一种新型粒子群自适应阻抗控制方法及装置制造方法及图纸

本发明专利技术提供了一种新型粒子群自适应阻抗控制方法及装置，涉及机器人关节阻抗控制技术领域。包括：机器人自适应阻抗控制系统设计；基于模糊控制方法动态调节自适应项；基于新型粒子群算法来调节阻抗控制参数以进一步优化机器人控制性能。本发明专利技术能够提高机器人在工业作业过程中的柔顺性能，实现机器人控制的智能化、精准化、安全化要求。通过在机器人系统中加入自适应阻抗控制，将位置与力控制统一到同一控制框架之下，任务的规划量和计划量都相对较少，因而对于阻抗控制的研究有利于机器人控制系统的发展。系统的发展。系统的发展。

【技术实现步骤摘要】
一种新型粒子群自适应阻抗控制方法及装置


[0001]本专利技术涉及机器人关节阻抗控制
，特别是指一种新型粒子群自适应阻抗控制方法及装置。

技术介绍

[0002]多关节机器人广泛应用于现代工业领域当中，在实际的工业生产之中，工业机器人面临的生产任务大多是需要对力的大小进行考虑的，且在接触的过程中应展现出良好的柔顺性能，所以对于机器人柔顺控制的研究是十分有必要的。
[0003]而现有技术中，机器人阻抗控制往往效果不理想，对力与位置的跟踪有偏差。

技术实现思路

[0004]针对现有技术中存在机器人阻抗控制效果不理想、对力与位置的跟踪有偏差的问题，本专利技术提出了一种新型粒子群自适应阻抗控制方法及装置。
[0005]为解决上述技术问题，本专利技术提供如下技术方案：一方面，提供了一种新型粒子群自适应阻抗控制方法，该方法应用于电子设备，包括：S1：结合机器人动力学模型，设计机器人自适应阻抗控制系统；S2：通过模糊控制方法，对所述系统的自适应项进行动态调节；S3：通过新型粒子群算法，调节机器人的阻抗控制参数，优化机器人控制性能。
[0006]可选地，步骤S1中，结合机器人动力学模型，设计机器人自适应阻抗控制系统，包括：S11：结合机器人动力学模型，对机器人阻抗控制系统进行初步分析；其中，对于自由度为n的机器人的动力学模型的表达如下述公式（1）所示：其中，为关节的角度、为关节的角速度、为关节的角加速度向量；为惯性矩阵；为惯性力矩与哥氏力矩阵；为重力项矩阵；为关节摩擦力向量；为关节驱动力向量；为关节干扰力向量；S12：将自适应项引入机器人阻抗控制系统，获得机器人自适应阻抗控制系统。
[0007]可选地，S12：将自适应项引入机器人阻抗控制系统，获得机器人自适应阻抗控制系统，包括：S121:构建如下述公式（2）的机器人自由空间表达式：其中，为单自由度情况下的惯性矩阵、为单自由度情况下的阻尼矩阵、为单自由度情况下的刚度矩阵；为单自由度情况下的位置偏差，为测量的环境位置与机器
人末端位置的差。为加速度偏差、为速度偏差；视为一种驱动力；构建如下述公式（3）的机器人接触空间表达式：其中，为单自由度情况下机器人末端与环境的接触力信号；S122: 在公式（3）中引入自适应调整项可得到下述公式（4），将所述自适应调整项根据力误差进行在线更新调整，得到下述公式（5）：其中，为学习率且为保证系统稳定应满足，为控制器的采样时间。
[0008]可选地，步骤S2，通过模糊控制方法，对所述系统的自适应项进行动态调节，包括：模糊控制器的输入为力误差以及力误差的变化率，输出为学习率；其中，论域选取为：输入变量，，输出变量；对所述系统的自适应项进行动态调节；集合内变量含义为模糊控制中表示隶属度关系的NB负大、NM负中、NS负小、ZO零、PS正小、PM正中、PB正大。SS极小、SB小、M中、BS大、BB极大。
[0009]可选地，S3：通过新型粒子群算法，调节机器人的阻抗控制参数，优化机器人控制性能，包括：S31：对新型粒子群进行初始化；S32：更新每个粒子的位置与速度；S33：计算适应度值；S34：得到局部最优值和全局最优值；S35：根据机器人的具体工作情况设定终止条件，若满足终止条件，则结束算法输出最优解；若不满足终值条件，则返回步骤S32中继续运算，完成机器人控制性能的优化。
[0010]可选地，S31：对新型粒子群进行初始化，包括：设置目标搜索空间维度，初始化随机生成一组粒子，其数值分别对应阻抗参数。
[0011]可选地，步骤S32中，更新每个粒子的位置与速度，包括：粒子位置与速度的更新公式如下述公式（6）以及公式（7）所所示：
其中，为维向量第个粒子的飞行速度，为惯性权重，为学习因子，服从均匀分布，为第个粒子目前最优位置，为整个粒子迄今最优位置，为第个粒子当前位置。
[0012]可选地，S33中，计算适应度值，包括：根据目标函数计算适度值，从系统稳定性以及对期望力的跟踪效果两个角度来考虑，所述目标函数选取如下述公式（8）：其中，为权重系数。
[0013]可选地，S34中，得到局部最优值和全局最优值，包括：将每个粒子代入阻抗系统中，通过目标函数计算得出适度值后，将其和本代最好适度值作比较；若当前计算所得的适度值更小，则代替前一代粒子成为本代最好适度值；当所有将所有本代粒子比较过后，得到本代粒子中适应度值最佳的个体成为全局最优值。
[0014]一方面，提供了一种新型粒子群自适应阻抗控制装置，该装置应用于电子设备，该装置包括：系统设计模块，用于通过机器人动力学模型，对机器人自适应阻抗控制系统进行设计；动态调节模块，用于通过模糊控制方法，对所述系统的自适应项进行动态调节；性能优化模块，用于通过新型粒子群算法，调节机器人的阻抗控制参数，优化机器人控制性能。
[0015]一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述新型粒子群自适应阻抗控制方法。
[0016]一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述新型粒子群自适应阻抗控制方法。
[0017]本专利技术实施例的上述技术方案至少具有如下有益效果：上述方案中，阻抗控制是通过调节执行机构的位置与接触力之间的动态关系来实现柔顺控制。通过在机器人系统中加入自适应阻抗控制，将位置与力控制统一到同一控制框架之下，任务的规划量和计划量都相对较少，因而对于阻抗控制的研究有利于机器人控制系统的发展。
附图说明
[0018]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0019]图1是本专利技术实施例提供的一种新型粒子群自适应阻抗控制方法的方法流程图；图2是本专利技术实施例提供的一种新型粒子群自适应阻抗控制方法的方法流程图；
图3是本专利技术实施例提供的一种新型粒子群自适应阻抗控制方法的控制系统框图；图4是本专利技术实施例提供的一种新型粒子群自适应阻抗控制方法的改进粒子群算法流程图；图5是本专利技术实施例提供的一种新型粒子群自适应阻抗控制装置的装置框图；图6是本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0020]为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0021]本专利技术实施例提供了一种新型粒子群自适应阻抗控制方法，该方法可以由电子设备实现，该电子设备可以是终端或服务器。如图1所示的新型粒子群自适应阻抗控制方法流程图，该方法包括：S101：结合机器人动力学模型，设计机器人自适应阻抗控制系统；S102：通过模糊控制方法，对所述系统的自适应项进行动态调节；S103：通过新型粒子群算法，调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新型粒子群自适应阻抗控制方法，其特征在于，包括以下步骤：S1：结合机器人动力学模型，设计机器人自适应阻抗控制系统；S2：通过模糊控制方法，对所述机器人自适应阻抗控制系统的自适应项进行动态调节；S3：通过新型粒子群算法，调节机器人的阻抗控制参数，优化机器人控制性能。2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，结合机器人动力学模型，设计机器人自适应阻抗控制系统，包括：S11：结合机器人动力学模型，对机器人阻抗控制系统进行初步分析；其中，对于自由度为n的机器人的动力学模型的表达如下述公式（1）所示：其中，为关节的角度、为关节的角速度、为关节的角加速度向量；为惯性矩阵；为惯性力矩与哥氏力矩阵；为重力项矩阵；为关节摩擦力向量；为关节驱动力向量；为关节干扰力向量；S12：将自适应项引入机器人阻抗控制系统，获得机器人自适应阻抗控制系统。3.根据权利要求2所述的方法，其特征在于，所述S12：将自适应项引入机器人阻抗控制系统，获得机器人自适应阻抗控制系统，包括：S121:构建如下述公式（2）的机器人自由空间表达式：其中，为单自由度情况下的惯性矩阵、为单自由度情况下的阻尼矩阵、为单自由度情况下的刚度矩阵；为单自由度情况下的位置偏差，为测量的环境位置与机器人末端位置的差；为加速度偏差、为速度偏差；视为一种驱动力；构建如下述公式（3）的机器人接触空间表达式：其中，为单自由度情况下机器人末端与环境的接触力信号；S122: 在公式（3）中引入自适应调整项可得到下述公式（4），将所述自适应调整项根据力误差进行在线更新调整，得到下述公式（5）：其中，为学习率且为保证系统稳定应满足，为控制器的采样时间。4.根据权利要求1所述的方法，其特征在于，所述步骤S2，通过模糊控制方法，对所述机器人自适应阻抗控制系统的自适应项进行动态调节，包括：
模糊控制器的输入为力误差力误差的变化率，输出为学习率；其中，论域选取为：输入变量,，输出变量；对所述机器人自适应阻抗控制系统的自适应项进行动态调节；集合内变量含义为模糊控制中表示隶属度关系的NB负大、NM负中、NS负小、ZO零、PS正小、PM正中、PB正大、SS极小、SB小、M...

【专利技术属性】
技术研发人员：潘月斗，赵子维，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：