基于示教学习与柔顺控制的机器人阀门旋拧方法及系统技术方案

本发明专利技术提供了一种基于示教学习与柔顺控制的机器人阀门旋拧方法及系统，基于拖动示教，使得机械臂及末端工具柔顺到达旋拧目标阀门的位置，获取示教数据；对获取的示教数据进行处理，获取示教轨迹，对示教轨迹进行学习和优化，形成学习轨迹，对比示教轨迹和学习轨迹，进行逆运动学解算，在保证柔顺控制的前提下，使得误差最小，得到机械臂关节空间的最终目标轨迹，控制机械臂到达所述目标阀门位置；进行阀门旋拧，设置末端工具的全局路点规划圆形轨迹，通过阻抗控制，进行位置修正和力修正，实现阀门旋拧动作的柔顺执行。本发明专利技术能够实现更稳定的力控。定的力控。定的力控。

【技术实现步骤摘要】
基于示教学习与柔顺控制的机器人阀门旋拧方法及系统


[0001]本专利技术属于机器人控制
，具体涉及一种基于示教学习与柔顺控制的机器人阀门旋拧方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]石化爆燃等恶劣环境下，应急处置机器人可进入这种危险环境，完成部分处置作业，但对于关闭管道阀门这一相对复杂的处置作业任务，依然存在灵活性差、作业能力不足等问题。用机械臂进行管道阀门的旋拧操作，能够减少阀门旋拧过程和恶劣环境对操作人员带来的疲劳、烧灼等伤害，也能提高旋拧作业的效率。
[0004]机器人阀门旋拧操作在具体分析常见的阀门关闭处置作业工艺规范基础上，通过物理交互的方式进行示教，学习到达阀门位置的路径；面向阀门旋拧过程中，末端接触力的鲁棒性问题，通过阻抗控制，实现恶劣作业环境中关闭阀门的灵巧作业，实现更高精确的位置跟踪并实现阀门关闭的状态判断。
[0005]然而现实情况下，操作环境恶劣，机械臂作业困难，机械臂操作轨迹应平稳柔顺；旋拧过程中机械臂末端作圆弧运动，阀门蜗轮啮合行程中由于加工、液体流通量和腐蚀情况等不确定因素导致不稳定摩擦状态，导致整个过程中接触力呈非线性状态。现有的阀门旋拧技术，只针对特定的阀门进行作业，采用视觉定位、深度学习等方法进行阀门旋拧，对于不同的阀门的适应性、稳定性不足。

技术实现思路

[0006]本专利技术为了解决上述问题，提出了一种基于示教学习与柔顺控制的机器人阀门旋拧方法及系统，本专利技术利用动态运动基元算法能够有效的学习到达阀门的路径，改变起点终点能够实现很好的泛化能力，设计旋拧末端能够较好适应不同手轮种类的阀门旋拧，通过柔顺控制进行力修正并进行位置差值的输出叠加能够实现更稳定的力控。
[0007]根据一些实施例，本专利技术采用如下技术方案：
[0008]一种基于示教学习与柔顺控制的机器人阀门旋拧方法，包括以下步骤：
[0009]基于拖动示教，使得机械臂及末端工具柔顺到达旋拧目标阀门的位置，获取示教数据；
[0010]对获取的示教数据进行处理，获取示教轨迹，对示教轨迹进行学习和优化，形成学习轨迹，对比示教轨迹和学习轨迹，进行逆运动学解算，在保证柔顺控制的前提下，使得误差最小，得到机械臂关节空间的最终目标轨迹，控制机械臂到达所述目标阀门位置；
[0011]进行阀门旋拧，设置末端工具的全局路点规划圆形轨迹，通过阻抗控制，进行位置修正和力修正，实现阀门旋拧动作的柔顺执行。
[0012]作为可选择的实施方式，对示教轨迹进行学习和优化的具体过程包括，建立动态
运动基元模型，并在模型中引入非线性强迫函数；通过示教轨迹，设置起点和目标点，通过学习，利用局部加权回归得到非线性强迫函数的权重，形成新的轨迹，新的轨迹和示教轨迹有相似的运动趋势，从而学习到示教轨迹。
[0013]作为可选择的实施方式，根据学习的新的轨迹，将学习过程中的参数进行保存，改变机械臂末端初始位置和目标阀门位置时，根据已保存的参数，进行轨迹的规划。
[0014]作为可选择的实施方式，设置末端工具的全局路点规划圆形轨迹的具体过程是，末端工具到达旋拧位置，进行阀门的旋拧，阀门旋拧整体为圆形轨迹，根据阀门的参数、旋拧方向，设置全局路点规划圆形轨迹，形成机械臂末端的期望轨迹和各关节的期望位置。
[0015]作为可选择的实施方式，通过阻抗控制，进行位置修正和力修正的具体过程包括：建立机械臂与阀门旋拧环境的动力学模型，根据机械臂旋拧阀门过程中的运动以及受力分析，把环境模拟成弹簧
‑
阻尼系统或弹簧系统，以实现对机械臂进行力控制和位置控制。
[0016]作为进一步限定的实施方式，设定阀门旋拧过程中的末端旋拧期望力和期望位置，建立阻抗控制的模型。
[0017]作为进一步限定的实施方式，通过末端力传感器得到末端实际接触力，根据期望的接触力与实际的接触力计算机械臂末端位置调整量，将力误差信号转变成位置误差信号，以实现阀门旋拧正常操作。
[0018]一种基于示教学习与柔顺控制的机器人阀门旋拧系统，包括机器人系统，所述机器人系统包括机械臂，以及设置在机械臂上的末端工具，和处理系统，所述处理系统包括：
[0019]示教数据获取模块，被配置为根据机械臂及末端工具柔顺到达旋拧目标阀门的位置的拖动示教过程，获取示教数据；
[0020]轨迹学习模块，被配置为对获取的示教数据进行处理，获取示教轨迹，对示教轨迹进行学习和优化，形成学习轨迹，对比示教轨迹和学习轨迹，进行逆运动学解算，在保证柔顺控制的前提下，使得误差最小，得到机械臂关节空间的最终目标轨迹，控制机械臂到达所述目标位置；
[0021]阀门旋拧柔顺控制模块，被配置为设置末端工具的全局路点规划圆形轨迹，通过阻抗控制，进行位置修正和力修正，实现阀门旋拧动作的柔顺执行。
[0022]一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法中的步骤。
[0023]一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法中的步骤。
[0024]与现有技术相比，本专利技术的有益效果为：
[0025]本发通过拖动示教演示，获得示教轨迹，利用DMPs算法优化学习得到新的轨迹，改变初始点和目标点实现泛化能力。非机构化环境下，阀门旋拧过程中受力不平衡，进行阻抗控制，进行位置修正和力修正，能够提高系统的稳定性和操作的柔顺性。设计的末端工具能够实现不同阀门的旋拧操作。
[0026]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0027]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0028]图1为本实施例的整体流程示意图；
[0029]图2为本实施例的基于DMPs算法学习示教轨迹过程示意图；
[0030]图3为本实施例的阀门旋拧示意图。
具体实施方式
[0031]下面结合附图与实施例对本专利技术作进一步说明。
[0032]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0033]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0034]一种基于示教学习与柔顺控制的机器人阀门旋拧方法，其优势在于：通过DMPs能够有效的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于示教学习与柔顺控制的机器人阀门旋拧方法，其特征是，包括以下步骤：基于拖动示教，使得机械臂及末端工具柔顺到达旋拧目标阀门的位置，获取示教数据；对获取的示教数据进行处理，获取示教轨迹，对示教轨迹进行学习和优化，形成学习轨迹，对比示教轨迹和学习轨迹，进行逆运动学解算，在保证柔顺控制的前提下，使得误差最小，得到机械臂关节空间的最终目标轨迹，控制机械臂到达所述目标阀门位置；进行阀门旋拧，设置末端工具的全局路点规划圆形轨迹，通过阻抗控制，进行位置修正和力修正，实现阀门旋拧动作的柔顺执行。2.如权利要求1所述的一种基于示教学习与柔顺控制的机器人阀门旋拧方法，其特征是，对示教轨迹进行学习和优化的具体过程包括，建立动态运动基元模型，并在模型中引入非线性强迫函数；通过示教轨迹，设置起点和目标点，通过学习，利用局部加权回归得到非线性强迫函数的权重，形成新的轨迹，新的轨迹和示教轨迹有相似的运动趋势，从而学习到示教轨迹。3.如权利要求1所述的一种基于示教学习与柔顺控制的机器人阀门旋拧方法，其特征是，设置末端工具的全局路点规划圆形轨迹的具体过程是，末端工具到达旋拧位置，进行阀门的旋拧，阀门旋拧整体为圆形轨迹，根据阀门的参数、旋拧方向，设置全局路点规划圆形轨迹，形成机械臂末端的期望轨迹和各关节的期望位置。4.如权利要求3所述的一种基于示教学习与柔顺控制的机器人阀门旋拧方法，其特征是，根据学习的新的轨迹，将学习过程中的参数进行保存，改变机械臂末端初始位置和目标阀门位置时，根据已保存的参数，进行轨迹的规划。5.如权利要求1所述的一种基于示教学习与柔顺控制的机器人阀门旋拧方法，其特征是，通过阻抗控制，进行位置修正和力修正的具体过程包括：建立机械臂与阀门旋拧环境的动力学模型，根据机械臂旋拧阀门过程中的运动以及受力...

【专利技术属性】
技术研发人员：宋锐，白云峰，李凤鸣，郑玉坤，王艳红，
申请(专利权)人：山东大学，
类型：发明
国别省市：