目标环境可以为动态的心脏环境;所述目标环境模型为利用传感器构建的心脏环境运动状态模型;所述静态目标环境模型为动态的心脏环境在静止状态下的软组织模型。
所述估计模块100包括第一构建单元、第二构建单元、更新单元和确定单元。
其中,所述第一构建单元用于将所述目标环境模型输出的运动状态模拟参考值和所述目标环境输出的运动状态测量值输入至所述卡尔曼滤波器中,构建所述目标环境模型的状态方程X(k)=A·X(k-1)+B·V(k-1)和所述目标环境的测量方程Y(k)=C·X(k)+I·T(k);
其中,X(k)为2×1阶从机器人***的运动状态的模拟参考向量,包括从机器人的位置值和速度值;X(k-1)为所述从机器人***上一时刻运动状态的模拟参考向量,V(k)为2×1阶***过程噪声向量,A和B为***参数矩阵,参数值为常数由机器人选型决定;
Y(k)为所述目标环境运动状态的测量向量,X(k)为***当前时刻状态先验值,T(k)为动态***测量噪声,C为动态***已知的测量参数矩阵。
所述第二构建单元用于根据所述状态方程和所述测量方程,构建所述卡尔曼滤波器时间和状态的更新方程:
其中,为k-1时刻的先验状态最优值,为k时刻预测的***状态先验值,为k时刻估计协方差先验值,Pk-1为k-1时刻误差估计协方差,Kk为k时刻卡尔曼增益更新值,为k时刻状态更新值,Pk为k时刻误差协方差更新值,Q和H为状态转移矩阵,为K-1时刻的单位向量,
所述更新单元用于根据所述更新方程确定卡尔曼增益更新值、状态更新值和误差协方差更新值。
所述确定单元用于对所述卡尔曼增益更新值、所述状态更新值和所述误差协方差更新值进行自回归运算,确定k时刻的运动状态最优估计值
所述估计模块400包括第一反馈单元和第二反馈单元。
其中,所述第一反馈单元用于将所述目标力反馈值输入至所述双边遥操作医疗***的从机器人后,将所述从机器人输出的力反馈值输入至所述双边遥操作医疗***的通信通道;
所述第二反馈单元用于将所述通信通道输出的力反馈值输入至所述双边遥操作医疗***的机器人后;将所述主机器人输出的力反馈值发送至所述操作者。
本发明实施例主要应用于具有医疗手术背景的机器人,在机器人端构建增强型力反馈模型并对其控制以及补偿。将所述最优估计值作用于静态目标环境模型构成不确定性力模型输出得到力反馈值作为补偿值,补偿值作为双边遥操作***的前馈值作用于***,克服了机器人与动态的目标环境接触时产生的干扰力,使得机器人能够在线跟踪目标环境的运动状态且减少不确定性力因素造成的干扰问题,提高跟踪目标环境运动状态的精度,减少了不确定性力对心脏手术的影响。
需要说明的是,上述实施例非属于针对疾病的诊断方法,而是一种机器人的控制技术方法。本发明所提供的双边遥操作***的控制装置并不仅限于上述实施例中手术环境下的描述。本发明涉及到的是机器人领域,对机器人运动状态描述构建力反馈模型进行补偿的实现技术,可满足机器人的末端操作精确输出以及跟踪等要求。
请参考图3,图3为本发明实施例提供的一种双边遥操作***的控制设备的结构框图;具体设备可以包括:
主机器人,用于接收操作者的运动状态值以及将所述主机器人发送的力反馈值反馈至所述操作者;
通信通道,用于接收所述主机器人发送的运动状态值以及将所述从机器人发送的力反馈值反馈至所述主机器人;
从机器人,用于接收所述通信通道发送的运动状态值以及将所述目标环境发送的目标力反馈值反馈至所述通信通道;
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,实现将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至预选的估计算法模型中,输出所述运动状态最优估计值;将所述运动状态最优估计值输入静态目标环境模型中,输出所述双边遥操作***的前馈补偿值;利用所述目标环境输出的力反馈值减去所述前馈补偿值,确定目标力反馈值;将所述目标力反馈值发送至所述双边遥操作***的从机器人,由所述从机器人将所述目标力反馈值反馈至所述双边遥操作***的操作者的步骤。
以上对本发明所提供的一种双边遥操作***的控制装置以及设备进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种双边遥操作***的控制装置,其特征在于,包括:
估计模块,用于将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至预选的估计算法模型中,输出所述运动状态最优估计值;
前馈补偿值输出模块,用于将所述运动状态最优估计值输入静态目标环境模型中,输出所述双边遥操作***的前馈补偿值;
确定模块,用于利用所述目标环境输出的力反馈值减去所述前馈补偿值,确定目标力反馈值;
反馈模块,用于将所述目标力反馈值发送至所述双边遥操作***的从机器人,由所述从机器人将所述目标力反馈值反馈至所述双边遥操作***的操作者;
其中,所述目标环境模型为利用传感器模拟构建的所述目标环境的运动状态模型;所述静态目标环境模型为模拟所述目标环境在静止状态下软组织的模型。
2.如权利要求1所述的控制装置,其特征在于,所述估计模块具体用于:
将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至极大似然估计算法模型中,输出所述运动状态最优估计值。
3.如权利要求1所述的控制装置,其特征在于,所述估计模块具体用于:
将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至卡尔曼滤波器中,输出所述运动状态最优估计值。
4.如权利要求3所述的控制装置,其特征在于,所述估计模块包括:
第一构建单元,用于将所述运动状态模拟参考值和所述运动状态测量值输入所述卡尔曼滤波器后,构建所述目标环境模型的状态方程和所述目标环境的测量方程;
第二构建单元,用于根据所述状态方程和所述测量方程,构建所述卡尔曼滤波器时间和状态的更新方程;
更新单元,用于根据所述更新方程确定卡尔曼增益更新值、状态更新值和误差协方差更新值;
确定单元,用于根据所述卡尔曼增益更新值、所述状态更新值和所述误差协方差更新值,确定所述运动状态最优估计值。
5.如权利要求4所述的控制装置,其特征在于,所述第一构建单元具体用于:
将所述运动状态模拟参考值和所述运动状态测量值输入所述卡尔曼滤波器后,构建所述目标环境模型的状态方程X(k)=A·X(k-1)+B·V(k-1)和所述目标环境的测量方程Y(k)=C·X(k)+I·T(k);
其中,X(k)为2×1阶从机器人***的运动状态的模拟参考向量,包括从机器人的位置值和速度值;X(k-1)为所述从机器人***上一时刻运动状态的模拟参考向量,V(k)为2×1阶***过程噪声向量,A和B为***参数矩阵;
Y(k)为所述目标环境运动状态的测量向量,X(k)为***当前时刻状态先验值,T(k)为动态***测量噪声,C为动态***已知的测量参数矩阵。
6.如权利要求5所述的控制装置,其特征在于,所述第二构建单元具体用于:
用于根据所述状态方程和所述测量方程,构建所述卡尔曼滤波器时间和状态的更新方程:
其中,为k-1时刻的先验状态最优值,为k时刻预测的***状态先验值,为k时刻估计协方差先验值,Pk-1为k-1时刻误差估计协方差,Kk为k时刻卡尔曼增益更新值,为k时刻状态更新值,Pk为k时刻误差协方差更新值,Q和H为状态转移矩阵,为K-1时刻的单位向量,
7.如权利要求6所述的控制装置,其特征在于,所述确定单元具体用于:
对所述卡尔曼增益更新值、所述状态更新值和所述误差协方差更新值进行自回归运算,确定所述运动状态最优估计值。
8.如权利要求1所述的控制装置,其特征在于,所述反馈模块包括:
第一反馈单元,用于将所述目标力反馈值输入至所述双边遥操作***的从机器人后,将所述从机器人输出的力反馈值输入至所述双边遥操作***的通信通道;
第二反馈单元,用于将所述通信通道输出的力反馈值输入至所述双边遥操作***的机器人后;将所述主机器人输出的力反馈值发送至所述操作者。
9.如权利要求1至8任一项所述的控制装置,其特征在于,所述目标环境为动态的心脏环境。
10.一种双边遥操作***的控制设备,其特征在于,包括:
主机器人,用于接收操作者的运动状态值以及将所述主机器人发送的力反馈值反馈至所述操作者;
通信通道,用于接收所述主机器人发送的运动状态值以及将所述从机器人发送的力反馈值反馈至所述主机器人;
从机器人,用于接收所述通信通道发送的运动状态值以及将所述目标环境发送的目标力反馈值反馈至所述通信通道;
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,实现将目标环境模型输出的运动状态模拟参考值和双边遥操作***的目标环境输出的运动状态测量值输入至预选的估计算法模型中,输出所述运动状态最优估计值;将所述运动状态最优估计值输入静态目标环境模型中,输出所述双边遥操作***的前馈补偿值;利用所述目标环境输出的力反馈值减去所述前馈补偿值,确定目标力反馈值;将所述目标力反馈值发送至所述双边遥操作***的从机器人,由所述从机器人将所述目标力反馈值反馈至所述双边遥操作***的操作者的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910372071.7A CN110007601B (zh) | 2019-05-06 | 2019-05-06 | 一种双边遥操作***的控制装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910372071.7A CN110007601B (zh) | 2019-05-06 | 2019-05-06 | 一种双边遥操作***的控制装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110007601A true CN110007601A (zh) | 2019-07-12 |
CN110007601B CN110007601B (zh) | 2022-03-25 |
Family
ID=67175789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910372071.7A Expired - Fee Related CN110007601B (zh) | 2019-05-06 | 2019-05-06 | 一种双边遥操作***的控制装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110007601B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118036200A (zh) * | 2024-01-24 | 2024-05-14 | 德宝艺苑网络科技(北京)有限公司 | 一种力循环双向反馈模拟仿真设备 |
Citations (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010048160A2 (en) * | 2008-10-20 | 2010-04-29 | The Johns Hopkins University | Environment property estimation and graphical display |
US20100204713A1 (en) * | 2006-02-03 | 2010-08-12 | The European Atomic Energy Community (Euratom) | Medical robotic system |
US20110264303A1 (en) * | 2010-02-17 | 2011-10-27 | Scott Raymond Lenser | Situational Awareness for Teleoperation of a Remote Vehicle |
CN102710214A (zh) * | 2012-06-11 | 2012-10-03 | 桂林电子科技大学 | 永磁同步直线电机非线性干扰的控制方法及控制*** |
CN202711088U (zh) * | 2012-08-24 | 2013-01-30 | 广东工业大学 | 一种遥操作机器人力反馈控制*** |
CN103869773A (zh) * | 2014-03-04 | 2014-06-18 | 南昌大学 | 基于主端机的力反馈控制器校正反馈力的方法 |
CN104142627A (zh) * | 2014-07-03 | 2014-11-12 | 浙江工业大学 | 一种采用自抗扰控制技术的网络化无刷直流电机时延补偿和控制方法 |
CN104238361A (zh) * | 2014-09-03 | 2014-12-24 | 南京理工大学 | 电机伺服***自适应鲁棒位置控制方法与*** |
CN104252134A (zh) * | 2014-09-17 | 2014-12-31 | 南京理工大学 | 基于扩张状态观测器的电机伺服***自适应鲁棒位置控制方法 |
US20150008861A1 (en) * | 2013-07-05 | 2015-01-08 | Fanuc Corporation | Motor control device provided with feedforward control |
CN104716883A (zh) * | 2015-04-09 | 2015-06-17 | 南京埃斯顿自动化股份有限公司 | 永磁同步电机低速性能的提升方法 |
WO2015168675A1 (en) * | 2014-05-02 | 2015-11-05 | Thales Visionix, Inc. | Improved registration for vehicular augmented reality using auto-harmonization |
US20160008988A1 (en) * | 2014-03-03 | 2016-01-14 | California Institute Of Technology | Robotics Platforms Incorporating Manipulators Having Common Joint Designs |
CN105382841A (zh) * | 2015-11-17 | 2016-03-09 | 西北工业大学 | 一种基于双通道通讯的遥操作双边控制方法 |
CN105890596A (zh) * | 2016-03-30 | 2016-08-24 | 南京航空航天大学 | 输出速率可调的视觉导航最优信息估计方法 |
US20170167341A1 (en) * | 2015-12-10 | 2017-06-15 | General Electric Company | System and method for emission control in power plants |
CN106933103A (zh) * | 2017-04-20 | 2017-07-07 | 清华大学深圳研究生院 | 一种有限时间收敛的遥操作双边控制器的控制方法 |
JP2017208012A (ja) * | 2016-05-20 | 2017-11-24 | 三菱重工業株式会社 | 制御装置、水中航走体、制御方法およびプログラム |
CN107450326A (zh) * | 2017-08-09 | 2017-12-08 | 清华大学深圳研究生院 | 反步有限时间双边遥操作控制方法及计算机可读存储介质 |
CN107932506A (zh) * | 2017-11-15 | 2018-04-20 | 电子科技大学 | 一种力反馈双边遥操作稳定控制方法 |
CN108012576A (zh) * | 2016-01-22 | 2018-05-08 | 东芝三菱电机产业***株式会社 | 电动机的速度控制装置 |
CN108133491A (zh) * | 2017-12-29 | 2018-06-08 | 重庆锐纳达自动化技术有限公司 | 一种实现动态目标跟踪的方法 |
CN108519739A (zh) * | 2018-04-20 | 2018-09-11 | 电子科技大学 | 基于对力与位置预测的多时延遥操作***稳定性控制方法 |
CN108549226A (zh) * | 2018-04-13 | 2018-09-18 | 燕山大学 | 一种时变时延下遥操作***的连续有限时间控制方法 |
CN108762077A (zh) * | 2018-05-31 | 2018-11-06 | 浙江工业大学 | 一种具有通信约束的移动机器人滚动时域估计方法 |
CN108803344A (zh) * | 2018-07-25 | 2018-11-13 | 西北工业大学 | 一种基于模态切换的机器人双边遥操作对称预测控制方法 |
CN109003292A (zh) * | 2018-06-25 | 2018-12-14 | 华南理工大学 | 一种基于开关卡尔曼滤波器的运动目标跟踪方法 |
CN109085749A (zh) * | 2018-08-07 | 2018-12-25 | 浙江大学 | 一种基于自适应模糊反演的非线性遥操作双边控制方法 |
CN109240086A (zh) * | 2018-10-16 | 2019-01-18 | 浙江大学 | 一种非线性双边遥操作***的自适应鲁棒控制方法 |
-
2019
- 2019-05-06 CN CN201910372071.7A patent/CN110007601B/zh not_active Expired - Fee Related
Patent Citations (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100204713A1 (en) * | 2006-02-03 | 2010-08-12 | The European Atomic Energy Community (Euratom) | Medical robotic system |
WO2010048160A2 (en) * | 2008-10-20 | 2010-04-29 | The Johns Hopkins University | Environment property estimation and graphical display |
US20110264303A1 (en) * | 2010-02-17 | 2011-10-27 | Scott Raymond Lenser | Situational Awareness for Teleoperation of a Remote Vehicle |
CN102710214A (zh) * | 2012-06-11 | 2012-10-03 | 桂林电子科技大学 | 永磁同步直线电机非线性干扰的控制方法及控制*** |
CN202711088U (zh) * | 2012-08-24 | 2013-01-30 | 广东工业大学 | 一种遥操作机器人力反馈控制*** |
US20150008861A1 (en) * | 2013-07-05 | 2015-01-08 | Fanuc Corporation | Motor control device provided with feedforward control |
US20160008988A1 (en) * | 2014-03-03 | 2016-01-14 | California Institute Of Technology | Robotics Platforms Incorporating Manipulators Having Common Joint Designs |
CN103869773A (zh) * | 2014-03-04 | 2014-06-18 | 南昌大学 | 基于主端机的力反馈控制器校正反馈力的方法 |
WO2015168675A1 (en) * | 2014-05-02 | 2015-11-05 | Thales Visionix, Inc. | Improved registration for vehicular augmented reality using auto-harmonization |
CN104142627A (zh) * | 2014-07-03 | 2014-11-12 | 浙江工业大学 | 一种采用自抗扰控制技术的网络化无刷直流电机时延补偿和控制方法 |
CN104238361A (zh) * | 2014-09-03 | 2014-12-24 | 南京理工大学 | 电机伺服***自适应鲁棒位置控制方法与*** |
CN104252134A (zh) * | 2014-09-17 | 2014-12-31 | 南京理工大学 | 基于扩张状态观测器的电机伺服***自适应鲁棒位置控制方法 |
CN104716883A (zh) * | 2015-04-09 | 2015-06-17 | 南京埃斯顿自动化股份有限公司 | 永磁同步电机低速性能的提升方法 |
CN105382841A (zh) * | 2015-11-17 | 2016-03-09 | 西北工业大学 | 一种基于双通道通讯的遥操作双边控制方法 |
US20170167341A1 (en) * | 2015-12-10 | 2017-06-15 | General Electric Company | System and method for emission control in power plants |
CN108012576A (zh) * | 2016-01-22 | 2018-05-08 | 东芝三菱电机产业***株式会社 | 电动机的速度控制装置 |
CN105890596A (zh) * | 2016-03-30 | 2016-08-24 | 南京航空航天大学 | 输出速率可调的视觉导航最优信息估计方法 |
JP2017208012A (ja) * | 2016-05-20 | 2017-11-24 | 三菱重工業株式会社 | 制御装置、水中航走体、制御方法およびプログラム |
CN106933103A (zh) * | 2017-04-20 | 2017-07-07 | 清华大学深圳研究生院 | 一种有限时间收敛的遥操作双边控制器的控制方法 |
CN107450326A (zh) * | 2017-08-09 | 2017-12-08 | 清华大学深圳研究生院 | 反步有限时间双边遥操作控制方法及计算机可读存储介质 |
CN107932506A (zh) * | 2017-11-15 | 2018-04-20 | 电子科技大学 | 一种力反馈双边遥操作稳定控制方法 |
CN108133491A (zh) * | 2017-12-29 | 2018-06-08 | 重庆锐纳达自动化技术有限公司 | 一种实现动态目标跟踪的方法 |
CN108549226A (zh) * | 2018-04-13 | 2018-09-18 | 燕山大学 | 一种时变时延下遥操作***的连续有限时间控制方法 |
CN108519739A (zh) * | 2018-04-20 | 2018-09-11 | 电子科技大学 | 基于对力与位置预测的多时延遥操作***稳定性控制方法 |
CN108762077A (zh) * | 2018-05-31 | 2018-11-06 | 浙江工业大学 | 一种具有通信约束的移动机器人滚动时域估计方法 |
CN109003292A (zh) * | 2018-06-25 | 2018-12-14 | 华南理工大学 | 一种基于开关卡尔曼滤波器的运动目标跟踪方法 |
CN108803344A (zh) * | 2018-07-25 | 2018-11-13 | 西北工业大学 | 一种基于模态切换的机器人双边遥操作对称预测控制方法 |
CN109085749A (zh) * | 2018-08-07 | 2018-12-25 | 浙江大学 | 一种基于自适应模糊反演的非线性遥操作双边控制方法 |
CN109240086A (zh) * | 2018-10-16 | 2019-01-18 | 浙江大学 | 一种非线性双边遥操作***的自适应鲁棒控制方法 |
Non-Patent Citations (8)
Title |
---|
BUZZI, J等: "On the Value of Estimating Human Arm Stiffness during Virtual Teleoperation with Robotic Manipulators", 《FRONTIERS IN NEUROSCIENCE》 * |
HASHEMZADEH, F等: "A New Method for Bilateral Teleoperation Passivity under Varying Time Delays", 《MATHEMATICAL PROBLEMS IN ENGINEERING》 * |
JING GUO等: "A Scaled Bilateral Teleoperation System for Robotic-Assisted Surgery with Time Delay", 《JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS》 * |
刘奕: "基于Android***的远程机器人控制技术", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
吴立凯: "大时延空间遥操作***自适应控制方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
应旻: "基于力反馈预测的遥操作双边控制技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张艳霞: "基于力觉和视觉的机械手伺服控制研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
景包睿: "二自由度机械臂建模与控制研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118036200A (zh) * | 2024-01-24 | 2024-05-14 | 德宝艺苑网络科技(北京)有限公司 | 一种力循环双向反馈模拟仿真设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110007601B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11337652B2 (en) | System and method for measuring the movements of articulated rigid bodies | |
EP3743901A1 (en) | Real-time processing of handstate representation model estimates | |
Sheng et al. | An integrated framework for human–robot collaborative manipulation | |
Ovur et al. | Novel adaptive sensor fusion methodology for hand pose estimation with multileap motion | |
Bogatyrenko et al. | Efficient physics-based tracking of heart surface motion for beating heart surgery robotic systems | |
Richa et al. | Beating heart motion prediction for robust visual tracking | |
Dani et al. | Human-in-the-loop robot control for human-robot collaboration: Human intention estimation and safe trajectory tracking control for collaborative tasks | |
CN107194193A (zh) | 一种踝泵运动监测方法及装置 | |
JP2021060988A (ja) | 準ニュートン信頼領域法を用いたポリシー最適化のためのシステムおよび方法 | |
Malešević et al. | Decoding of individual finger movements from surface EMG signals using vector autoregressive hierarchical hidden Markov models (VARHHMM) | |
Bader et al. | Model-based motion estimation of elastic surfaces for minimally invasive cardiac surgery | |
Crowley | Integration and control of reactive visual processes | |
CN110007601A (zh) | 一种双边遥操作***的控制装置和设备 | |
CN114055461B (zh) | 基于肌电接口的机器人力位同步遥操作控制方法及装置 | |
Todorov | Probabilistic inference of multijoint movements, skeletal parameters and marker attachments from diverse motion capture data | |
Meng et al. | Evaluation of an autonomous navigation method for vascular interventional surgery in virtual environment | |
Ma et al. | A Human-Robot Collaboration Controller Utilizing Confidence for Disagreement Adjustment | |
Kato et al. | Adaptable EMG prosthetic hand using on-line learning method-investigation of mutual adaptation between human and adaptable machine | |
Ehrenfeld et al. | Modular neuron-based body estimation: maintaining consistency over different limbs, modalities, and frames of reference | |
CN108051001A (zh) | 一种机器人移动控制方法、***及惯性传感控制装置 | |
Fujii et al. | Buttoning task with a dual-arm robot: An exploratory study on a marker-based algorithmic method and marker-less machine learning methods | |
Tsitos et al. | Real-time feasibility of a human intention method evaluated through a competitive human-robot reaching game | |
Florez et al. | LWPR-model based predictive force control for serial comanipulation in beating heart surgery | |
Trombetta et al. | Variable structure human intention estimator with mobility and vision constraints as model selection criteria | |
CN114407016A (zh) | 基于树莓派的仿人实体机器人控制*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220325 |
|
CF01 | Termination of patent right due to non-payment of annual fee |