一种视触觉引导的外肢体机器人力位混合控制方法及系统技术方案

本发明专利技术公开了一种视触觉引导的外肢体机器人力位混合控制方法及系统，涉及机器人力位混合控制技术领域

【技术实现步骤摘要】
一种视触觉引导的外肢体机器人力位混合控制方法及系统


[0001]本专利技术涉及机器人力位混合控制
，尤其涉及一种视触觉引导的外肢体机器人力位混合控制方法及系统
。

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]脑卒中
、
脑梗死等脑血管疾病
、
脊髓血管疾病
、
脑炎
、
脑脓肿
、
外周神经炎以及外伤均可引起肢体瘫痪，使得病人丧失上肢的部分甚至全部运动功能，严重影响了患者独立生活的能力，大大降低患者的生活质量
。
因此，为上肢运动功能丧失的患者提供辅助技术和装备是社会
、
家庭和患者共同的期盼
。
[0004]外肢体机器人是一种高度智能化设备，可为运动障碍者提供有效的运动功能辅助
。
外肢体机器人可为上肢偏瘫患者提供抓握辅助，完成日常基本操作，对助老助残具有重要意义
。
但这种装备仍有许多技术难点亟需解决，例如外肢体机器人缺乏有效的感知引导，导致空间定位能力有限；外肢体机器人的自由度高
、
控制难度大，很难实现对位姿和力量的同步准确控制
。
因此，如何提升外肢体机器人的感知与控制能力已成为该方向的技术瓶颈
。
[0005]视觉和触觉是机器人与环境进行交互的良好通道
。
机器人通过视觉可以感知外部环境，包括物体的位置
、
形状大小
、
颜色等外观特征，通过触觉可以感知物体重量
、
温度等物理属性
。
但是，对于一些复杂的抓取任务，仅靠机器人单一模态的感知系统无法完成，需要配备各种传感器获取不同模态的信息
。
因此，如何基于多模态感知系统实现外肢体机器人力位的混合控制优化，成为现有技术亟待解决的问题
。

技术实现思路

[0006]针对现有技术存在的不足，本专利技术的目的是提供一种视触觉引导的外肢体机器人力位混合控制方法及系统，该控制方法以触觉和视觉信息为引导，建立力位混合控制器，并通过强化学习机制实现该控制器的参数优化
。
与传统的力位混合控制器相比，这种控制器可以通过机器人观察环境并与环境的相互作用来从经验中直接学习，做出最顺应环境的控制策略，从而独立地解决操作任务
。
[0007]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0008]本专利技术第一方面提供了一种视触觉引导的外肢体机器人力位混合控制方法，包括以下步骤：
[0009]从视觉角度获取人体手臂在抓握不同物体过程中的手腕部姿态信息
、
五指的姿态信息和生成的运动轨迹；
[0010]利用外肢体机器人手臂学习人体手腕部运动轨迹，外肢体机器人手部学习人体五指抓握运动轨迹，并得到人体五指抓握运动轨迹和外肢体机器人手部运动轨迹的误差；
[0011]获取外肢体机器人在抓握不同物体时的指尖力信息作为指力反馈；
[0012]基于强化学习和比例积分微分建立力位混合控制器，利用力位混合控制器根据人体五指抓握运动轨迹和外肢体机器人手部运动轨迹的误差进行力位控制，并根据指力反馈对外肢体机器人手部进行姿态的调整，得到最优运动轨迹；
[0013]利用最优运动轨迹继续学习和调整，直到外肢体机器人能够完成稳定的抓握，并符合预设外肢体机器人的抓握成功率
。
[0014]进一步的，外肢体机器人手臂通过动态运动原语算法学习人体手腕部运动轨迹
。
[0015]进一步的，外肢体机器人手部通过可训练时间扭曲算法和基于期望最大化的高斯混合回归算法学习人体五指抓握运动轨迹
。
[0016]更进一步的，人体五指抓握运动轨迹通过高斯混合回归算法处理得具体步骤为：首先通过可训练时间扭曲算法得到相似的运动学信息以及运动特征；然后再利用基于期望最大化的高斯混合回归算法进行处理，从而将所有轨迹拟合为一条
。
[0017]进一步的，力位混合控制器将人体五指抓握运动轨迹和外肢体机器人手部运动轨迹的误差作为输入，将外肢体机器人手部的指力和末端执行器的运动速度作为反馈，利用强化学习根据反馈数据迭代出控制器的控制参数，从而使得机器人能够根据环境做出最优的运动规划
。
[0018]进一步的，根据力位混合控制器生成的最优运动轨迹，通过逆运动学解算，得到关节角度变换轨迹，然后再将关节角度变换轨迹传递给外肢体机器人手部，使外肢体机器人按照关节角度变换轨迹完成抓握
。
[0019]本专利技术第二方面提供了一种视触觉引导的外肢体机器人力位混合控制系统，包括：
[0020]视觉信息采集模块，被配置为从视觉角度获取人体手臂在抓握不同物体过程中的手腕部姿态信息
、
五指的姿态信息和生成的运动轨迹；
[0021]机器学习模块，被配置为利用外肢体机器人手臂学习人体手腕部运动轨迹，外肢体机器人手部学习人体五指抓握运动轨迹，并得到人体五指抓握运动轨迹和外肢体机器人手部运动轨迹的误差；
[0022]指力信息采集模块，被配置为获取外肢体机器人在抓握不同物体时的指尖力信息作为指力反馈；
[0023]控制模块，被配置为基于强化学习和比例积分微分建立力位混合控制器，利用力位混合控制器根据人体五指抓握运动轨迹和外肢体机器人手部运动轨迹的误差进行力位控制，并根据指力反馈对外肢体机器人手部进行姿态的调整，得到最优运动轨迹；
[0024]效果验证模块，被配置为利用最优运动轨迹继续学习和调整，直到外肢体机器人能够完成稳定的抓握，并符合预设外肢体机器人的抓握成功率
。
[0025]进一步的，指力信息采集模块中，在外肢体机器人手部的五指处分别粘贴压力薄膜传感器，用于获取外肢体机器人在抓握不同物体时的指尖力信息作为指力反馈
。
[0026]更进一步的，指力信息采集模块还包括单片机，外肢体机器人手部在进行抓握动作时，压力薄膜传感器实时将指尖压力数据传递给单片机，再由单片机通过串口通信传递给上位机
。
[0027]进一步的，力位混合控制器包括比例微分控制器和比例积分力控制器，其中，比例微分控制器用于根据人体五指抓握运动轨迹和外肢体机器人手部运动轨迹的误差生成外
肢体机器人的部分运动轨迹，比例积分力控制器用于根据指力反馈改变运动轨迹，减小误差
。
[0028]以上一个或多个技术方案存在以下有益效果：
[0029]本专利技术公开了一种视触觉引导的外肢体机器人力位混合控制方法及系统，通过让健康人在空间中抓取不同物体至不同位置，记录下人手臂和五指的运动信息，然后通过技能学习将人手动作传递到外肢体机器人上
。
针对多自由度外肢体辅助抓握的任务目标，提出一种视触觉引导的力位混合控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种视触觉引导的外肢体机器人力位混合控制方法，其特征在于，包括以下步骤：从视觉角度获取人体手臂在抓握不同物体过程中的手腕部姿态信息
、
五指的姿态信息和生成的运动轨迹；利用外肢体机器人手臂学习人体手腕部运动轨迹，外肢体机器人手部学习人体五指抓握运动轨迹，并得到人体五指抓握运动轨迹和外肢体机器人手部运动轨迹的误差；获取外肢体机器人在抓握不同物体时的指尖力信息作为指力反馈；基于强化学习和比例积分微分建立力位混合控制器，利用力位混合控制器根据人体五指抓握运动轨迹和外肢体机器人手部运动轨迹的误差进行力位控制，并根据指力反馈对外肢体机器人手部进行姿态的调整，得到最优运动轨迹；利用最优运动轨迹继续学习和调整，直到外肢体机器人能够完成稳定的抓握，并符合预设外肢体机器人的抓握成功率
。2.
如权利要求1所述的视触觉引导的外肢体机器人力位混合控制方法，其特征在于，外肢体机器人手臂通过动态运动原语算法学习人体手腕部运动轨迹
。3.
如权利要求1所述的视触觉引导的外肢体机器人力位混合控制方法，其特征在于，外肢体机器人手部通过可训练时间扭曲算法和基于期望最大化的高斯混合回归算法学习人体五指抓握运动轨迹
。4.
如权利要求3所述的视触觉引导的外肢体机器人力位混合控制方法，其特征在于，人体五指抓握运动轨迹通过高斯混合回归算法处理得具体步骤为：首先通过可训练时间扭曲算法得到相似的运动学信息以及运动特征；然后再利用基于期望最大化的高斯混合回归算法进行处理，从而将所有轨迹拟合为一条
。5.
如权利要求1所述的视触觉引导的外肢体机器人力位混合控制方法，其特征在于，力位混合控制器将人体五指抓握运动轨迹和外肢体机器人手部运动轨迹的误差作为输入，将外肢体机器人手部的指力和末端执行器的运动速度作为反馈，利用强化学习根据反馈数据迭代出控制器的控制参数，从而使得机器人能够根据环境做出最优的运动规划
。6.
如权利要求1所述的视触觉引导的外肢体机器人力位混合控制方法，其特征在于，根据力位混合控制器生...

【专利技术属性】
技术研发人员：李可，王小雨，李光林，魏娜，
申请(专利权)人：山东大学，
类型：发明
国别省市：