【技术实现步骤摘要】
本专利技术涉及水下机械臂技术相关领域，尤其是涉及一种基于高斯过程水下机械臂末端补偿的方法。
技术介绍
1、随着机械臂技术的不断进步，它们已被广泛用于执行各种重复性或简单任务，提高生产效率和减少人工成本，然而，现代机器人技术的一个关键挑战是使机械臂能够在复杂和未知的水下环境中有效工作，如海洋资源勘探、海底调查、以及水下设备的修复和维护等；水下环境的特殊性，如高压、低温和可见度低，给机械臂的操作带来了额外的难度；因此，研究如何提升水下机械臂的操作效率和精度，同时降低操作复杂度，成为了一个研究热点。
2、现有技术中，如dart或(hg-)dagger研究了在监督策略执行中注入噪声，以引导机器人进入未访问的区域，并在更大的环境中收集数据库。
3、但是，上述方法在进行机械臂末端补偿过程中，需要收集大量校正点进行判定，计算时间较长，工作效率低下，为此，针对上述的技术问题还需进一步解决。
技术实现思路
1、本专利技术实施例的目的是提供一种基于高斯过程水下机械臂末端补偿的方法，以缓解现有技术中存在的在进行机械臂末端补偿过程中，需要收集大量校正点进行判定，计算时间较长，工作效率低下的技术问题。
2、为解决上述技术问题，本专利技术实施例提供如下技术方案：
3、本专利技术第一方面提供一种基于高斯过程水下机械臂末端补偿的方法，包括双目相机、控制件和机械臂，双目相机和机械臂均电连接于控制件；
4、双目相机设置于机械臂的末端，并用于采集水下环境信息及
5、s10.通过控制件得到机械臂的各关节的运动轨迹，使用高斯过程算法结合运动学数据对所述运动轨迹训练，以获得当前任务的期望运动模型；
6、所述运动模型用于提供机械臂在当前环境下所期望的笛卡尔轨迹的概率分布；并计算所述概率分布的均值和方差；
7、s20.当机械臂的末端通过在期望运动模型的方差的流形中添加引力项，引导机械臂的末端落入方差最小的高置信区域内；
8、在无干扰时，机械臂的末端在方差最小的高置信度区域内移动；
9、当出现干扰时，改变机械臂末端的移动轨迹，直至干扰消除，机械臂返回到高置信度区域内。
10、在本专利技术第一方面的一些变更实施方式中，在s10中，包括如下步骤：
11、s11.获取运动轨迹的数学特征，数学特征包括高斯噪声e、输入状态ξ＝[x,y,z]和输出状态表达式为：
12、
13、s12.利用运动学实例对运动轨迹训练，以获取期望运动模型；
14、运动学实例表达式为：
15、
16、n为采集的机械臂末端笛卡尔轨迹的位置点数目，ξi为第i个轨迹点的末端位置，输出为输出为给定的轨迹数据进行重新采样通过差分计算，其中每个元素是对应位置的两个数组之间的差值；
17、并将运动学实例表达式代入运动轨迹的表达式中，得到期望运动模型为：
18、
19、ξ＝[ξ1,ξ2,…,ξn]运动学实例中的输入变量矩阵；m(ξ)为均值，k(ξ,ξ)为协方差矩阵。k(ξ,ξ)中每个元素ker(ξi,ξj)为ξi和ξj的协方差，
20、ker(*,*)为高斯过程的核函数，表达式如下：
21、
22、k(xi,xj):表示输入点xi和xj之间的核函数值
23、||xi-xj||2是点xi和xj之间的欧氏距离的平方
24、l为高斯核的超参数；
25、s13.计算机械臂末端相邻数据点之间高斯分布的均值和方差，其表达式为：
26、
27、
28、其中为k单个评价点ξ的方差，k*为ξ与训练输入ξ之间的协方差，k为训练输入的协方差矩阵，为训练点高斯噪声的方差，y为训练输出；k和k*以及k都是核函数及其超参数的函数。
29、在本专利技术第一方面的一些变更实施方式中，在步骤20中，包括如下步骤；
30、s21.根据核函数计算当前机械臂的末端位置和训练数据的输入特征之间的核矩阵，并对其求编导计算方差；
31、通过核矩阵将梯度向量与核矩阵的逆矩阵相乘，得到方差关于输入特征的梯度对于输入点(ξ＝[x1,x2,x3])，计算输出的梯度其表达式为：
32、
33、α为根据最大允许自动调制的常数，其中ξ为评估点，g(ξ)为校正向量；i为惯性矩阵；为训练点高斯噪声的方差，k*为ξ与训练输入ξ之间的协方差；
34、s22.在机械臂执行末端移动当前位置之前，计算所需聚合向f和kl*δz之间的差值，聚合向量的表达式为：聚合向量的表达式为：
35、f＝klδx+g(ξ)；
36、其中，δx为根据当前位置所预测末端各轴所需移动距离，δx＝f/kl所需要移动到最小方差区域内的距离，kl为调制常数，δz沿每个轴的最大偏移距离；
37、s23.将聚合向量f和kl*δz进行比对；
38、当聚合向量f大于kl*δz时，机械臂的末端会按照当前位置沿着每个轴最大偏移距离移动δz；
39、当聚合向量f小于kl*δz时，机械臂的末端会按照当前位置沿着每个轴的偏移量为δx+g(ξ)/kl。
40、相较于现有技术，通过双目相机和控制件的设置，其中，双目相机设置于机械臂的末端，并用于采集水下环境信息及机械臂各关节的运动信息；控制件用于控制机械臂各个关节的运动，并将收集机械臂各关节的运动信息进行计算，其步骤如下：
41、s10.通过控制件得到机械臂的各关节的运动轨迹，使用高斯过程算法结合运动学数据对所述运动轨迹训练，以获得当前任务的期望运动模型；
42、所述运动模型用于提供机械臂在当前环境下所期望的笛卡尔轨迹的概率分布；并计算所述概率分布的均值和方差；
43、上述步骤中，是基于高斯过程的模仿学习阶段，首先对工作轨迹进行建模，然后使用高斯过程算法结合运动学数据对这些轨迹进行训练，从而获得适应当前任务的期望运动模型；该模型表示了期望的笛卡尔轨迹的概率分布，为机械臂的控制提供了基础；
44、s20.当机械臂的末端通过在期望运动模型的方差的流形中添加引力项，引导机械臂的末端落入方差最小的高置信区域内；
45、在无干扰时，机械臂的末端在方差最小的高置信度区域内移动；
46、当出现干扰时，改变机械臂末端的移动轨迹，直至干扰消除，机械臂返回到高置信度区域内；
47、在上述步骤为机械臂末端的补偿阶段，当机械臂遇到障碍物时，需要对其轨迹进行调整，以避免进入之前未访问过的、不确定性较高的工作空间区域；这些区域中的末端偏移量可能导致机械臂产生危险或不期望的动力学行为；在正常情况下，机械臂的末端执行器会位于方差最小的区域，并按正常的示教轨迹移动；本文档来自技高网...
【技术保护点】
1.一种基于高斯过程水下机械臂末端补偿的方法，其特征在于，包括双目相机、控制件和机械臂，双目相机和机械臂均电连接于控制件；
2.根据权利要求1所述的基于高斯过程水下机械臂末端补偿的方法，其特征在于，在S10中，包括如下步骤：
3.根据权利要求2所述的基于高斯过程水下机械臂末端补偿的方法，其特征在于，在步骤20中，包括如下步骤；
【技术特征摘要】
1.一种基于高斯过程水下机械臂末端补偿的方法，其特征在于，包括双目相机、控制件和机械臂，双目相机和机械臂均电连接于控制件；
2.根据权利要求1所述的基于高斯过程水下...
【专利技术属性】
技术研发人员：周英钢，蒋立华，宫新，李沛兴，刘润泽，王子豪，
申请(专利权)人：沈阳工业大学，
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。