CN113370203A - 机器人控制方法、装置、计算机设备及存储介质 - Google Patents
机器人控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113370203A CN113370203A CN202010160479.0A CN202010160479A CN113370203A CN 113370203 A CN113370203 A CN 113370203A CN 202010160479 A CN202010160479 A CN 202010160479A CN 113370203 A CN113370203 A CN 113370203A
- Authority
- CN
- China
- Prior art keywords
- distance
- robot
- end effector
- arm
- control signal
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000012636 effector Substances 0.000 claims abstract description 169
- 239000011159 matrix material Substances 0.000 claims description 38
- 238000012544 monitoring process Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 24
- 230000001133 acceleration Effects 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 22
- 238000013016 damping Methods 0.000 claims description 13
- 230000005284 excitation Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 description 25
- 230000008569 process Effects 0.000 description 16
- 230000000875 corresponding effect Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009131 signaling function Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种机器人控制方法、装置、计算机设备及存储介质，涉及机器人技术领域。该机器人控制方法获取末端执行器对应的测量距离，以及机器人的手臂对应的手臂移动距离；将第一控制信号输入至机器人模型中，得到末端执行器对应的理论移动距离；根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准目标位置点。本实施例根据测量距离、手臂移动距离、目标距离以及理论移动距离等多个影响因素来确定第二控制信号，根据第二控制信号可以控制末端执行器对准目标位置点，从而提高了机器人的控制精度。
Description
技术领域
本申请涉及机器人技术领域，特别是涉及一种机器人控制方法、装置、计算机设备及存储介质。
背景技术
随着制造业的升级，机器人在工业生产中的使用越来越多。机器人一般包括控制器、手臂以及安装在手臂末端的末端执行器，其中，末端执行器可以是指具有一定功能的工具，例如相机、刀具、抓手等。
在实际应用中，机器人的工作过程可以是：控制器控制手臂带动末端执行器移动，当手臂移动到目标位置点后停止移动，使得末端执行器在目标位置点执行相应动作。
然而，当手臂停止移动后，由于受到手臂移动过程中的速度、加速度以及外界扰动的影响，末端执行器上仍残余抖动，残余抖动会使得末端执行器的实际对准位置与目标位置不同，因此降低了机器人的控制精度。
发明内容
基于此，有必要针对上述存在的机器人控制精度较低的问题，提供一种机器人控制方法、装置、计算机设备及存储介质。
一种机器人控制方法，该方法包括：
在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，以及机器人的手臂实际到达的位置点到起始位置的手臂移动距离；
将第一控制信号输入至机器人模型中，得到机器人模型输出的末端执行器的理论移动距离；
根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准目标位置点。
在一个实施例中，末端执行器上设置有监测传感器，获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，包括：
在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，利用监测传感器获取末端执行器的位姿数据，位姿数据包括末端执行器的速度或者加速度；
根据位姿数据计算末端执行器实际到达的位置点到起始位置的测量距离。
在一个实施例中，监测传感器有多种，获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，包括：
在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，分别利用各监测传感器得到末端执行器的多个位姿数据；
根据多个位姿数据计算末端执行器实际到达的位置点到起始位置的测量距离。
在一个实施例中，根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，包括：
根据测量距离、手臂移动距离、目标距离和理论移动距离生成反馈信号；
根据反馈信号对第一控制信号进行修正，得到第二控制信号。
在一个实施例中，根据测量距离、手臂移动距离、目标距离和理论移动距离生成反馈信号，包括：
根据测量距离和理论移动距离估计末端执行器实际到达的位置点到起始位置的真实距离；
根据真实距离和目标距离确定末端执行器的移动误差；
根据移动误差和手臂移动距离生成反馈信号。
在一个实施例中，根据测量距离和理论移动距离估计末端执行器实际到达的位置点到起始位置的真实距离，包括：
对测量距离和理论移动距离进行卡尔曼滤波，得到末端执行器的真实距离。
在一个实施例中，将第一控制信号输入至机器人模型中之前，该方法还包括：
获取机器人对应的质量矩阵、阻尼矩阵、刚度矩阵和激励力向量；
根据质量矩阵、阻尼矩阵、刚度矩阵和激励力向量建立机器人模型。
一种机器人控制装置，该装置包括：
第一获取模块，用于在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，以及机器人的手臂实际到达的位置点到起始位置的手臂移动距离；
第二获取模块，用于将第一控制信号输入至机器人模型中，得到机器人模型输出的末端执行器的理论移动距离；
控制模块，用于根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准目标位置点。
一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该计算机程序被该处理器执行时实现以下步骤：
在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，以及机器人的手臂实际到达的位置点到起始位置的手臂移动距离；
将第一控制信号输入至机器人模型中，得到机器人模型输出的末端执行器的理论移动距离；
根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准目标位置点。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，以及机器人的手臂实际到达的位置点到起始位置的手臂移动距离；
将第一控制信号输入至机器人模型中，得到机器人模型输出的末端执行器的理论移动距离；
根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准目标位置点。
本申请实施例提供的技术方案带来的有益效果至少包括：
上述机器人控制方法、装置、计算机设备及存储介质，可以提高机器人精度。机器人的后台控制器(以下简称为控制器)可以给伺服驱动***发送第一控制信号，伺服驱动***根据第一控制信号控制机器人的手臂从起始位置移动到目标位置点。在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，控制器获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，以及机器人的手臂实际到达的位置点到起始位置的手臂移动距离；控制器将第一控制信号输入至机器人模型中，得到机器人模型输出的末端执行器的理论移动距离；控制器根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准所述目标位置点。本实施例根据测量距离、手臂移动距离、目标距离以及理论移动距离等多个影响因素来确定第二控制信号，根据第二控制信号可以控制末端执行器对准目标位置点，从而提高了机器人的控制精度。
附图说明
图1为本申请实施例提供的机器人的示意图；
图2为本申请实施例提供的一种机器人控制方法的流程图；
图3为本申请实施例提供的一种第二控制信号生成方法的流程图；
图4为本申请实施例提供的一种反馈信号生成方法的流程图；
图5为本申请实施例提供的一种机器人控制装置的流程图；
图6为本申请实施例提供的一种控制器的模块图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
机器人是靠自身动力和控制能力来实现各种功能的一种机器装置，一般由执行机构、驱动装置、检测装置和控制***和复杂机械等组成。随着制造业的升级，机器人在工业生产中的使用越来越多。现有技术中，机器人的工作过程可以是：控制器控制手臂带动末端执行器移动，当手臂移动到目标位置点后停止移动，使得末端执行器在目标位置点执行相应动作。其中，在机器人控制过程中，一般认为，机器人的手臂的实际到达位置即是末端执行器实际到达的位置，当机器人的手臂到达目标位置点时，即认为末端执行器到达目标位置点。
然而，当机器人的手臂到达目标位置点后，由于受到手臂移动过程中的速度、加速度、外界扰动的影响，末端执行器上仍残余抖动，残余抖动会使得末端执行器的自由悬空端实际对准位置点与目标位置点不同，而末端执行器的自由悬空端上安装的执行部件例如刀具、相机、光学镜头或点胶阀等也就无法对准目标位置点，因此降低了机器人的控制精度。
本申请实施例提供一种机器人控制方法，该方法通过根据机器人实际运动过程中末端执行器对应的测量距离、机器人手臂的手臂移动距离、理论运动过程中末端执行器对应的理论移动距离以及目标位置点对应的目标距离确定机器人的第二控制信号，从多个影响因素来确定第二控制信号，因此，根据第二控制信号可以控制末端执行器对准目标位置点，从而提高了机器人的控制精度。
下面，将对本申请实施例提供的机器人控制方法所涉及到的实施环境进行简要说明。
请参考图1，该实施环境可以包括机器人和机器人的后台控制器(图中未示出)。机器人包括控制器、伺服驱动***101、手臂102以及安装在手臂末端的末端执行器103。其中，控制器与伺服驱动***101电连接，伺服驱动***101与手臂102连接，末端执行器103的一端与手臂102连接，另一端自由悬空。末端执行器103可以是指具有一定功能的工具，例如刀具、抓手等。一般而言，末端执行器103与机器人的手臂102柔性连接，以便于末端执行器灵活运动。
可选的，末端执行器103上可以安装监测传感器104，监测传感器104可以用于检测末端执行器的运行速度、加速度以及旋转角度等。
本实施例中，控制器可以给伺服驱动***发送第一控制信号，伺服驱动***根据第一控制信号控制机器人的手臂从起始位置移动到目标位置点。控制器在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，控制器获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，以及机器人的手臂实际到达的位置点到起始位置的手臂移动距离；控制器将第一控制信号输入至机器人模型中，得到机器人模型输出的末端执行器的理论移动距离；控制器根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准所述目标位置点。
请参考图2，其示出了本申请实施例提供的一种机器人控制方法的流程图，该机器人控制方法可以应用于图1所示的实施环境中，如图2所示，该机器人控制方法可以包括以下步骤：
步骤201，在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，控制器获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，以及机器人的手臂实际到达的位置点到起始位置的手臂移动距离。
本实施例中的机器人可以是工业机器人和特种机器人，其中，工业机器人是面向工业领域的多关节机械手或多自由度机器人，特种机器人是除工业机器人之外的、用于非制造业并服务于人类的各种先进机器人。
本实施例中，在不工作时，默认机器人的手臂处于零点位置，本实施例中，将该位置称为起始位置。当机器人工作时，例如，需要控制机器人移动到目标位置点，此时，控制器可以向伺服驱动***发送第一控制信号，伺服驱动***根据接收到的第一控制信号驱动机器人的手臂从起始位置移动到目标位置点。
由于机器人自身精度问题，伺服驱动***控制机器人的手臂移动到目标位置点的过程中，机器人的手臂可能并不能对准目标位置点。因此，本实施例中，不能将目标位置点作为机器人的手臂实际对准的位置点。本实施例中，可以在机器人上安装电机编码器，利用电机编码器测量机器人的手臂实际移动的距离，该实际移动的距离即机器人的手臂实际到达的位置点与起始位置之间的手臂移动距离。
进一步的，由于机器人的手臂在实际运动过程中，存在一定的速度、加速度，导致机器人的手臂停止运行后，因此，末端执行器的自由悬空端仍残余抖动，在残余抖动的影响下，末端执行器的自由悬空端实际到达的位置点与目标位置点存在偏差。本实施例中，控制器可以获取末端执行器实际到达的位置点与起始位置之间的距离，该位距离为测量距离。
步骤202，控制器将第一控制信号输入至机器人模型中，得到机器人模型输出的末端执行器的理论移动距离。
在一种可选的实现方式中，机器人模型可以为动力学模型。其中，机器人的机器人模型的建立过程可以是：
将机器人等效为质量矩阵、阻尼矩阵、刚度矩阵以及激励力向量，然后根据质量矩阵、阻尼矩阵、刚度矩阵以及激励力向量构建动力学模型。
可选的，动力学模型的数学理论表达式可以如公式(1)所示：
其中，M表示质量矩阵，D表示阻尼矩阵，K表示刚度矩阵，F表示激励力向量。X表示状态量，
表示对控制信号进行一阶导数，
表示对控制信号进行一阶导数。
可选的，机器人模型中，控制信号的实质可以是力。也即是，获取力的大小，并带入动力学模型中，这样动力学模型可以预测出机器人的手臂的理论移动距离以及机器人的末端执行器的理论移动距离。
需要说明的是，不同规格的机器人的动力学模型的具体表达形式可以是不相同的。
可选的，本实施例中，需要预先获取机器人的规格，然后根据机器人的规格从预先设置好的多个动力学模型中选择出于机器人的规格相适配的动力学模型作为目标动力学模型，然后根据目标动力学模型预测出机器人的手臂的理论移动距离以及机器人的末端执行器的理论移动距离。
由于不同规格的机器人的机器人模型具体表达式会存在部分差异，本实施例中，不对不同规格的机器人的机器人模型进行穷举。
在另一种可选的实现方式中，机器人模型为机器学习模型。
机器学习模型可以是神经网络模型、支持向量机模型、极限学习机模型等。
本实施例中，当需要控制机器人从起始位置移动到目标位置点时，可以向控制器输入目标位置点在机器人坐标系中的坐标值，控制器可以根据目标位置点的坐标值向伺服驱动***发送第一控制信号。
本实施例中，可以多次设置不同的目标位置点，从而可以获得多个第一控制信号。
获取在每一种第一控制信号的控制下，机器人的末端执行器实际所能到达的实际坐标，以及各目标位置点的真实坐标。根据第一控制信号、该第一控制信号对应的末端执行器的实际到达的实际坐标，以及该第一控制信号对应的目标位置点的真实坐标建立一个训练样本。类似的方法，可以建立多个训练样本。
本实施例中，可以利用训练样本对机器学习模型进行训练，从而得到训练好的机器人模型。
步骤203，控制器根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准目标位置点。
在一种可选的实现方式中，本实施例中，可以对测量距离与理论移动距离求差，得到第一差值。对手臂移动距离和目标距离求差，得到第二差值。
对第一差值和第二差值进行加权求和，得到预估距离差。
本实施例中，控制器可以根据预估距离差生成第二控制信号，第二控制信号可以控制末端执行器从实际对准的位置点再次移动目标位置点。
也就是说，本实施例中，机器人的末端执行器计划从A点移动到B点时，控制器发出第一控制信号时，由于残余抖动影响，末端执行器实际到达C点。通过步骤201-步骤203所公开的内容，可以得到预估距离差，然后控制器根据预估距离差生成第二控制信号，第二控制信号可以机器人的手臂进行新的移动，使得末端执行器可以从C点对准到B点，从而提高了机器人的控制精度。
本实施例中，末端执行器对应的测量距离是通过监测传感器测量得到的，由于在工业环境中，监测传感器测量结果会受到噪声、零漂、干扰、非线性误差等因素影响。因此，末端执行器对应的测量距离的精度会受到影响，不能反应末端执行器实际移动的距离。
进一步的，机器人模型在建模过程中，受到建模参数的影响或者模型训练样本的影响，机器人模型输出的末端执行器的理论移动距离的精度也会受到影响，导致不能反应末端执行器实际移动的距离。
基于此，本实施例中，结合手臂移动距离、目标距离对测量距离和理论移动距离进行再次处理，从而提高了数据的精度。这样将测量距离、理论移动距离、手臂移动距离等对末端执行器的实际到达位置点会产生影响的因素综合起来确定出的第二控制信号，可以达到使末端执行器对准目标位置点的目的，从而提高了机器人的控制精度。
在一种可选的实现方式中，控制器获取末端执行器实际到达的位置点与起始位置之间测量距离的过程可以是：
在末端执行器上设置监测传感器，可选的，监测传感器可以是速度传感器、加速度传感器、角度传感器(例如陀螺仪)、位移传感器等。
在伺服驱动***驱动机器人的手臂从起始位置移动到目标位置点的过程中，末端执行器随着机器人的手臂移动，同时，末端执行器上的监测传感器也随着末端执行器移动，并可以监测到末端执行器的位姿数据，位姿数据可以是末端执行器的速度或者加速度，监测传感器可以将监测到的位姿数据实时地上传给控制器。
需要说明的是，本实施例中，由于末端执行器一端与机器人的手臂固定，另一端自由悬空，由于自由悬空端受到残余抖动的影响较大，因此，末端执行器的自由悬空端的速度或者加速度(即认为是末端执行器的速度或者加速度)与机器人的手臂的速度和加速度是不同的。本实施例中，监测传感器检测的是末端执行器的自由悬空端的速度或者加速度。
控制器根据位姿数据计算末端执行器实际到达的位置点到起始位置的测量距离。
可选的，当位姿数据是末端执行器的速度时，可以通过对速度进行积分运算，从而得到末端执行器的运动距离，该运动距离是通过传感器测量后计算得出的，即末端执行器实际到达的位置点到起始位置的测量距离。
在一种可选的实现方式中，监测传感器可以有多个。即在末端执行器上设置多种不同类型的监测传感器。即可以同时在末端执行器上设置速度传感器、加速度传感器、角度传感器(例如陀螺仪)和位移传感器中的至少两种。本实施例中，控制器获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离的过程可以包括以下步骤：
A1，在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，控制器分别利用各监测传感器得到末端执行器的多个位姿数据。
本实施例以同时安装速度传感器和加速度传感器为例进行说明。在末端传感器随着机器人的手臂移动的过程中，速度传感器可以检测到末端执行器的速度，加速度传感器可以检测到末端执行器的加速度。
A2，控制器根据多个位姿数据计算末端执行器实际到达的位置点到起始位置的测量距离。
控制器可以通过对速度进行积分运算，从而得到末端执行器的第一实际运动距离。同时，控制器还可以通过对加速度信号进行二次积分运算，从而得到末端执行器的第二实际运动距离。
可选的，可以对速度传感器和加速度传感器设置不同的权值，对速度传感器的权值和第一实际运动距离，加速度传感器的权值和第二实际运动距离进行加权运算，计算出来的距离值为测量距离。
在一个实施例中，如图3所示，在步骤203还可以包括以下步骤：
步骤301，根据测量距离、手臂移动距离、目标距离和理论移动距离生成反馈信号。
在一种可选的实现方式中，可以对测量距离与理论移动距离求差，得到第一差值。对手臂移动距离和目标距离求差，得到第二差值。对第一差值和第二差值进行加权求和，得到预估距离差，根据预估距离差生成反馈信号。
在另一种可选的实现方式中，如图4所示，根据测量距离、手臂移动距离、目标距离和理论移动距离生成反馈信号的过程可以是：
步骤401，根据测量距离和理论移动距离估计末端执行器实际到达的位置点到起始位置的真实距离。
可选的，可以对测量距离和理论移动距离进行卡尔曼滤波，通过卡尔曼滤波算法估计得到末端执行器的真实距离。
步骤402，根据真实距离和目标距离确定末端执行器的移动误差。
本实施例中，末端执行器对应的真实距离与末端执行器理论上需要到达的目标位置点的目标距离之间存在差异，本实施例中，可以通过真实距离和目标距离之间的差值确定末端执行器的移动误差。
步骤403，根据移动误差和手臂移动距离生成反馈信号。
反馈信号的作用在于向机器人的手臂施加驱动力，以控制机器人的手臂移动，从而带动末端执行器移动。
其中，移动误差是指末端执行器由于抖动而实际偏移的距离，手臂移动距离是伺服驱动***向机器人手臂施加驱动力后机器人的手臂移动的距离。可知，移动误差和手臂移动距离是影响反馈信号重要因素。反馈信号的作用在于向机器人的手臂施加驱动力以使得机器人的手臂再次移动，在该再次移动的过程中，可以对末端执行器的移动误差进行补偿，从而使得末端执行器的位置点可以校正到目标位置点。
步骤302，根据反馈信号对第一控制信号进行修正，得到第二控制信号。
本实施例中，第一控制信号控制机器人的手臂执行了第一次移动，第二控制信号控制机器人的手臂执行第二次移动，并且第二次移动是在第一次移动的基础上，对第一次移动的纠偏操作。由此可知，第二控制信号与第一控制信号以及反馈信号具有关联关系，本实施例，从反馈信号和第一控制信号两个方面综合考虑确定出第二控制信号，因此，第二控制信号的控制精度更准确，可以使得末端执行器准确地对准目标位置点。
请参考图5，其示出了本申请实施例提供的一种机器人控制装置的框图，该机器人控制装置可以配置在图1所示实施环境中的机器人中。如图5所示，该机器人控制装置可以包括第一获取模块501、第二获取模块502和控制模块503。
第一获取模块501，用于在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，以及机器人的手臂实际到达的位置点到起始位置的手臂移动距离；
第二获取模块502，用于将第一控制信号输入至机器人模型中，得到机器人模型输出的末端执行器的理论移动距离；
控制模块503，用于根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准目标位置点。
在本申请的一个实施例中，末端执行器上设置有监测传感器，第一获取模块501还用于在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，利用监测传感器获取末端执行器的位姿数据，位姿数据包括末端执行器的速度或者加速度；根据位姿数据计算末端执行器实际到达的位置点到起始位置的测量距离。
在本申请的一个实施例中，监测传感器有多种，第一获取模块501还用于在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，分别利用各监测传感器得到末端执行器的多个位姿数据；根据多个位姿数据计算末端执行器实际到达的位置点到起始位置的测量距离。
在本申请的一个实施例中，控制模块503还用于根据测量距离、手臂移动距离、目标距离和理论移动距离生成反馈信号；根据反馈信号对第一控制信号进行修正，得到第二控制信号。
在本申请的一个实施例中，控制模块503还用于根据测量距离和理论移动距离估计末端执行器实际到达的位置点到起始位置的真实距离；根据真实距离和目标距离确定末端执行器的移动误差；根据移动误差和手臂移动距离生成反馈信号。
在本申请的一个实施例中，控制模块503还用于对测量距离和理论移动距离进行卡尔曼滤波，得到末端执行器的真实距离。
在本申请的一个实施例中，第二获取模块502还用于获取机器人对应的质量矩阵、阻尼矩阵、刚度矩阵和激励力向量；根据质量矩阵、阻尼矩阵、刚度矩阵和激励力向量建立机器人模型。
关于机器人控制装置的具体限定可以参见上文中对于机器人控制方法的限定，在此不再赘述。上述机器人控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在本申请的一个实施例中，提供了一种控制器，该控制器可以是嵌入式***、服务器或者计算机，其内部结构图可以如图6所示。该控制器包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该控制器的处理器用于提供计算和控制能力。该控制器的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该数据库可以用于存储有机器人模型，该控制器的网络接口用于与外部的终端通过网络连接通信。该控制器被处理器执行时以实现一种机器人控制方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的控制器的限定，具体的控制器可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本申请的一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，以及机器人的手臂实际到达的位置点到起始位置的手臂移动距离；将第一控制信号输入至机器人模型中，得到机器人模型输出的末端执行器的理论移动距离；根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准目标位置点。
在本申请的一个实施例中，末端执行器上设置有监测传感器，处理器执行计算机程序时还实现以下步骤：在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，利用监测传感器获取末端执行器的位姿数据，位姿数据包括末端执行器的速度或者加速度；根据位姿数据计算末端执行器实际到达的位置点到起始位置的测量距离。
在本申请的一个实施例中，监测传感器有多种，处理器执行计算机程序时还实现以下步骤：在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，分别利用各监测传感器得到末端执行器的多个位姿数据；根据多个位姿数据计算末端执行器实际到达的位置点到起始位置的测量距离。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：根据测量距离、手臂移动距离、目标距离和理论移动距离生成反馈信号；根据反馈信号对第一控制信号进行修正，得到第二控制信号。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：根据测量距离和理论移动距离估计末端执行器实际到达的位置点到起始位置的真实距离；根据真实距离和目标距离确定末端执行器的移动误差；根据移动误差和手臂移动距离生成反馈信号。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：对测量距离和理论移动距离进行卡尔曼滤波，得到末端执行器的真实距离。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：获取机器人对应的质量矩阵、阻尼矩阵、刚度矩阵和激励力向量；根据质量矩阵、阻尼矩阵、刚度矩阵和激励力向量建立机器人模型。
本申请实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在本申请的一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，获取机器人的手臂上安装的末端执行器实际到达的位置点到起始位置的测量距离，以及机器人的手臂实际到达的位置点到起始位置的手臂移动距离；将第一控制信号输入至机器人模型中，得到机器人模型输出的末端执行器的理论移动距离；根据测量距离、手臂移动距离、目标位置点到起始位置的目标距离以及理论移动距离生成第二控制信号，并根据第二控制信号控制机器人的末端执行器对准目标位置点。
在本申请的一个实施例中，末端执行器上设置有监测传感器，计算机程序被处理器执行时还可以实现以下步骤：在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，利用监测传感器获取末端执行器的位姿数据，位姿数据包括末端执行器的速度或者加速度；根据位姿数据计算末端执行器实际到达的位置点到起始位置的测量距离。
在本申请的一个实施例中，监测传感器有多种，计算机程序被处理器执行时还可以实现以下步骤：在根据第一控制信号控制机器人的手臂从起始位置移动至目标位置点后，分别利用各监测传感器得到末端执行器的多个位姿数据；根据多个位姿数据计算末端执行器实际到达的位置点到起始位置的测量距离。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：根据测量距离、手臂移动距离、目标距离和理论移动距离生成反馈信号；根据反馈信号对第一控制信号进行修正，得到第二控制信号。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：根据测量距离和理论移动距离估计末端执行器实际到达的位置点到起始位置的真实距离；根据真实距离和目标距离确定末端执行器的移动误差；根据移动误差和手臂移动距离生成反馈信号。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：对测量距离和理论移动距离进行卡尔曼滤波，得到末端执行器的真实距离。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：获取机器人对应的质量矩阵、阻尼矩阵、刚度矩阵和激励力向量；根据质量矩阵、阻尼矩阵、刚度矩阵和激励力向量建立机器人模型。
本申请实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种机器人控制方法，其特征在于，所述方法包括：
在根据第一控制信号控制所述机器人的手臂从起始位置移动至目标位置点后，获取所述机器人的手臂上安装的末端执行器实际到达的位置点到所述起始位置的测量距离，以及所述机器人的手臂实际到达的位置点到所述起始位置的手臂移动距离；
将所述第一控制信号输入至机器人模型中，得到机器人模型输出的所述末端执行器的理论移动距离；
根据所述测量距离、所述手臂移动距离、所述目标位置点到所述起始位置的目标距离以及所述理论移动距离生成第二控制信号，并根据所述第二控制信号控制所述机器人的末端执行器对准所述目标位置点。
2.根据权利要求1所述的方法，其特征在于，所述末端执行器上设置有监测传感器，所述获取所述机器人的手臂上安装的末端执行器实际到达的位置点到所述起始位置的测量距离，包括：
在根据第一控制信号控制所述机器人的手臂从起始位置移动至目标位置点后，利用所述监测传感器获取所述末端执行器的位姿数据，所述位姿数据包括所述末端执行器的速度或者加速度；
根据所述位姿数据计算所述末端执行器实际到达的位置点到所述起始位置的测量距离。
3.根据权利要求2所述的方法，其特征在于，所述监测传感器有多种，所述获取所述机器人的手臂上安装的末端执行器实际到达的位置点到所述起始位置的测量距离，包括：
在根据第一控制信号控制所述机器人的手臂从起始位置移动至目标位置点后，分别利用各所述监测传感器得到所述末端执行器的多个所述位姿数据；
根据所述多个位姿数据计算所述末端执行器实际到达的位置点到所述起始位置的测量距离。
4.根据权利要求1所述的方法，其特征在于，所述根据所述测量距离、所述手臂移动距离、所述目标位置点到所述起始位置的目标距离以及所述理论移动距离生成第二控制信号，包括：
根据所述测量距离、所述手臂移动距离、所述目标距离和所述理论移动距离生成反馈信号；
根据所述反馈信号对所述第一控制信号进行修正，得到所述第二控制信号。
5.根据权利要求4所述的方法，其特征在于，所述根据所述测量距离、所述手臂移动距离、所述目标距离和所述理论移动距离生成反馈信号，包括：
根据所述测量距离和所述理论移动距离估计所述末端执行器实际到达的位置点到所述起始位置的真实距离；
根据所述真实距离和所述目标距离确定所述末端执行器的移动误差；
根据所述移动误差和所述手臂移动距离生成所述反馈信号。
6.根据权利要求5所述的方法，其特征在于，所述根据所述测量距离和所述理论移动距离估计所述末端执行器实际到达的位置点到所述起始位置的真实距离，包括：
对所述测量距离和所述理论移动距离进行卡尔曼滤波，得到所述末端执行器的真实距离。
7.根据权利要求1所述的方法，其特征在于，所述将所述第一控制信号输入至机器人模型中之前，所述方法还包括：
获取所述机器人对应的质量矩阵、阻尼矩阵、刚度矩阵和激励力向量；
根据所述质量矩阵、所述阻尼矩阵、所述刚度矩阵和所述激励力向量建立所述机器人模型。
8.一种机器人控制装置，其特征在于，所述装置包括：
第一获取模块，用于在根据第一控制信号控制所述机器人的手臂从起始位置移动至目标位置点后，获取所述机器人的手臂上安装的末端执行器实际到达的位置点到所述起始位置的测量距离，以及所述机器人的手臂实际到达的位置点到所述起始位置的手臂移动距离；
第二获取模块，用于将所述第一控制信号输入至机器人模型中，得到机器人模型输出的所述末端执行器的理论移动距离；
控制模块，用于根据所述测量距离、所述手臂移动距离、所述目标位置点到所述起始位置的目标距离以及所述理论移动距离生成第二控制信号，并根据所述第二控制信号控制所述机器人的末端执行器对准所述目标位置点。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010160479.0A CN113370203A (zh) | 2020-03-10 | 2020-03-10 | 机器人控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010160479.0A CN113370203A (zh) | 2020-03-10 | 2020-03-10 | 机器人控制方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113370203A true CN113370203A (zh) | 2021-09-10 |
Family
ID=77568803
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010160479.0A Pending CN113370203A (zh) | 2020-03-10 | 2020-03-10 | 机器人控制方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113370203A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115519544A (zh) * | 2022-10-10 | 2022-12-27 | 深圳进化动力数码科技有限公司 | 一种生鲜分拣机器人抓取方法、装置、设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105382843A (zh) * | 2015-11-30 | 2016-03-09 | 北京控制工程研究所 | 一种抓捕末阶段机械臂与操作平台协调控制方法 |
| CN107042528A (zh) * | 2017-06-01 | 2017-08-15 | 中国科学院宁波材料技术与工程研究所 | 一种工业机器人的运动学标定***及方法 |
| CN107107336A (zh) * | 2014-11-18 | 2017-08-29 | 柿子技术公司 | 具有末端执行器位置估计的机器人自适应放置*** |
| CN109202884A (zh) * | 2017-06-30 | 2019-01-15 | 沈阳新松机器人自动化股份有限公司 | 一种柔性多关节机器人振动抑制方法及控制*** |
| CN109352663A (zh) * | 2018-09-28 | 2019-02-19 | 航天材料及工艺研究所 | 一种面向复合材料舱段的机器人自动精确定位制孔装置及方法 |
| CN109884985A (zh) * | 2019-03-11 | 2019-06-14 | 上海理工大学 | 数控机床整机加工状态动态特性的测量方法 |
| CN110842928A (zh) * | 2019-12-04 | 2020-02-28 | 中科新松有限公司 | 一种复合机器人视觉引导定位装置及方法 |
-
2020
- 2020-03-10 CN CN202010160479.0A patent/CN113370203A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107107336A (zh) * | 2014-11-18 | 2017-08-29 | 柿子技术公司 | 具有末端执行器位置估计的机器人自适应放置*** |
| CN105382843A (zh) * | 2015-11-30 | 2016-03-09 | 北京控制工程研究所 | 一种抓捕末阶段机械臂与操作平台协调控制方法 |
| CN107042528A (zh) * | 2017-06-01 | 2017-08-15 | 中国科学院宁波材料技术与工程研究所 | 一种工业机器人的运动学标定***及方法 |
| CN109202884A (zh) * | 2017-06-30 | 2019-01-15 | 沈阳新松机器人自动化股份有限公司 | 一种柔性多关节机器人振动抑制方法及控制*** |
| CN109352663A (zh) * | 2018-09-28 | 2019-02-19 | 航天材料及工艺研究所 | 一种面向复合材料舱段的机器人自动精确定位制孔装置及方法 |
| CN109884985A (zh) * | 2019-03-11 | 2019-06-14 | 上海理工大学 | 数控机床整机加工状态动态特性的测量方法 |
| CN110842928A (zh) * | 2019-12-04 | 2020-02-28 | 中科新松有限公司 | 一种复合机器人视觉引导定位装置及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115519544A (zh) * | 2022-10-10 | 2022-12-27 | 深圳进化动力数码科技有限公司 | 一种生鲜分拣机器人抓取方法、装置、设备及存储介质 |
| CN115519544B (zh) * | 2022-10-10 | 2023-12-15 | 深圳进化动力数码科技有限公司 | 一种生鲜分拣机器人抓取方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11235461B2 (en) | Controller and machine learning device | |
| US10668619B2 (en) | Controller and machine learning device | |
| CN106584489B (zh) | 具备计算传感器的位置和方向的功能的机器人*** | |
| US10300600B2 (en) | Control system having learning control function and control method | |
| US10668623B2 (en) | Method and system for robotic adaptive production | |
| US11298828B2 (en) | Calibration device, calibration method, and control device | |
| US10618164B2 (en) | Robot system having learning control function and learning control method | |
| US10409258B2 (en) | Method for compensating for a deviation in an operating point | |
| US10940585B2 (en) | Vibration suppression device | |
| US11144032B2 (en) | Time to failure analysis of robotic arm cabling | |
| US10960549B2 (en) | Vibration analyzer and vibration analysis method | |
| WO2021065197A1 (en) | System and design of derivative-free model learning for robotic systems | |
| KR20110004788A (ko) | 머니퓰레이터를 작동시키기 위한 방법 및 장치 | |
| Qin et al. | A new approach to the dynamic parameter identification of robotic manipulators | |
| KR101086361B1 (ko) | 로봇의 자세 제어 방법 및 그 장치 | |
| CN113370203A (zh) | 机器人控制方法、装置、计算机设备及存储介质 | |
| CN113711138B (zh) | 伺服控制装置 | |
| Lange et al. | Learning accurate path control of industrial robots with joint elasticity | |
| Roveda | Model based compliance shaping control of light-weight manipulator in hard-contact industrial applications | |
| Fateh et al. | On the transforming of control space by manipulator Jacobian | |
| Lu et al. | Adaptive unscented Kalman filter-based disturbance rejection with application to high precision hydraulic robotic control | |
| CN114800523A (zh) | 机械臂轨迹修正方法、***、计算机及可读存储介质 | |
| JP2024512827A (ja) | 適応コンプライアンスに基づいたロボット組立のためのシステムおよび方法 | |
| US20220162834A1 (en) | Method for State Estimation of Position and Orientation of a Plurality of Movable Modules of a Common System | |
| Wan et al. | Learning optimal measurement and control of assembly robot for large-scale heavy-weight parts |
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 |