【技术实现步骤摘要】
本专利技术涉及机械臂控制，特别是涉及一种基于滑模-导纳的模块化机械臂自学习交互控制方法。
技术介绍
1、近几年，机器人产业发展迅猛，应用范围涉及到医疗和探索等各个方面，例如涂胶机械臂，防疫机器人等，可以说已经和人们的生活休戚相关。为了解决传统机械臂的构型局限性、体积大等问题，模块化机械臂越来越受到学术界关注。模块化机械臂的主要思想是将一个复杂的机械臂系统分解为多个具有较高便携性和可维护性的子系统模块，因此其控制器的设计就要满足模块化要求，即各个关节模块具备相互独立的控制器，且能够满足不同任务环境与多种机械臂构形下的工作需要，从而表现出传统机械臂所不具备的优势，提高工作效率。
2、由于模块化机械臂系统是一类具有高度非线性、时变干扰的复杂控制系统，因而其控制问题存在一定难度。众所周知，模块化机械臂在进行操作任务中关节末端不可避免的会与未知环境交互，难免会发生接触超调的现象，引发操作工件或机械臂末端工件的损坏。通过采用自学习的方式，改进传统固定参数的导纳控制策略，实现模块化机械臂的柔顺控制，不仅提高了系统的柔顺性，也增强了实际应用的安全性，同时减少了接触力超调过冲引发的故障问题。因此，针对整个关节模块系统进行滑模-导纳的模块化机械臂自学习交互控制是机械臂实际操作领域中亟待解决的问题。
技术实现思路
1、本专利技术的目的是提供一种基于滑模-导纳的模块化机械臂自学习交互控制方法，提高了机械臂系统的操作精度、稳定性和可靠性。
2、为实现上述目的，本专利技术提供了如下方案
3、一种基于滑模-导纳的模块化机械臂自学习交互控制方法，其特征在于，所述方法包括：
4、采集模块化机械臂末端六维力/力矩传感器的状态信息；
5、基于导纳控制理论建立位置/力动态模型；
6、构建二阶离散时间非线性最速跟踪微分器，并设计级联扩张状态观测器；
7、搭建超螺旋滑模的外环自学习导纳控制器；
8、建立内环积分滑模的鲁棒控制器；
9、根据所述非线性跟踪微分器、所述级联扩张状态观测器、外环自学习导纳控制器以及内环积分滑模的鲁棒控制器构建模块化机械臂自学习交互控制器。
10、可选地，所述采集模块化机械臂末端六维力/力矩传感器的状态信息：
11、通过模块化机械臂控制器采集x,y,z轴下的力和mx,my,mz的力矩数据；
12、对采集的力、力矩通过工具重力补偿和传感器零漂补偿，并在采样周期通过udp通讯口读取六维力传感器测出实际接触的力、力矩。
13、可选地，基于导纳控制理论建立位置/力动态模型：
14、
15、其中，是任务空间中期望位移、速度和加速度。是任务空间中实际的位移、速度和加速度。m,b,k是虚拟的期望惯性、阻尼和刚度矩阵，且正定。fen为实际接触力，fext为人机交互作用下的人力，fd为期望工作力。当外部操作人员施加的力为零时，即fext＝0。
16、可选地，构建二阶离散时间非线性最速跟踪微分器，并设计级联扩张状态观测器：
17、构建二阶离散时间非线性最速跟踪微分器为：
18、
19、非线性函数fhan(x1,x2,r,t)定义为：
20、
21、其中，v(k)为期望力大小；h为采样周期；x1(k)为过渡过程中输出的期望力；x2(k)为输出的期望力的微分；sgn(·)为符号函数；fix(·)为取整函数；控制量的约束|μ|≤r；r为调节因子；x1为实际输出力大小；x2为实际输出力大小的一阶导数；k0为微分增益。sat(·)为饱和函数，定义如下：
22、
23、其中，λ为输入参数，为线性饱和函数且
24、设计级联扩张状态观测器为：
25、
26、其中，zc1，zc2分别为模块化机械臂广义动量的估计值、相互作用力的观测值。βc1和βc2为观测器增益，ec1为观测误差；sc1，sc2分别为模块化机械臂广义动量的估计值、除去第一个观测器估计值外的残余作用力观测值。βc3和βc4为第二个观测器增益。
27、可选地，搭建超螺旋滑模的外环自学习导纳控制器：
28、末端施加在环境上的接触力可以表示为：
29、fen＝ken(xen-xd)
30、其中，fen为施加在环境上的接触力，ken为环境的刚度，xen为工作空间实际的操作位置。xd为工作空间的期望位置。
31、得到的力跟踪误差ef和稳态误差ess为：
32、
33、且满足以下其中一个方程或同时满足两个方程：
34、
35、其中，xr为参考轨迹，k为虚拟的刚度矩阵，阻抗控制传递函数。
36、定义位置误差函数ex为：
37、ex＝xd-xr
38、获得机械臂末端力跟踪误差函数为：
39、
40、在物理人机交互过程中，人类的交互意图是随机的。因此，机械臂的运动轨迹也是随机的。在外部操作人员干预的情况下，可以得到时变的参考位置及其误差的估计值此时，估计的位置误差表示为：
41、
42、进而获得如下等式：
43、
44、考虑人-机械臂的交互力和末端执行器的接触力相结合，设计设计自学习导纳控制器，调整导纳模型中的阻尼系数，并对时变误差进行补偿为：
45、
46、其中，根据力的误差进行自学习调整，
47、
48、其中，分别为估计速度和加速度误差；为阻尼补偿项；ε＝10-6；t为上一时刻的采样时间；λ为采样周期；为自学习因子；α和β为增益系数；llimt为限制系数；
49、引入超螺旋滑模控制策略，快速响应接触力信号。定义辅助误差函数变量：
50、
51、其中，为参数增益。
52、将辅助误差函数变量作为超螺旋滑模控制输入，得到力控制信号：
53、
54、其中，k1，k2，k3为控制增益。
55、得到超螺旋滑模的外环自学习导纳控制器的加速度表达式：
56、
57、进而得到离散化的加速度速度和位置xr(t)为：
58、
59、
60、
61、可选地，建立内环积分滑模的鲁棒控制器：
62、建立受约束的模块化机械臂动力学模型为：
63、
64、其中，m(q)为惯性项；为耦合项；g(q)为重力项；fe为操作接触力列向量；ff为摩擦项；τc为末端接触力映射到各关节的力矩；u为关节输出力矩；为模块化机械臂关节位置、速度和加速度列向量。
65、基于动力学参数辨识获得m0、c0、g0、ff0，且存在未知不确定性δm、δc、δg、δf，动力学方程可以改写为：
66、
6本文档来自技高网...
【技术保护点】
1.一种基于滑模-导纳的模块化机械臂自学习交互控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于滑模-导纳的模块化机械臂自学习交互控制方法，其特征在于，采集模块化机械臂末端六维力/力矩传感器的状态信息：
3.根据权利要求1所述的一种基于滑模-导纳的模块化机械臂自学习交互控制方法，其特征在于，基于导纳控制理论建立力跟踪模型：
4.根据权利要求1所述的一种基于滑模-导纳的模块化机械臂自学习交互控制方法，其特征在于，构建二阶离散时间非线性最速跟踪微分器，并设计级联扩张状态观测器：
5.根据权利要求1所述的一种基于滑模-导纳的模块化机械臂自学习交互控制方法，其特征在于，搭建超螺旋滑模的外环自学习导纳控制器：
6.根据权利要求1所述的一种基于滑模-导纳的模块化机械臂自学习交互控制方法，其特征在于，建立内环积分滑模的鲁棒控制器：
【技术特征摘要】
1.一种基于滑模-导纳的模块化机械臂自学习交互控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于滑模-导纳的模块化机械臂自学习交互控制方法，其特征在于，采集模块化机械臂末端六维力/力矩传感器的状态信息：
3.根据权利要求1所述的一种基于滑模-导纳的模块化机械臂自学习交互控制方法，其特征在于，基于导纳控制理论建立力跟踪模型：
4.根据权利要求1所述...
【专利技术属性】
技术研发人员：卢曾鹏，李岩，汤步东，范熙蕊，盛明哲，张振国，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。