System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术总体上涉及机器人操纵,更具体地,涉及使用操纵模型和参数中的不确定性使用机会约束优化进行机器人操纵的鲁棒控制的方法。
技术介绍
1、接触在所有机器人操纵任务中均起到核心作用。尽管接触的选择性使用可允许机器人推理和操纵其环境,但基于接触的推理和控制往往在每一个方面均具有挑战性。接触模型从解析、算法以及计算方面是具有挑战性的。结果,在基于模型的操纵的原则性技术中进展甚微。摩擦相互作用的底层混合动力学以及与摩擦参数关联的不确定性使得用于操纵的基于模型的控制器的高效设计具有挑战性。
2、在过去几十年里在机器人研究中接触建模一直是活跃的领域。对接触动力学进行建模的最流行方法之一使用线性互补问题(lcp)。在学术界以及诸如bullet、ode、havok等的多种物理仿真引擎中,lcp模型广泛用于对接触动力学进行建模。基于lcp的接触模型已广泛用于求解操纵以及有腿运动中的轨迹优化问题。这些工作假设确定性接触模型来执行轨迹优化。然而,大多数摩擦相互作用系统遭受导致随机动力学的多个来源。因此,重要的是在轨迹优化期间考虑不确定性。基于lcp的接触模型中的不确定性在优化期间导致随机互补约束。随机互补约束往往导致底层优化问题中的不可行性。
3、因此,需要一种通过在优化期间考虑随机互补约束来求解轨迹优化问题的系统和方法。
技术实现思路
1、一些实施方式的目的是提供一种机器人系统,其被配置为通过在操纵对象的同时优化作用于对象上的控制力序列来优化通过机器人系统操纵的对象的运动轨迹
2、一些实施方式基于这样的认识:摩擦相互作用系统遭受导致随机动力学的多个不确定性。因此,重要的是在使用摩擦相互作用系统的接触建模的轨迹优化(to)期间考虑不确定性。在基于lcp的接触模型中对不确定性进行建模导致随机离散时间互补系统(sdlcs)。
3、一些实施方式基于这样的认识:在sdlcs的优化期间,应该考虑不确定性对系统状态演变的影响以执行系统轨迹的鲁棒优化。在没有这种方法的情况下,操纵对象的状态的机器人系统的机器人操纵器将遭受不佳的表现,并且所得机器人操纵系统可能失败。目前,还没有已知技术可针对具有被建模为线性互补系统的接触动力学的动力学模型执行鲁棒优化。这使得机器人操纵的优化和控制不可靠且困难。
4、为此,本公开提出了用于操纵期间的鲁棒轨迹优化的sdlcs的机会约束优化构想。为了求解优化问题,构想了具有机会约束的混合整数二次规划(miqpcc)。该构想考虑了互补性的联合机会约束以及捕捉动力学随机演变的状态。
5、在一些实施方式中,以机器人系统(例如,平面推动系统)的互补约束设计基于所提出的构想的随机非线性模型预测控制器(snmpc),其中snmpc是用于操纵机器人系统的非线性模型预测控制器。
6、一些实施方式基于这样的认识:鲁棒轨迹优化需要对sdlcs施加机会约束作为硬约束。然而,对sdlcs使用硬约束使得鲁棒轨迹优化问题难以求解。为此,一个方法是将硬约束转换为软约束。通过将硬约束包括到待优化的成本函数中以获得操纵对象的鲁棒轨迹,硬约束可被转换为软约束。此外,具有软约束的sdlcs经受基于预期残差最小化(erm)的惩罚以求解轨迹优化问题,以获得优化轨迹。然而,在sdlcs上以软约束和基于erm的惩罚获得的优化轨迹不太鲁棒。因为这种方法的构想没有考虑在优化期间系统的随机状态演变。
7、因此,本公开的机器人系统通过对sdlcs施加机会约束作为硬约束来求解轨迹优化问题。为此,通过放宽机会约束将机会约束分成两个模式,以使得违反机会约束在可接受范围内。这样,具有硬机会约束的sdlcs被优化,以获得操纵对象的鲁棒轨迹。
8、因此,一个实施方式公开了一种机器人系统,该机器人系统包括:机器人操纵器;处理器;以及存储有指令的存储器,所述指令在由处理器执行时使得机器人操纵器:收集用于从初始状态到最终状态操纵对象的任务的数字表示。处理器还被配置为求解鲁棒控制问题以优化要由机器人操纵器应用以将对象的状态从初始状态改变为最终状态的控制力序列,其中对象的状态演变由以预定义的概率对操纵对象的任务进行建模的随机互补系统管理。鲁棒控制问题优化成本函数,从而以包括正被操纵的对象状态上的第一机会约束和对机器人操纵器操纵对象进行建模的随机互补约束上的第二机会约束的联合机会约束为条件生成执行任务的控制力序列。处理器还被配置为通过应用所计算的将对象的状态从初始状态改变为最终状态的控制力序列来控制对象的操纵。
9、因此,另一实施方式公开了一种使用机器人系统操纵对象的方法,该方法包括以下步骤:收集用于从初始状态到最终状态操纵对象的任务的数字表示。该方法还包括以下步骤:求解鲁棒控制问题以优化要由机器人操纵器应用以将对象的状态从初始状态改变为最终状态的控制力序列,其中对象的状态演变由以预定义的概率对操纵对象的任务进行建模的随机互补系统控制。鲁棒控制问题优化成本函数,从而以包括正被操纵的对象状态上的第一机会约束和对机器人操纵器操纵对象进行建模的随机互补约束上的第二机会约束的联合机会约束为条件生成执行任务的控制力序列。该方法还包括以下步骤:通过应用所计算的将对象的状态从初始状态改变为最终状态的控制力序列来控制对象的操纵。
10、本公开的实施方式将参照附图进一步说明。所示的附图未必按比例,重点通常放在例示本公开的实施方式的原理上。
本文档来自技高网...【技术保护点】
1.一种机器人系统,该机器人系统包括:
2.根据权利要求1所述的机器人系统,其中,所述随机互补系统是包括所述机器人操纵器与正被操纵的所述对象的相互作用的不确定性的随机离散时间线性互补系统SDLCS,并且其中,互补约束在操纵所述对象的同时以所述控制力序列对所述对象的相互作用进行建模。
3.根据权利要求2所述的机器人系统,其中,所述SDLCS中的所述相互作用的不确定性是由所述对象的所述状态的演变噪声、所述对象的所述状态的测量噪声、所述机器人操纵器的模型的不确定性和所述机器人操纵器的环境的不确定性中的一个或组合导致的。
4.根据权利要求2所述的机器人系统,其中,所述机器人操纵器操纵布置在表面上的所述对象,并且其中,所述SDLCS中的所述相互作用的不确定性是由所述表面的摩擦系数的不确定性导致的。
5.根据权利要求2所述的机器人系统,其中,所述机器人操纵器是配备有诸如平行钳口夹持器的机器人腕、龙门式机器人、柱面坐标机器人、极坐标机器人和关节臂机器人中的至少一个。
6.根据权利要求1所述的机器人系统,其中,所述随机互补约束被放宽以允
7.根据权利要求6所述的机器人系统,其中,所述超参数作为预定义的概率的函数被选择,使得以所述超参数所定义的所述概率满足所放宽的互补约束导致以所述预定义的概率满足所述随机互补系统。
8.根据权利要求6所述的机器人系统,其中,所述随机互补系统包括两个互补变量,其中,对一个或两个所述互补变量的单独概率施加所述放宽以满足所述互补约束的不等式。
9.根据权利要求8所述的机器人系统,其中,第一互补变量是确定性的,并且第二互补变量是概率性的,并且不等式满足的放宽取决于所述第一互补变量的确定性值。
10.根据权利要求6所述的机器人系统,其中,所述随机互补约束被分解为不相交的不等式模式,并且其中,所述放宽对各个模式的出现施加机会约束。
11.根据权利要求1所述的机器人系统,其中,所述鲁棒控制问题通过具有机会约束的混合整数二次规划来求解。
12.根据权利要求1所述的机器人系统,其中,所述控制是根据将所述对象的所述状态从所述初始状态改变为所述最终状态的所述控制力序列的前馈控制。
13.根据权利要求1所述的机器人系统,其中,所述控制是响应于接收到指示所述对象的当前状态的反馈信号而更新将所述对象的所述状态从所述初始状态改变为所述最终状态的所述控制力序列的反馈控制。
14.根据权利要求13所述的机器人系统,其中,所述反馈控制是在预测范围内以所述随机互补系统的硬约束为条件迭代地优化所述控制力序列的预测控制。
15.一种使用机器人系统操纵对象的方法,该方法包括以下步骤:
16.根据权利要求15所述的方法,其中,所述随机互补系统是包括所述机器人操纵器与正被操纵的所述对象的相互作用的不确定性的随机离散时间线性互补系统SDLCS,并且其中,互补约束在操纵所述对象的同时以所述控制力序列对所述对象的相互作用进行建模。
17.根据权利要求16所述的方法,其中,所述SDLCS中的所述相互作用的不确定性是由所述对象的所述状态的演变噪声、所述对象的所述状态的测量噪声、所述机器人操纵器的模型的不确定性和所述机器人操纵器的环境的不确定性中的一个或组合导致的。
18.根据权利要求16所述的方法,其中,所述机器人操纵器操纵布置在表面上的所述对象,并且其中,所述SDLCS中的所述相互作用的不确定性是由所述表面的摩擦系数的不确定性导致的。
19.根据权利要求16所述的方法,其中,所述机器人操纵器是配备有诸如平行钳口夹持器的机器人腕、龙门式机器人、柱面坐标机器人、极坐标机器人和关节臂机器人中的至少一个。
20.根据权利要求15所述的方法,其中,所述随机互补约束被放宽以允许以超参数所定义的概率违反所述随机互补约束。
...【技术特征摘要】
【国外来华专利技术】
1.一种机器人系统,该机器人系统包括:
2.根据权利要求1所述的机器人系统,其中,所述随机互补系统是包括所述机器人操纵器与正被操纵的所述对象的相互作用的不确定性的随机离散时间线性互补系统sdlcs,并且其中,互补约束在操纵所述对象的同时以所述控制力序列对所述对象的相互作用进行建模。
3.根据权利要求2所述的机器人系统,其中,所述sdlcs中的所述相互作用的不确定性是由所述对象的所述状态的演变噪声、所述对象的所述状态的测量噪声、所述机器人操纵器的模型的不确定性和所述机器人操纵器的环境的不确定性中的一个或组合导致的。
4.根据权利要求2所述的机器人系统,其中,所述机器人操纵器操纵布置在表面上的所述对象,并且其中,所述sdlcs中的所述相互作用的不确定性是由所述表面的摩擦系数的不确定性导致的。
5.根据权利要求2所述的机器人系统,其中,所述机器人操纵器是配备有诸如平行钳口夹持器的机器人腕、龙门式机器人、柱面坐标机器人、极坐标机器人和关节臂机器人中的至少一个。
6.根据权利要求1所述的机器人系统,其中,所述随机互补约束被放宽以允许以超参数所定义的概率违反所述随机互补约束。
7.根据权利要求6所述的机器人系统,其中,所述超参数作为预定义的概率的函数被选择,使得以所述超参数所定义的所述概率满足所放宽的互补约束导致以所述预定义的概率满足所述随机互补系统。
8.根据权利要求6所述的机器人系统,其中,所述随机互补系统包括两个互补变量,其中,对一个或两个所述互补变量的单独概率施加所述放宽以满足所述互补约束的不等式。
9.根据权利要求8所述的机器人系统,其中,第一互补变量是确定性的,并且第二互补变量是概率性的,并且不等式满足的放宽取决于所述第一互补变量的确定性值。
10.根据权利要求6所述的机器人系统,其中,所述随机互补约束被分解为不相交的不等式模式,并且其中,所述放宽对各个模式的出现...
【专利技术属性】
技术研发人员:D·贾,A·拉格胡娜汉,白井有树,D·罗梅雷斯,
申请(专利权)人:三菱电机株式会社,
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。